CN111738203B - 一种基于自动划线区域的站台行人越线检测方法 - Google Patents

一种基于自动划线区域的站台行人越线检测方法 Download PDF

Info

Publication number
CN111738203B
CN111738203B CN202010623884.1A CN202010623884A CN111738203B CN 111738203 B CN111738203 B CN 111738203B CN 202010623884 A CN202010623884 A CN 202010623884A CN 111738203 B CN111738203 B CN 111738203B
Authority
CN
China
Prior art keywords
platform
camera
pedestrian
module
detecting
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.)
Active
Application number
CN202010623884.1A
Other languages
English (en)
Other versions
CN111738203A (zh
Inventor
郭昌野
卫刚
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.)
Yi Tai Fei Liu Information Technology LLC
Original Assignee
Yi Tai Fei Liu Information Technology LLC
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 Yi Tai Fei Liu Information Technology LLC filed Critical Yi Tai Fei Liu Information Technology LLC
Priority to CN202010623884.1A priority Critical patent/CN111738203B/zh
Publication of CN111738203A publication Critical patent/CN111738203A/zh
Application granted granted Critical
Publication of CN111738203B publication Critical patent/CN111738203B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/30196—Human being; Person
    • 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
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于自动划线区域的站台行人越线检测方法，具体包括以下步骤：S1、通过视频图像采集模块从摄像头采集系统获得视频流，并将得到的视频流进行解码，读取视频帧，本发明涉及轨道交通技术领域。该基于自动划线区域的站台行人越线检测方法，本发明利用实例分割模型提取站台边具有明显颜色特征的隔离带，实现摄像机场景内自动划设区域，当自动划设完区域后，检测算法检测站台旅客，靠近轨道区域及轨道区域内是否有人，如监测有旅客越过安全隔离线，系统将输出相应的报警信号，与现有技术相比，本发明针对站台摄像机随时移动的情况，自动检测划线区域，减少人工干预，具有场景自适应，快速检测等优点。

