CN112862740B - 一种地铁障碍物检测方法 - Google Patents

一种地铁障碍物检测方法 Download PDF

Info

Publication number
CN112862740B
CN112862740B CN201911193609.4A CN201911193609A CN112862740B CN 112862740 B CN112862740 B CN 112862740B CN 201911193609 A CN201911193609 A CN 201911193609A CN 112862740 B CN112862740 B CN 112862740B
Authority
CN
China
Prior art keywords
image
target area
subway
images
detection method
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
CN201911193609.4A
Other languages
English (en)
Other versions
CN112862740A (zh
Inventor
李京乐
钟亚林
邓道举
赵雷杰
杨莉
许小康
杨嘉炀
寿梦娜
孔菁菁
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.)
Ningbo Weco Optoelectronics Co ltd
Original Assignee
Ningbo Weco Optoelectronics 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 Ningbo Weco Optoelectronics Co ltd filed Critical Ningbo Weco Optoelectronics Co ltd
Priority to CN201911193609.4A priority Critical patent/CN112862740B/zh
Publication of CN112862740A publication Critical patent/CN112862740A/zh
Application granted granted Critical
Publication of CN112862740B publication Critical patent/CN112862740B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种地铁障碍物检测方法，包括以下步骤：S1、对多帧无障碍物的图像进行融合，得到底板图像；S2、采集摄像头拍摄的视频图像；S3、选取目标视频图像，进行裁剪，得到目标区域图像；S4、对目标区域图像进行预处理，得到处理后目标区域图像；S5、选取两个具有时间间隔的处理后目标区域图像，分别与底板图像进行融合，得到融合目标区域图像；S6、将两个融合目标区域图像进行对比；S7、根据对比结果，确定是否存在障碍物。通过将两个具有时间间隔的处理后目标区域图像分别与底板图像进行再融合，并对两个再融合后的图像进行对比，从而确定是否存在障碍物，提高了障碍物判断的准确率，从而保证了地铁的运行安全。

