CN107016673A - 铁路信号机柜状态灯图像分析方法、装置以及系统 - Google Patents

Abstract

本发明提供一种铁路信号机柜状态灯图像分析方法、装置以及系统，涉及图像分析技术领域，其中，铁路信号机柜状态灯图像分析方法包括：实时获取机柜状态灯的RGB图像；标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；对状态灯区域进行外部环境变化的初始学习；外部环境变化包括：环境光变化情况以及遮挡情况；对状态灯区域进行实时学习，实时学习动态得到状态灯区域的灰度值阈值；当实时计算的状态灯区域的灰度值大于预学习灰度值阈值时，生成报警信息。通过该状态灯图像分析方法，能够对机房机柜状态灯的状态进行准确地判断，避免因环境光线变化或者有人遮挡而产生误报现象。

Description

铁路信号机柜状态灯图像分析方法、装置以及系统

技术领域

本发明涉及图像分析技术领域，尤其是涉及一种铁路信号机柜状态灯图像分析方法、装置以及系统。

背景技术

对于当今的轨道交通而言，发展迅猛，新业务的不断扩展在给人们带来出行便利快捷的同时，也给企业带来了飞涨的建设和维护成本。对于位置分散、设备繁多的机房，一旦发生故障后未得到提醒并处理不及时的话，带来的后果是不堪设想的。因此铁路机房系统保障设备、环境监控系统得到了日益广泛的应用。

但在保障安全的基础之上，各站维保人员还是会定期排班的去巡检机房设备，这样带来了大量的精力投入和人力成本的增加，大大降低维护人员的工作效率也降低了已有网络资源的利用率。这样的问题通过架设一套在线视频监测预警系统加上智能分析算法便可得到妥善的解决，本系统采用的核心技术就是信号监测智能分析算法。

然而在现有的嵌入式处理器中，图像处理算法是在压缩前进行处理，用RGB或YUV格式作为原始帧处理，在压缩前进行算法判断，再进行图像处理。这个过程对硬件性能要求比较高，而且目前的算法会对运动物体判断困难，常常会在环境光线变化或者有人遮挡的情况下，对机房机柜板卡指示灯产生误报现象。

发明内容

有鉴于此，本发明的目的在于提供一种铁路信号机柜状态灯图像分析方法、装置以及系统，能够对铁路信号机柜状态灯的状态进行准确地判断，避免因环境光线变化或者有人遮挡而产生误报现象。

第一方面，本发明实施例提供了一种铁路信号机柜状态灯图像分析方

法，方法包括：

实时获取机柜状态灯的RGB图像；

标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；

对状态灯区域进行外部环境变化的初始学习；外部环境变化包括：环境光变化情况以及遮挡情况；

对状态灯区域进行实时学习，得到状态灯区域的灰度值阈值；

当实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，实时获取机柜状态灯的RGB图像，具体为：

实时采集摄像头拍摄的机柜状态灯的视频信息；

对视频信息进行解码，得到JPEG格式图片；

对JPEG格式图片进行转码，得到机柜状态灯的RGB图像。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，在对视频信息进行解码，得到JPEG格式图片之前，还包括：

预学习步骤：过滤前几帧机柜状态灯视频信息。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，标记RGB图像中状态灯区域，具体为：

获取各状态灯对应的识别模板；

确定RGB图像中每个像素点对应的梯度方向角；

根据梯度方向角，进行识别模板与RGB图像的匹配；

根据匹配的结果，画框标记RGB图像中状态灯区域。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，对状态灯区域进行外部环境变化的初始学习，具体为：

采集不同时刻环境光情况下以及遮挡情况下的机柜状态灯视频信息；

根据视频信息，建立多个样本分析模型；

结合软件锁定机制，对多个样本分析模型进行初始学习。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，对状态灯区域进行实时学习，得到状态灯区域的灰度值阈值，具体为：

计算预设时间内状态灯区域的多个灰度值；

计算多个灰度值的平均值；

根据多个灰度值以及平均值，计算出方差值，即状态灯区域的灰度值阈值。

第二方面，本发明实施例提供一种铁路信号机柜状态灯图像分析装置，包括：

图像获取单元，用于实时获取机柜状态灯的RGB图像；

区域标记单元，用于标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；

学习分析单元，用于对状态灯区域进行外部环境变化的初始学习；外部环境变化包括：环境光变化情况以及遮挡情况；并对状态灯区域进行实时学习，得到常亮状态灯以及闪烁状态灯的灰度值阈值；

