CN105799740B - 一种基于物联网技术的轨道异物入侵自动检测与预警方法 - Google Patents
一种基于物联网技术的轨道异物入侵自动检测与预警方法 Download PDFInfo
- Publication number
- CN105799740B CN105799740B CN201610130511.4A CN201610130511A CN105799740B CN 105799740 B CN105799740 B CN 105799740B CN 201610130511 A CN201610130511 A CN 201610130511A CN 105799740 B CN105799740 B CN 105799740B
- Authority
- CN
- China
- Prior art keywords
- monitoring system
- foreign body
- body intrusion
- video monitoring
- vehicle
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
- B61L23/04—Control, warning, or like safety means along the route or between vehicles or vehicle trains for monitoring the mechanical state of the route
- B61L23/041—Obstacle detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Abstract
一种基于物联网技术的轨道异物入侵自动检测与预警方法,具体实施步骤如下:A.搭建路面视频监控系统及车载视频监控系统;B.路网实时监控、视频信号无线传输及自适应反馈;C.云端数据、车载数据处理及异物入侵检测、识别与预警;D.全路网信息共享、异物入侵行车控制及相关路网行车调度。
Description
技术领域
本发明涉及到使用物联网技术、视频监控、图像处理方法对轨道异物入侵进行自动检测与预警。
背景技术
近年来我国的铁路建设进程迅速发展,然而随着铁路里程数的增加和运行速度的提高,铁路安全日益成为突出问题。火车在高速运行时如果碾压到铁轨上异物将会对列车的行驶产生影响,极端情况下可以造成重大事故。轨道异物入侵一直是威胁列车行车安全的一个重要隐患。广义上,这里的异物包括如缓变异物(积沙、积雪等)、“低慢行”漂浮物(风筝、孔明灯、气球等)、由山体滑坡及泥石流塌方等造成的道上沙石、桥梁隧道掉落的悬挂物、轨道上的落石、因报警失误仍滞留在道上的工务人员以及相关设备、小动物、穿越行人等。
传统的轨道异物入侵主要采用人工巡检的方式进行,这种巡检方式效率低,工作量大,而且人工巡检对于越来越快的行车速度以及越来越多的列车车次来讲,不能满足路网应急调度需求。虽然根据有人值守的视频监控巡检方式可以减少人工路面行走的弊端,但还是容易出现可靠性不足且漏检等情况,巡检的信息滞后性较为明显。
针对人工巡检的弊端,工程师们也逐渐采用新的自动化或半自动化巡检技术。异物入侵自动化检测的方式可分为接触式和非接触式监测两种。
(1)接触式主要采用防护网,通过检测导线判断防护网上或者应变式传感器或光纤传感器判断防护网或者监测目标上是否有物体落入。该方式只能检测从上方落入的较大物体,对较小物体和各种机械从侧面的侵入则无能为力。
(2)非接触式检测主要利用激光、红外、微波或机器视觉的方式探测物体的大小及位置。由于测量精度高、速度快,激光扫描作为一种新型数据获取手段被广泛应用于物体尺寸及变形测量、自主导航与定位、山体滑坡监测等领域。激光扫描通过测距获取周围环境的点云数据,通过分析点云的分布特征对测量目标进行分类和识别。双电缆传感器检测方法已经应用在法国地中海线上;光缆检测方法已经应用在日本新干线上的;微波检测方法已经应用在意大利罗马-那不勒斯高速铁路上的;红外检测方法与微波方式相似,但是其无法判断异物的大小及形状。以上均是属于非接触检测方法中的主动检测。主动检测是向需检测的方位发出某种探测信号,通过传感器反射回来的信号检测障碍物。这种方法是侵犯式检测,增加了环境噪声,检测的空间覆盖率有限。
智能视频检测方式是利用视频监控技术的动态分析功能,通过对监测点视频图像的实时动态分析,计算异物的大小及形状甚至具体特征。这种方式属于一种被动检测方式,其与主动检测比较有诸多优点。如以非侵犯方式检测,不增加环境噪声,空间覆盖广,但其算法复杂、计算量大。
另外,传统的异物入侵检测方法仅仅使用路面固定检测方式或者是车载检测方式,这样在检测过程中异物入侵检测状态仅仅局限在局域的路网当中,不能实现全路网的信息共享,如果异物入侵出现在某个区域并导致了临近此路段的列车停滞,其他路段的列车不能及时根据路况进行路面控制和调度,容易引发事故。
