CN107038702A - 基于三背景建模的三重差分的铁路轨道异物侵限检测方法 - Google Patents
基于三背景建模的三重差分的铁路轨道异物侵限检测方法 Download PDFInfo
- Publication number
- CN107038702A CN107038702A CN201710250174.7A CN201710250174A CN107038702A CN 107038702 A CN107038702 A CN 107038702A CN 201710250174 A CN201710250174 A CN 201710250174A CN 107038702 A CN107038702 A CN 107038702A
- Authority
- CN
- China
- Prior art keywords
- image
- background
- width
- real
- time
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,该方法先将m幅图像依次递进地进行图像灰度化处理,图像分割处理及图像滤波处理,得到m幅滤波后分割灰度图像,并将其中的第1幅保存为历史背景f 1,第m‑1幅保存为次帧实时背景f 2,第m幅保存为实时背景f 3;然后用实时背景f 3减去次帧实时背景f 2得到差分图像p 1,用实时背景f 3减去历史背景f 1得到差分图像p 2,用次帧实时背景f 2减去历史背景f 1得到差分图像p 3:最后结合实验阈值与差分图像判断是否存在异物。本发明所述方法可以克服现有算法的复杂性、检测精度低和背景与前景易混淆的缺陷,具有提高检测的快速性与准确性的优点。
Description
技术领域
本发明涉及铁路安全系统中的模式识别技术领域,具体地,涉及一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法。
背景技术
铁路轨道异物侵限严重影响列车安全运行,部分异物侵限还导致了不少事故, 造成了大量人员伤亡。对铁路沿线进行实时监控,及时准确识别并清除入侵异物刻不容缓。中国国土辽阔,铁路网覆盖面积大,加上地形复杂多样,很多铁路线路附近环境十分复杂,如果对铁路线路实行全线实时监控,不仅成本太高,而且管理和维护都不方便,所以对容易发生异物入侵的铁路路段安装异物入侵识别装置,及时识别轨道入侵异物比较符合实际需求。
目前中国许多既有线路在比较容易发生事故的铁路路段安装视频监测装置,通过对视频监测装置采集的视频图像进行分析,判断实际场景中是否发生了异物入侵,这种视频监测方式,通常只是录制视频图像,只能用作事后取证,没有充分发挥监控的实时性和主动性,同时需要监测人员观测处理,劳动强度大,监测人员一旦稍有疏忽,很可能有异物漏检事件发生,这将会造成严重后果。迄今为止,中国铁路已经历了六次大提速,这对列车运营安全也提出了更高的要求,传统的铁路轨道异物入侵识别系统已经逐渐不能满足铁路发展的需要。因此,为保障铁路运营安全,需要建立能全自动、全天候、实时发现异物入侵的监测系统。
针对铁路轨道异物侵限的实时监测,国内、外专家学者进行了大量的理论研究,取得了较多的研究成果,但多数研究都存在一个算法较复杂、对环境变化自适应性差的共性问题,且算法复杂影响实时性。
在实现本发明的过程中,发明人发现现有技术中至少存在算法复杂、背景与前景易混淆的不足,造成实时性差、检测精度低的缺陷。
发明内容
本发明的第一目的在于,针对现有技术的不足,提出一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,三背景建模可以弥补单背景建模或双背景建模的不足,具有解决背景与前景易混淆问题和提高检测精度的优点。
本发明的第二目的在于,针对现有技术的不足,提出一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,三重差分可以得到三个差分图像,能弥补单一差分或双重差分的不足,具有提高检测精度的优点。
本发明的第三目的在于,针对现有技术的不足,提出一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,三重差分的检测方法算法简单,可以改进复杂算法的不足,具有提高检测实时性的优点。
为实现上述目的,本发明采用以下技术方案:一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,包括依次递进的图像灰度化处理,以轨道为基准的图像分割处理,图像滤波去噪处理,以及三背景建模方法,三重差分方法与三重差分的检测方法。
进一步地,所述图像灰度化处理是将m幅原始图像进行灰度化处理,得到m幅灰度图像。
所述以轨道为基准的图像分割处理是将m幅灰度图像进行以轨道为基准的分割处理,得到m幅分割后的灰度图像,
所述以轨道为基准的图像分割是指以轨道边缘为参考点,然后向两侧扩展一定距离形成列车危险区域,再根据危险区域进行图像分割,
所述一定距离,中国常用的铁路轨距是1.435m,而火车车厢宽度一般为3.30m,所以所述一定距离是以铁轨边缘分别向外扩展1.20m来确定危险区域。