Description

一种地铁障碍物检测方法
技术领域
本发明涉及地铁技术领域，尤其是涉及一种地铁障碍物检测方法。
背景技术
目前，地铁已成为人们出行的重要交通工具，地铁的安全关系着成千上万人的生命安全与无数个家庭的幸福，对于地铁障碍物的检测是地铁安全运行的一个重中之重。
目前，对地铁障碍物的检测有多种方法，包括红外光幕法、激光探测法。红外光幕法由红外发射器、红外接收器、和主机组成，由于发射器发射的信号为红外光，光斑随着探测距离的增加逐渐增大，故不适于远距离检测。激光控制法与红外光幕法类似，针对曲线站台，设备数量增加后，误报率也相应增加，设备安装在列车与站台门之间，检测区域受限，虽然没有侵入列车限界，但超出站台的设备限界、对行车安全也存在较大隐患。
同时，由于地铁车门与站台门之间空隙具有距离远、光线暗等特点，而列车发车频率高、驾驶员各项操作时间有限，使得目前的人工检测存在较大的误检。
因此，设计一种准确率高的地铁障碍物的检测方法，是目前亟待解决的问题。
发明内容
本发明的目的是提供一种地铁障碍物检测方法，通过对无障碍物的图像进行融合，作为底板图像，选取视频图像中的目标视频图像进行预处理，得到处理后目标区域图像，将两个具有时间间隔的处理后目标区域图像分别与底板图像进行再融合，并对两个再融合后的图像进行对比，从而确定是否存在障碍物，提高了障碍物判断的准确率，从而保证地铁的运行安全。
本发明的上述发明目的通过以下技术方案得以实现：
一种地铁障碍物检测方法，包括以下步骤：
S1、对多帧无障碍物的图像进行融合，得到底板图像；
S2、采集摄像头拍摄的视频图像；
S3、选取目标视频图像，进行裁剪，得到目标区域图像；
S4、对目标区域图像进行预处理，得到处理后目标区域图像；
S5、选取两个具有时间间隔的处理后目标区域图像，分别与底板图像进行融合，得到融合目标区域图像；
S6、将两个融合目标区域图像进行对比；
S7、根据对比结果，确定是否存在障碍物。
本发明进一步设置为：步骤S1中，选取不同光线时的多帧无障碍物图像，对出现次数多的无障碍物图像设置小权重，对出现次数少的无障碍物图像设置大权重，进行融合。
本发明进一步设置为：步骤S4中，对目标区域图像进行预处理，包括以下步骤：
A1、对图像进行滤波；
A2、判断图像是否过暗，若是，进入下一步，若否，转A4；
A3、对图像进行增强处理；
A4、判断图像是否有雾，若是，进入下一步，若否，转A6；
A5、对图像进行去雾处理；
A6、预处理过程结束。
本发明进一步设置为：步骤A2中，判断是否过暗，选取目标区域中最暗的一个小区域，求所述小区域的亮暗，判断所述小区域是否过暗，如是，则对整个目标区域进行增强处理。
本发明进一步设置为：步骤A4中，判断是否有雾，包括以下步骤：
B1、求取暗原色图像，并将暗原色图像转化为单通道图像；
B2、求取单通道图像值的分布；
B3、统计图像中大于等于第一设定值的像素数值；
B4、判断像素数值是否大于等于第二设定值，若是，进入下一步，若否，转B6；
B5、有雾，进行去雾处理，转B7；
B6、无雾；
B7、结束。
本发明进一步设置为：步骤B1中，求取图像RGB三通道的最小值，选取三通道最小值中的最小值，以此做为暗原色设置暗原色图像。
本发明进一步设置为：步骤B3中，以设定系数与所有像素的积为第一设定值。
本发明进一步设置为：步骤S5中，选取地铁进站时的一帧图像与地铁关门后的一帧图像，进行预处理后的处理后目标区域图像，分别与底板图像进行融合。
本发明进一步设置为：步骤S6中，对融合目标区域图像进行分割，分别对不同的分割图片进行对比。
本发明进一步设置为：步骤S7中，采用基于sobel算子的模板匹配进行比对，判定是否存在障碍物。
与现有技术相比，本发明的有益技术效果为：
1.本申请通过对无障碍物的图像进行融合而生成底板图像，作为整个技术的标准图像，为后续图像处理提供了依据；
2.进一步地，本申请采用对图像最暗区域的判断得出图像是否过暗的结论后，从而决定是否对整个图像进行增加处理，减小了对整个图像进行判断的运算量，提高了检测速度。
3.进一步地，本申请采用对暗原色图像进行像素数值与设定值的比较，得出是否有雾的判断，并进行相应处理，使目标图像更清楚，提高了对障碍物判断的准确度。
4.进一步地，本申请通过对两个具有时间间隔的处理后图像，分别与底板图像的再次融合，通过再次融合后的图像的对比得出是否存在障碍物的结论，清除了光照条件对图像的影响，减小了误判的机率，提高了对障碍物判断的准确度。
附图说明
图1是本发明的一个具体实施例的地铁障碍物检测流程示意图；
图2是本发明的一个具体实施例的图像预处理流程示意图；
图3是本发明的一个具体实施例的判断是否有雾流程示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
