CN108337321A - 基于视频智能识别的cbtc信号设备巡检系统及方法 - Google Patents
基于视频智能识别的cbtc信号设备巡检系统及方法 Download PDFInfo
- Publication number
- CN108337321A CN108337321A CN201810210216.9A CN201810210216A CN108337321A CN 108337321 A CN108337321 A CN 108337321A CN 201810210216 A CN201810210216 A CN 201810210216A CN 108337321 A CN108337321 A CN 108337321A
- Authority
- CN
- China
- Prior art keywords
- video
- intelligent
- server
- cbtc
- signalling arrangement
- 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
- 230000011664 signaling Effects 0.000 title claims abstract description 48
- 238000007689 inspection Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 18
- PLAIAIKZKCZEQF-UHFFFAOYSA-N methyl 6-chloro-2-oxo-3h-1,2$l^{4},3-benzodithiazole-4-carboxylate Chemical compound COC(=O)C1=CC(Cl)=CC2=C1NS(=O)S2 PLAIAIKZKCZEQF-UHFFFAOYSA-N 0.000 title claims abstract 12
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000012806 monitoring device Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000003745 diagnosis Methods 0.000 claims description 14
- 238000012098 association analyses Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000009545 invasion Effects 0.000 claims description 4
- 238000013024 troubleshooting Methods 0.000 claims description 4
- 241001424438 Surendra Species 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 206010044565 Tremor Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 210000004218 nerve net Anatomy 0.000 description 2
- 241000287181 Sturnus vulgaris Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229940069016 go-dry Drugs 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/02—Monitoring continuously signalling or alarm systems
- G08B29/06—Monitoring of the line circuits, e.g. signalling of line faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种基于视频智能识别的CBTC信号设备巡检系统及方法,该系统包括前端视频监控设备、视频调度服务器、视频智能分析服务器、视频管理服务器、存储服务器和智能巡检监控终端,所述的前端视频监控设备设于CBTC信号子系统设备机柜前端,所述的前端视频监控设备通过核心骨干网分别连接视频智能分析服务器、视频调度服务器、视频管理服务器、存储服务器和智能巡检监控终端。与现有技术相比,本发明具有投资低、智能化、自动化程度高、巡检高效等优点。
Description
技术领域
本发明涉及城市轨道交通CBTC(Communication Based Train Control,基于通信的列车控制系统)信号设备巡检领域,尤其是涉及一种基于视频智能识别的CBTC信号设备巡检系统及方法。
背景技术
