CN105303582B - 高铁站台周界检测方法 - Google Patents
高铁站台周界检测方法 Download PDFInfo
- Publication number
- CN105303582B CN105303582B CN201410714084.5A CN201410714084A CN105303582B CN 105303582 B CN105303582 B CN 105303582B CN 201410714084 A CN201410714084 A CN 201410714084A CN 105303582 B CN105303582 B CN 105303582B
- Authority
- CN
- China
- Prior art keywords
- image
- pattern
- detection
- platform
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种本发明的高铁站台周界检测方法，可以根据需要设置监测区域范围，将存储检测区域连接点的图像坐标作为系统参数，当有人进入站台两端20m范围内或者站台外轨道区域内，系统将发出报警声音，进行提示，从而避免危险发生。另外由于采用了实时背景更新的技术，本发明能够克服昼夜光照变化和一年四季日常天气变化等外界环境影响，避免自然条件变化对检测造成干扰。
Description
技术领域
本发明涉及图片识别的技术领域，具体说是一种高铁站台周界检测方法。
背景技术
国内现在的高铁站台一般都是开放式的结构，人员很容易经过站台两端的护栏进入火车运行轨道区域，由于高铁运行速度快，当有人在轨道附近时，一旦有高铁迅速通过，极容易造成事故和伤亡。
发明内容
本发明要解决的技术问题是提供一种高铁站台周界检测方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
本发明的高铁站台周界检测方法，包括以下步骤：
A、检测开始，载入系统参数；
B、载入图像，进行相机对图像进行自调整判断；
C、图像预处理，建立图像缓冲；
D、对图像进行背景建模，确定封闭区域的检测范围：根据实际需要检测的区域位置和大小在视频图像上点选相应的连接点；将所选择的点顺序连接，确认所标记的区域；存储检测区域连接点的图像坐标作为系统参数，当重新加载系统参数时，根据检测区域的参数坐标自动生成检测区域的图像模板，实现对检测区域的实际图像提取；
E、对图像进行前景提取；
F、判断图像中的前景物体是否为检测目标；
G、当图像采集中发现有物体进入到上述检测区域中，系统进行报警。
本发明还可以采用以下技术措施：
所述的检测区域包括站台两端外侧20m的区域和站台外的轨道区域，参数标定公式：I(x，y)＝α*I′(x，y)+δ，
I(x，y)是图像中坐标，I＇(x，y)是实际站台坐标，α是变换系数，δ是经验参数；
对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时针对前景进行分析。
高斯背景建模包括以下步骤：
a、每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内
|Xt-μi，t-1|≤2.5σi，t-1
b、如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
c、各模式权值按如下公式更新，以下公式中α是学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化。
wk，t＝(1-α)*wk，t-1+α*Mk，t
d、未匹配模式的均值μ与标准差σ不变，匹配模式的参数按照如下公式更新：
ρ＝α*η(Xt|μk，σk)
μt＝(1-ρ)*μt-1+ρ*Xt
e、如果第a步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素，标准差为初始化较大值，权重为较小值
f、各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前
g、选前B个模式作为背景，B满足下式，参数T表示背景所占比例
利用红外热成像对不同温度物体进行图像亮度采集，采用自适应阈值分割算法，对图像进行二值化处理，得到区域的二值化图像，并与背景更新图像进行融合。
本发明具有的优点和积极效果是:
本发明的高铁站台周界检测方法，可以根据需要设置监测区域范围，当有人进入站台两端20m范围内，或者站台外轨道区域内，系统将发出报警声音，进行提示，从而避免危险发生。另外由于采用了实时背景更新的技术，本发明能够克服昼夜光照变化和一年四季日常天气变化等外界环境影响，避免自然条件变化对检测造成干扰。
附图说明
图1是本发明的高铁站台周界检测方法的流程图。
具体实施方式
本发明的高铁站台周界检测方法，包括以下步骤：
A、检测开始，载入系统参数；
B、载入图像，进行相机对图像进行自调整判断，通过对红外图像进行图像调整判断，避免由于相机进行图像像素调整而引起的检测错误，如需自调整则调整后重新载入图像；
C、图像预处理，建立图像缓冲，对红外图像高斯平滑预处理，减少图像噪声对检测算法结果的影响；
D、对图像进行背景建模，确定封闭区域的检测范围：根据实际需要检测的区域位置和大小在视频图像上点选相应的连接点；将所选择的点顺序连接，确认所标记的区域；存储检测区域连接点的图像坐标作为系统参数，当重新加载系统参数时，根据检测区域的参数坐标自动生成检测区域的图像模板，实现对检测区域的实际图像提取；
E、对图像进行前景提取；
F、判断图像中的前景物体是否为检测目标；
G、当图像采集中发现有物体进入到上述检测区域中，系统进行报警。
所述的检测区域包括站台两端外侧20m的区域和站台外的轨道区域，参数标定公式：I(x，y)＝α*I′(x，y)+δ，
I(x，y)是图像中坐标，I′(x，y)是实际站台坐标，α是变换系数，δ是经验参数。
假设检控区域的实际空间坐标在坐标系Z′＝0的平面上，检测区域由一组标记点连接组成，记为I′i(xi，yi),同时在相机图像坐标系Z中找到对应的标记点Ii(xi，yi)并记录坐标值，经过坐标变换计算出坐标变换系数α。
对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时针对前景进行分析。
高斯背景建模包括以下步骤：
a、每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内
|Xt-μi，t-1|≤2.5σi，t-1
b、如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
c、各模式权值按如下公式更新，其中α是学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化；
wk，t＝(1-α)*wk，t-1+α*Mk，t
d、未匹配模式的均值μ与标准差σ不变，匹配模式的参数按照如下公式更新：
ρ＝α*η(Xt|μk，σk)
