CN106585670B - 一种基于视频的城市轨道交通前向列车检测系统及方法 - Google Patents

Abstract

本发明公开了一种基于视频的城市轨道交通前向列车检测系统及方法，系统包括：视频传感器模块、信息采集与存取模块、数据处理与分析模块；视频传感器模块设于当前列车的车头前方，与信息采集与存取模块连接，用于拍摄列车前方的轨道图像，并将轨道图像发送至信息采集与存取模块；信息采集与存取模块与数据处理与分析模块连接，用于对轨道图像进行存储，并将轨道图像发送至数据处理与分析模块；数据处理与分析模块用于对轨道图像进行处理和分析，并确定钢轨位置以及前向列车与当前列车的实际距离。本发明结构和图像处理算法简单，检测前方钢轨是否有列车的计算量较小，对系统性能无特殊要求，成本较低。

Description

一种基于视频的城市轨道交通前向列车检测系统及方法

技术领域

本发明涉及轨道交通技术领域，涉及一种轨道交通的列车检测方法，具体涉及一种基于视频的城市轨道交通前向列车检测系统及方法。

背景技术

传统轨道交通技术一般使用列车自动保护系统(Automatic Train Protection，简称ATP)进行列车行车安全防护，在每一列车安装定位、通信设备，以及地面占用检测设备。利用通信手段实现列车追踪运行，防止碰撞追尾。

为了便于对列车前方的列车进行检测，现有技术中的有轨列车检测前方障碍物的系统由摄像头、毫米波雷达和轨道控制单元模块组成，通过图像识别障碍物类型来检测汽车、巴士和其他电车等物体，基于速度等变量确定距离，来计算发生碰撞的可能性，从而避免碰撞的发生。

但是，ATP系统需要在地面安装设备，且需要依赖于另一列车设备的正常运行。如果某一列车设备发生故障，列车处于非正常工作状态，这时车辆在直道，弯道等路段的行车安全依靠司机观察或电话闭塞措施来判断，存在列车追尾的隐患，如若发送追尾事件，将对乘客生命财产安全造成一定损失。同时，现有技术的图像识别算法复杂，运算量大，对系统性能要求高，多传感器融合，成本较高。

发明内容

由于现有技术的图像识别算法复杂，运算量大，对系统性能要求高，多传感器融合，成本较高的问题，本发明提出一种基于视频的城市轨道交通前向列车检测系统及方法。

第一方面，本发明提出一种基于视频的城市轨道交通前向列车检测系统，包括：视频传感器模块、信息采集与存取模块、数据处理与分析模块；

所述视频传感器模块设于当前列车的车头前方，和所述信息采集与存取模块连接，用于拍摄当前列车前方的轨道图像，并将所述轨道图像发送至所述信息采集与存取模块；

所述信息采集与存取模块和所述数据处理与分析模块连接，用于对所述轨道图像进行存储，并将所述轨道图像发送至所述数据处理与分析模块；

所述数据处理与分析模块用于对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离。

可选地，还包括：声光警报模块；

所述声光警报模块设于驾驶室中，和所述数据处理与分析模块连接，用于根据报警信号进行声光报警，并提示司机减速或制动；

其中，所述报警信号为所述数据处理与分析模块判断所述实际距离小于安全距离时，向所述声光警报模块发送的信号。

第二方面，本发明还提出一种基于上述视频的城市轨道交通前向列车检测系统的前向列车检测方法，包括：

通过所述视频传感器模块实时拍摄所述轨道图像；

将所述轨道图像存储到所述信息采集与存取模块中，以使所述信息采集与存取模块实时进行图像更新；

所述数据处理与分析模块对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离。

可选地，所述数据处理与分析模块对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离，具体包括：

所述数据处理与分析模块获取所述当前列车前方无列车时的空车图像，识别所述空车图像中的第一钢轨和第二钢轨，对所述空车图像中的所述第一钢轨或所述第二钢轨进行离散化处理，计算每个离散点到所述空车图像中所述当前列车的车头对应位置的像素距离；