由于目前信号CBCT各主要子系统如联锁、区域控制器、线路控制器、计轴以及列车自动监控系统等通过其维护诊断子系统送出的故障诊断信息不足,还需要地铁通号维保部门安排人力定期进行机房巡检通过灯位识别来发现故障隐患或故障处所;尤其是在安全等级最高的系统如联锁或区域控制器子系统等宕机时,无法送出有效的维护信息,从而无法第一时间定位故障原因,快速修复故障。除了系统外,机房其他重点区域也需要安排人定期巡检,如空调滴水、人员非法进入等。但人工巡检存在盯控盲区,如果中间发生故障,不能及时发现故障并快速处理,且人工巡检存在视频疲劳和漏检情况,故障隐患发现不及时,容易发生影响运营晚点情况。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于视频智能识别的CBTC信号设备巡检系统及方法。
本发明的目的可以通过以下技术方案来实现:
一种基于视频智能识别的CBTC信号设备巡检系统,该系统包括前端视频监控设备、视频调度服务器、视频智能分析服务器、视频管理服务器、存储服务器和智能巡检监控终端,所述的前端视频监控设备设于CBTC信号设备机柜前端,所述的前端视频监控设备通过核心骨干网分别连接视频智能分析服务器、视频调度服务器、视频管理服务器、存储服务器和智能巡检监控终端。
优选地,所述的前端视频监控设备数量视车站子系统数量和位置而定,所述的视频调度服务器的数量根据前端视频监控设备数量而定,所述的视频智能分析服务器的数量视前端视频监控设备的数量而定,所述的智能巡检监控终端根据维护工区的数量而定。
优选地,所述的前端视频监控设备为云台摄像机。
优选地,所述的视频智能分析服务器采用分布式架构,根据前端视频监控设备分布。
优选地,所述的视频智能分析服务器采用高效率的分析算法和GPU资源,所述的一台视频智能分析服务器可同时分析30路视频流。
优选地,所述的巡检系统不仅适用于CBTC信号设备巡检,也可应用于其他监控领域的机房设备巡检。
一种采用任一所述的基于视频智能识别的CBTC信号设备巡检系统的方法,包括以下步骤:
步骤1、前端云台摄像机采集信号设备工作状态图像;
步骤2、根据设备机柜重点监控区域,在云台摄像机上设置重点监视预置位;
步骤3、视频调度服务器依据事先设置好的监控规则,对每个云台预置位进行智能调度,控制预置位对重点区域进行监控;
步骤4、视频智能分析服务器基于视频图像识别算法,使用人工智能技术中神经网络、支持向量机与随机森林算法,依据建立的故障诊断逻辑和故障关联分析模式,对信号设备故障进行智能判断和关联分析;
步骤5、视频智能分析服务器基于视频图像识别算法,使用基于Surendra背景差分和帧间差分的算法,依据建立的预警分析方法模型,通过对信号设备灯位的识别,进行信号设备预警分析;
步骤6、视频智能分析服务器基于视频图像识别算法,使用混合高斯背景建模的方法,得到图像的背景模型,并通过对图像背景与前景的检测,对空调滴水情况进行识别和分析;
步骤7、视频智能分析服务器基于视频图像识别算法和人员入侵检测技术,使用人的头肩模型作为机器学习分类器的输入特征,对机房人员非法入侵进行识别;
步骤8、视频智能分析服务器在进行故障诊断和关联分析时,通过过滤算法,识别过车震动、背景灯光变化和维护人员背影遮挡引起的灯位变化并能避免产生误报报警;
步骤9、视频智能分析服务将故障智能诊断和预警分析结果推送给智能巡检监控终端,并在监控终端中提供报警维护建议和故障处理指导,同时提供视频回放功能,辅助故障确认。
优选地,所述的步骤5中的灯位识别包括以下步骤:
步骤5.1、提取背景;
步骤5.2、利用背景进行差分;
步骤5.3、连续多帧相关分析;
步骤5.4、提取信号灯异常位置。
与现有技术相比,本发明具有以下优点:
1、本发明可以实现基于视频智能识别的CBTC信号设备故障的智能诊断、关联分析以及隐患预警分析,可以通过自动化的监控和分析技术,代替目前人工机房巡检作业。
2、本发明通过自动化巡检和智能分析的方式,替代人工故障分析和诊断,实现故障的智能诊断和预警分析,及时发现并分析故障原因、发现故障隐患,有效压缩故障延时;降低维护人力,实现减员增效,确保轨道交通的安全运营。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的信号设备巡检方法流程图;
图3为本发明的巡检方法中灯位识别的流程图。
具体实施方式
下面将对本发明实施例中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的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
如图1所示,一种基于视频智能识别的CBTC信号设备巡检系统,该系统包括前端视频监控设备1、视频调度服务器2、视频智能分析服务器3、视频管理服务器4、存储服务器5和智能巡检监控终端6,所述的前端视频监控设备1设于CBTC信号子系统设备机柜前端,所述的前端视频监控设备1通过核心骨干网分别连接视频智能分析服务器3、视频调度服务器2、视频管理服务器4、存储服务器5和智能巡检监控终端6。
所述的前端视频监控设备数量视车站子系统数量和位置而定,所述的视频调度服务器的数量根据前端视频监控设备数量而定,所述的视频智能分析服务器的数量视前端视频监控设备的数量而定,所述的智能巡检监控终端根据维护工区的数量而定。
所述的前端视频监控设备为云台摄像机。所述的视频智能分析服务器采用分布式架构,根据前端视频监控设备分布。所述的视频智能分析服务器采用高效率的分析算法和GPU资源,所述的一台视频智能分析服务器可同时分析30路视频流。
所述的巡检系统不仅适用于CBTC信号设备巡检,也可应用于其他监控领域的机房设备巡检。
如图2所示,一种基于视频智能识别的CBTC信号设备巡检系统的方法,包括以下步骤:
步骤1、前端云台摄像机采集信号设备工作状态图像;