具体实施例一
本发明的一种地铁障碍物检测方法，如图1所示，包括以下步骤：
S1、对多帧无障碍物的图像进行融合，得到底板图像；
S2、采集摄像头拍摄的视频图像；
S3、选取目标视频图像，进行裁剪，得到目标区域图像；
S4、对目标区域图像进行预处理，得到处理后目标区域图像；
S5、选取两个具有时间间隔的处理后目标区域图像，分别与底板图像进行融合，得到融合目标区域图像；
S6、将两个融合目标区域图像进行对比；
S7、根据对比结果，确定是否存在障碍物。
具体地，步骤S1中，选取不同光线无障碍物时的多帧无障碍物图像，对不同的无障碍物图像根据出现的频率设置权重，对出现次数多的无障碍物图像设置小权重数值，对出现次数少的无障碍物图像设置大权重数值，小权重数值与大权重数值的总和为1，进行融合后得到底板图像，作为后续处理的标准图像。
摄像头拍摄地铁的实时视频图像，选取包含有目标区域的目标视频图像，抽帧并对图像进行裁剪，得到目标区域图像。目标区域与底板图像的区域相同。
对目标区域图像进行预处理，包括检测目标区域图像是否存在过暗现象，图像是否有雾，并根据检测结果进行相应的工作。
如目标区域图像存在过暗现象，则需要对目标区域图像进行增强处理；如目标区域图像在拍摄时天空中有雾存在，则需要对目标区域图像进行去雾处理，使图像清楚，经过预处理过程，得到处理后目标区域图像。
选取地铁进站时的一帧图像与地铁关门后的一帧图像，这两帧图像之间存在时间间隔，对底板图像设置大权重数值，对进站时图像设置小权重数值，将进站时图像与底板图像按照权重设置进行融合，得到进站融合图像。同样地，对底板图像设置大权重数值，对关门后图像设置小权重数值，将关门后图像与底板图像按照权重设置进行融合，得到关门后融合图像。
融合处理克服了不同光照情况对图像的影响。
将到进站融合图像与关门后融合图像进行比对，比对后的结果，如果是两个图像的相似度高，则说明无障碍物存在，如果两个图像的相似度低，则说明有障碍物存在。
在本申请的一个具体实施例中，对两个图像进行比对时，将两个图像分成多个小块图像，然后对多个小块图像分别进行比对，在无障碍物存在时，两个小块图像是高度相似的，如果有障碍物存在，则两个小块图像的相似度就很低，分块处理能够障碍物的存在是否得到凸显。
在本申请的一个具体实施例中，步骤S7中，采用基于sobel算子的模板匹配进行比对，判定是否存在障碍物。
具体实施例二
本申请的对目标区域图像进行预处理，如图2所示，包括以下步骤：
A1、对图像进行滤波；
A2、判断图像是否过暗，若是，进入下一步，若否，转A4；
A3、对图像进行增强处理；
A4、判断图像是否有雾，若是，进入下一步，若否，转A6；
A5、对图像进行去雾处理；
A6、预处理过程结束。
具体地，对图像进行滤波，消除掉图像中存在的随机性信息。
将目标区域图像转化为灰度图，选取目标区域中最暗的一个小区域，求所述小区域的亮暗，判断所述小区域是否过暗，如是，则对整个目标区域进行增强处理，如果不是存在过暗，则不进行操作。
在本申请的一个具体实施例中，对视频图像进行RGB三通道分解，将绿色通道反色后作为系数值，分别与另外二个通道相乘，得到新图层；将新图层与原图做滤色混合，实现对图像的增强处理。
经过至少一次图层滤色操作，达到增强效果。
具体实施例二
本申请的判断是否有雾，如图3所示，包括以下步骤：
B1、求取暗原色图像，并将暗原色图像转化为单通道图像；
B2、求取单通道图像值的分布；
B3、统计图像中大于等于第一设定值的像素数值；
B4、判断像素数值是否大于等于第二设定值，若是，进入下一步，若否，转B6；
B5、有雾，进行去雾处理，转B7；
B6、无雾；
B7、结束。
具体地，步骤B1中，分别求取图像RGB三通道的最小值，选取三通道最小值中的最小值，以此做为暗原色设置暗原色图像。
将RGB三通道图像转化为灰度图，范围值为0-255，然后求0-255的每一个值在整个图像的一个分布。
设定第一设定值，对大于等于第一设定值的像素点归属于0，小于第一设定值的像素点归属于1，由下式表示：
Figure BDA0002294175340000081
式中，rk是0-255区间的第k个密度，也就是图像值的大小，H(rk)表示第k个密度在整个图像中的占比。n表示所有像素点，a1表示系数。h1(rk)表示对各个密度在大于等于第一设定值na1的像素点取值为0，对小于第一设定值na1的像素点取值为1。
对取值为0的像素进行统计，得到大于等于第一设定值的像素数量值，再将像素数量值与第二设定值进行对比，若像素数量值大于等于第二设定值时，判定为有雾；若像素数量值小于第二设定值时，判定为无雾。
优选地，a1的取值为0.03。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (10)

