CN107423719A - 一种基于视频图像的铁路货场防护红牌检测方法 - Google Patents

一种基于视频图像的铁路货场防护红牌检测方法 Download PDF

Info

Publication number
CN107423719A
CN107423719A CN201710657089.2A CN201710657089A CN107423719A CN 107423719 A CN107423719 A CN 107423719A CN 201710657089 A CN201710657089 A CN 201710657089A CN 107423719 A CN107423719 A CN 107423719A
Authority
CN
China
Prior art keywords
famous
image
video
detection method
goods yard
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
Application number
CN201710657089.2A
Other languages
English (en)
Inventor
郑睿姣
罗炬锋
尚素娟
赵康
翟华伟
汪华红
王波龙
邱云周
郑春雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI INTERNET OF THINGS CO Ltd
Original Assignee
SHANGHAI INTERNET OF THINGS CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI INTERNET OF THINGS CO Ltd filed Critical SHANGHAI INTERNET OF THINGS CO Ltd
Priority to CN201710657089.2A priority Critical patent/CN107423719A/zh
Publication of CN107423719A publication Critical patent/CN107423719A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/4728—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for selecting a Region Of Interest [ROI], e.g. for requesting a higher resolution version of a selected region

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于视频图像的铁路货场防护红牌检测方法，包括以下步骤：基于图像获取设备获取红牌设施区域的实时视频流；建立训练样本库，利用图像特征数据离线训练SVM训练模型；使用新的图像特征数据基于SVM训练模型得到识别结果；基于图像预处理通过识别过程自动检测当前系统红牌状态信息；实时地将检测结果和操作事件过程视频上传至后台服务器。本发明降低了红牌设施的误检率，提高了红牌检测的准确性和实时性。

Description

一种基于视频图像的铁路货场防护红牌检测方法
技术领域
本发明涉及智能视频图像处理技术领域，特别是涉及一种基于视频图像的铁路货场防护红牌检测方法。
背景技术
铁路货运站内的站场作业包括列检作业、装卸作业、调车作业等，工种繁多，交叉作业，为了确保劳动安全和行车安全，货场作业过程需要安全防护红牌设施的保证。目前，铁路货运站红牌设施的安设与撤除大都依靠现场工作人员手动操作，时有发生忘设、错设、漏撤防护红牌的安全隐患；红牌设施操作信息的记录都是人工输入的，易出现信息输入错误、模糊不清、数据篡改等问题；另外，操作信息不能实时地远程传输到作业调度等相关部门，使得铁路货运的站场作业安全存在一定的风险。
发明内容
本发明所要解决的技术问题是提供一种基于视频图像的铁路货场防护红牌检测方法，降低了红牌设施的误检率，提高了红牌检测的准确性和实时性。
本发明解决其技术问题所采用的技术方案是：提供一种基于视频图像的铁路货场防护红牌检测方法，包括以下步骤：
(1)基于图像获取设备获取红牌设施区域的实时视频流；
(2)建立训练样本库，利用图像特征数据离线训练SVM训练模型；
(3)使用新的图像特征数据基于SVM训练模型得到识别结果；
(4)基于图像预处理通过识别过程自动检测当前系统红牌状态信息；
(5)实时地将检测结果和操作事件过程视频上传至后台服务器。
所述步骤(1)中图像获取设备设置在满足轨道安全运行距离要求，且能够监测到红牌设施的附近区域的位置。
所述步骤(2)具体为：利用获取的实时视频流中的视频图片提取ROI区域作为训练样本集，将现有的样本集分为红牌、非红牌两种类型，并进行分类器设计，实现红牌设施的自动检测；通过图像预处理之后进行中心规范化获取图像特征数据，选择径向基函数作为SVM的核类型，对样本集进行训练，得到SVM训练模型。
所述步骤(3)具体为：首先对预处理之后待识别的图像进行中心规范化以获取特征数据，然后根据所述SVM训练模型对待识别图像进行分类识别，得到SVM检测结果。
所述步骤(4)具体为：在获取的实时视频流中相隔一定数目抽取视频图像，提取ROI和邻域ROI进行图像预处理；将预处理之后的图像进行中心规范化，得到待识别的图像特征数据，利用训练好的SVM训练模型进行识别得到待识别图像的检测结果；根据当前帧的检测结果，判断当前帧和当前系统的结果是否一致，若一致，则当前系统红牌状态不改变；若不一致，且连续一定数目的结果均为不一致时，则当前系统红牌状态发生改变。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明从图像获取设备获取实时视频流，提取图像中的有效信息进行图像预处理，分别计算ROI、邻域ROI的图像特征数据，基于训练好的SVM模型进行识别，然后通过判断一定时间内红牌设施的状态是否改变得到检测结果，最后将检测结果和操作事件过程视频实时上传至后台服务器进行展示。本发明在图像处理的基础上结合机器学习，增强了图像特征的多模式和有效性，减少了系统的运算过程，降低了红牌设施的误检率，提高了红牌检测的准确性和实时性。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于视频图像的铁路货场防护红牌检测方法，如图1所示，包括以下步骤：基于图像获取设备获取红牌设施区域的实时视频流；建立训练样本库，利用图像特征数据离线训练SVM训练模型；使用新的图像特征数据基于SVM训练模型得到识别结果；基于图像预处理通过识别过程自动检测当前系统红牌状态信息；实时地将检测结果和操作事件过程视频上传至后台服务器。
以下通过具体的实施例来进一步说明本发明。
首先通过摄像机采集包含红牌设施区域的实时视频流，且摄像机设置在满足列车安全运行距离要求基础上，能够监测到较大面积红牌设施的附近区域。
基于提取的ROI区域，建立训练样本库，在训练阶段，将现有的样本集分为红牌、非红牌两种类型进行设计，选择径向基函数作为SVM的核类型，设置相关参数进行训练，得到用于自动检测当前图像红牌设施状态信息的训练模型。
利用训练好的SVM模型，对提取的图像特征数据进行识别，自动检测当前图像红牌设施的状态信息。
通过读取实时视频流，按照一定的帧间隔提取视频图像中的有效信息，选择ROI和邻域ROI信息进行图像预处理，分别计算其图像特征数据作为输入，基于已有的训练模型，通过逻辑判断得到当前图像红牌设施的检测结果；然后根据当前帧的检测结果，判断当前帧和当前系统的结果是否一致，若一致，则当前系统红牌状态不改变；若不一致，且连续一定数目的结果均为不一致，则当前系统红牌状态发生改变，将当前系统红牌状态设置为当前帧红牌设施的状态。
最后，若当前系统红牌状态发生改变，则将当前系统红牌状态上传至后台服务器，同时将操作事件过程视频也上传至后台进行展示。
不难发现，本发明使用图像处理算法和机器学习相结合的方法检测红牌设施的状态信息，提取视频图像中的有效区域信息和间隔帧处理等操作都能够有效减少系统的运算过程，确保系统运行的实时性；基于支持向量机自动检测红牌设施能够有效降低误检率，提高检测过程的准确性。