获取所述每个离散点对应的钢轨上的实际物理点，并计算每个所述实际物理点到所述当前列车的车头的实际距离；

根据每个所述像素距离和对应的每个所述实际距离，得到所述当前列车的检测曲线；

获取所述当前列车前方有前向列车时的有车图像，识别所述有车图像中所述前向列车到所述有车图像中所述当前列车的车头对应位置的目标像素距离；

根据所述目标像素距离和所述检测曲线，得到所述前向列车与所述当前列车的实际距离。

可选地，所述方法还包括：

获取所述第一钢轨和所述第二钢轨的汇聚点，并获取所述汇聚点对应的钢轨上的实际检测点；

根据所述实际检测点和所述当前列车的车头位置，计算得到所述检测曲线的检测范围。

可选地，所述方法还包括：

计算所述空车图像中所述第一钢轨的第一像素数量和所述第二钢轨的第二像素数量；

若所述第一像素数量和所述第二像素数量的差值小于阈值，则所述第一钢轨和所述第二钢轨为直线钢轨；

若所述第一像素数量和所述第二像素数量的差值大于等于阈值，则所述第一钢轨和所述第二钢轨为弯道钢轨。

可选地，所述根据每个所述像素距离和对应的每个所述实际距离，得到所述当前列车的检测曲线，进一步包括：

若所述第一钢轨和所述第二钢轨为弯道钢轨，则根据每个所述像素距离和对应的每个所述实际距离，得到所述第一钢轨或所述第二钢轨的曲率；

根据每个所述像素距离、对应的每个所述实际距离和所述曲率，得到所述当前列车的检测曲线。

可选地，所述方法还包括：

若所述实际距离小于所述安全距离，则进行声光报警，并提示司机减速或制动。

由上述技术方案可知，本发明通过视频传感器模块拍摄列车前方的轨道图像，信息采集与存取模块对轨道图像进行存储，数据处理与分析模块对轨道图像进行处理和分析，能够确定钢轨位置以及前向列车与当前列车的实际距离。结构和图像处理算法简单，检测前方钢轨是否有列车的计算量较小，对系统性能无特殊要求，成本较低。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的一种基于视频的城市轨道交通前向列车检测系统的结构示意图；

图2为本发明一实施例提供的摄像头传感器模块的位置示意图；

图3为本发明一实施例提供的一种基于视频的城市轨道交通前向列车检测方法的流程示意图；

图4为本发明一实施例提供的一种数据处理与分析模块进行数据处理与分析的流程示意图；

图5(A)和(B)分别为本发明一实施例提供的直线钢轨和弯道钢轨的感知范围示意图；

图6为本发明一实施例提供的直线钢轨的空车图像示意图；

图7(A)和(B)为本发明一实施例提供的直线钢轨的前向列车位置示意图；

图8为本发明一实施例提供的弯道钢轨的空车图像示意图；

图9(A)和(B)为本发明一实施例提供的弯道钢轨的前向列车位置示意图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

图1示出了本实施例提供的一种基于视频的城市轨道交通前向列车检测系统的流程示意图，包括：视频传感器模块101、信息采集与存取模块102、数据处理与分析模块103；

所述视频传感器模块101设于当前列车的车头前方，与所述信息采集与存取模块102连接，用于拍摄当前列车前方的轨道图像，并将所述轨道图像发送至所述信息采集与存取模块；

其中，所述基于视频的城市轨道交通前向列车检测系统可以安装在列车车头。

举例来说，如图2所示，所述视频传感器模块101设置在列车车头位置，一般设于列车车头玻璃与车灯中间，用于实时拍摄列车前方轨道图像。可根据直道上前后列车需要检测的轨道距离以及分辨率来选择摄像头的焦距、分辨率、像元尺寸等参数。

所述信息采集与存取模块102与所述数据处理与分析模块103连接，用于对所述轨道图像进行存储，并将所述轨道图像发送至所述数据处理与分析模块103；

具体地，所述信息采集与存取模块102用于通过视频传感器模块101实时拍摄本车前方轨道图像，将获得的数据信息存储，并实时进行更新。

所述数据处理与分析模块103用于对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离。

具体地，所述数据处理与分析模块103用于对实时拍摄的本车前方图像进行图像预处理等措施，找到钢轨位置，并确定前向列车与所述当前列车的实际距离。

本实施例通过视频传感器模块拍摄列车前方的轨道图像，信息采集与存取模块对轨道图像进行存储，数据处理与分析模块对轨道图像进行处理和分析，能够确定钢轨位置以及前向列车与当前列车的实际距离。结构和图像处理算法简单，检测前方钢轨是否有列车的计算量较小，对系统性能无特殊要求，成本较低。