1.一种地铁障碍物检测方法，其特征在于：包括以下步骤：
S1、对多帧无障碍物的图像进行融合，得到底板图像；
S2、采集摄像头拍摄的视频图像；
S3、选取目标视频图像，进行裁剪，得到目标区域图像；
S4、对目标区域图像进行预处理，得到处理后目标区域图像；
S5、选取两个具有时间间隔的处理后目标区域图像，并分别设置小权重数值，对底板图像设置大权重数值，将处理后目标区域图像分别与底板图像按照权重设置进行融合，得到融合目标区域图像；
S6、将两个融合目标区域图像进行对比；
S7、根据对比结果，确定是否存在障碍物。
2.根据权利要求1所述的地铁障碍物检测方法，其特征在于：步骤S1中，选取不同光线时的多帧无障碍物图像，对出现次数多的无障碍物图像设置小权重，对出现次数少的无障碍物图像设置大权重，进行融合。
3.根据权利要求1所述的地铁障碍物检测方法，其特征在于：步骤S4中，对目标区域图像进行预处理，包括以下步骤：
A1、对图像进行滤波；
A2、判断图像是否过暗，若是，进入下一步，若否，转A4；
A3、对图像进行增强处理；
A4、判断图像是否有雾，若是，进入下一步，若否，转A6；
A5、对图像进行去雾处理；
A6、预处理过程结束。
4.根据权利要求3所述的地铁障碍物检测方法，其特征在于：步骤A2中，判断是否过暗，选取目标区域中最暗的一个小区域，求所述小区域的亮暗，判断所述小区域是否过暗，如是，则对整个目标区域进行增强处理。
5.根据权利要求3所述的地铁障碍物检测方法，其特征在于：步骤A4中，判断是否有雾，包括以下步骤：
B1、求取暗原色图像，并将暗原色图像转化为单通道图像；
B2、求取单通道图像值的分布；
B3、统计图像中大于等于第一设定值的像素数值；
B4、判断像素数值是否大于等于第二设定值，若是，进入下一步，若否，转B6；
B5、有雾，进行去雾处理，转B7；
B6、无雾；
B7、结束。
6.根据权利要求5所述的地铁障碍物检测方法，其特征在于：步骤B1中，求取图像RGB三通道的最小值，选取三通道最小值中的最小值，以此做为暗原色设置暗原色图像。
7.根据权利要求5所述的地铁障碍物检测方法，其特征在于：步骤B3中，以设定系数与所有像素的积为第一设定值。
8.根据权利要求1所述的地铁障碍物检测方法，其特征在于：步骤S5中，选取地铁进站时的一帧图像与地铁关门后的一帧图像，进行预处理后的处理后目标区域图像，分别与底板图像进行融合。
9.根据权利要求1所述的地铁障碍物检测方法，其特征在于：步骤S6中，对融合目标区域图像进行分割，分别对不同的分割图片进行对比。
10.根据权利要求1所述的地铁障碍物检测方法，其特征在于：步骤S7中，采用基于sobel算子的模板匹配进行比对，判定是否存在障碍物。
CN201911193609.4A 2019-11-28 2019-11-28 一种地铁障碍物检测方法 Active CN112862740B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911193609.4A CN112862740B (zh) 2019-11-28 2019-11-28 一种地铁障碍物检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911193609.4A CN112862740B (zh) 2019-11-28 2019-11-28 一种地铁障碍物检测方法