Description

一种基于自动划线区域的站台行人越线检测方法
技术领域
本发明涉及轨道交通技术领域，具体为一种基于自动划线区域的站台行人越线检测方法。
背景技术
在高速铁路车站、城际列车车站和地铁车站的站台上，乘客在等候列车时，会有坠入轨道的危险，因此为了预防此类危险的发生，提前制止入侵安全隔离带行为，铁路安全部门对站台越线的智能检测技术提出了急切的需求，近年来基于视频图像的站台越线检测方法愈渐成熟，该方法基于深度学习及大数据技术，从视频数据中提取关键信息，根据相应的逻辑分析对危险事件的发生给出告警。
现有的站台行人越线检测方法主要分为两种：第一种基于卡尔曼滤波算法的背景差分法提取运动目标，判断行人是否进入人工划定的危险区域，第二种主要利用目标检测及跟踪方法判断行人是否进入人工划定的危险区域，对人员越线进行预警，从而实现自动化监控以及预警，由于站台越线的危险行为一旦发生，将对站台的安全运行防护造成较大的威胁，站台越线检测需要人工划定危险区域，而布设的摄像头一般会有移动，无疑增加了人工工作量，站台场景各异，需要工作人员对每个摄像头划设检测区域，同时站台边摄像头经常发生调整，不能自动适应调整后的场景，同样需要重新划设检测区域，因此有必要设计一种能够自动划设区域的站台越线检测方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于自动划线区域的站台行人越线检测方法，解决了现有采用目标检测及跟踪方法判断行人是否越线，需要工作人员对每个摄像头划设检测区域，站台边摄像头经常发生调整，不能自动适应调整后的场景，同样需要重新划设检测区域从而增加工人工作量的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于自动划线区域的站台行人越线检测方法，具体包括以下步骤：
S1、通过视频图像采集模块从摄像头采集系统获得视频流，并将得到的视频流进行解码，读取视频帧，依次输出到摄像头位置判断模块中；
S2、在检测单元内部的摄像头位置判断模块中负责读取摄像头当前PTZ位姿信息、焦距信息等，并与上一时期的摄像机信息进行比对，当任意一个信息发生变化时，表示摄像机场景发生了变化，此时原有的安全隔离线在图像上的位置相应的发生了变化，触发危险区域检测模块进行新场景的安全隔离带分割；
S3、触发危险区域检测模块负责检测站台边沿黄色隔离带区域，首先将一张站台的图像作为输入，经过基础网络部分，进行下采样，得到特征图，其次为了能够得到准确的隔离带轮廓区域，对特征图进行上采样，恢复至原图的大小，从而得到目标的像素级轮廓；
S4、由于S3中得到的隔离带轮廓只是在图像上表现为像素，并没有结构化成隔离带边界线，同时为了降低噪声点对直线提取的干扰，采用霍夫变换拟合隔离带的边界线；
S5、通常情况下，一个摄像头只关注安装位置最近的一个站台，因此为了提高站台行人越线的准确率，根据S4中得到的边界线，过滤远处的隔离带，根据摄像机成像原理，隔离带的两条平行线在图像上被投影成了两条相交的直线，不管摄像机如何转动，摄像机下放的隔离带始终在图像上具有斜率最大的特点，因此利用该特性，过滤远处站台的隔离带直线，将过滤后的两条直线封闭，从而最终得到安全隔离带的完整区域；
S6、通过行人检测跟踪模块负责站台上火车、行人等目标的检测及跟踪，首先检测轨道上是否有火车，如果存在火车，利用火车的跟踪轨迹判断是否处于运动状态；
S7、根据S6中得到的火车及行人运动轨迹，判断是否有行人从站台其它区域进入S5中得到的隔离带区域，如果行人进入区域持续一定帧数，即将相关告警信息发送至告警模块；
S8、将S7中发出的告警信息进行汇总，并进行相关的告警提示，并通过检测结果输出模块输出最终的检测结果。
优选的，所述步骤S1中的视频图像采集模块的输出端通过导线与检测单元的输入端电性连接。
优选的，所述步骤S2中的检测单元包括摄像头位置判断模块、危险区域检测模块和行人检测跟踪模块。
优选的，所述步骤S8中的检测结果输出模块通过导线与检测单元的输出端电性连接。
优选的，所述步骤S6中的运动状态是指进站和出站。
优选的，所述步骤S3中在现实场景中，隔离带是由两条平行线构成的，平行线之间填充了颜色显著的地砖，典型的如黄色警示，因此利用安全隔离带具有颜色显著的特点，采用实例分割的方法提取区域。
优选的，所述步骤S2中三个方向的姿态有一个轴向发生了位移，表示摄像机镜头发生了旋转，诸如此类的场景变化都表示摄像机镜头发生了移动。
优选的，所述步骤S1中的摄像头采用的是模拟摄像机或数字摄像机中其中的一种。
(三)有益效果