进一步地，所述系统还包括：声光警报模块104；

所述声光警报模块104设于驾驶室中，与所述数据处理与分析模块连接，用于根据报警信号进行声光报警，并提示司机减速或制动；

其中，所述报警信号为所述数据处理与分析模块判断所述实际距离小于安全距离时，向所述声光警报模块发送的信号。

具体地，当地铁列车ATP系统发生故障或降级时，本实施例可检测前方车辆来进行预警，防撞碰撞和追尾事件的发生。当地铁列车ATP系统正常运行时，本系统也可作为检查前方列车的辅助系统，减少列车碰撞可能性，提高列车运行安全。

图3示出了本实施例提供的一种上述实施例所述的基于视频的城市轨道交通前向列车检测系统的前向列车检测方法的流程示意图，包括：

S301、通过所述视频传感器模块101实时拍摄所述轨道图像。

S302、将所述轨道图像存储到所述信息采集与存取模块102中，以使所述信息采集与存取模块实时进行图像更新。

S303、所述数据处理与分析模块103对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离。

本实施例提供的前向列车检测方法与图1对应的实施例的基于视频的城市轨道交通前向列车检测系统的工作原理相同，此处不再赘述。

本实施例通过视频传感器模块拍摄列车前方的轨道图像，信息采集与存取模块对轨道图像进行存储，数据处理与分析模块对轨道图像进行处理和分析，能够确定钢轨位置以及前向列车与当前列车的实际距离。结构和图像处理算法简单，检测前方钢轨是否有列车的计算量较小，对系统性能无特殊要求，成本较低。

图4示出了本实施例提供的数据处理与分析模块进行数据处理与分析的流程示意图，在图3对应的实施例中S303的基础上，进一步包括：

S3031、所述数据处理与分析模块获取所述当前列车前方无列车时的空车图像，识别所述空车图像中的第一钢轨和第二钢轨，对所述空车图像中的所述第一钢轨或所述第二钢轨进行离散化处理，计算每个离散点到所述空车图像中所述当前列车的车头对应位置的像素距离。

其中，所述空车图像为安装在列车车头的视频传感器模块101(本实施例采用摄像头传感器)所拍摄。一般来说，对于摄像头传感器来说，其摄像头感知范围因不同的摄像头传感器而不同，因钢轨的形状而不同，如图5(A)为直线钢轨的感知范围示意图，如图5(B)为弯道钢轨的感知范围示意图。对于直线钢轨来说，在摄像头感知范围内的铁轨，即为本实施例可测得的前方轨道距离z。所述空车图像拍摄时，所述当前列车静止停在钢轨上，且当前列车前方无列车，以对钢轨进行数学建模，求得检测曲线，并利用该检测曲线快速计算当前列车运行过程中前向列车的距离。

由于地铁障碍物(列车)的形式单一，障碍物特征体型较大，因此通过本实施例提供的检测系统，可实现前车识别。

其中，所述第一钢轨和所述第二钢轨分别为列车运行时所依赖的两条钢轨。

所述对所述空车图像中的所述第一钢轨或所述第二钢轨进行离散化处理，具体包括：

选择任意一条钢轨进行离散化处理，根据实际需求确定离散化程度，并选择所述空车图像中识别得到的任意一条钢轨上的若干离散点。

所述像素距离为图像中两个像素点之间的距离。例如，对于14寸液晶显示器的可视面积一般为285.7mm×214.3mm，分辨率为1024×768，从而计算出此液晶显示器对应的图像的两个相邻的像素点距是285.7/1024或者214.3/768＝0.279mm。

其中，所述空车图像中所述当前列车的车头对应位置可以采用空车图像的下边界线的中点，或者，根据摄像头传感器的位置设定确定空车图像中的车头对应位置。

S3032、获取所述每个离散点对应的钢轨上的实际物理点，并计算每个所述实际物理点到所述当前列车的车头的实际距离。

其中，所述实际物理点为钢轨上实际的点。

具体地，对空车图像中的钢轨进行离散化处理后，可在实际钢轨测点处放置标定物体或做标记，则空车图像中标定物体或标记点占据的像素位置区域便可与实际测点相对应。离散化的点越多，标定越精确，离散化程度可根据实际需求去确定。离散化后的各点标定结果形成标定曲线。