报警信息生成单元，用于在实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，图像获取单元具体包括：

信息采集模块，用于实时采集摄像头拍摄的机柜状态灯的视频信息；

解码模块，用于对视频信息进行解码，得到JPEG格式图片；

转码模块，用于对JPEG格式图片进行转码，得到机柜状态灯的RGB图像。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，区域标记单元具体包括：

识别模板获取模块，用于获取各状态灯对应的识别模板；

梯度方向角确定模块，用于确定RGB图像中每个像素点对应的梯度方向角；

匹配模块，用于根据梯度方向角，进行识别模板与RGB图像的匹配；

标记模块，用于根据匹配的结果，画框标记RGB图像中状态灯区域。

第三方面，本发明实施例还提供一种铁路信号机柜状态灯图像分析系统，包括服务器、摄像装置以及显示装置；

服务器上安装有如第二方面所述的铁路信号机柜状态灯图像分析装置。

本发明实施例提供的技术方案带来了以下有益效果：本发明实施例提供的铁路信号机柜状态灯图像分析方法中，首先实时获取机柜状态灯的RGB图像；然后标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；对状态灯区域进行外部环境变化的初始学习；外部环境变化包括：环境光变化情况以及遮挡情况；对状态灯区域进行实时学习，得到状态灯区域的灰度值阈值；当实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。该状态灯图像分析方法，通过对不同时刻环境光的初始学习以及实时学习，能够对机房机柜状态灯的常亮和闪烁状态进行准确地判断，避免因环境光线变化或者有人遮挡而产生误报现象。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例所提供的一种铁路信号机柜状态灯图像分析方法的流程图；

图2示出了本发明实施例中步骤S11的详细流程图；

图3示出了本发明实施例中步骤S12的详细流程图；

图4示出了本发明实施例所提供的一种铁路信号机柜状态灯图像分析装置的示意图；

图5示出了本发明实施例所提供的一种铁路信号机柜状态灯图像分析系统的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前现有的嵌入式处理器中，图像处理算法是在压缩前进行处理，用RGB或YUV格式作为原始帧处理，在压缩前进行算法判断，再进行图像处理。这个过程对硬件性能要求比较高，而且目前的算法会对运动物体判断困难，常常会在环境光线变化或者有人遮挡的情况下，对机房机柜板卡指示灯产生误报现象。基于此，本发明实施例提供的铁路信号机柜状态灯图像分析方法、装置以及系统，能够对机房机柜状态灯的状态进行准确地判断，避免因环境光线变化或者有人遮挡而产生误报现象。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种铁路信号机柜状态灯图像分析方法进行详细介绍。

本发明实施例提供了一种状态灯图像分析方法，参见图1所示，该方法包括：

S11：实时获取机柜状态灯的RGB图像。

在具体实现的时候，该状态灯图像分析方法的分析起始点是状态灯的RGB图像，因此首先要实时地获取机柜状态灯的RGB图像，具体的获取过程，参见图2所示，包括以下几个步骤：

S111：实时采集摄像头拍摄的机柜状态灯的视频信息。

具体的，可以直接从IPC摄像头取压缩后的流媒体数据，或者也可以从NVR取流媒体数据，该流媒体数据就是机柜状态灯的视频信息。

S112：对视频信息进行解码，得到JPEG格式图片。

在得到机柜状态灯的视频信息后，对其进行解码处理。由于该流媒体数据为压缩文件，如果不进行解码处理，会影响后续图像分析过程中的灰度值变化等，因此，首先将视频信息进行解码处理。解码的方式有多种情况，比如：硬件解码、软件解码。在本发明实施例中，通过调用ffmpeg进行软件解码。解码后，会得到JPEG格式的图片。