所述图像滤波去噪处理是将m幅分割后的灰度图像进行滤波去噪处理,得到m幅分割后的滤波去噪灰度图像。
进一步地,所述三背景建模方法,包括将得到的m幅滤波去噪后分割灰度图像中的第1幅保存为历史背景f 1,将得到的m幅滤波去噪后分割灰度图像中的第m-1幅保存为次帧实时背景,将得到的m幅滤波去噪后分割灰度图像中的第m幅保存为实时背景f 3。
进一步地,所述三重差分方法,包括用实时背景f 3减去次帧实时背景f 2的帧间差分法得到差分图像p 1,用实时背景f 3减去历史背景f 1的历史差分法得到差分图像p 2,用次帧实时背景减去历史背景的次帧历史差分法得到差分图像p 3。
进一步地,三重差分的检测方法,包括在引入实验阈值的基础上,判断p 2<T且p 1<T,如果是则无异物,如果不是则继续判断p 2≥T且p 1≥T,如果是则有异物,如果不是则继续判断p 2<T且p 1≥T,如果是则错误,如果不是只能为p 2≥T且p 1<T ,此时还需判断p 3≥T,如果是则有异物,如果不是则无异物。
所述实验阈值是指针对某铁路轨道区段实际现场拍摄的多幅图像进行多次试验得到的经验值。
与现有技术相比,本发明具有以下优点:
(1) 采用三背景建模方法可以弥补单背景建模或双背景建模的不足,具有解决背景与前景易混淆问题和提高检测精度的优点;
(2) 采用三重差分方法可以得到三个差分图像,能弥补单一差分或双重差分的不足,具有提高检测精度的优点;
(3) 采用三重差分的检测方法算法简单,可以改进复杂算法的不足,具有提高检测实时性的优点。
本发明的其它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。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明的三背景建模的三重差分方法示意图;
图2为本发明的三重差分的检测方法示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
针对现有技术存在的问题,根据本发明实施例,如图1,图2所示,提供了一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,可以降低算法复杂性,解决背景与前景易混淆问题,有利于提高实时性与检测精度。
参见图1,图2,本实施例的一种基于三背景建模的三重差分的铁路轨道异物侵限检测方法,包括依次递进的图像灰度化处理,以轨道为基准的图像分割处理,图像滤波去噪处理,以及三背景建模方法,三重差分方法与三重差分的检测方法。
上述实施例中,图像灰度化处理是将m幅原始图像进行灰度化处理,得到m幅灰度图像;以轨道为基准的图像分割处理是将m幅灰度图像进行以轨道为基准的分割处理,得到m幅分割后的灰度图像,
进一步地,以轨道为基准的图像分割是指以轨道边缘为参考点,然后向两侧扩展一定距离形成列车危险区域,再根据危险区域进行图像分割,
进一步地,一定距离,中国常用的铁路轨距是1.435m,而火车车厢宽度一般为3.30m,所以所述一定距离是以铁轨边缘分别向外扩展1.20m来确定危险区域。
上述实施例中,图像滤波去噪处理是将m幅分割后的灰度图像进行滤波去噪处理,得到m幅分割后的滤波去噪灰度图像;三背景建模方法,包括将得到的m幅滤波去噪后分割灰度图像中的第1幅保存为历史背景f 1,将得到的m幅滤波去噪后分割灰度图像中的第m-1幅保存为次帧实时背景,将得到的m幅滤波去噪后分割灰度图像中的第m幅保存为实时背景f 3;三重差分方法,包括用实时背景减去次帧实时背景f 2的帧间差分法得到差分图像p 1,用实时背景减去历史背景的历史差分法得到差分图像p 2,用次帧实时背景f 2减去历史背景f 1的次帧历史差分法得到差分图像p 3;三重差分的检测方法,该方法是在引入实验阈值的基础上,判断p 2<T且p 1<T,如果是则无异物,如果不是则继续判断p 2≥T且p 1≥T,如果是则有异物,如果不是则继续判断p 2<T且p 1≥T,如果是则错误,如果不是只能为p 2≥T且p 1<T,此时还需判断p 3≥T,如果是则有异物,如果不是则无异物,
进一步地,实验阈值是指针对某铁路轨道区段实际现场拍摄的多幅图像进行多次试验得到的经验值。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细地说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于三背景建模的三重差分的铁路轨道异物侵限检测方法,其特征在于,包括依次递进的图像灰度化处理,以轨道为基准的图像分割处理,图像滤波去噪处理,以及三背景建模方法,三重差分方法与三重差分的检测方法,所述图像灰度化处理是将m幅原始图像进行灰度化处理,得到m幅灰度图像;所述以轨道为基准的图像分割处理是将m幅灰度图像进行以轨道为基准的分割处理,得到m幅分割后的灰度图像;所述以轨道为基准的图像分割是指以轨道边缘为参考点,然后向两侧扩展一定距离形成列车危险区域,再根据危险区域进行图像分割;所述一定距离是以铁轨边缘分别向外扩展1.20m来确定危险区域;所述图像滤波去噪处理是将m幅分割后的灰度图像进行滤波去噪处理,得到m幅分割后的滤波去噪灰度图像。