S3033、根据每个所述像素距离和对应的每个所述实际距离，得到所述当前列车的检测曲线。

具体地，通过对若干个像素距离和对应的实际距离进行曲线拟合，得到当前列车的检测曲线。

其中，所述检测曲线与列车上摄像头传感器的位置有关，若摄像头传感器的位置发生变化，则该检测曲线需要进行相应地变更。

在摄像头传感器的位置不变的前提下，当前列车在运行过程中，能够实时对拍摄图像进行检测，当检测到有前向列车时，能够根据该检测曲线确定前向列车的距离。

或者，也可运用小孔成像原理进行计算，推导求得理论检测函数。或用其他方法进行处理。

离散化处理只进行一次，车辆运行时，根据图像的像素距离结合离散化处理后的检测曲线换算成实际距离。

进一步地，S3033包括：

S30331、若所述第一钢轨和所述第二钢轨为弯道钢轨，则根据每个所述像素距离和对应的每个所述实际距离，得到所述第一钢轨或所述第二钢轨的曲率；

S30332、根据每个所述像素距离、对应的每个所述实际距离和所述曲率，得到所述当前列车的检测曲线。

通过引入弯道的曲率来计算检测曲线，能够更加准确地得到检测曲线。

S3034、获取所述当前列车前方有前向列车时的有车图像，识别所述有车图像中所述前向列车到所述有车图像中所述当前列车的车头对应位置的目标像素距离。

具体地，在当前列车运行过程中，实时拍摄当前列车前方获取图像，并对图像进行检测；当检测到图像中有前向列车时，识别该图像中前向列车到车头对应位置的目标像素距离。

其中，所述前向列车为当前列车前方的列车。

所述目标像素距离为所述前向列车在有车图像中与车头位置的距离。

S3035、根据所述目标像素距离和所述检测曲线，得到所述前向列车到所述当前列车的实际距离。

具体地，将所述目标像素距离代入所述检测曲线，即可得到所述目标像素距离对应的目标实际距离。

其中，所述目标实际距离为在实际运行过程中，所述前向列车与当前列车的车头位置的距离。

通过计算空车图像中的像素距离和对应的实际距离，得到当前列车的检测曲线，并通过识别有车图像中前向列车的目标像素距离，结合检测曲线计算得到前向列车的目标实际距离。图像处理算法简单，检测前方钢轨是否有列车的计算量较小，对系统性能无特殊要求，成本较低。

进一步地，所述方法还包括：

S3036、获取所述第一钢轨和所述第二钢轨的汇聚点，并获取所述汇聚点对应的钢轨上的实际检测点。

其中，所述汇聚点为摄像头传感器拍摄的图像中第一钢轨和第二钢轨的交点。如图6所示，图6右侧为实际拍摄的空车图像，左侧为图像识别的钢轨的示意图，其中点O即为汇聚点，T1和T2分别为第一钢轨和第二钢轨对应的当前列车的车头位置，则OT1和OT2分别为第一钢轨和第二钢轨对应的像素距离Z1。当钢轨为直线钢轨时，OT1与OT2相等，如图6所示；当钢轨为弯道钢轨时，OT1与OT2不等，如图7所示。

所述实际检测点为空车图像中所述汇聚点对应的实际钢轨上的位置。

S3037、根据所述实际检测点和所述当前列车的车头位置，计算得到所述检测曲线的检测范围。

具体地，所述实际检测点与所述当前列车的车头位置的距离，即为检测曲线的最大检测范围。例如，所述实际检测点与所述当前列车的车头位置的距离为200米，则所述检测曲线的检测范围为0-200米。

通过计算检测曲线的检测范围，并根据列车之间的安全间隔距离，能够确定本实施例提供的前向列车检测方法的有效性。

进一步地，所述方法还包括：

S3038、计算所述空车图像中所述第一钢轨的第一像素数量和所述第二钢轨的第二像素数量。

其中，所述第一像素数量为所述空车图像中所述第一钢轨占用的像素数量，所述第二像素数量为所述空车图像中所述第二钢轨占用的像素数量；所述第一像素数量和所述第二像素数量可以根据颜色阈值确定。

S3039、若所述第一像素数量和所述第二像素数量的差值小于阈值，则所述第一钢轨和所述第二钢轨为直线钢轨。

其中，所述阈值根据用户的判定精度确定。

具体地，如图6所示，当直线钢轨上没有前方车辆时，两钢轨在图像上一定远的地方汇聚成一点O，且两钢轨(第一钢轨和第二钢轨)的像素数量近似相等。

由于是直道，所以图像上两轨道相交时O-T1和O-T2相等(即图6中O-T1的像素个数和O-T2的像素个数大致相同)。图像上O点对应到铁轨上的实际物理点距离本车的距离就是摄像头系统能检测的前方钢轨的距离Z0。

首先，摄像头静止时对车前方直道的钢轨进行拍摄，对拍摄的图像提取出钢轨目标，经提取，得到图像上汇聚点O到图像上本车车头的像素距离为z1个像素。其次，对汇聚点O对应的钢轨实际点到本车车头的距离进行实地测量，距离为z2，通过z1和z2可以计算z1和z2的换算关系。这个过程称为图像像素距离与实际距离的标定。

对图像上O点到图像最下方两轨道端点T1，T2(本车摄像头拍到的当前轨道的起始两端点)的两线段O-T1和O-T2进行离散化，由于直道上两轨道相交成等腰三角形，即O-T1和O-T2相等，可对其中之一进行离散化。离散化后的点的标定与O点标定方法一致(可在实际钢轨测点处放置标定物体或做标记，则图像中标定物体或标记点占据的像素位置区域便可与实际测点相对应)。

当钢轨上前方有车进入本车摄像头的检测范围内时，如图7(A)所示，使得本车到前车之间的轨道可见，而前车车身下方以及前车前方的轨道由于前方车辆遮挡而不能被本车摄像头拍摄，这时通过二值化或其他图像分割的方法提取图像中的钢轨，计算图7(B)中S1或者S2到线段T1-T2间的像素距离Z1，再根据直道标定曲线换算成两车实际距离Z，根据当前两车实际距离Z进行当前安全速度V的计算。若前车与本车实际距离Z小于等于两车允许最小距离时，则系统触发声光警报系统，司机进行人工减速或制动。

S30310、若所述第一像素数量和所述第二像素数量的差值大于等于阈值，则所述第一钢轨和所述第二钢轨为弯道钢轨。

具体地，如图8所示，当直线钢轨上没有前方车辆时，两钢轨在图像上一定远的地方汇聚成一点O，且两钢轨(第一钢轨和第二钢轨)的像素数量近似相等。

如图8所示，当弯道钢轨(以右弯为例)上前方没有车辆时，两钢轨在图像上一定远的地方汇聚成一点O。图像中O-T1的像素个数大于O-T2的像素个数(根据直道和弯道的实测信息计算，可设置O-T1与O-T2之差的阈值来区别直道与弯道)，左弯时O-T2的像素个数大于O-T1。对于不同曲率的弯道，由于弯道曲率的不同，导致图像中交点O在不同弯道曲率图像中的像素位置不同，同时导致不同弯道曲率的图像中O-T1与O-T2的差值不同。离线对本线路中涉及到的不同曲率弯道的图像计算O-T1与O-T2的差值，对不同曲率的弯道进行标定(取内弯或者外弯进行离散化，标定)，如图9(A)所示，以右弯内弯为例，当前车车尾在当前列车的摄像头检测范围内时，图9(B)中交点O到车头T2的像素点的个数，对应实际弯道中内弯对应点到本车车头实际距离。通过实测标定不同曲率弯道得到不同曲率的弯道标定曲线或函数。或者通过建模等方法计算理论中不同曲率弯道中实际距离与图像像素个数之间的函数关系。

当弯道前方有车进入本车摄像头测距范围内时，由于前向列车对自己车身下方以及自己前方轨道的遮挡，图像中的轨道只有两车之间的轨道像素。通过内弯压点S2到车头T2像素个数，以及标定曲线信息来换算实际距离Z。根据当前两车实际距离Z进行当前安全速度V的计算。若前车与本车实际距离Z小于等于两车允许最小距离时，则系统触发声光警报系统，司机进行人工减速或制动。