需要注意的是，在对视频信息进行解码，得到JPEG格式图片之前，还包括预学习步骤，也就是过滤前几帧机柜状态灯视频信息。这样可以提高后续图像分析的准确性。

S113：对JPEG格式图片进行转码，得到机柜状态灯的RGB图像。

在得到JPEG格式的图片后，再进行转码处理，从而得到机柜状态灯的RGB图像。具体的，通过调用OpenCV库函数把实现从JPEG到RGB的转码过程。

S12：标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域。

在进行图像分析之前，首先要识别并标记出状态灯的区域，进而针对该状态灯区域进行状态灯状态的分析。具体的标记过程如图3所示，包括以下几个步骤：

S121：获取各状态灯对应的识别模板。

S122：确定RGB图像中每个像素点对应的梯度方向角。

S123：根据梯度方向角，进行识别模板与RGB图像的匹配。

S124：根据匹配的结果，画框标记RGB图像中状态灯区域。

通过上述过程可以识别确认RGB图像中状态灯区域，并通过画框对状态灯区域进行标记。

S13：对状态灯区域进行外部环境变化的初始学习。

在确定了状态灯的区域后，对其进行外部环境变化的初始学习过程。其中，外部环境变化包括：环境光变化情况以及遮挡情况。具体的学习过程包括以下几个步骤：

采集不同时刻环境光情况下以及遮挡情况下的机柜状态灯视频信息。

根据视频信息，建立多个样本分析模型。

结合软件锁定机制，对多个样本分析模型进行初始学习。

在具体实现的时候，针对一个机房机柜状态灯的调试做法是：采集不同时刻环境光和遮挡情况下的状态灯视频信息，以多个不同时刻的状态灯视频信息为样本，建立对应的分析模型，然后通过软件锁定机制对外部环境变化进行学习。通过该学习，可以使状态灯在处于外部环境变化的时候，不被检测到异常，提高状态灯图像分析的准确性，避免因外部环境变化而产生误报警现象。

S14：对状态灯区域进行实时学习，得到状态灯区域的灰度值阈值。

除了上述初始学习，本发明实施例中还包括对状态灯区域的实时学习，通过实时学习，得到状态灯区域的灰度值阈值，从而为是否需要报警提供一个参考。

针对闪烁状态灯区域，采用方差阈值计算方法，具体的，首先计算预设时间内状态灯区域的多个灰度值，然后计算多个灰度值的平均值，再根据多个灰度值以及平均值，计算出方差值，即状态灯区域的灰度值阈值。预设时间可以根据实际需要进行设定，比如10秒，取10秒内的状态灯区域的灰度值及平均值，通过下述公式计算方差阈值：

针对常亮状态灯区域，通过传统的灰度值计算方法，结合初始学习和实时学习过程，通过中值或均值方法来统计灰度值阈值。

S15：当实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。

在得到常亮和闪烁状态灯区域的灰度值阈值后，通过将实时计算出的状态灯区域的灰度值与其相应的灰度值阈值进行比对，当实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。

该报警信息可以通过各种展示平台进行实时展示，比如：内容管理系统的显示界面，或者也可以将该报警信息存储在NVR网络硬盘录像机中，以便相关人员进行录像回放查看，比如，可以查看12小时、24小时或者48小时等时间内的报警信息。更直观快捷的一种方式是，将报警信息直接发送到巡检员的手机上，以使巡检员通过状态灯的报警信息，及时排查交通安全隐患。

本发明实施例提供的状态灯图像分析方法中，首先实时获取机柜状态灯的RGB图像；然后标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；对状态灯区域进行外部环境变化的初始学习；外部环境变化包括：环境光变化情况以及遮挡情况；对状态灯区域进行实时学习，得到状态灯区域的灰度值阈值；当实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。该状态灯图像分析方法，通过对不同时刻环境光的初始学习以及实时学习，能够对机房机柜状态灯的常亮和闪烁状态进行准确地判断，避免因环境光线变化或者有人遮挡而产生误报现象。

本发明实施例所提供的铁路机房的状态灯图像分析方法，是将硬件和软件打通的一种小程序，其广泛应用于无人值守机房、铁路、轨道交通机房信号监测及运维管理中，从而保障机房内的联锁机柜、计轴机柜、ATS机柜、ZC机构等设备正常、持久、稳定的运行。

本发明实施例提供一种铁路信号机柜状态灯图像分析装置，参见图4所示，该装置包括：图像获取单元21、区域标记单元22、学习分析单元23以及报警信息生成单元24。

其中，图像获取单元21，用于实时获取机柜状态灯的RGB图像；

区域标记单元22，用于标记RGB图像中状态灯区域；状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；

学习分析单元23，用于对状态灯区域进行外部环境变化的初始学习；外部环境变化包括：环境光变化情况以及遮挡情况；并对状态灯区域进行实时学习，得到常亮状态灯以及闪烁状态灯的灰度值阈值；

