CN103287464A - 铁路道口智能视频监控系统及其实现方法 - Google Patents

Abstract

本发明公开了一种铁路道口智能视频监控系统及其实现方法，该监控系统包括调度中心设备、置于道口前/后方列车检测设备、道口监控设备、数据传输网络；所述道口前/后方列车检测设备，负责检测到有列车通过时，将给道口监控设备发送紧急预警命令，启动道口紧急预警报；所述道口监控设备、道口前/后方列车检测设备分别实时检测道口障碍物和列车出现，并及时将检测结果通过网络传送到调度中心设备，调度中心设备根据现场情况实现远程调度；本发明方法：道口监控设备上装有设计的障碍物检测算法程序，前方列车检测装置上装有列车车牌号识别算法，使系统在不同的工作环境中自动进行目标检测，有效地防止了道口事故发生，以保过往群众的生命安全。

Description

铁路道口智能视频监控系统及其实现方法

技术领域

本发明涉及一种铁路道口智能视频监控系统及其实现方法，主要是对监视道口场景中的障碍物实现实时检测和识别，通过数据传输网络实现远程调度和预警。

背景技术

铁路道口安全直接关系着国家的财产、人民群众的生命安全。近年来，随着国内铁路多次提速，列车运行速度不断加快、密度不断加大，公路改造扩建、城镇建设不断加快，道口安全形势日益严峻。

据统计，2001到2005年发生道口伤亡事故4074件，共伤亡3551人。其中有人看守道口伤亡667人；在无人看守道口，伤亡2884人，占总伤亡人数的81.2％。俨然，道口已是“虎口”。严重威胁到铁路运输的安全和人民群众生命财产的安全。

分析已发生的道口事故，可以总结出引发道口事故的原因主要有：(1)列车司机无法及时得到前方道口状况以及遇到异常应采取何种有效的应急措施；(2)道口，尤其无人看守道口的现场逗留人员不能提前知道再过多长时间将有列车通过道口。

发明内容

本发明针对上述铁路道口事故易发生的原因，提供了一种自动化程度高，可靠性强的铁路道口视频智能监控系统及其实现方法，能实时检测和识别道口障碍物，通过数据传输网络实现远程调度和预警。

为了达到上述发明目的，本发明所采用的技术方案是：

一种铁路道口智能视频监控系统，其特征在于：它包括调度中心设备、置于道口两侧的道口前/后方列车检测设备、道口监控设备、室外供电装置、机车通讯装置和数据传输网络；其中，调度中心设备与机车通讯装置通过通信网络双向连接，道口监控设备与其调度中心设备通过通信网络单向连接；置于道口两侧的道口前/后方列车检测设备的输出端分别与调度中心设备、道口监控设备通过通信网络单向连接；室外供电装置分别为道口前/后方列车检测设备和道口监控设备提供电源。

调度中心设备包括显示大屏、多媒体服务器、第1网络收发装置、第1报警装置和通讯装置；第1网络收发装置把接收到的来自各道口障碍物和列车相关数据或视频送至多媒体服务器的输入端，多媒体服务器输出端的实时视频信号送至显示大屏，该显示大屏分块实时显示来自各道口监控设备的道口现场视频，其多媒体服务器另一输出端的音频信号送至报警装置输入端，提醒调度员查看显示大屏，实现远程调度。

所述的第1网络收发装置主要包括3G网卡或路由器，完成数据的发送和接收。

置于道口两侧的道口前/后方列车检测设备包括高速网络摄像头、DSP和网络发送装置；高速网络摄像头将采集的视频信号发送至DSP，经DSP输出的控制信号通过网络发送装置分别发送至道口监控设备和调度中心设备，从而启动或关闭报警装置。

所述的置于道口前方的道口前方列车检测设备，应安装至沿列车驶向的反方向距道口S处，该S处距离设定为S＝t×v_max，其中t为紧急预警时间，v_max为当前检测的铁路允许列车行驶的最快时速。