2.根据权利要求1所述的基于三背景建模的三重差分的铁路轨道异物侵限检测方法,其特征在于,所述三背景建模方法,包括将得到的m幅滤波去噪后分割灰度图像中的第1幅保存为历史背景f 1,将得到的m幅滤波去噪后分割灰度图像中的第m-1幅保存为次帧实时背景,将得到的m幅滤波去噪后分割灰度图像中的第m幅保存为实时背景f 3。
3.根据权利要求1或2所述的基于三背景建模的三重差分的铁路轨道异物侵限检测方法,其特征在于,所述三重差分方法,包括用实时背景减去次帧实时背景的帧间差分法得到差分图像p 1,用实时背景f 3减去历史背景f 1的历史差分法得到差分图像p 2,用次帧实时背景f 2减去历史背景f 1的次帧历史差分法得到差分图像p 3。
4.根据权利要求1至3中任意一项所述的基于三背景建模的三重差分的铁路轨道异物侵限检测方法,其特征在于,所述三重差分的检测方法,包括在引入实验阈值的基础上,判断p 2<T且p 1<T,如果是则无异物,如果不是则继续判断p 2≥T且p 1≥T,如果是则有异物,如果不是则继续判断p 2<T且 p 1≥T,如果是则错误,如果不是只能为p 2≥T且p 1<T,此时还需判断p 3≥T,如果是则有异物,如果不是则无异物,所述实验阈值是指针对某铁路轨道区段实际现场拍摄的多幅图像进行多次试验得到的经验值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710250174.7A CN107038702A (zh) | 2017-04-17 | 2017-04-17 | 基于三背景建模的三重差分的铁路轨道异物侵限检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710250174.7A CN107038702A (zh) | 2017-04-17 | 2017-04-17 | 基于三背景建模的三重差分的铁路轨道异物侵限检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107038702A true CN107038702A (zh) | 2017-08-11 |
Family
ID=59536386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710250174.7A Pending CN107038702A (zh) | 2017-04-17 | 2017-04-17 | 基于三背景建模的三重差分的铁路轨道异物侵限检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107038702A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108163014A (zh) * | 2017-12-26 | 2018-06-15 | 郑州畅想高科股份有限公司 | 一种机车乘务员辅助瞭望预警方法及装置 |
CN109886919A (zh) * | 2019-01-14 | 2019-06-14 | 佛山市南海区广工大数控装备协同创新研究院 | 一种塑料胶管表面缺陷的检测方法及其系统 |
CN116485799A (zh) * | 2023-06-25 | 2023-07-25 | 成都考拉悠然科技有限公司 | 铁路轨道异物覆盖的检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
CN104537688A (zh) * | 2014-12-24 | 2015-04-22 | 南京邮电大学 | 一种基于背景差分和hog特征的运动目标检测方法 |
CN106296677A (zh) * | 2016-08-03 | 2017-01-04 | 浙江理工大学 | 一种基于双背景模型的双掩膜背景更新的遗留物检测方法 |
CN106447693A (zh) * | 2016-07-19 | 2017-02-22 | 西安电子科技大学 | 基于等周比和双差分的视频目标检测方法 |
-
2017
- 2017-04-17 CN CN201710250174.7A patent/CN107038702A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
CN104537688A (zh) * | 2014-12-24 | 2015-04-22 | 南京邮电大学 | 一种基于背景差分和hog特征的运动目标检测方法 |
CN106447693A (zh) * | 2016-07-19 | 2017-02-22 | 西安电子科技大学 | 基于等周比和双差分的视频目标检测方法 |
CN106296677A (zh) * | 2016-08-03 | 2017-01-04 | 浙江理工大学 | 一种基于双背景模型的双掩膜背景更新的遗留物检测方法 |