步骤2、根据设备机柜重点监控区域,在云台摄像机上设置重点监视预置位;
步骤3、视频调度服务器依据事先设置好的监控规则,对每个云台预置位进行智能调度,控制预置位对重点区域进行监控;
步骤4、视频智能分析服务器基于视频图像识别算法,使用人工智能技术中神经网络、支持向量机与随机森林等算法,依据建立的故障诊断逻辑和故障关联分析模式,对信号设备故障进行智能判断和关联分析;
步骤5、视频智能分析服务器基于视频图像识别算法,使用基于Surendra背景差分和帧间差分的算法,依据建立的预警分析方法模型,通过对信号设备灯位的识别,进行信号设备预警分析,如灯位的渐变、灯位闪烁频率的变化等;
步骤6、视频智能分析服务器基于视频图像识别算法,使用混合高斯背景建模的方法,得到图像的背景模型,并通过对图像背景与前景的检测,对空调滴水情况进行识别和分析;
步骤7、视频智能分析服务器基于视频图像识别算法和人员入侵检测技术和方法,使用人的头肩模型作为机器学习分类器的输入特征,对机房人员非法入侵进行识别;
步骤8、视频智能分析服务器在进行故障诊断和关联分析时,通过过滤算法,识别过车震动、背景灯光变化、维护人员背影遮挡等引起的灯位变化并能避免产生误报报警。
步骤9、视频智能分析服务将故障智能诊断和预警分析结果推送给智能巡检监控终端,并在监控终端中提供报警维护建议和故障处理指导,同时提供视频回放功能,辅助故障确认。
如图3所示,所述的步骤5中的灯位识别包括以下步骤:
步骤5.1、提取背景;
步骤5.2、利用背景进行差分;
步骤5.3、连续多帧相关分析;
步骤5.4、提取信号灯异常位置。
本发明的原理:基于视频智能识别的城市轨道交通CBTC信号设备巡检方法,该方法包括城市轨道交通信号设备视频监控、视频图像解析、灯位状态识别、灯位关联和比对分析、空调滴水、非法入侵监测、环境光去燥分析、过车消抖分析及机器自学习等。
1、基于云台预置位的信号关键设备巡检
采用可转动云台球机代替固定枪机,可以大幅减少前端监控设备数量,降低投资。基于云台球机预置位方式,对CBTC信号设备关键部位或区域进行重点监控和分析,基于人工智能技术和机器自学习技术,对所述关键部位或区域进行故障诊断分析,代替人工巡检和诊断。
2、信号设备关联分析和比对
CBTC信号系统是个高度安全可靠同时又是结构复杂的集成系统。各个子系统或部件间共同协作完成CBTC系统功能。一个子系统或部件设备的故障或多或少会影响其他子系统或部件的正常工作。所述方法预先建立各个子系统间的故障关联分析模型,建立关键部件工作灯位状态的关联分析逻辑。所述方法可以实时进行灯位状态的关联分析和比对,在故障发生时,可以进行故障溯源追踪,直至定位故障源头,准确定位故障处所。
3、过车消抖处理
地铁车辆进站或离站时会引起信号设备机房设备的震动,尤其是吊顶安装的前端摄像机设备。过车时的震动会引起视频波动,从而会影响信号设备工作状态的识别和分析结果。为提取稳定的图形特征,需要对视频进行抖动消除,目的是最大程度地减少视频图像抖动部分,使整个视频流平稳,提高报警准确率。
4、背景光去干扰分析
信号设备机房内灯光的突变或渐变,都会造成视频图像背景光的异常变化,从而对信号设备状态的诊断和分析造成干扰,容易引起误报警。本发明在视频图像分析时,也对背景灯光的更新系数进行分析,背景灯光的缓慢变化不会影响分析结果。而当背景灯光更新系数突变时,则不进行进行信号设备异常状态的判断。
5、信号设备的隐患预防分析
CBTC信号设备机柜面板的灯位的状态能实时反映设备的运行情况或者电气特性情况。如读写状态、通信状态的闪烁频率等反映通信情况、电源灯位颜色的变化能间接反映电源模块电源和电流的负载情况。
本发明通过基于图像智能识别技术,对代表设备运行情况、电气特性情况的指示灯进行识别和分析,间接获取信号设备或关键板卡的电气特性情况,基于该电气特性情况进行异常突变、波动等进行诊断和预测,从而对信号设备隐患进行预警分析,辅助进行预防修。
6、信号设备故障维护建议和应急处理流程
每个信号设备可能存在多类故障,该发明为每类设备故障定义独立的故障码,每个故障码关联相对应的维护建议和应急处理流程。在信号设备故障发生时,自动关联对应的维护建议和应急处理流程。故障处理完成后,生成完整、详细的故障应急处理报告。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到各种等效的修改或替换,这些修改或替换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 (8)
1.一种基于视频智能识别的CBTC信号设备巡检系统,其特征在于,该系统包括前端视频监控设备、视频调度服务器、视频智能分析服务器、视频管理服务器、存储服务器和智能巡检监控终端,所述的前端视频监控设备设于CBTC信号设备机柜前端,所述的前端视频监控设备通过核心骨干网分别连接视频智能分析服务器、视频调度服务器、视频管理服务器、存储服务器和智能巡检监控终端。
2.根据权利要求1所述的一种基于视频智能识别的CBTC信号设备巡检系统,其特征在于,所述的前端视频监控设备数量视车站子系统数量和位置而定,所述的视频调度服务器的数量根据前端视频监控设备数量而定,所述的视频智能分析服务器的数量视前端视频监控设备的数量而定,所述的智能巡检监控终端根据维护工区的数量而定。
3.根据权利要求1所述的一种基于视频智能识别的CBTC信号设备巡检系统,其特征在于,所述的前端视频监控设备为云台摄像机。