所述道口监控设备包括工业控制计算机、高清网络摄像机、第2网络收发装置和第2报警装置；所述的高清网络摄像机、第2网络收发装置、第2报警装置分别与工业控制计算机相应接口连接，完成道口障碍物实时检测并将检测结果数据或视频发送至调度中心设备进行远程调度控制。

室外供电装置采用国家电网或太阳能供电设备。

机车通讯装置为电话或手持机。

数据传输的网络可采用有线网络或无线3G网络或WIFI网络或铁路专用网络。

一种铁路道口智能视频监控系统的实现方法，其特征在于包括步骤如下：

在道口监控设备中建立障碍物检测程序包括背景更新模块、障碍物检测模块和障碍物识别模块，实现道口障碍物的自动检测与识别；

在道口前/后方列车检测设备中建立列车车牌号识别程序包括图像预处理模块、字符图像检测模块、字符分割以及字符识别模块，实现列车车牌号的识别；

将道口障碍物检测程序检测结果和视频信号与列车车牌号识别程序运行的结果分别通过网络发送至调度中心设备，进行远程调度。

建立的列车车牌号识别程序，实现对检测到的列车车牌号的处理和识别，其具体实现过程：

通过前/后方列车检测设备的高速网络摄像机获取铁路现场图像；

对获取当前铁路现场图像通过识别程序的图像预处理模块进行平滑、滤波，以获得低噪声图像，判断是否有列车通过；

如果有列车通过，调用字符图像检测模块，利用水平方向的Sobel算子对上述的低噪声图像进行边缘提取，根据文字水平方向不连续的特征，检测车牌所在的图像，运用车牌号长宽比值，来锁定车牌号位置，提取车牌图像；

通过字符分割以及字符识别模块对车牌图像作垂直方向的影射，对影射结果求波谷，从而实现字符分割，然后对分割后的字符作矫正和归一化处理并进行字符匹配，实现列车车牌号的识别；

将识别结果分别发送至调度中心设备和道口监控设备。

建立的障碍物检测程序，实现道口障碍物的自动检测与识别，其具体实现过程如下：

读取高清网络摄像机输出图像的参数；

根据图像参数对背景图像缓存队列、各图像变量、计分板分配存储空间，计分板为一个与图像大小相同的整型数组；

从高清网络摄像机获取道口现场图像；

对获取的道口现场图像进行平滑滤波、灰度变换得到低噪声的灰度图像；

通过背景更新模块把灰度图像分成窗格，分别进行背景更新，滤除运动的物体，以获得滞后于当前图像的无运动物体的背景图像；

通过障碍物检测模块的计分板程序对当前灰度图像和背景图像进行处理，处理结果为检测出的障碍物；

对背景图像和当前图像进行边缘提取，对提取出的边缘图像进行边缘匹配，从而对检测出的目标障碍物进行识别；

判断目标是否为真实的障碍物，如果确实是障碍物，启动障碍物处理程序进行处理；

然后更新背景图像缓存队列中的图像，从而快速更新背景图像。

本发明与现有技术相比有益效果：

1、本系统适应性强，由于采用道口前/后方列车检测设备、道口监控设备及结合道口和铁道两边场景局部运动发生在场景固定位置的特点，采用了快速高效的运动补偿算法，有效地解决摄像机抖动问题，从而得到平稳的视频图像。同时也增强了系统对野外强风等恶劣环境的适应能力。

2、本发明系统自动化程度高，由于采用道口监控设备专门针对道口障碍物检测设计算法，系统可以自动进行道口障碍物检测。给摄像机安装上红外镜头后，系统不仅可以在白天实时有效地检测出道口障碍物，而且可以在夜间正常工作，此外，给系统设计的把图像分成窗格的背景更新算法对雨雪天气具有很强的适应能力，保证系统能够在下雨下雪天正常工作。

3、本发明由于道口监控设备包括工业控制计算机、高清网络摄像机、无线网络收发装置和报警装置，结合高效的障碍物识别算法可以准确地分辨出已检测目标是否为障碍物。确保不会发生漏检和误检，有效的提高了系统的可靠性。

4、本发明使用了高效的视频压缩/解压技术和流媒体播放技术.调度中心设备中显示大屏能够把从网络上接收到数据流不失真地还原出来，将道口场景画面清晰逼真展现给调度人员。

5、本系统采用有线网络或无线3G网络或WIFI网络或铁路专用网络，并采用了可靠的实时通讯协议，为数据传输的可靠性和实时性提供了有力保障；具体传输方式可以根据实际情况定制，比如CDMA、GPRS、WIFI等技术；采用无线网络传输视频信号可以避免安装系统时，铺设电缆挖沟濠的麻烦，有力地拓展了系统的使用范围，大大提高了系统的实用性和普及性。调度中心监控人员可以通过显示大屏实现“先看到，先调度，先报警，先减速”，有效的防止道口事故的发生。

6、本发明在无国家电网的情况下，采用太阳能发电设备，用太阳能来维持系统的日常工作，解决了安装系统时，需要架设电线的麻烦。

附图说明

图1是本发明的系统结构示意图；

图2是本发明的障碍物检测程序流程图；

图3是本发明的车牌识别程序流程图；

图4是本发明的背景更新模块程图；

图5是本发明的计分板法程序流程图。

具体实施方案

下面参照附图和实施例对本发明方案进一步详细描述：

参见附图1，是本发明的系统结构示意图；进一步说明本发明的铁路道口智能视频监控系统的实现。

本发明的铁路道口智能视频监控系统，它包括调度中心设备、置于道口两侧的道口前/后方列车检测设备、道口监控设备、室外供电装置、机车通讯装置和数据传输网络；其中，调度中心设备与机车通讯装置通过通信网络双向连接，道口监控设备与其调度中心设备通过通信网络单向连接；置于道口两侧的道口前/后方列车检测设备的输出端分别与调度中心设备、道口监控设备通过通信网络单向连接；室外供电装置分别为道口前/后方列车检测设备和道口监控设备提供电源。

所述道口监控设备包括工业控制计算机、高清网络摄像机、第2网络收发装置和第2报警装置；所述的高清网络摄像机、第2网络收发装置、第2报警装置分别与工业控制计算机相应接口连接，完成道口障碍物实时检测并将检测结果数据或视频发送至调度中心设备进行远程调度控制。

在本实施例中，第2网络收发装置主要由无线网卡，2.4G定向天线，避雷针组成，无线网卡安在道口监控设备的工业控制计算机上，定向天线安装在离地面3米至5米的杆(铁塔)上通过馈线与无线网卡的天线接口端连接，避雷针装在杆(铁塔)顶通过引线接地。

第2报警装置采用大功率扬声器，扬声器音频输入端与道口监控设备的工业控制计算机的声卡的音频输出端连接，用来播放语音，提醒过往行人、车辆尽快通过或停止通过道口。

道口监控设备主要完成对道口现场的实时采集、视频分析、障碍物检测并将检测结果、语音、文字、道口位置和压缩后的视频流等信息时实地发送给调度中心进行调度。

调度中心设备包括显示大屏、多媒体服务器、第1网络收发装置、第1报警装置和通讯装置；第1网络收发装置把接收到的来自各道口障碍物和列车相关数据或视频送至多媒体服务器的输入端，多媒体服务器输出端的实时视频信号送至显示大屏，该显示大屏分块实时显示来自各道口监控设备的道口现场视频，其多媒体服务器另一输出端的音频信号送至报警装置输入端，提醒调度员查看显示大屏，实现远程调度。

所述第1网络收发装置主要包括3G网卡或路由器，完成数据的发送和接收。

在本实施例中，第1网络收发装置主要由无线路由器，2.4G全向天线，避雷针组成；第1报警装置主要由室内音箱组成，音箱音频输入端连接到调度中心设备的多媒体服务器的音频输出端，用来播放语音，提醒调度员查看显示大屏信息。