综上所述,传统的人工巡检以及目前的自动化、半自动化异物入侵检测存在不同程度的缺陷,因此亟待提出一种新型的轨道异物入侵检测方法以实现高效、可靠、准确的检测和预警。
发明内容
本发明要克服传统轨道异物入侵方法的不足,提出一种基于物联网技术的轨道异物入侵自动检测与预警方法。本测量方法采用在路面立柱及列车上布置视觉传感装置(摄像机、热成像相机和智能红外夜视一体化云台相机)、无线热点收发器、云端服务器及数据处理平台、路面控制箱、车载分析中心、车载控制中心通过群组无线传输、物联网和云计算的技术架构起一套完整的检测和预警系统。
本发明要解决以下几个方面的问题:
一是解决传统人工巡检出现的效率低、可靠度低、人工工作量大及漏检事件多的缺陷;
二是解决传统接触式检测方法识别范围小,不能识别较小物体且只能识别一定侵入方向异物的缺点;
三是解决传统非接触检测方法中主动检测需向检测的方位发出某种探测信号,检测的空间覆盖率有限,且是侵犯式检测,增加了环境噪声;
四是解决传统非接触检测方法其无法判断异物的大小及形状的缺陷;
五是解决传统非接触视频检测方法算法复杂、计算量大的弊端;
六是解决传统非接触视频检测方法对天气(雨、雪、雾、霾和霜等)以及光照变化较为敏感,从而出现预警误报的缺陷;
七是解决检测方法中仅仅使用路面固定检测系统或者仅仅使用车载检测系统的不能实现全路网异物入侵信息共享的弊端。
本发明所述的一种基于物联网技术的轨道异物入侵自动检测与预警方法,具体实施步骤如下:
A.搭建路面视频监控系统及车载视频监控系统;
A1.在轨道旁边每隔一定距离架设立柱,立柱上安装摄像机、热成像相机以及无线热点收发器;列车上安装智能红外夜视一体化云台相机、数据分析中心及无线收发器;
A2.视频监控系统背景学习及训练,自适应摄像训练,调整曝光时间、增益值以及补光系统,直到视频监控系统能够拍到清晰的图像;
A3.保存初始状态下没有异物入侵时的轨道背景图像(路面监控系统要包括轨道有列车和无列车两种情况),并上传云端;
B.路网实时监控、视频信号无线传输及自适应反馈;
B1.路面视频监控系统和车载视频监控系统对路网进行实时在线监控;
B2.路面视频监控系统和车载视频监控系统均通过无线热点发送控制器将视频信号上传到云端服务器,同时车载视频监控系统将视频信号传到所在列车的车载数据分析中心;
B3.云端服务器及车载数据处理中心进行预处理,数据处理中心会根据路况、天气(雨、雪、雾、霾和霜等)以及光照等发出摄像参数反馈信号,为A中的背景学习、自适应背景拍摄训练及硬件调整提供帮助;
C.云端数据、车载数据处理及异物入侵检测与预警;
C1.在云端服务器和数据处理平台及车载分析处理中心,采用无监督学习算法对由路面实时监控系统和车载实时监控系统传输过来的图像序列进行逐帧对比与分类分析,通过聚类分析和降维分析进行模式识别;
C2.图像序列帧间,持续采用时空上下文方法,通过贝叶斯框架对轨道异物及其上下文区域的时空关系进行建模,这里时空上下文是指此帧的前后帧,帧间背景差分对比,得到轨道异物及其周围区域低级特征的统计相关性,异物入侵监测区域的异物出现位置的置信图,置信度及帧间差距最大时确认异物出现;
C3.如果出现异物,进行识别并预警;
D.全路网信息共享、异物入侵行车控制及相关路网行车调度;
D1.云端异物入侵信息传输,实现全路网信息共享;
D2.有异物入侵轨道路段进行行车控制;
D3.全路网相关行车调度,提出轨道异物入侵应急策略;
D4.判断是否收到终止监测的命令,如果收到终止监测任务,则任务停止。
本发明中使用了多样化的视觉传感装置,如摄像机、热成像相机和智能红外夜视一体化云台相机等。路面支架上放置的是摄像机和热成像相机,摄像机可以自适应的根据外部光线变化调整其摄影参数(曝光时间和增益值等),并通过传感装置来识别环境中的雨雪雾霾等边缘遮挡等,再通过控制器及反馈装置调整进行图像预处理,使得摄像机能够拍摄到足够清晰的图像。安装在支架上的热成像相机可以对特定的异物进行拍摄,其优点在于对环境干扰较小,相对稳定,是对传统成像技术的一个很好的补充。列车上则安装了智能红外夜视一体化云台相机,其整合传统成像技术及热成像技术于一体,对列车前面的路况进行实时拍摄。所有拍摄到的图像分别通过路面和车载的无线收发热点发送到云端服务器。这样整个路网以及所有列车的车载系统均可以通过无线传输及云服务器联系起来,建立起一个广阔的物联网。物联网上所有节点可以进行实时互通,云计算的处理速度又非常迅速,完全可以满足实时管控和调度需求。
在异物识别方面采用无监督学习算法进行模式识别运算,通过逐帧背景差分对比整合聚类分析和降维分析等提高识别效率,通过时空上下文这种基于概率的判断方法可以提高异物识别的可靠度,降低预警误报等。这里无监督学习算法是一种高度自动化的判断模式,背景更新及异物判断更加智能化。