4.根据权利要求1所述的一种基于视频智能识别的CBTC信号设备巡检系统,其特征在于,所述的视频智能分析服务器采用分布式架构,根据前端视频监控设备分布。
5.根据权利要求1所述的一种基于视频智能识别的CBTC信号设备巡检系统,其特征在于,所述的视频智能分析服务器采用高效率的分析算法和GPU资源,所述的一台视频智能分析服务器可同时分析30路视频流。
6.根据权利要求2-5任一所述的一种基于视频智能识别的CBTC信号设备巡检系统,其特征在于,所述的巡检系统不仅适用于CBTC信号设备巡检,也可应用于其他监控领域的机房设备巡检。
7.一种采用权利要求2-5任一所述的基于视频智能识别的CBTC信号设备巡检系统的方法,其特征在于,包括以下步骤:
步骤1、前端云台摄像机实时高频采集信号设备工作状态图像;
步骤2、根据设备机柜重点监控区域,在云台摄像机上设置重点监视预置位;
步骤3、视频调度服务器依据事先设置好的监控规则,对每个云台预置位进行智能化调度,控制预置位对重点区域进行监控;
步骤4、视频智能分析服务器基于视频图像识别算法,使用人工智能技术中神经网络、支持向量机与随机森林算法,依据预先建立的故障诊断逻辑和故障关联分析模式,对信号设备故障进行智能判断和关联分析;
步骤5、视频智能分析服务器基于视频图像识别算法,使用基于Surendra背景差分和帧间差分的算法,依据建立的预警分析方法模型,通过对信号设备灯位的识别,进行信号设备预警分析;
步骤6、视频智能分析服务器基于视频图像识别算法,使用混合高斯背景建模的方法,得到图像的背景模型,并通过对图像背景与前景的检测,对空调滴水情况进行识别和分析;
步骤7、视频智能分析服务器基于视频图像识别算法和人员入侵检测技术,使用人的头肩模型作为机器学习分类器的输入特征,对机房人员非法入侵进行识别;
步骤8、视频智能分析服务器在进行故障诊断和关联分析时,通过过滤算法,识别过车震动、背景灯光变化和维护人员背影遮挡引起的灯位变化并能避免产生误报报警;
步骤9、视频智能分析服务将故障智能诊断和预警分析结果推送给智能巡检监控终端,并在监控终端中提供报警维护建议和故障处理指导,同时提供视频回放功能,辅助故障确认。
8.根据权利要求7所述的方法,其特征在于,所述的步骤5中的灯位识别包括以下步骤:
步骤5.1、提取背景;
步骤5.2、利用背景进行差分;
步骤5.3、连续多帧相关分析;
步骤5.4、提取信号灯异常位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810210216.9A CN108337321A (zh) | 2018-03-14 | 2018-03-14 | 基于视频智能识别的cbtc信号设备巡检系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810210216.9A CN108337321A (zh) | 2018-03-14 | 2018-03-14 | 基于视频智能识别的cbtc信号设备巡检系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108337321A true CN108337321A (zh) | 2018-07-27 |
Family
ID=62930702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810210216.9A Pending CN108337321A (zh) | 2018-03-14 | 2018-03-14 | 基于视频智能识别的cbtc信号设备巡检系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108337321A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063854A (zh) * | 2018-08-23 | 2018-12-21 | 河南中裕广恒科技股份有限公司 | 智能运维云平台系统及其控制方法 |
CN109246151A (zh) * | 2018-11-05 | 2019-01-18 | 国家电网有限公司 | 一种输电线路视频智能巡检分析调度方法 |
CN110782692A (zh) * | 2019-10-31 | 2020-02-11 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及系统 |
CN111490905A (zh) * | 2020-04-29 | 2020-08-04 | 广东天亿马信息产业股份有限公司 | 一种用于视频图像故障自动巡检的方法 |
CN113780594A (zh) * | 2021-09-06 | 2021-12-10 | 甘肃紫光智能交通与控制技术有限公司 | 一种服务器智能识别与巡检系统 |
CN114511987A (zh) * | 2022-02-10 | 2022-05-17 | 海澜智云(上海)数据科技有限公司 | 一种基于云计算的工业信息智能化监控系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808235A (zh) * | 2010-02-22 | 2010-08-18 | 江苏省电力公司无锡供电公司 | 智能视频变电站巡检质量认证系统 |