工作时，调度中心设备接收来自多路不同道口的媒体数据流，解压并播放视频。一旦发现障碍物，立即语音报警，并将道口画面弹出来，道口画面上对障碍物作了标记，并有文字显示相应道口信息。使得调度中心的监控人员可以看到前方道口的实时视频情况，从而判断应采取哪种应急措施。如果是在地面马上就可以清除的障碍物，就通知相关值勤人员及时清除，如果需要与通过道口的火车的配合才能解决的障碍物，就给火车司乘人员打电话或者能通过网络发送语音信息。提前通知火车司机采取相应措施，以减少铁路道口事故的发生。

数据传输的网络可采用有线网络或无线3G网络或WIFI网络或铁路专用网络。

网络采用WIFI无线网络传输数据，使用高效的视频压缩协议H.264，有效地降低了视频的带宽，大大节省了网络资源，提高了网络的可靠性。系统使用了实时传输协议RTP负责媒体流的传输，保证了调度中心可以实时地看到各个道口现场视频。

机车通讯装置采用电话或手持机，也可以采用机车驾驶室内原固有的语言通讯装置。

置于道口两侧的道口前/后方列车检测设备包括高速网络摄像头、DSP和网络发送装置；高速网络摄像头将采集的视频信号发送至DSP，经DSP输出的控制信号通过网络发送装置分别发送至道口监控设备和调度中心设备，从而启动或关闭报警装置。

网络发送装置由辐射半经为3km的天线、防雷设备、无线路由器构成。

道口前/后方列车检测设备主要完成及时检测是否有列车通过，如果有列车通过检测点时，识别列车车牌号和列车速度，实时地把检测结果通过网络发送装置分别发送给调度中心设备和道口监控设备，然后启动或关闭调度中心和道口监控设备的语音第2报警装置，以便让调度人员向机车司机下达紧急减速或停车命令，也让道口逗留人员紧急撤离，保障人民群众的生命安全。

所述的置于道口前方的道口前方列车检测设备，应安装至沿列车驶向的反方向距道口S处，该S处距离设定为S＝t×v_max，其中t为紧急预警时间，v_max为当前检测的铁路允许列车行驶的最快时速。

如果当前道口涉及的铁道为列车单方向行驶的，则只需要一套道口前/后方列车检测设备，道口的前方安装道口前方列车检测设备，道口的后方安装道口后方列车检测设备；如果铁道为列车双方向行驶的，则需要在道口的两侧都安装前/后方列车检测设备，共两套设备，例如一条双向行驶的铁道允许在该铁道上的列车最快行驶的速度v_max为120km/h，紧急预警时间t为2分钟，则两个前方列车检测设备应分别装在道口两侧距道口4km处，两个道口后方列车检测设备也分别装在道口两侧，离道口的距离大于火车长度便可。

一种铁路道口智能视频监控系统的实现方法，其特征在于：包括步骤如下：

在道口监控设备中建立障碍物检测程序包括背景更新模块、障碍物检测模块和障碍物识别模块，实现道口障碍物的自动检测与识别；

在道口前/后方列车检测设备中建立列车车牌号识别程序包括图像预处理模块、字符图像检测模块、字符分割以及字符识别模块，实现列车车牌号的识别；

将道口障碍物检测程序检测结果和视频信号与列车车牌号识别程序运行的结果分别通过网络发送至调度中心设备，进行远程调度。

障碍物是道口出现的运动物体或静止物体，其中运动物体的运动速度V小于0.3米/秒；静止物体的要求：静止不动并持续t秒以上(t为6秒以上)。这里的运动物体主要指运动所有机动车辆和非机动车辆、人和动物(动物大小可以根据系统实际工作环境来设定)；静止物体指固体遗留物体(大小根据实际工作环境来设定)或静止的机动车辆和非机动车辆。

图3是车牌识别程序流程图，列车车牌号识别程序实现列车车牌号的识别，其具体实现过程：

通过前/后方列车检测设备的高速网络摄像机获取铁路现场图像；

对获取当前铁路现场图像通过识别程序的图像预处理模块进行平滑、滤波，以获得低噪声图像，判断是否有列车通过；

如果有列车通过，调用字符图像检测模块，利用水平方向的Sobel算子对上述的低噪声图像进行边缘提取，根据文字水平方向不连续的特征，检测车牌所在的图像，运用车牌号长宽比值，来锁定车牌号位置，提取车牌图像；