列车上搭载车载分析处理中心,视频信号在无线传输到云端的过程中会同步在列车上进行处理并做判断,与云端处理互补,并且直接反馈到车载控制中心,为行车控制提供支持。
本发明的优点是:
1、解决了传统人工巡检出现的效率低、可靠度低、人工工作量大及漏检事件多的缺陷;
2、解决了传统接触式检测方法识别范围小,不能识别较小物体且只能识别一定侵入方向异物的缺点;
3、解决了传统非接触检测方法中主动检测需向检测的方位发出某种探测信号,检测的空间覆盖率有限,且是侵犯式检测,增加了环境噪声;
4、解决了传统非接触检测方法其无法判断异物的大小及形状的缺陷;
5、解决了传统非接触视频检测方法算法复杂、计算量大的弊端;
6、解决了传统非接触视频检测方法对天气(雨、雪、雾、霾和霜等)以及光照变化较为敏感,从而出现预警误报的缺陷;
7、本发明中通过采用物联网和云计算的技术以及无线传输的方式将整个路网包括列车车载图像采集装置全部串联起来,实现整个路网的全覆盖式监控,并且云端数据处理可以通过无线发送到路网的每个节点,对异物入侵实现全方位的自动检测和预警;
8、解决了检测方法中仅仅使用路面固定检测系统或者仅仅使用车载检测系统的不能实现全路网异物入侵信息共享的弊端;
9、本发明由于采用了无线技术,使得异物入侵的网络拓扑优化更加容易,通过优化计算可以节省视觉传感装置,更容易进行传感器优化;
9、相较于其他测量方法,测量同样的测点精度高、成本低、操作简单,自动化、智能化强。
附图说明
图1本发明的装置示意图。
图2本发明的物联网关系图。
图3本发明的实施流程图。
图例说明:图1中的代号分别表示:
1——摄像机,
2——热成像相机,
3——路面无线收发器,
4——云端服务器及数据处理平台,
5——路网调度分中心,
6——列车,
7——智能红外夜视一体化云台相机,
8——车载无线收发器,
9——车载控制分中心,
10——轨道路面,
11——异物。
备注:本发明中选取某段轨道和其上的一列列车为例,其中路面视频监控系统和车载监控系统均仅仅举一例作说明,实际中是路面视频监控系统是沿着轨道每隔一定距离进行布设的,而在每列列车的车头部分均布置车载摄像装置。本发明的物联网关系通过图2表达,信号通过无线进行传输。
具体实施方式
以下结合图1中所示的案例、图2中所示的物联网关系图以及图3中所示的实施流程图进一步阐述本发明。
参见图1、图2和图3,本发明中所举案例为利用一种基于物联网技术的轨道异物入侵自动检测与预警方法对轨道路网中的一段进行异物入侵自动检测和预警,具体的实施步骤如下:
A.搭建路面视频监控系统及车载视频监控系统;
A1.在轨道旁边每隔一定距离架设立柱,立柱上安装摄像机1、热成像相机2以及无线热点收发器3;列车上安装智能红外夜视一体化云台相机7、数据分析中心9及无线收发器8;
A2.视频监控系统背景学习及训练,自适应摄像训练,调整曝光时间、增益值以及补光系统,直到视频监控系统能够拍到清晰的图像;
A3.保存初始状态下没有异物入侵时的轨道背景图像(路面监控系统要包括轨道有列车和无列车两种情况),并上传云端4;
B.路网实时监控、视频信号无线传输及自适应反馈;
B1.路面视频监控系统(1、2)和车载视频监控系统7对路网进行实时在线监控;
B2.路面视频监控系统(1、2)和车载视频监控系统7均通过无线热点(3和8)发送控制器将视频信号上传到云端服务器4,同时车载视频监控系统7将视频信号传到所在列车的车载数据分析中心9;
B3.云端服务器4及车载数据处理中心9进行预处理,数据处理中心会根据路况、天气(雨、雪、雾、霾和霜等)以及光照等发出摄像参数反馈信号,为A中的背景学习、自适应背景拍摄训练及硬件调整提供帮助;
C.云端数据、车载数据处理及异物入侵检测与预警;
C1.在云端服务器和数据处理平台4及车载分析处理中心9,采用无监督学习算法对由路面实时监控系统和车载实时监控系统传输过来的图像序列进行逐帧对比与分类分析,通过聚类分析和降维分析进行模式识别;
C2.图像序列帧间,持续采用时空上下文方法,通过贝叶斯框架对轨道异物及其上下文区域的时空关系进行建模,这里时空上下文是指此帧的前后帧,帧间背景差分对比,得到轨道异物及其周围区域低级特征的统计相关性,异物入侵监测区域的异物出现位置的置信图,置信度及帧间差距最大时确认异物11出现;
C3.如果出现异物11,进行识别并预警;
D.全路网信息共享、异物入侵行车控制及相关路网行车调度;
D1.云端异物入侵信息传输,实现全路网信息共享;
D2.有异物入侵轨道路段进行行车控制;
D3.全路网相关行车调度,提出轨道异物入侵应急策略;
D4.判断是否收到终止监测的命令,如果收到终止监测任务,则任务停止。