μt＝(1-ρ)*μt-1+ρ*Xt
e、如果第a步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素，标准差为初始化较大值，权重为较小值；
f、各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前；
g、选前B个模式作为背景，B满足下式，参数T表示背景所占比例
由于一年四季日常天气变化等外界环境影响，避免自然条件变化对检测造成干扰。采用了实时背景更新的技术，针对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时，针对前景进行分析。同时结合红外热成像对不同温度物体成像亮度不同的特点，采用自适应阈值分割算法，对图像进行二值化处理，得到区域的二值化图像，并与背景更新图像进行融合，确定最终的检测目标，避免背景更新算法对静止的目标物体检测不敏感的缺点，从而保证检测到的目标物体准确可靠。
当高铁以高速通过站台时，会对站台产生一定的震动，此时，相机也会相应的产生抖动，此时，图像中的画面也会有产生上下晃动。在检测相对较大范围时，图像的突然变化可能会对检测造成干扰，甚至产生误报警。将背景学习速率参数选择在0.001～0.005时，可以明显的去除其他外界因素对图像的影响。同时，对算法检测后标记的目标物进行筛选过滤，通过对目标物，大小尺寸的限制和物体连续报警帧数的统计，可以成功的过滤掉由于站台过车产生的误报警的情况，提高了检测的准确性。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例公开如上，然而，并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当然会利用揭示的技术内容作出些许更动或修饰，成为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。
Claims (4)
1.一种高铁站台周界检测方法，其特征在于，包括以下步骤：
A、检测开始，载入系统参数；
B、载入图像，进行相机对图像进行自调整判断；
C、图像预处理，建立图像缓冲；
D、对图像进行背景建模，确定封闭区域的检测范围：根据实际需要检测的区域位置和大小在视频图像上点选相应的连接点；将所选择的点顺序连接，确认所标记的区域；存储检测区域连接点的图像坐标作为系统参数，当重新加载系统参数时，根据检测区域的参数坐标自动生成检测区域的图像模板，实现对检测区域的实际图像提取；
E、对图像进行前景提取；
F、判断图像中的前景物体是否为检测目标；
G、当图像采集中发现有物体进入到上述检测区域中，系统进行报警；
其中，检测区域包括站台两端外侧20m的区域和站台外的轨道区域，参数标定公式：I(x，y)＝α*I′(x，y)+δ，
此公式中，I(x，y)是图像中坐标，I′(x，y)是实际站台坐标，此公式中α是变换系数，δ是经验参数。
2.根据权利要求1所述的高铁站台周界检测方法，其特征在于：对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时针对前景进行分析。
3.根据权利要求2所述的高铁站台周界检测方法，其特征在于：自适应高斯背景建模包括以下步骤：
a、每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内
|Xt-μi，t-1|≤2.5σi，t-1
b、如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
c、各模式权值按如下公式更新，公式中α是学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化；
wk，t＝(1-α)*wk，t-1+α*Mk，t
d、未匹配模式的均值μ与标准差σ不变，匹配模式的参数按照如下公式更新：
ρ＝α*η(Xt|μk，σk)
μt＝(1-ρ)*μt-1+ρ*Xt
e、如果第a步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素，标准差为初始化较大值，权重为较小值
f、各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前
g、选前B个模式作为背景，B满足下式，参数T表示背景所占比例
4.根据权利要求3所述的高铁站台周界检测方法，其特征在于：利用红外热成像对不同温度物体进行图像亮度采集，采用自适应阈值分割算法，对图像进行二值化处理，得到区域的二值化图像，并与背景更新图像进行融合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410714084.5A CN105303582B (zh) | 2014-12-01 | 2014-12-01 | 高铁站台周界检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410714084.5A CN105303582B (zh) | 2014-12-01 | 2014-12-01 | 高铁站台周界检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105303582A CN105303582A (zh) | 2016-02-03 |
| CN105303582B true CN105303582B (zh) | 2018-07-10 |
Family
ID=55200804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410714084.5A Active CN105303582B (zh) | 2014-12-01 | 2014-12-01 | 高铁站台周界检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105303582B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107103715A (zh) * | 2017-04-17 | 2017-08-29 | 江苏蓝深远望科技股份有限公司 | 火车站台底坑的入侵者识别系统、入侵者识别方法及装置 |
| CN110873874B (zh) * | 2018-08-29 | 2022-03-04 | 杭州海康威视数字技术股份有限公司 | 一种监测周界设定方法、雷达系统及电子设备 |
| CN111145456A (zh) * | 2018-11-06 | 2020-05-12 | 天地融科技股份有限公司 | 一种基于背景协同的风险检测方法、装置及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101256626A (zh) * | 2008-02-28 | 2008-09-03 | 王路 | 基于计算机视觉的入侵监控方法 |