通过字符分割以及字符识别模块对车牌图像作垂直方向的影射，对影射结果求波谷，从而实现字符分割，然后对分割后的字符作矫正和归一化处理并进行字符匹配，实现列车车牌号的识别；

将识别结果分别发送至调度中心设备和道口监控设备。

参见附图2，是本发明障碍物检测程序总流程图；

障碍物检测程序，实现道口障碍物的自动检测与识别，其具体实现过程如下：

读取高清网络摄像机输出图像的参数；

根据图像参数对背景图像缓存队列、各图像变量、计分板分配存储空间，计分板为一个与图像大小相同的整型数组；

从高清网络摄像机获取道口现场图像；

对获取的道口现场图像进行平滑滤波、灰度变换得到低噪声的灰度图像；

通过背景更新模块把灰度图像分成窗格，分别进行背景更新，滤除运动的物体，以获得滞后于当前图像的无运动物体的背景图像；

通过障碍物检测模块的计分板程序对当前灰度图像和背景图像进行处理，处理结果为检测出的障碍物；

对背景图像和当前图像进行边缘提取，对提取出的边缘图像进行边缘匹配，从而对检测出的目标障碍物进行识别；

判断目标是否为真实的障碍物，如果确实是障碍物，启动障碍物处理程序；

然后更新背景图像缓存队列中的图像，从而快速更新背景图像。

对本发明进一步详细描述：

读取道口监控设备的高清网络摄像机输出图像的参数；

根据图像参数分配根据图像参数对当前图像变量CRTimg、背景图像变量BKGimg和临时图像变量TMPimg、背景图像缓存队列buf分配存储空间；图像缓存队列buf，设置队列长度为L(L＝75)、队列头指针为h；

设置图像划分参数N，M(N＝5，M＝6)；

分配大小与图像大小相同的整型数组作为计分板MSB；

从道口监控设备的高清网络摄像机获取道口现场图像，对图像平滑滤波、灰度变换得到低噪声的灰度图像，作为当前图像赋给当前图像变量CRTimg；

把当前图像传给背景更新模模块，经过背景更新模模块的处理，获得背景图像，将图像赋给背景图像变量BKGimg；

通过计分板程序对当前灰度图像和背景图像进行处理，处理结果为检测出障碍物；

背景图像和当前图像通过计分板程序，检测障碍物，由于更新背景是一个缓慢化变的过程，检测出的障碍物中会出现“伪障碍物”，伪障碍物是指当障碍物清除后，在一段时间内背景图像上并没有清除掉，这样计分板程序也会检测把已清除的障碍物误认为是障碍物，但实际上道口现场的当前图像上并无障碍物，计分板程序仍可能把这种情况误判断为“障碍物”；

通过障碍物识别模块，对检测出的障碍物目标图像进行障碍物识别，剔除“伪障碍物”；

其识别模块障碍物识别过程为：

以障碍物目标图像为模板在当前图像和背景图像上截取背景目标小图像和当前目标小图像；

然后利用形态学边缘提取法公式(1)分别对障碍物目标图像、当前目标小图像和背景目标小图像提取边缘，得到目标边缘小图像I_dm、当前边缘小图像I_dc和背景边缘小图像I_db；

然后使用边缘图像匹配公式(2)对目标边缘小图像I_dm与当前边缘小图像I_dc和目标边缘小图像I_dm与背景边缘小图像I_db进行边缘匹配，得到匹配结果是目标边缘小图像与当前图像边缘小图像的匹配度m_c、目标边缘小图像与背景边缘小图像的匹配度m_b；

判断当前目标是否为障碍物，对m_c和m_b进行比较，如果m_c≥m_b说明障碍物目标边缘与当前边缘小图像匹配，该目标物是障碍物，启动一次障碍物处理程序，启动调度中心设备的报警装置，提配调度人员查看视频显示大屏；

然后更新图像缓存队列中的图像，用目标障碍物所对应的当前图像窗格替换缓存队列中的各个图像的相应图像窗格，实现背景图像的立即更新；

最后判断程序结束标志F是否为1，如果是结束程序。

否则，接续执行从高网络摄像机获取道口现场图像程序步骤。

形态学边缘提取法公式为：

I_d＝I⊕B_c-IΘB_c                   (1)

其中，I是灰度图像或二值图像，B_c是形态学十字形结构算子，⊕为形态学膨胀运算符，Θ为形态学腐蚀运算符，I_d为运算结果，是图像I的边缘图像。

边缘图像匹配公式(2)为：

$m=\underset{x=1}{\overset{w}{\mathrm{\Σ}}}\underset{y=1}{\overset{h}{\mathrm{\Σ}}}{I}_{d1}(x,y)\⩓I_{d2}(x,y)---\left(2\right)$

其中，I_d1和I_d2边缘图像，m为两边缘图像的匹配结果，即匹配度，∧运算符表示边缘图像I_d1和I_d2的像素值之间的逻辑与运算，w、h分别是边缘图像I_d的宽和高。

图4为背景更新模块流程图，通过背景更新模块对灰度图像窗格进行背景更新，滤除运动的物体，以获得滞后于当前图像的无运动物体的背景图像，其处理实现步骤：

从当前图像变量CRTimg中，获取当前图像；

判断背景图像缓存队列buf是否为满，如果未满，则当前图像压入背景图像缓存队列buf，并继续获取当前图像，直到背景图像缓存队列buf满为止；

对背景图像缓存队列buf中所有图像的像素值求均值，将结果值赋给背景图像变量BKGimg；

然后输出背景图像，接续执行障碍物检测程序步骤。

当背景图像缓存队列buf已满，说明背景图像变量BKGimg已赋值；将当前图像变量CRTimg，背景图像变量BKGimg和临时图像变量TMPing图像分成N×M个图像窗格；

遍历图像窗格，对其进行背景更新；

对遍历到的当前图像窗格、背景图像窗格的像素值，求差的绝对值，并将结果写到相应的临时图像窗格的像素点上；

用OSTU法，对临时图像窗格进行二值化，得到二值图像；

对二值图像中非零元素点的个数进行统计，并计算它的非零像素点所占图像窗格总像素点的百分比tb；

判断百分比tb＜25％，如果成立，则用当前图像窗格直接替换临时图像窗格，意味着没有运动物体，否则用合成图像窗格替换为临时图像窗格；

其中，合成图像是当前图像窗格跟一个与时间相关系数μ的乘积，再加上一帧图像的相应窗格与(1-μ)的乘积，其用公式表示为：TMPimg(n，m)＝CRTimg(n，m)×μ+buf[h-1](n，m)×(1-μ)，公式“＝”号右边的为合成图像，其中μ为与时间相关的更新系数，CRTimg(n，m)表示当前图像的第n行m列的图像窗格，buf[h-1](n，m)表示上一帧图像的第n行m列的图像窗格；TMPimg(n，m)表示临时图像的第n行m列的图像窗格。

由下述的公式(3)得到时间相关的更新系数μ：

$\frac{{(1-\mathrm{\μ})}^{25T-l}[1-{(1-\mathrm{\μ})}^l]}{\mathrm{\μ}}\≤0.1---\left(3\right)$

其中，l为指定的背景缓存队列长度；T为背景完全更新时间，令式(3)左边等于右边，求解等式就可以确定更新系数μ。有时μ很难求得精确值，求近似解即可。如本施实例中l＝75，T＝60秒，μ＝0.0045213。

判断遍历窗格是否结束，如果结束，则临时图像压入背景图像缓存队列buf；接续执行对背景缓存队列中的图像求均值程序步骤；否则接续遍历。

图5为计分板程序的流程图，通过障碍物检测模块的计分板程序对当前灰度图像和背景图像进行处理，处理结果为检测出的障碍物，其实现具体步骤步骤如下：

从背景图像变量BKGimg和当前图像变量CRTimg，获得背景和当前图像；

对背景图像与当前图像的像素值求差的绝对值，将结果赋给临时图像变量TMPimg对应的像素点；

用OSTR法，对TMPimg二值化，得到二值图像赋给临时图像变量TMPimg；

遍历临时图像变量TMPimg中的二值图像的像素点；判断遍历的像素点的值是否＞0，如果＞0，则将该像素对应位置中的计分板数组MSB元素值增1，如果不＞0，则将对应计分板数组MSB中的元素值置0；

判断遍历临时图像变量TMPimg中的二值图像的像素点是否结束，如果还未结束，则接续遍历临时图像变量TMPimg中的二值图像的素像点程序步骤。

如果遍历遍历临时图像变量TMPimg中的二值图像的素像点结束，遍历计分板数组MSB中的元素，判断遍历元素的值是否＞T，此处T表示物体允许在道口停留的最大时间和道口监控设备的高清网络摄像的输出视频的帧率的乘积，在本施实例中高清网络摄像机的帧率为25帧/秒，允许道口停留的最大时间为6秒，则T为150；

如果遍历元素的值＞T，则对应临时图像变量TMPimg的像素点置1，如果不成立，则对应临时图像变量TMPimg的像素点置0；

接着判断遍历计分板数组MSB结束，如果没结束，接续遍历计分板数组MSB中的元素步骤处。如果已结束，此时得到一个保存在临时图像变量TMPimg中的二值图像；

然后对临时图像变量TMPimg中的二值图像，用形态学开闭法处理，除去蕉盐噪声；再用形态学膨胀法对该二值图像处理3次，连接分离目标，消除图像空洞；用水平四边形轮廓提取法对该二值图像进行目标分割，将包含有障碍物的图像分成仅包含障碍物的目标图像块，遍历分割出的目标图像块；判断目标图像块的面积大小是否包含在集合P中，其中集合P表示一个图像面积大小的区间，为了避免噪声对障碍物检测的影响，障碍物最小值不应小于整个图像的1％，最大不应超过图像25％，根据实际情况这两个值可以适当调整。

因此，本施实例中P区间的最小值为图像当前图像面积的0.01倍，最大值为当前图像面积的0.25倍，设Simg为当前图像的面积，则P区间为[0.01Simg，0.25Simg]，如果目标图像块面积大小包含在P区间中，则意味着目标图像块中有障碍物，把该目标图像块保存到目标缓存区中；

判断遍历是否结束，如果遍历已结束，则输出目标图像，如果没结束程序继续遍历分割出的目标图像块；如果目标图像块面积不在P区间中，则接续判断遍历结束步骤处。

Claims (12)

1.一种铁路道口智能视频监控系统，其特征在于：它包括调度中心设备、置于道口两侧的道口前/后方列车检测设备、道口监控设备、室外供电装置、机车通讯装置和数据传输网络；其中，调度中心设备与机车通讯装置通过通信网络双向连接，道口监控设备与其调度中心设备通过通信网络单向连接；置于道口两侧的道口前/后方列车检测设备的输出端分别与调度中心设备、道口监控设备通过通信网络单向连接；室外供电装置分别为道口前/后方列车检测设备和道口监控设备提供电源。

2.按权利要求1所述的铁路道口智能视频监控系统，其特征在于：调度中心设备包括显示大屏、多媒体服务器、第1网络收发装置、第1报警装置和通讯装置；第1网络收发装置把接收到的来自各道口障碍物和列车相关数据或视频送至多媒体服务器的输入端，多媒体服务器输出端的实时视频信号送至显示大屏，该显示大屏分块实时显示来自各道口监控设备的道口现场视频，其多媒体服务器另一输出端的音频信号送至报警装置输入端，提醒调度员查看显示大屏，实现远程调度。

3.按权利要求2所述的铁路道口智能视频监控系统，其特征在于：所述的第1网络收发装置主要包括3G网卡或路由器，完成数据的发送和接收。

4.按权利要求1所述的铁路道口智能视频监控系统，其特征在于：置于道口两侧的道口前/后方列车检测设备包括高速网络摄像头、DSP和网络发送装置；高速网络摄像头将采集的视频信号发送至DSP，经DSP输出的控制信号通过网络发送装置分别发送至道口监控设备和调度中心设备，从而启动或关闭报警装置。