CN106375721A (zh) * | 2016-09-14 | 2017-02-01 | 重庆邮电大学 | 一种基于云平台的智能视频监控系统 |
CN106454331A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 视频信号质量检测系统及方法 |
-
2018
- 2018-03-14 CN CN201810210216.9A patent/CN108337321A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808235A (zh) * | 2010-02-22 | 2010-08-18 | 江苏省电力公司无锡供电公司 | 智能视频变电站巡检质量认证系统 |
CN106375721A (zh) * | 2016-09-14 | 2017-02-01 | 重庆邮电大学 | 一种基于云平台的智能视频监控系统 |
CN106454331A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 视频信号质量检测系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063854A (zh) * | 2018-08-23 | 2018-12-21 | 河南中裕广恒科技股份有限公司 | 智能运维云平台系统及其控制方法 |
CN109246151A (zh) * | 2018-11-05 | 2019-01-18 | 国家电网有限公司 | 一种输电线路视频智能巡检分析调度方法 |
CN109246151B (zh) * | 2018-11-05 | 2021-03-30 | 国家电网有限公司 | 一种输电线路视频智能巡检分析调度方法 |
CN110782692A (zh) * | 2019-10-31 | 2020-02-11 | 青岛海信网络科技股份有限公司 | 一种信号灯故障检测方法及系统 |
CN111490905A (zh) * | 2020-04-29 | 2020-08-04 | 广东天亿马信息产业股份有限公司 | 一种用于视频图像故障自动巡检的方法 |
CN113780594A (zh) * | 2021-09-06 | 2021-12-10 | 甘肃紫光智能交通与控制技术有限公司 | 一种服务器智能识别与巡检系统 |
CN114511987A (zh) * | 2022-02-10 | 2022-05-17 | 海澜智云(上海)数据科技有限公司 | 一种基于云计算的工业信息智能化监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108337321A (zh) | 基于视频智能识别的cbtc信号设备巡检系统及方法 | |
CN110689145A (zh) | 轨道交通运维安全检修综合智能管理系统 | |
CN104908783B (zh) | 铁路电务综合监测维护系统体系架构 | |
KR102554662B1 (ko) | 이동식 무인탐지장치를 이용한 인공지능 기반 안전관리 시스템 | |
CN111105047B (zh) | 一种运维监控方法、装置、电子设备及存储介质 | |
CN109560610A (zh) | 一种变电站视频及环境监控系统 | |
CN102819249B (zh) | 电力隧道联动控制系统及控制方法 | |
CN110768846A (zh) | 一种智能变电站网络安全防护系统 | |
CN107947362A (zh) | 电气化铁路牵引供电智能辅助系统 | |
CN116091901A (zh) | 一种基于监控设备故障诊断分析的运维管理平台 | |
CN113381511A (zh) | 变电站在线智能巡视系统 | |
CN108565963B (zh) | 配电网智能运行维护系统 | |
CN112466077A (zh) | 一种预警报警方法及设备和系统 | |
CN117477774A (zh) | 用于多功能配电柜的智能预警系统及预警方法 | |
KR101023533B1 (ko) | 고속철도 에이티시의 실시간 원격복구 시스템 및 그 제어방법 | |
CN107065730A (zh) | 高速公路隧道安全运营智能监控系统 | |
CN211744138U (zh) | 一种牵引变电所多系统联动的智能辅助监控系统 | |
CN115246609A (zh) | 一种电梯安全防控云平台及运行状态评估和处理方法 | |
CN103454982A (zh) | 一种scada系统与安防系统集成的控制系统及其应用 | |
CN207612125U (zh) | 电气化铁路牵引供电智能辅助系统 | |
CN118155363A (zh) | 一种用于社区楼宇联动报警的远程监控系统 | |
CN114387542A (zh) | 一种基于便携布控球的视频采集单元异常识别系统 | |
CN113162233A (zh) | 一种用于第三代智能变电站的辅助设备监控系统 | |
CN103324181B (zh) | 屏柜柜门监控预警系统 | |
CN112541656A (zh) | 一种具有风险隐患预测能力的智能安防集成平台 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |