[發(fā)明專利]一種基于視頻圖像的鐵路貨場(chǎng)防護(hù)紅牌檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710657089.2
• 申請(qǐng)日: 2017-08-03
• 公開（公告）號(hào): CN107423719A
• 公開（公告）日: 2017-12-01
• 發(fā)明（設(shè)計(jì)）人: 鄭睿姣;羅炬鋒;尚素娟;趙康;翟華偉;汪華紅;王波龍;邱云周;鄭春雷
• 申請(qǐng)（專利權(quán)）人: 上海物聯(lián)網(wǎng)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;G06K9/62;H04N21/44;H04N21/4728
• 代理公司: 上海泰能知識(shí)產(chǎn)權(quán)代理事務(wù)所31233
• 代理人: 宋纓,錢文斌

技術(shù)領(lǐng)域

本發(fā)明涉及智能視頻圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于視頻圖像的鐵路貨場(chǎng)防護(hù)紅牌檢測(cè)方法。

背景技術(shù)

鐵路貨運(yùn)站內(nèi)的站場(chǎng)作業(yè)包括列檢作業(yè)、裝卸作業(yè)、調(diào)車作業(yè)等，工種繁多，交叉作業(yè)，為了確保勞動(dòng)安全和行車安全，貨場(chǎng)作業(yè)過(guò)程需要安全防護(hù)紅牌設(shè)施的保證。目前，鐵路貨運(yùn)站紅牌設(shè)施的安設(shè)與撤除大都依靠現(xiàn)場(chǎng)工作人員手動(dòng)操作，時(shí)有發(fā)生忘設(shè)、錯(cuò)設(shè)、漏撤防護(hù)紅牌的安全隱患；紅牌設(shè)施操作信息的記錄都是人工輸入的，易出現(xiàn)信息輸入錯(cuò)誤、模糊不清、數(shù)據(jù)篡改等問(wèn)題；另外，操作信息不能實(shí)時(shí)地遠(yuǎn)程傳輸?shù)阶鳂I(yè)調(diào)度等相關(guān)部門，使得鐵路貨運(yùn)的站場(chǎng)作業(yè)安全存在一定的風(fēng)險(xiǎn)。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于視頻圖像的鐵路貨場(chǎng)防護(hù)紅牌檢測(cè)方法，降低了紅牌設(shè)施的誤檢率，提高了紅牌檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：提供一種基于視頻圖像的鐵路貨場(chǎng)防護(hù)紅牌檢測(cè)方法，包括以下步驟：

(1)基于圖像獲取設(shè)備獲取紅牌設(shè)施區(qū)域的實(shí)時(shí)視頻流；

(2)建立訓(xùn)練樣本庫(kù)，利用圖像特征數(shù)據(jù)離線訓(xùn)練SVM訓(xùn)練模型；

(3)使用新的圖像特征數(shù)據(jù)基于SVM訓(xùn)練模型得到識(shí)別結(jié)果；

(4)基于圖像預(yù)處理通過(guò)識(shí)別過(guò)程自動(dòng)檢測(cè)當(dāng)前系統(tǒng)紅牌狀態(tài)信息；

(5)實(shí)時(shí)地將檢測(cè)結(jié)果和操作事件過(guò)程視頻上傳至后臺(tái)服務(wù)器。

所述步驟(1)中圖像獲取設(shè)備設(shè)置在滿足軌道安全運(yùn)行距離要求，且能夠監(jiān)測(cè)到紅牌設(shè)施的附近區(qū)域的位置。

所述步驟(2)具體為：利用獲取的實(shí)時(shí)視頻流中的視頻圖片提取ROI區(qū)域作為訓(xùn)練樣本集，將現(xiàn)有的樣本集分為紅牌、非紅牌兩種類型，并進(jìn)行分類器設(shè)計(jì)，實(shí)現(xiàn)紅牌設(shè)施的自動(dòng)檢測(cè)；通過(guò)圖像預(yù)處理之后進(jìn)行中心規(guī)范化獲取圖像特征數(shù)據(jù)，選擇徑向基函數(shù)作為SVM的核類型，對(duì)樣本集進(jìn)行訓(xùn)練，得到SVM訓(xùn)練模型。