本发明中使用了多样化的视觉传感装置,如摄像机、热成像相机和智能红外夜视一体化云台相机等。路面支架上放置的是摄像机和热成像相机,摄像机可以自适应的根据外部光线变化调整其摄影参数(曝光时间和增益值等),并通过传感装置来识别环境中的雨雪雾霾等边缘遮挡等,再通过控制器及反馈装置调整进行图像预处理,使得摄像机能够拍摄到足够清晰的图像。安装在支架上的热成像相机可以对特定的异物进行拍摄,其优点在于对环境干扰较小,相对稳定,是对传统成像技术的一个很好的补充。列车上则安装了智能红外夜视一体化云台相机,其整合传统成像技术及热成像技术于一体,对列车前面的路况进行实时拍摄。所有拍摄到图像分别通过路面和车载的无线收发热点发送到云端服务器。这样整个路网以及所有列车的车载系统均可以通过无线传输及云服务器联系起来,建立起一个广阔的物联网。物联网上所有节点可以进行实时互通,云计算的处理速度又非常迅速,完全可以满足实时管控和调度要求。
在异物识别方面采用无监督学习算法进行模式识别运算,通过逐帧背景差分对比整合聚类分析和降维分析等提高识别效率,通过时空上下文这种基于概率的判断方法可以提高异物识别的可靠度,降低预警误报等。这里无监督学习算法是一种高度自动化的判断模式,背景更新及异物判断更加智能化。
列车上搭载车载分析处理中心,视频信号在无线传输到云端的过程中会同步在列车上进行处理并做判断,与云端处理互补,并且直接反馈到车载控制中心,为行车控制提供支持。
本说明书实施案例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施案例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于物联网技术的轨道异物入侵自动检测与预警方法,具体实施步骤如下:
A.搭建路面视频监控系统及车载视频监控系统;
A1.在轨道旁边每隔一定距离架设立柱,立柱上安装摄像机、热成像相机以及无线热点收发器;列车上安装智能红外夜视一体化云台相机、车载数据处理中心及无线收发器;
A2.视频监控系统背景学习及训练,自适应摄像训练,调整曝光时间、增益值以及补光系统,直到视频监控系统能够拍到清晰的图像;
A3.保存初始状态下没有异物入侵时的轨道背景图像,路面监控系统要包括轨道有列车和无列车两种情况,并上传云端;
B.路网实时监控、视频信号无线传输及自适应反馈;
B1.路面视频监控系统和车载视频监控系统对路网进行实时在线监控;
B2.路面视频监控系统和车载视频监控系统均通过无线热点发送控制器将视频信号上传到云端服务器,同时车载视频监控系统将视频信号传到所在列车的车载数据处理中心;
B3.云端服务器及车载数据处理中心进行预处理,车载数据处理中心会根据路况、天气以及光照发出摄像参数反馈信号,为A中的背景学习、自适应背景拍摄训练及硬件调整提供帮助;
C.云端数据、车载数据处理及异物入侵检测与预警;
C1.在云端服务器和数据处理平台及车载数据处理中心,采用无监督学习算法对由路面实时监控系统和车载实时监控系统传输过来的图像序列进行逐帧对比与分类分析,通过聚类分析和降维分析进行模式识别;
C2.图像序列帧间,持续采用时空上下文方法,通过贝叶斯框架对轨道异物及其上下文区域的时空关系进行建模,这里时空上下文是指此帧的前后帧,帧间背景差分对比,得到轨道异物及其周围区域低级特征的统计相关性,异物入侵监测区域的异物出现位置的置信图,置信度及帧间差距最大时确认异物出现;
C3.如果出现异物,进行识别并预警;
D.全路网信息共享、异物入侵行车控制及相关路网行车调度;
D1.云端异物入侵信息传输,实现全路网信息共享;
D2.有异物入侵轨道路段进行行车控制;
D3.全路网相关行车调度,提出轨道异物入侵应急策略;
D4.判断是否收到终止监测的命令,如果收到终止监测任务,则任务停止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610130511.4A CN105799740B (zh) | 2016-03-08 | 2016-03-08 | 一种基于物联网技术的轨道异物入侵自动检测与预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610130511.4A CN105799740B (zh) | 2016-03-08 | 2016-03-08 | 一种基于物联网技术的轨道异物入侵自动检测与预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105799740A CN105799740A (zh) | 2016-07-27 |
CN105799740B true CN105799740B (zh) | 2017-06-16 |
Family