本发明提供了一种基于自动划线区域的站台行人越线检测方法。具备以下有益效果：该基于自动划线区域的站台行人越线检测方法，通过S1、通过视频图像采集模块从摄像头采集系统获得视频流，并将得到的视频流进行解码，读取视频帧，依次输出到摄像头位置判断模块中；S2、在检测单元内部的摄像头位置判断模块中负责读取摄像头当前PTZ位姿信息、焦距信息等，并与上一时期的摄像机信息进行比对，当任意一个信息发生变化时，表示摄像机场景发生了变化，此时原有的安全隔离线在图像上的位置相应的发生了变化，触发危险区域检测模块进行新场景的安全隔离带分割；S3、触发危险区域检测模块负责检测站台边沿黄色隔离带区域，首先将一张站台的图像作为输入，经过基础网络部分，进行下采样，得到特征图，其次为了能够得到准确的隔离带轮廓区域，对特征图进行上采样，恢复至原图的大小，从而得到目标的像素级轮廓；S4、由于S3中得到的隔离带轮廓只是在图像上表现为像素，并没有结构化成隔离带边界线，同时为了降低噪声点对直线提取的干扰，采用霍夫变换拟合隔离带的边界线；S5、通常情况下，一个摄像头只关注安装位置最近的一个站台，因此为了提高站台行人越线的准确率，根据S4中得到的边界线，过滤远处的隔离带，根据摄像机成像原理，隔离带的两条平行线在图像上被投影成了两条相交的直线，不管摄像机如何转动，摄像机下放的隔离带始终在图像上具有斜率最大的特点，因此利用该特性，过滤远处站台的隔离带直线，将过滤后的两条直线封闭，从而最终得到安全隔离带的完整区域；S6、通过行人检测跟踪模块负责站台上火车、行人等目标的检测及跟踪，首先检测轨道上是否有火车，如果存在火车，利用火车的跟踪轨迹判断是否处于运动状态；S7、根据S6中得到的火车及行人运动轨迹，判断是否有行人从站台其它区域进入S5中得到的隔离带区域，如果行人进入区域持续一定帧数，即将相关告警信息发送至告警模块；S8、将S7中发出的告警信息进行汇总，并进行相关的告警提示，并通过检测结果输出模块输出最终的检测结果，本发明利用实例分割模型提取站台边具有明显颜色特征的隔离带，实现摄像机场景内自动划设区域，当自动划设完区域后，检测算法检测站台旅客，靠近轨道区域及轨道区域内是否有人，如监测有旅客越过安全隔离线，系统将输出相应的报警信号，与现有技术相比，本发明针对站台摄像机随时移动的情况，自动检测划线区域，减少人工干预，具有场景自适应，快速检测等优点。
附图说明
图1为本发明系统的结构原理框图；
图2为本发明站台行人越线检测方法的流程图。
图中：1-视频图像采集模块、2-检测单元、21-摄像头位置判断模块、22-危险区域检测模块、23-行人检测跟踪模块、3-检测结果输出模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
请参阅图1-2，本发明实施例提供一种技术方案：一种基于自动划线区域的站台行人越线检测方法，本发明利用实例分割模型提取站台边具有明显颜色特征的隔离带，实现摄像机场景内自动划设区域，当自动划设完区域后，检测算法检测站台旅客，靠近轨道区域及轨道区域内是否有人，如监测有旅客越过安全隔离线，系统将输出相应的报警信号，与现有技术相比，本发明针对站台摄像机随时移动的情况，自动检测划线区域，减少人工干预，具有场景自适应，快速检测等优点，具体包括以下步骤：
S1、通过视频图像采集模块1从摄像头采集系统获得视频流，并将得到的视频流进行解码，读取视频帧，依次输出到摄像头位置判断模块21中；
S2、在检测单元2内部的摄像头位置判断模块21中负责读取摄像头当前PTZ位姿信息、焦距信息等，并与上一时期的摄像机信息进行比对，当任意一个信息发生变化时，表示摄像机场景发生了变化，此时原有的安全隔离线在图像上的位置相应的发生了变化，触发危险区域检测模块22进行新场景的安全隔离带分割；
S3、触发危险区域检测模块22负责检测站台边沿黄色隔离带区域，首先将一张站台的图像作为输入，经过基础网络部分，进行下采样，得到特征图，其次为了能够得到准确的隔离带轮廓区域，对特征图进行上采样，恢复至原图的大小，从而得到目标的像素级轮廓；
S4、由于S3中得到的隔离带轮廓只是在图像上表现为像素，并没有结构化成隔离带边界线，同时为了降低噪声点对直线提取的干扰，采用霍夫变换拟合隔离带的边界线；
S5、通常情况下，一个摄像头只关注安装位置最近的一个站台，因此为了提高站台行人越线的准确率，根据S4中得到的边界线，过滤远处的隔离带，根据摄像机成像原理，隔离带的两条平行线在图像上被投影成了两条相交的直线，不管摄像机如何转动，摄像机下放的隔离带始终在图像上具有斜率最大的特点，因此利用该特性，过滤远处站台的隔离带直线，将过滤后的两条直线封闭，从而最终得到安全隔离带的完整区域；
S6、通过行人检测跟踪模块23负责站台上火车、行人等目标的检测及跟踪，首先检测轨道上是否有火车，如果存在火车，利用火车的跟踪轨迹判断是否处于运动状态，行人检测跟踪模块23负责检测跟踪画面帧中的行人位置和ID信息；
S7、根据S6中得到的火车及行人运动轨迹，判断是否有行人从站台其它区域进入S5中得到的隔离带区域，如果行人进入区域持续一定帧数，即将相关告警信息发送至告警模块；
S8、将S7中发出的告警信息进行汇总，并进行相关的告警提示，并通过检测结果输出模块3输出最终的检测结果。
本发明中，步骤S1中的视频图像采集模块1的输出端通过导线与检测单元2的输入端电性连接。
本发明中，步骤S2中的检测单元2包括摄像头位置判断模块21、危险区域检测模块22和行人检测跟踪模块23。
本发明中，步骤S8中的检测结果输出模块3通过导线与检测单元2的输出端电性连接。
本发明中，步骤S6中的运动状态是指进站和出站。