Publications (2)

Publication Number Publication Date
CN112862740A CN112862740A (zh) 2021-05-28
CN112862740B true CN112862740B (zh) 2022-07-19

Family

ID=75995764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911193609.4A Active CN112862740B (zh) 2019-11-28 2019-11-28 一种地铁障碍物检测方法

Country Status (1)

Country Link
CN (1) CN112862740B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729843A (zh) * 2017-10-18 2018-02-23 中国科学院沈阳自动化研究所 基于雷达与视觉信息融合的低地板有轨电车行人识别方法
CN108230365A (zh) * 2017-12-26 2018-06-29 西安理工大学 基于多源差异图像内容融合的sar图像变化检测方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100210745A1 (en) * 2002-09-09 2010-08-19 Reactive Surfaces, Ltd. Molecular Healing of Polymeric Materials, Coatings, Plastics, Elastomers, Composites, Laminates, Adhesives, and Sealants by Active Enzymes
EP2346398B1 (en) * 2008-10-23 2013-08-14 Koninklijke Philips Electronics N.V. Cardiac- and/or respiratory-gated image acquisition system for virtual anatomy enriched real-time 2d imaging in interventional radiofrequency ablation or pacemaker placement procedures
DE102014205180A1 (de) * 2014-03-20 2015-09-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
CN105946853B (zh) * 2016-04-28 2018-05-29 中山大学 基于多传感器融合的长距离自动泊车的系统及方法
CN107085842B (zh) * 2017-04-01 2020-04-10 上海讯陌通讯技术有限公司 自学习多路图像融合的实时矫正方法及系统
CN108198181B (zh) * 2018-01-23 2019-12-27 电子科技大学 一种基于区域分割和图像融合的红外热图像处理方法
CN109800699A (zh) * 2019-01-15 2019-05-24 珠海格力电器股份有限公司 图像识别方法、系统及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729843A (zh) * 2017-10-18 2018-02-23 中国科学院沈阳自动化研究所 基于雷达与视觉信息融合的低地板有轨电车行人识别方法
CN108230365A (zh) * 2017-12-26 2018-06-29 西安理工大学 基于多源差异图像内容融合的sar图像变化检测方法

Also Published As

Publication number Publication date
CN112862740A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN110261436B (zh) 基于红外热成像和计算机视觉的轨道故障检测方法及系统
WO2021088300A1 (zh) 一种基于非对称双流网络的rgb-d多模态融合人员检测方法
CN110516609B (zh) 一种基于图像多特征融合的火灾视频检测及预警方法
WO2022011828A1 (zh) 出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备
WO2020078229A1 (zh) 目标对象的识别方法和装置、存储介质、电子装置
CN108447219A (zh) 基于视频图像的火灾检测系统及方法
CN101030256B (zh) 车辆图像分割方法和装置
CN107944359A (zh) 基于视频的火焰检测方法
CN105744232A (zh) 一种基于行为分析技术的输电线路视频防外破的方法
CN111222478A (zh) 一种工地安全防护检测方法和系统
CN103927520A (zh) 一种逆光环境下人脸检测方法
CN112669497A (zh) 基于立体视觉技术的人行通道感知系统及方法
CN110348380B (zh) 一种可视化接地刀闸状态视频识别系统及方法
CN109447090B (zh) 一种屏蔽门障碍物检测方法及检测系统
CN115303901B (zh) 一种基于计算机视觉的电梯交通流量识别方法
CN114772208A (zh) 一种基于图像分割的非接触式皮带撕裂检测系统及方法
CN118038340B (zh) 基于视频图像的防尾随检测系统
CN112862740B (zh) 一种地铁障碍物检测方法
CN103177248A (zh) 一种基于视觉的快速行人检测方法
CN112699746A (zh) 一种对象检测方法、装置、设备及存储介质
WO2022267266A1 (zh) 一种基于视觉识别的列车控制方法及设备
EP1161081A2 (en) Automatic bright window detection
CN109325946A (zh) 一种危险化学品堆垛监测方法和系统
CN114940428B (zh) 一种基于tof图像的电梯保护方法及装置
CN114708544A (zh) 一种基于边缘计算的违规行为智能监测头盔及其监测方法

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
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 315800 No.1, building 1, 88 daqihulin Road, Beilun District, Ningbo City, Zhejiang Province

Patentee after: NINGBO WECO OPTOELECTRONICS CO.,LTD.

Address before: 315800 No.1, building 1, No.51 Longtanshan Road, Daqi, Beilun District, Ningbo City, Zhejiang Province

Patentee before: NINGBO WECO OPTOELECTRONICS CO.,LTD.