Claims (5)

1.一种基于视频图像的铁路货场防护红牌检测方法，其特征在于，包括以下步骤：
(1)基于图像获取设备获取红牌设施区域的实时视频流；
(2)建立训练样本库，利用图像特征数据离线训练SVM训练模型；
(3)使用新的图像特征数据基于SVM训练模型得到识别结果；
(4)基于图像预处理通过识别过程自动检测当前系统红牌状态信息；
(5)实时地将检测结果和操作事件过程视频上传至后台服务器。
2.根据权利要求1所述的基于视频图像的铁路货场防护红牌检测方法，其特征在于，所述步骤(1)中图像获取设备设置在满足轨道安全运行距离要求，且能够监测到红牌设施的附近区域的位置。
3.根据权利要求1所述的基于视频图像的铁路货场防护红牌检测方法，其特征在于，所述步骤(2)具体为：利用获取的实时视频流中的视频图片提取ROI区域作为训练样本集，将现有的样本集分为红牌、非红牌两种类型，并进行分类器设计，实现红牌设施的自动检测；通过图像预处理之后进行中心规范化获取图像特征数据，选择径向基函数作为SVM的核类型，对样本集进行训练，得到SVM训练模型。
4.根据权利要求1所述的基于视频图像的铁路货场防护红牌检测方法，其特征在于，所述步骤(3)具体为：首先对预处理之后待识别的图像进行中心规范化以获取特征数据，然后根据所述SVM训练模型对待识别图像进行分类识别，得到SVM检测结果。
5.根据权利要求1所述的基于视频图像的铁路货场防护红牌检测方法，其特征在于，所述步骤(4)具体为：在获取的实时视频流中相隔一定数目抽取视频图像，提取ROI和邻域ROI进行图像预处理；将预处理之后的图像进行中心规范化，得到待识别的图像特征数据，利用训练好的SVM训练模型进行识别得到待识别图像的检测结果；根据当前帧的检测结果，判断当前帧和当前系统的结果是否一致，若一致，则当前系统红牌状态不改变；若不一致，且连续一定数目的结果均为不一致时，则当前系统红牌状态发生改变。
CN201710657089.2A 2017-08-03 2017-08-03 一种基于视频图像的铁路货场防护红牌检测方法 Pending CN107423719A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710657089.2A CN107423719A (zh) 2017-08-03 2017-08-03 一种基于视频图像的铁路货场防护红牌检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710657089.2A CN107423719A (zh) 2017-08-03 2017-08-03 一种基于视频图像的铁路货场防护红牌检测方法

Publications (1)