本发明中，步骤S3中在现实场景中，隔离带是由两条平行线构成的，平行线之间填充了颜色显著的地砖，典型的如黄色警示，因此利用安全隔离带具有颜色显著的特点，采用实例分割的方法提取区域。
本发明中，步骤S2中三个方向的姿态有一个轴向发生了位移，表示摄像机镜头发生了旋转，诸如此类的场景变化都表示摄像机镜头发生了移动。
本发明中，步骤S1中的摄像头采用的是模拟摄像机或数字摄像机中其中的一种，模拟摄像机输出的是模拟视频信号，通过编码器可以将视频采集设备产生的模拟视频信号转换成数字信号，进而将其储存在计算机里，模拟摄像机捕捉到的视频信号必须经过特定的视频捕捉卡将模拟信号转换成数字模式，并加以压缩后才可以转换到计算机上运用。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于自动划线区域的站台行人越线检测方法，其特征在于：具体包括以下步骤：
S1、通过视频图像采集模块从摄像头采集系统获得视频流，并将得到的视频流进行解码，读取视频帧，依次输出到摄像头位置判断模块中；
S2、在检测单元内部的摄像头位置判断模块中负责读取摄像头当前PTZ位姿信息、焦距信息，并与上一时期的摄像机信息进行比对，当任意一个信息发生变化时，表示摄像机场景发生了变化，此时原有的安全隔离线在图像上的位置相应的发生了变化，触发危险区域检测模块进行新场景的安全隔离带分割；
S3、触发危险区域检测模块负责检测站台边沿黄色隔离带区域，首先将一张站台的图像作为输入，经过基础网络部分，进行下采样，得到特征图，其次为了能够得到准确的隔离带轮廓区域，对特征图进行上采样，恢复至原图的大小，从而得到目标的像素级轮廓；
S4、由于S3中得到的隔离带轮廓只是在图像上表现为像素，并没有结构化成隔离带边界线，同时为了降低噪声点对直线提取的干扰，采用霍夫变换拟合隔离带的边界线；
S5、一个摄像头只关注安装位置最近的一个站台，因此为了提高站台行人越线的准确率，根据S4中得到的边界线，过滤隔离带，根据摄像机成像原理，隔离带的两条平行线在图像上被投影成了两条相交的直线，不管摄像机如何转动，摄像机下放的隔离带始终在图像上具有斜率最大的特点，因此利用该特性，过滤远处站台的隔离带直线，将过滤后的两条直线封闭，从而最终得到安全隔离带的完整区域；
S6、通过行人检测跟踪模块负责站台上火车、行人目标的检测及跟踪，首先检测轨道上是否有火车，如果存在火车，利用火车的跟踪轨迹判断是否处于运动状态；
S7、根据S6中得到的火车及行人运动轨迹，判断是否有行人从站台其它区域进入S5中得到的隔离带区域，如果行人进入区域持续一定帧数，即将相关告警信息发送至告警模块；
S8、将S7中发出的告警信息进行汇总，并进行相关的告警提示，并通过检测结果输出模块输出最终的检测结果。
2.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S1中的视频图像采集模块的输出端通过导线与检测单元的输入端电性连接。
3.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S2中的检测单元包括摄像头位置判断模块、危险区域检测模块和行人检测跟踪模块。
4.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S8中的检测结果输出模块通过导线与检测单元的输出端电性连接。
5.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S6中的运动状态是指进站和出站。
6.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S3中在现实场景中，隔离带是由两条平行线构成的，平行线之间填充了颜色显著的地砖，典型的如黄色警示，因此利用安全隔离带具有颜色显著的特点，采用实例分割的方法提取区域。
7.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S2中三个方向的姿态有一个轴向发生了位移，表示摄像机镜头发生了旋转，诸如此类的场景变化都表示摄像机镜头发生了移动。
8.根据权利要求1所述的一种基于自动划线区域的站台行人越线检测方法，其特征在于：所述步骤S1中的摄像头采用的是模拟摄像机或数字摄像机中其中的一种。
CN202010623884.1A 2020-07-03 2020-07-03 一种基于自动划线区域的站台行人越线检测方法 Active CN111738203B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010623884.1A CN111738203B (zh) 2020-07-03 2020-07-03 一种基于自动划线区域的站台行人越线检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010623884.1A CN111738203B (zh) 2020-07-03 2020-07-03 一种基于自动划线区域的站台行人越线检测方法

