[發明專利]基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法

在審

• 申請號: 202010565024.7
• 申請日: 2020-06-19
• 公開（公告）號: CN111754477A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 謝征宇;李傳;秦勇;賈利民;孫雨萌
• 申請（專利權）人: 北京交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/20
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

本發明提供了一種基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法。該方法包括：獲取鐵路周界的監控視頻，提取監控視頻的第1幀到第N幀圖像；采用高斯金字塔算法分別構造第1幀到第N幀圖像的多尺度圖像；將第N幀圖像的多尺度圖像與第N?1幀圖像的多尺度圖像做差分運算提取第N幀圖像的動態目標候選區；將第N幀圖像的多尺度圖像與背景模型圖像做差分運算得到第N幀圖像的入侵目標前景信息；將第N幀圖像的目標動態候選區和入侵目標前景信息進行信息融合，并進行目標識別分析，輸出第N幀圖像中的入侵目標特征信息。本發明既能快速、準確地檢測出鐵路場景內的異物入侵目標，漏報率和誤報率均較低，而且計算效率高，占用計算資源少。

技術領域

本發明涉及軌道交通安全技術領域，尤其涉及一種基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法。

背景技術

截至2019年底，我國鐵路營業里程達到13.9萬公里，高速鐵路營業里程達到3.5萬公里。《中長期鐵路網規劃》提出：到2025年底，鐵路網規模達到17.5萬公里左右，其中高速鐵路3.8萬公里左右。隨著鐵路大規模投入運營，鐵路周界安全問題日益凸顯，侵入鐵路周界、妨礙列車正常運行的物體會對鐵路安全造成較大影響和安全威脅，如列車晚點、停運、人員傷亡及經濟損失。因此，及時發現入侵鐵路周界的行人、落石等異物，對維護鐵路安全和正常運營至關重要，將直接影響到列車的安全運營。

基于圖像處理的鐵路場景周界入侵目標檢測是利用計算機視覺技術和人工智能技術對鐵路場景的視頻序列進行描述、理解和分析，借助計算機強大的數據處理能力過濾畫面中無用的干擾信息，抽取畫面中的有效信息，對監控場景中的變化進行識別、定位和跟蹤，并在此基礎上分析和判斷周界入侵目標的行為，在入侵行為發生時及時發出警報或提供有用信息，協助負責人員處理危機。但目前鐵路現場的視頻處理方法較為簡單，誤報率較高，目前仍需較多的人工參與才能完成各種監控任務。

目前，現有技術中的鐵路視頻監控系統多采用固定攝像頭的定點監控，采集到的視頻背景基本靜止，采用的運動目標檢測算法主要包括幀差法、光流法和背景差法等。幀差法比較簡單容易實現，并且計算量小實時性好、對硬件要求不高。光流法是利用目標運動的光流矢量具有連續性的特點來檢測視頻中的運動目標，優勢在于不易受背景運動的影響

上述現有技術中的鐵路視頻監控系統的缺點為：幀差法受光照、天氣等外界環境變化的影響較小，但只能檢測出圖像中運動目標的輪廓信息，其結果不適合直接作為監控系統報警的信息源。光流法的算法復雜度高、實時性差。背景差法需要先對圖像序列建立背景模型，然后將當前幀與背景模型做差分運算，對差分圖像分析處理獲得運動目標。難點主要而在于背景模型的建立和更新。

發明內容

本發明的實施例提供了一種基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法，以克服現有技術的問題。

為了實現上述目的，本發明采取了如下技術方案。

一種基于動態候選區多尺度圖像的鐵路周界異物入侵檢測方法，包括：

獲取鐵路周界的監控視頻，提取所述監控視頻的第1幀到第N幀圖像；

采用高斯金字塔算法分別構造第1幀到第N幀圖像的多尺度圖像；

將第N幀圖像的多尺度圖像與第N-1幀圖像的多尺度圖像做差分運算得到二值化圖像，根據所述二值化圖像提取第N幀圖像的動態目標候選區；

將所述第N幀圖像的多尺度圖像與背景模型圖像做差分運算得到二值化圖像，根據所述二值化圖像得到第N幀圖像的入侵目標前景信息；

將第N幀圖像的目標動態候選區和入侵目標前景信息進行信息融合，對信息融合的結果進行目標識別分析，輸出第N幀圖像中的入侵目標特征信息。

優選地，所述的將第N幀圖像的多尺度圖像與第N-1幀圖像的多尺度圖像做差分運算得到二值化圖像，根據所述二值化圖像提取第N幀圖像的動態目標候選區，包括：