ID=56467011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610130511.4A Active CN105799740B (zh) | 2016-03-08 | 2016-03-08 | 一种基于物联网技术的轨道异物入侵自动检测与预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105799740B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106572333A (zh) * | 2016-10-26 | 2017-04-19 | 中国铁道科学研究院通信信号研究所 | 一种无人值守列车障碍物检测系统 |
CN108263439A (zh) * | 2016-12-30 | 2018-07-10 | 河南辉煌软件有限公司 | 一种列车安全运行监测系统 |
CN107169401B (zh) * | 2017-02-10 | 2020-05-05 | 北京交通大学 | 基于轨道视觉特征谱的轨道入侵物检测方法 |
CN107144887B (zh) * | 2017-03-14 | 2018-12-25 | 浙江大学 | 一种基于机器视觉的轨道异物入侵监测方法 |
CN107618535B (zh) * | 2017-09-28 | 2018-11-20 | 建湖金洋科技有限公司 | 铁道安全维护平台 |
CN108313088B (zh) * | 2018-02-22 | 2020-08-25 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统 |
CN109063566A (zh) * | 2018-07-02 | 2018-12-21 | 天津煋鸟科技有限公司 | 一种用于人体检测的光学检测方法 |
CN109460787B (zh) * | 2018-10-26 | 2020-08-18 | 北京交通大学 | 入侵检测模型建立方法、装置及数据处理设备 |
CN109753893A (zh) * | 2018-12-20 | 2019-05-14 | 广州航天海特系统工程有限公司 | 轨道沿线视频检测方法、系统、计算机设备及存储介质 |
TWI684960B (zh) * | 2018-12-27 | 2020-02-11 | 高雄捷運股份有限公司 | 月台軌道區侵入警報系統 |
CN109606434A (zh) * | 2018-12-31 | 2019-04-12 | 河南思维自动化设备股份有限公司 | 一种列车运行过程中的预警提示方法和系统 |
US20200235612A1 (en) * | 2019-01-23 | 2020-07-23 | Mediatek Singapore Pte. Ltd. | Addressing borderline foreign object detection results |
CN110084987A (zh) * | 2019-04-29 | 2019-08-02 | 复钧智能科技(苏州)有限公司 | 一种面向轨道交通的异物检查系统及方法 |
CN110217270B (zh) * | 2019-05-29 | 2021-08-27 | 成都希格玛光电科技有限公司 | 一种针对固定距离处轨道入侵异物检测方法及系统 |
CN112441087A (zh) * | 2019-08-30 | 2021-03-05 | 比亚迪股份有限公司 | 列车控制系统、列车控制方法 |
CN110986820B (zh) * | 2019-12-16 | 2022-03-11 | 武汉汉宁轨道交通技术有限公司 | 轨道侵限检测方法、装置及电子设备 |
CN111516732A (zh) * | 2020-04-30 | 2020-08-11 | 临沂会宝岭铁矿有限公司 | 一种轨道在线监测系统 |
CN111681267B (zh) * | 2020-06-10 | 2022-03-01 | 北京大成国测科技有限公司 | 基于图像识别的轨道防侵入方法 |
CN111717243B (zh) * | 2020-06-22 | 2022-04-01 | 成都希格玛光电科技有限公司 | 一种轨道交通监控系统及方法 |
CN112394690B (zh) * | 2020-10-30 | 2022-05-17 | 北京旷视机器人技术有限公司 | 仓库管理方法、装置、系统及电子设备 |
CN113610039B (zh) * | 2021-08-17 | 2024-03-15 | 北京融合汇控科技有限公司 | 基于云台相机的风漂异物识别方法 |
CN113815680A (zh) * | 2021-09-16 | 2021-12-21 | 宁夏大学 | 一种铁路轨道埋沙检测系统及预警方法 |