Publications (2)

Publication Number Publication Date
CN111738203A CN111738203A (zh) 2020-10-02
CN111738203B true CN111738203B (zh) 2024-03-19

Family

ID=72652351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010623884.1A Active CN111738203B (zh) 2020-07-03 2020-07-03 一种基于自动划线区域的站台行人越线检测方法

Country Status (1)

Country Link
CN (1) CN111738203B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112706835B (zh) * 2021-01-07 2022-04-19 济南北方交通工程咨询监理有限公司 一种基于图像导航的高速路无人驾驶划线方法
CN113034866A (zh) * 2021-03-01 2021-06-25 哈尔滨市科佳通用机电股份有限公司 铁路站台越线探测装置及越线监测方法
CN113610072B (zh) * 2021-10-11 2022-01-25 精英数智科技股份有限公司 一种基于计算机视觉的人员跨越皮带识别方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007089105A (ja) * 2005-09-20 2007-04-05 Ara Software:Kk 歩行監視システム
CN104036639A (zh) * 2014-06-20 2014-09-10 上海理工大学 交通流量统计方法
CN104392212A (zh) * 2014-11-14 2015-03-04 北京工业大学 一种基于视觉的道路信息检测及前方车辆识别方法
CN104978751A (zh) * 2015-06-16 2015-10-14 电子科技大学 基于摄像头角度的越界检测方法
CN105260719A (zh) * 2015-10-16 2016-01-20 南京工程学院 铁路站台越线检测方法
CN106982357A (zh) * 2017-04-11 2017-07-25 广州市奥威亚电子科技有限公司 一种基于分布云的智能拍摄系统
CN109686048A (zh) * 2019-01-02 2019-04-26 平安科技（深圳）有限公司 火车站台越线的预警方法、装置、计算机设备和存储介质
CN110175576A (zh) * 2019-05-29 2019-08-27 电子科技大学 一种结合激光点云数据的行驶车辆视觉检测方法
CN110532852A (zh) * 2019-07-09 2019-12-03 长沙理工大学 基于深度学习的地铁站行人异常事件检测方法
CN111192426A (zh) * 2020-01-14 2020-05-22 中兴飞流信息科技有限公司 基于拟人视觉图像分析视频巡航的铁路周界入侵检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007089105A (ja) * 2005-09-20 2007-04-05 Ara Software:Kk 歩行監視システム
CN104036639A (zh) * 2014-06-20 2014-09-10 上海理工大学 交通流量统计方法
CN104392212A (zh) * 2014-11-14 2015-03-04 北京工业大学 一种基于视觉的道路信息检测及前方车辆识别方法
CN104978751A (zh) * 2015-06-16 2015-10-14 电子科技大学 基于摄像头角度的越界检测方法
CN105260719A (zh) * 2015-10-16 2016-01-20 南京工程学院 铁路站台越线检测方法
CN106982357A (zh) * 2017-04-11 2017-07-25 广州市奥威亚电子科技有限公司 一种基于分布云的智能拍摄系统
CN109686048A (zh) * 2019-01-02 2019-04-26 平安科技（深圳）有限公司 火车站台越线的预警方法、装置、计算机设备和存储介质
CN110175576A (zh) * 2019-05-29 2019-08-27 电子科技大学 一种结合激光点云数据的行驶车辆视觉检测方法
CN110532852A (zh) * 2019-07-09 2019-12-03 长沙理工大学 基于深度学习的地铁站行人异常事件检测方法
CN111192426A (zh) * 2020-01-14 2020-05-22 中兴飞流信息科技有限公司 基于拟人视觉图像分析视频巡航的铁路周界入侵检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A novel approach to lane detection and tracking;Mirko Meuter等;2009 12th International IEEE Conference on Intelligent Transportation Systems;582-587 *
Video-Based Dynamic Stagger Measurement of Railway Overhead Power Lines Using Rotation-Invariant Feature Matching;Chul Jin Cho等;IEEE Transactions on Intelligent Transportation Systems;第16卷(第3期);1294 - 1304 *
一种基于自动划线区域的越线检测方法;马延生;电子技术;第49卷(第12期);30-31 *
基于视频的多目标运动人体行为识别;刘妍;中国优秀硕士学位论文全文数据库信息科技辑;I138-1107 *
智能视频异常行为监控系统的平台设计与实现;金葛亮等;中国优秀硕士学位论文全文数据库信息科技辑;I138-1016 *