进一步地，所述方法还包括：

S30311、若目标实际距离小于安全阈值，则进行报警，并提示司机减速或制动。

当地铁列车ATP系统发生故障或降级时，本实施例可检测前方车辆来进行预警，防撞碰撞和追尾事件的发生。当地铁列车ATP系统正常运行时，本系统也可作为检查前方列车的辅助系统，减少列车碰撞可能性，提高列车运行安全。

本实施例通过在当前列车上增加摄像头传感器，对直线钢轨和弯道钢轨等路段的前方列车进行检测，计算前方列车与当前列车的距离，通过两车距离计算当前安全速度。当两车之间距离低于预警距离时列车进行防撞追尾预警，从而提高列车运行安全，避免列车碰撞追尾。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于视频的城市轨道交通前向列车检测系统，其特征在于，包括：视频传感器模块、信息采集与存取模块、数据处理与分析模块；

所述视频传感器模块设于当前列车的车头前方，和所述信息采集与存取模块连接，用于拍摄当前列车前方的轨道图像，并将所述轨道图像发送至所述信息采集与存取模块；

所述信息采集与存取模块和所述数据处理与分析模块连接，用于对所述轨道图像进行存储，并将所述轨道图像发送至所述数据处理与分析模块；

所述数据处理与分析模块用于对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离；

其中，所述数据处理与分析模块具体用于：

所述数据处理与分析模块获取所述当前列车前方无列车时的空车图像，识别所述空车图像中的第一钢轨和第二钢轨，对所述空车图像中的所述第一钢轨或所述第二钢轨进行离散化处理，计算每个离散点到所述空车图像中所述当前列车的车头对应位置的像素距离；

获取所述每个离散点对应的钢轨上的实际物理点，并计算每个所述实际物理点到所述当前列车的车头的实际距离；

根据每个所述像素距离和对应的每个所述实际距离，得到所述当前列车的检测曲线；

获取所述当前列车前方有前向列车时的有车图像，识别所述有车图像中所述前向列车到所述有车图像中所述当前列车的车头对应位置的目标像素距离；

根据所述目标像素距离和所述检测曲线，得到所述前向列车与所述当前列车的实际距离。

2.根据权利要求1所述的系统，其特征在于，还包括：声光警报模块；

所述声光警报模块设于驾驶室中，和所述数据处理与分析模块连接，用于根据报警信号进行声光报警，并提示司机减速或制动；

其中，所述报警信号为所述数据处理与分析模块判断所述实际距离小于安全距离时，向所述声光警报模块发送的信号。

3.一种基于权利要求2所述的基于视频的城市轨道交通前向列车检测系统的前向列车检测方法，其特征在于，包括：

通过所述视频传感器模块实时拍摄所述轨道图像；

将所述轨道图像存储到所述信息采集与存取模块中，以使所述信息采集与存取模块实时进行图像更新；

所述数据处理与分析模块对所述轨道图像进行处理和分析，并确定钢轨位置以及前向列车与所述当前列车的实际距离。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取所述第一钢轨和所述第二钢轨的汇聚点，并获取所述汇聚点对应的钢轨上的实际检测点；

根据所述实际检测点和所述当前列车的车头位置，计算得到所述检测曲线的检测范围。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

计算所述空车图像中所述第一钢轨的第一像素数量和所述第二钢轨的第二像素数量；

若所述第一像素数量和所述第二像素数量的差值小于阈值，则所述第一钢轨和所述第二钢轨为直线钢轨；

若所述第一像素数量和所述第二像素数量的差值大于等于阈值，则所述第一钢轨和所述第二钢轨为弯道钢轨。

6.根据权利要求5所述的方法，其特征在于，所述根据每个所述像素距离和对应的每个所述实际距离，得到所述当前列车的检测曲线，进一步包括：

若所述第一钢轨和所述第二钢轨为弯道钢轨，则根据每个所述像素距离和对应的每个所述实际距离，得到所述第一钢轨或所述第二钢轨的曲率；

根据每个所述像素距离、对应的每个所述实际距离和所述曲率，得到所述当前列车的检测曲线。

7.根据权利要求3-6任一项所述的方法，其特征在于，所述方法还包括：

若所述实际距离小于所述安全距离，则进行声光报警，并提示司机减速或制动。