Non-Patent Citations (2)
Title |
---|
李丹丹: "铁路轨道异物入侵的智能识别研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
许力 等: "基于三背景建模的市容违章检测", 《计算机工程与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108163014A (zh) * | 2017-12-26 | 2018-06-15 | 郑州畅想高科股份有限公司 | 一种机车乘务员辅助瞭望预警方法及装置 |
CN109886919A (zh) * | 2019-01-14 | 2019-06-14 | 佛山市南海区广工大数控装备协同创新研究院 | 一种塑料胶管表面缺陷的检测方法及其系统 |
CN116485799A (zh) * | 2023-06-25 | 2023-07-25 | 成都考拉悠然科技有限公司 | 铁路轨道异物覆盖的检测方法及系统 |
CN116485799B (zh) * | 2023-06-25 | 2023-09-15 | 成都考拉悠然科技有限公司 | 铁路轨道异物覆盖的检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101893580B (zh) | 基于数字图像的钢轨表面缺陷检测方法 | |
Karakose et al. | A new computer vision based method for rail track detection and fault diagnosis in railways | |
Rizvi et al. | Crack detection in railway track using image processing | |
Taştimur et al. | Rail defect detection with real time image processing technique | |
CN102628814B (zh) | 一种基于数字图像处理的钢轨光带异常自动检测方法 | |
CN106954042B (zh) | 一种无人机铁路线路巡检装置、系统及方法 | |
CN107038702A (zh) | 基于三背景建模的三重差分的铁路轨道异物侵限检测方法 | |
Tastimur et al. | Rail defect detection and classification with real time image processing technique | |
CN109489584B (zh) | 一种基于3d技术的隧道限界检测系统及隧道限界识别方法 | |
CN104318582A (zh) | 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法 | |
JP4440809B2 (ja) | パンタグラフ周辺支障物検出装置 | |
CN103149222A (zh) | 射线实时成像中缺陷检测方法 | |
CN104691575A (zh) | 一种铁轨故障在线诊断系统及方法 | |
CN105787438A (zh) | 一种基于视频的机车司机值乘状态检测方法及系统 | |
CN108099957A (zh) | 一种基于障碍物检测与识别的机车作业方法及系统 | |
Resendiz et al. | Development of a machine-vision system for inspection of railway track components | |
CN113487561B (zh) | 基于灰度梯度异常投票的受电弓异物检测方法及装置 | |
CN107782548B (zh) | 一种基于对轨道交通工具零部件检测系统 | |
CN115479949B (zh) | 一种基于大数据的桥梁安全监测预警方法及系统 | |
Paul et al. | Railway track crack detection | |
CN103425960A (zh) | 一种视频中快速运动物体侦测方法 | |
CN110567397B (zh) | 一种扣件弹舌离缝检测方法 | |
CN107830974A (zh) | 一种基于红外热像电力设备sf6泄漏在线检测方法 | |
MX2022009405A (es) | Sistemas y metodos para identificar posibles deficiencias en objetos del entorno ferroviario. | |
Tastimur et al. | A real time interface for vision inspection of rail components and surface in railways |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170811 |