Also Published As

Publication number Publication date
CN111738203A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111738203B (zh) 一种基于自动划线区域的站台行人越线检测方法
CN109878552B (zh) 基于机器视觉的轨道交通站台门与列车间异物监测装置
CN109688388B (zh) 一种使用隧道巡检机器人全方位实时监控的方法
CN105744232B (zh) 一种基于行为分析技术的输电线路视频防外破的方法
CN101964145A (zh) 一种自动车牌识别方法及其系统
US8233662B2 (en) Method and system for detecting signal color from a moving video platform
CN103366569B (zh) 实时抓拍交通违章车辆的方法及系统
CN105023439A (zh) 一种智能动态车牌识别报警系统
CN104157138A (zh) 一种城市道路视频监控系统
CN104157143B (zh) 违章停车检测系统及其检测方法
CN110298300A (zh) 一种检测车辆违章压线的方法
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
CN113205692B (zh) 一种路侧停车泊位异常变动的自动识别方法
CN106683400A (zh) 一种全景视频检测的交通路口车辆抓拍取证方法及系统
CN112381014A (zh) 一种基于城市道路的违停车辆检测及管理方法及系统
JP4087045B2 (ja) 列車有無判定方法および装置と監視システム
US8229170B2 (en) Method and system for detecting a signal structure from a moving video platform
CN110084171B (zh) 一种地铁车顶异物检测装置及检测方法
JP5506537B2 (ja) 走行体に備えられた車側灯の検出方法、及びこの検出方法を用いて可動柵に備えられたドアの開閉を行う可動柵制御装置。
CN203812397U (zh) 一种城市道路视频监控系统
CN113011252B (zh) 轨道异物侵限检测系统及方法
CN103661491A (zh) 站台屏蔽门智能控制系统及方法
CN110796099A (zh) 一种车辆超限检测方法及装置
CN110944134A (zh) 基于计算机视觉的地铁屏蔽门和列车门间障碍物检测系统
JPH0268698A (ja) 車両検知方法および車両検知装置

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
GR01 Patent grant
GR01 Patent grant