5.按权利要求1或4所述的铁路道口智能视频监控系统，其特征在于：所述的置于道口前方的道口前方列车检测设备，应安装至沿列车驶向的反方向距道口S处，该S处距离设定为S＝t×v_max，其中t为紧急预警时间，v_max为当前检测的铁路允许列车行驶的最快时速。

6.按权利要求1所述的铁路道口智能视频监控系统，其特征在于：所述道口监控设备包括工业控制计算机、高清网络摄像机、第2网络收发装置和第2报警装置；所述的高清网络摄像机、第2网络收发装置、第2报警装置分别与工业控制计算机相应接口连接，完成道口障碍物实时检测并将检测结果数据或视频发送至调度中心设备进行远程调度控制。

7.按权利要求1所述的铁路道口智能视频监控系统，其特征在于：室外供电装置采用国家电网或太阳能供电设备。

8.按权利要求1所述的铁路道口智能视频监控系统，其特征在于：机车通讯装置为电话或手持机。

9.按权利要求1所述的铁路道口智能视频监控系统，其特征在于：数据传输的网络可采用有线网络或无线3G网络或WIFI网络或铁路专用网络。

10.一种权利要求1所述的铁路道口智能视频监控系统的实现方法，其特征在于包括步骤如下：

在道口监控设备中建立障碍物检测程序包括背景更新模块、障碍物检测模块和障碍物识别模块，实现道口障碍物的自动检测与识别；

在前/后方列车检测设备中建立列车车牌号识别程序包括图像预处理模块、字符图像检测模块、字符分割以及字符识别模块，实现列车车牌号的识别；

将道口障碍物检测程序检测结果和视频信号与列车车牌号识别程序运行的结果分别通过网络发送至调度中心设备，进行远程调度。

11.按照权利要求10所述的铁路道口智能视频监控系统的实现方法，其特征在于：建立的列车车牌号识别程序，实现对检测到的列车车牌号的处理和识别，其具体实现过程：

通过前/后方列车检测设备的高速网络摄像机获取铁路现场图像；

对获取当前铁路现场图像通过识别程序的图像预处理模块进行平滑、滤波，以获得低噪声图像，判断是否有列车通过；

如果有列车通过，调用字符图像检测模块，利用水平方向的Sobel算子对上述的低噪声图像进行边缘提取，根据文字水平方向不连续的特征，检测车牌所在的图像，运用车牌号长宽比值，来锁定车牌号位置，提取车牌图像；

通过字符分割以及字符识别模块对车牌图像作垂直方向的影射，对影射结果求波谷，从而实现字符分割，然后对分割后的字符作矫正和归一化处理并进行字符匹配，实现列车车牌号的识别；

将识别结果分别发送至调度中心设备和道口监控设备。

12.按照权利要求10所述的铁路道口智能视频监控系统的实现方法，其特征在于：障碍物检测程序实现道口障碍物的自动检测与识别，得到更新的背景图像，其具体实现过程如下：

读取高清网络摄像机输出图像的参数；

根据图像参数对背景图像缓存队列、各图像变量、计分板分配存储空间，计分板为一个与图像大小相同的整型数组；

从高清网络摄像机获取道口现场图像；

对获取的道口现场图像进行平滑滤波、灰度变换得到低噪声的灰度图像；

通过背景更新模块把灰度图像分成窗格，分别进行背景更新，滤除运动的物体，以获得滞后于当前图像的无运动物体的背景图像；

通过障碍物检测模块的计分板程序对当前灰度图像和背景图像进行处理，处理结果为检测出的障碍物；

对背景图像和当前图像进行边缘提取，对提取出的边缘图像进行边缘匹配，从而对检测出的目标障碍物进行识别；

判断目标是否为真实的障碍物，如果确实是障碍物，启动障碍物处理程序；

然后更新背景图像缓存队列中的图像，从而快速更新背景图像。

Images