报警信息生成单元24，用于在实时计算的状态灯区域的灰度值大于灰度值阈值时，生成报警信息。

具体的，图像获取单元21包括：

信息采集模块211，用于实时采集摄像头拍摄的机柜状态灯的视频信息；

解码模块212，用于对视频信息进行解码，得到JPEG格式图片；

转码模块213，用于对JPEG格式图片进行转码，得到机柜状态灯的RGB图像。

区域标记单元22包括：

识别模块获取模块221，用于获取各状态灯对应的识别模板；

梯度方向角确定模块222，用于确定RGB图像中每个像素点对应的梯度方向角；

匹配模块223，用于根据梯度方向角，进行识别模板与RGB图像的匹配；

标记模块224，用于根据匹配的结果，画框标记RGB图像中状态灯区域。

本发明实施例提供的铁路信号机柜状态灯图像分析中，各个单元或者模块的具体实现可参见前述方法实施例，在此不再赘述。

此外，本发明实施例还提供一种铁路信号机柜状态灯图像分析系统，如图5所示，该系统包括服务器32、摄像装置31以及显示装置33；

服务器32上安装有如第二方面所述的状态灯图像分析装置322。

其中，显示装置33包括：各种终端设备。比如：电脑、手机、IPAD等。

在本发明实施例中，摄像装置31、服务器32以及显示装置33之间的交互过程同前述方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，处理器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种铁路信号机柜状态灯图像分析方法，其特征在于，所述方法包括：

实时获取机柜状态灯的RGB图像；

标记所述RGB图像中状态灯区域；所述状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；

对所述状态灯区域进行外部环境变化的初始学习；所述外部环境变化包括：环境光变化情况以及遮挡情况；

对所述状态灯区域进行实时学习，得到所述状态灯区域的灰度值阈值；

当实时计算的所述状态灯区域的灰度值大于所述灰度值阈值时，生成报警信息。

2.根据权利要求1所述的方法，其特征在于，所述实时获取机柜状态灯的RGB图像，具体为：

实时采集摄像头拍摄的机柜状态灯的视频信息；

对所述视频信息进行解码，得到JPEG格式图片；

对所述JPEG格式图片进行转码，得到所述机柜状态灯的RGB图像。

3.根据权利要求2所述的方法，其特征在于，在所述对所述视频信息进行解码，得到JPEG格式图片之前，还包括：

预学习步骤：过滤前几帧所述机柜状态灯视频信息。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述标记所述RGB图像中状态灯区域，具体为：

获取各状态灯对应的识别模板；

确定所述RGB图像中每个像素点对应的梯度方向角；

根据所述梯度方向角，进行所述识别模板与所述RGB图像的匹配；

根据所述匹配的结果，画框标记所述RGB图像中状态灯区域。

5.根据权利要求4所述的方法，其特征在于，所述对所述状态灯区域进行外部环境变化的初始学习，具体为：

采集不同时刻环境光情况下以及遮挡情况下的机柜状态灯视频信息；

根据所述视频信息，建立多个样本分析模型；

结合软件锁定机制，对多个所述样本分析模型进行初始学习。

6.根据权利要求5所述的方法，其特征在于，所述对所述状态灯区域进行实时学习，得到所述状态灯区域的灰度值阈值，具体为：

计算预设时间内所述状态灯区域的多个灰度值；

计算多个所述灰度值的平均值；

根据所述多个灰度值以及所述平均值，计算出方差值，即所述状态灯区域的灰度值阈值。

7.一种铁路信号机柜状态灯图像分析装置，其特征在于，包括：

图像获取单元，用于实时获取机柜状态灯的RGB图像；

区域标记单元，用于标记所述RGB图像中状态灯区域；所述状态灯区域包括：常亮状态灯区域以及闪烁状态灯区域；

学习分析单元，用于对所述状态灯区域进行外部环境变化的初始学习；所述外部环境变化包括：环境光变化情况以及遮挡情况；并对所述状态灯区域进行实时学习，得到常亮状态灯以及闪烁状态灯的灰度值阈值；

报警信息生成单元，用于在实时计算的所述状态灯区域的灰度值大于所述灰度值阈值时，生成报警信息。

8.根据权利要求7所述的装置，其特征在于，所述图像获取单元具体包括：

信息采集模块，用于实时采集摄像头拍摄的机柜状态灯的视频信息；

解码模块，用于对所述视频信息进行解码，得到JPEG格式图片；

转码模块，用于对所述JPEG格式图片进行转码，得到所述机柜状态灯的RGB图像。

9.根据权利要求7或8所述的装置，其特征在于，所述区域标记单元具体包括：

识别模板获取模块，用于获取各状态灯对应的识别模板；

梯度方向角确定模块，用于确定所述RGB图像中每个像素点对应的梯度方向角；

匹配模块，用于根据所述梯度方向角，进行所述识别模板与所述RGB图像的匹配；

标记模块，用于根据所述匹配的结果，画框标记所述RGB图像中状态灯区域。

10.一种铁路信号机柜状态灯图像分析系统，其特征在于，包括服务器、摄像装置以及显示装置；

所述服务器上安装有如权利要求7-9任一项所述的铁路信号机柜状态灯图像分析装置。