CN115331392A (zh) * | 2022-08-17 | 2022-11-11 | 卡斯柯信号有限公司 | 一种基于北斗短报文的车载自主防灾预警防护系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3518729B2 (ja) * | 1998-09-24 | 2004-04-12 | オムロン株式会社 | 検知システムおよびその制御方法、並びに記録媒体 |
CN201570108U (zh) * | 2009-11-11 | 2010-09-01 | 四川格致科技发展有限公司 | 异物侵限监测系统 |
CN101898567B (zh) * | 2010-04-07 | 2012-03-14 | 西南交通大学 | 基于智能视频的铁路异物侵限监控系统 |
CN104071182A (zh) * | 2013-03-27 | 2014-10-01 | 陈萌 | 一种列车环境异物入侵系统 |
CN204567692U (zh) * | 2015-03-12 | 2015-08-19 | 崔琰 | 一种能监测机车前端异物的铁路监测装置 |
CN104787084B (zh) * | 2015-04-16 | 2017-06-23 | 北京交通大学 | 一种铁路异物侵限检测系统及检测方法 |
CN105015581A (zh) * | 2015-07-10 | 2015-11-04 | 河南辉煌科技股份有限公司 | 铁路自然灾害及异物侵限监测网络系统 |
-
2016
- 2016-03-08 CN CN201610130511.4A patent/CN105799740B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105799740A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105799740B (zh) | 一种基于物联网技术的轨道异物入侵自动检测与预警方法 | |
CN106910203B (zh) | 一种视频监测中运动目标的快速检测方法 | |
CN109285376B (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
CN108491758B (zh) | 一种轨道检测方法及机器人 | |
CN110085029B (zh) | 基于轨道式巡检机器人的高速公路巡检系统与方法 | |
CN109878552B (zh) | 基于机器视觉的轨道交通站台门与列车间异物监测装置 | |
CN105512720B (zh) | 一种公交车辆客流统计方法和系统 | |
CN106541968B (zh) | 基于视觉分析的地铁车厢实时提示系统的识别方法 | |
CN114419825B (zh) | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 | |
CN102724482A (zh) | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 | |
CN106096504A (zh) | 一种基于无人机机载平台的车型识别方法 | |
CN105260719A (zh) | 铁路站台越线检测方法 | |
CN108280952A (zh) | 一种基于前景目标分割的旅客尾随监测方法 | |
WO2023221425A1 (zh) | 一种用于船舶过闸安全检测方法 | |
CN111524365A (zh) | 一种利用多地磁传感器进行车型分类的方法 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 | |
CN114299106A (zh) | 一种基于视觉传感与轨迹预测的高空抛物预警系统及方法 | |
CN114067384A (zh) | 高速公路疫情防控人员发热检测及车辆轨迹追踪路侧设备 | |
CN103679128B (zh) | 一种抗云层干扰的飞机目标检测方法 | |
CN113743260A (zh) | 一种地铁站台密集人流情况下的行人跟踪方法 | |
CN115600124A (zh) | 地铁隧道巡检系统及巡检方法 | |
CN115985122A (zh) | 无人驾驶系统感知方法 | |
CN104361317B (zh) | 一种卡口式视频分析未系安全带行为检测系统及其方法 | |
Jenefa et al. | Real-Time Rail Safety: A Deep Convolutional Neural Network Approach for Obstacle Detection on Tracks |
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 |