所述步驟(3)具體為：首先對(duì)預(yù)處理之后待識(shí)別的圖像進(jìn)行中心規(guī)范化以獲取特征數(shù)據(jù)，然后根據(jù)所述SVM訓(xùn)練模型對(duì)待識(shí)別圖像進(jìn)行分類識(shí)別，得到SVM檢測(cè)結(jié)果。

所述步驟(4)具體為：在獲取的實(shí)時(shí)視頻流中相隔一定數(shù)目抽取視頻圖像，提取ROI和鄰域ROI進(jìn)行圖像預(yù)處理；將預(yù)處理之后的圖像進(jìn)行中心規(guī)范化，得到待識(shí)別的圖像特征數(shù)據(jù)，利用訓(xùn)練好的SVM訓(xùn)練模型進(jìn)行識(shí)別得到待識(shí)別圖像的檢測(cè)結(jié)果；根據(jù)當(dāng)前幀的檢測(cè)結(jié)果，判斷當(dāng)前幀和當(dāng)前系統(tǒng)的結(jié)果是否一致，若一致，則當(dāng)前系統(tǒng)紅牌狀態(tài)不改變；若不一致，且連續(xù)一定數(shù)目的結(jié)果均為不一致時(shí)，則當(dāng)前系統(tǒng)紅牌狀態(tài)發(fā)生改變。

有益效果

由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點(diǎn)和積極效果：本發(fā)明從圖像獲取設(shè)備獲取實(shí)時(shí)視頻流，提取圖像中的有效信息進(jìn)行圖像預(yù)處理，分別計(jì)算ROI、鄰域ROI的圖像特征數(shù)據(jù)，基于訓(xùn)練好的SVM模型進(jìn)行識(shí)別，然后通過(guò)判斷一定時(shí)間內(nèi)紅牌設(shè)施的狀態(tài)是否改變得到檢測(cè)結(jié)果，最后將檢測(cè)結(jié)果和操作事件過(guò)程視頻實(shí)時(shí)上傳至后臺(tái)服務(wù)器進(jìn)行展示。本發(fā)明在圖像處理的基礎(chǔ)上結(jié)合機(jī)器學(xué)習(xí)，增強(qiáng)了圖像特征的多模式和有效性，減少了系統(tǒng)的運(yùn)算過(guò)程，降低了紅牌設(shè)施的誤檢率，提高了紅牌檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。

附圖說(shuō)明

圖1是本發(fā)明的流程圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例，進(jìn)一步闡述本發(fā)明。應(yīng)理解，這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書所限定的范圍。

本發(fā)明的實(shí)施方式涉及一種基于視頻圖像的鐵路貨場(chǎng)防護(hù)紅牌檢測(cè)方法，如圖1所示，包括以下步驟：基于圖像獲取設(shè)備獲取紅牌設(shè)施區(qū)域的實(shí)時(shí)視頻流；建立訓(xùn)練樣本庫(kù)，利用圖像特征數(shù)據(jù)離線訓(xùn)練SVM訓(xùn)練模型；使用新的圖像特征數(shù)據(jù)基于SVM訓(xùn)練模型得到識(shí)別結(jié)果；基于圖像預(yù)處理通過(guò)識(shí)別過(guò)程自動(dòng)檢測(cè)當(dāng)前系統(tǒng)紅牌狀態(tài)信息；實(shí)時(shí)地將檢測(cè)結(jié)果和操作事件過(guò)程視頻上傳至后臺(tái)服務(wù)器。

以下通過(guò)具體的實(shí)施例來(lái)進(jìn)一步說(shuō)明本發(fā)明。

首先通過(guò)攝像機(jī)采集包含紅牌設(shè)施區(qū)域的實(shí)時(shí)視頻流，且攝像機(jī)設(shè)置在滿足列車安全運(yùn)行距離要求基礎(chǔ)上，能夠監(jiān)測(cè)到較大面積紅牌設(shè)施的附近區(qū)域。

基于提取的ROI區(qū)域，建立訓(xùn)練樣本庫(kù)，在訓(xùn)練階段，將現(xiàn)有的樣本集分為紅牌、非紅牌兩種類型進(jìn)行設(shè)計(jì)，選擇徑向基函數(shù)作為SVM的核類型，設(shè)置相關(guān)參數(shù)進(jìn)行訓(xùn)練，得到用于自動(dòng)檢測(cè)當(dāng)前圖像紅牌設(shè)施狀態(tài)信息的訓(xùn)練模型。