| CN101324959A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种检测运动目标的方法及装置 |
| CN101933058A (zh) * | 2008-01-31 | 2010-12-29 | 传感电子有限责任公司 | 具有目标和事件分类的视频传感器和警报系统以及方法 |
| CN102819736A (zh) * | 2012-09-05 | 2012-12-12 | 天津光电高斯通信工程技术有限公司 | 双ccd摄像机自动监控目标侵入的识别方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201140470A (en) * | 2010-05-13 | 2011-11-16 | Hon Hai Prec Ind Co Ltd | System and method for monitoring objects and key persons of the objects |
| TWI559236B (zh) * | 2012-06-20 | 2016-11-21 | 原相科技股份有限公司 | 適用於影像處理的更新背景方法 |
-
2014
- 2014-12-01 CN CN201410714084.5A patent/CN105303582B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101933058A (zh) * | 2008-01-31 | 2010-12-29 | 传感电子有限责任公司 | 具有目标和事件分类的视频传感器和警报系统以及方法 |
| CN101256626A (zh) * | 2008-02-28 | 2008-09-03 | 王路 | 基于计算机视觉的入侵监控方法 |
| CN101324959A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种检测运动目标的方法及装置 |
| CN102819736A (zh) * | 2012-09-05 | 2012-12-12 | 天津光电高斯通信工程技术有限公司 | 双ccd摄像机自动监控目标侵入的识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| "行人异常智能视频监控系统研究与实现";赵凤娟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111215(第12期);论文第13-28、63页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105303582A (zh) | 2016-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106910203B (zh) | 一种视频监测中运动目标的快速检测方法 | |
| KR101350922B1 (ko) | 열화상 카메라를 사용한 객체 추적 방법 및 장치 | |
| JP2020107349A (ja) | 物体追跡システム、物体追跡方法、プログラム | |
| CN103971386B (zh) | 一种动态背景场景下的前景检测方法 | |
| MY198109A (en) | Methods and systems for automatic object detection from aerial imagery | |
| CN109785363A (zh) | 一种无人机航拍视频运动小目标实时检测与跟踪方法 | |
| CN105574855B (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
| CN103986906B (zh) | 基于监控视频的开关门检测方法 | |
| WO2022078182A1 (zh) | 抛出位置获取方法、装置、计算机设备及存储介质 | |
| CN102332167A (zh) | 一种智能交通监控中车辆和行人的目标检测方法 | |
| CN107657244B (zh) | 一种基于多摄像机的人体跌倒行为检测系统及其检测方法 | |
| CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
| CN105303582B (zh) | 高铁站台周界检测方法 | |
| Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
| Chen et al. | [Retracted] Research on the Detection and Tracking Algorithm of Moving Object in Image Based on Computer Vision Technology | |
| CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
| CN110189355A (zh) | 安全疏散通道占用检测方法、装置、电子设备及存储介质 | |
| CN103593679A (zh) | 一种基于在线机器学习的视觉人手跟踪方法 | |
| CN110222735A (zh) | 一种基于神经网络与背景建模的物品被盗遗留识别方法 | |
| CN105225249B (zh) | 高铁站台越界检测方法 | |
| CN108229421A (zh) | 一种基于深度视频信息的坠床行为实时检测方法 | |
| Kim et al. | Smoke detection using GMM and adaboost | |
| CN105279767B (zh) | 火车到站状态的识别方法 | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
| CN105844671B (zh) | 一种变光照条件下的快速背景减除法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 300450 West 3-303, 18 Haitai West Road, Huayuan Industrial Zone, Binhai New Area, Tianjin Patentee after: TIANJIN OPTICAL ELECTRICAL GAOSI COMMUNICATION ENGINEERING TECHNOLOGY Co.,Ltd. Address before: No.6, Taishan Road, Hexi District, Tianjin 300210 Patentee before: TIANJIN OPTICAL ELECTRICAL GAOSI COMMUNICATION ENGINEERING TECHNOLOGY Co.,Ltd. |