Publication Number Publication Date
CN107423719A true CN107423719A (zh) 2017-12-01

Family

ID=60437254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710657089.2A Pending CN107423719A (zh) 2017-08-03 2017-08-03 一种基于视频图像的铁路货场防护红牌检测方法

Country Status (1)

Country Link
CN (1) CN107423719A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537272A (zh) * 2018-04-08 2018-09-14 上海天壤智能科技有限公司 用于检测和分析仓位的方法和装置
CN109063688A (zh) * 2018-08-30 2018-12-21 四川超影科技有限公司 基于智能巡检机器人的指示灯状态识别方法
CN110769042A (zh) * 2019-10-11 2020-02-07 北京经纬信息技术有限公司 一种用于铁路装卸作业信息采集的系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103448754A (zh) * 2013-08-15 2013-12-18 张伯敏 一种铁路作业led防护红牌
CN103455898A (zh) * 2013-08-15 2013-12-18 张伯敏 铁路货场信息管理系统
CN104951775A (zh) * 2015-07-15 2015-09-30 攀钢集团攀枝花钢钒有限公司 基于视频技术的铁路道口防护区域安全智能识别方法
CN205661462U (zh) * 2016-06-07 2016-10-26 合肥安迅铁道应用技术有限公司 一种具有灯灭报警功能的脱轨器红牌信号装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103448754A (zh) * 2013-08-15 2013-12-18 张伯敏 一种铁路作业led防护红牌
CN103455898A (zh) * 2013-08-15 2013-12-18 张伯敏 铁路货场信息管理系统
CN104951775A (zh) * 2015-07-15 2015-09-30 攀钢集团攀枝花钢钒有限公司 基于视频技术的铁路道口防护区域安全智能识别方法
CN205661462U (zh) * 2016-06-07 2016-10-26 合肥安迅铁道应用技术有限公司 一种具有灯灭报警功能的脱轨器红牌信号装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姜臻祺: "基于视频分析技术的轨道交通车站重点防护部位安全预警研究", 《地下工程与隧道》 *
孙中阳: "需求导向型铁路货运信息管理系统设计与开发", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
迟学力: "视频图像处理技术在保障机车调车作业安全方面的研究与实践", 《今日轨道交通》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537272A (zh) * 2018-04-08 2018-09-14 上海天壤智能科技有限公司 用于检测和分析仓位的方法和装置
CN109063688A (zh) * 2018-08-30 2018-12-21 四川超影科技有限公司 基于智能巡检机器人的指示灯状态识别方法
CN110769042A (zh) * 2019-10-11 2020-02-07 北京经纬信息技术有限公司 一种用于铁路装卸作业信息采集的系统
CN110769042B (zh) * 2019-10-11 2022-12-09 北京经纬信息技术有限公司 一种用于铁路装卸作业信息采集的系统

Similar Documents

Publication Publication Date Title
CN103295027B (zh) 一种基于支持向量机的铁路货车挡键丢失故障识别方法
CN103745224B (zh) 基于图像的铁路接触网鸟窝异常情况检测方法
CN110136449A (zh) 基于深度学习的交通视频车辆违停自动识别抓拍的方法
Bhat et al. Recognition of vehicle number plate using matlab
CN107911663A (zh) 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警系统
CN105550654B (zh) 高速列车图像采集系统、实时车号检测系统及方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN107423719A (zh) 一种基于视频图像的铁路货场防护红牌检测方法
CN110276255A (zh) 基于gmm模型与bp神经网络的高速铁路异物识别与分类方法
CN104700058A (zh) 用于旅客行李的检测方法和装置
CN109188550A (zh) 一种皮带输送机异物检测系统
CN103279756A (zh) 基于集成分类器的车辆检测分析系统及其检测分析方法
CN102759347A (zh) 一种高铁接触网在线巡检装置、巡检方法以及其构成的高铁接触网检测系统
CN113537007B (zh) 应用于铁路站台的非工作人员入侵检测与报警方法和装置
CN110263623B (zh) 列车攀爬监测方法、装置、终端及存储介质
CN112016528A (zh) 行为识别方法、装置、电子设备及可读存储介质
CN115497169A (zh) 一种仓库作业行为识别方法、装置及设备
CN116092003A (zh) 一种基于多视角视觉检测的集卡防吊起自动识别方法
US8983129B2 (en) Detecting and classifying persons in a prescribed area
CN206579656U (zh) 一种铁路货场货车定位及车号识别系统
Laroca et al. Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning
CN103824074A (zh) 一种基于背景减除和纹理特征的人群密度估计方法及系统
CN111055890B (zh) 一种铁路车辆防溜智能检测方法及检测系统
CN106530299A (zh) 基于计算机图像与视觉识别的轨道扣件的检测方法
CN213424011U (zh) 一种用于旅检通道客行识别的监控系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171201