CN113762171A - 铁路施工现场安全监测的方法及装置 - Google Patents

Abstract

本申请涉及一种铁路施工现场安全监测的方法及装置，铁路施工现场安全监测的方法，包括：获取作业图像；将作业图像输入到预先构建的目标检测模型中，得到作业图像中作业人员的坐标信息和着装信息；对作业图像进行轨道边缘提取，确定轨道边缘信息，根据轨道边缘信息，确定作业图像中的安全区域；根据着装信息、坐标信息和安全区域，得到安全检测结果。如此，无需人工监护，通过预先构建目标检测模型和对作业图像中进行轨道边缘提取，就可以为作业现场中作业人员的安全提供检测依据，避免了人为监测过程中主观因素和外界因素对现场监测的干扰，大大提高了监测效率，进一步为现场施工人员的安全提供了保障。

Description

铁路施工现场安全监测的方法及装置

技术领域

本申请涉及铁路施工安全检测技术领域，具体涉及一种铁路施工现场安全监测的方法及装置。

背景技术

随着国家经济的高速发展，铁路线路的维护压力也越来越大，对现场施工人员的维护效率、质量和安全要求也越来越高。而由于现场施工人员需要在列车运行的间隙完成线路的维护，这就使得铁路运营维修具有了作业时间短、工作量大、作业区域人员密集的特点。如此，如何保障现场施工人员的安全尤为重要。

相关技术中，现有的铁路作业现场一般会安排专职的安全监督员对现场施工人员进行实时安全监护，同时也会以摄像头为辅助，记录更加完整的铁路作业实况。但安全监督员视野精力有限，很容易因作业高度较高、障碍物遮挡、通信信号不稳定等原因，不能提供及时的安全预警，无法为现场施工人员提供更加可靠的安全保障。

发明内容

有鉴于此，本申请的目的在于克服现有技术中利用人工监护的方式对铁路作业现场进行安全监测时，监测人员很容易受主观因素和外界因素的影响，无法为现场施工人员提供更加可靠的安全保障的技术问题，提供一种铁路施工现场安全监测的方法及装置。

为实现以上目的，本申请采用如下技术方案：

本申请的第一方面提供一种铁路施工现场安全监测的方法，包括：

获取作业图像；

将所述作业图像输入到预先构建的目标检测模型中，得到所述作业图像中作业人员的坐标信息和着装信息；

对所述作业图像进行轨道边缘提取，确定轨道边缘信息，根据所述轨道边缘信息，确定所述作业图像中的安全区域；

根据所述着装信息、所述坐标信息和所述安全区域，得到安全检测结果。

可选的，所述对所述作业图像进行轨道边缘提取，包括：

对所述作业图像进行切割，得到若干个分割图像；

对所述分割图像进行轨道边缘提取，得到对应的轨道边缘提取结果；

将若干个分割图像的轨道边缘提取结果进行合并，得到所述作业图像的轨道边缘信息。

可选的，所述对所述作业图像进行切割，包括：

对所述作业图像进行横向切割。

可选的，所述对所述分割图像进行轨道边缘提取，包括：

利用Hough变化进行直线轨道边缘提取。

可选的，所述根据所述着装信息、所述坐标信息和所述安全区域，得到安全检测结果，包括：

根据所述着装信息，得到作业人员的穿戴检测结果；

根据所述坐标信息和所述安全区域，得到作业人员的行为检测结果；

将所述穿戴检测结果和所述行为检测结果作为所述安全检测结果。

可选的，所述穿戴检测结果包括穿戴正常和穿戴异常；

所述得到安全检测结果之后，所述方法还包括：

在所述穿戴检测结果为穿戴异常时，发出第一告警信息。

可选的，所述行为检测结果包括行为正常和行为异常；

所述得到安全检测结果之后，所述方法还包括：

在所述行为检测结果为行为异常时，发出第二告警信息。

可选的，所述目标检测模型的构建方法包括：

获取训练数据集；

利用所述训练数据集对YOLOv3模型进行训练，得到所述目标检测模型。

本申请的第二方面提供一种铁路施工现场安全监测的装置，包括：

获取模块，用于获取作业图像；

检测模块，用于将所述作业图像输入到预先构建的目标检测模型中，得到所述作业图像中作业人员的坐标信息和着装信息；

确定模块，用于对所述作业图像进行轨道边缘提取，确定轨道边缘信息，根据所述轨道边缘信息，确定所述作业图像中的安全区域；

输出模块，用于根据所述着装信息、所述坐标信息和所述安全区域，得到安全检测结果。

本申请提供的技术方案可以包括以下有益效果：

本申请的方案中，预先构建了目标检测模型，基于此，在获取到作业现场的作业图像后，可以将作业图像输入到该目标检测模型中，得到作业图像中作业人员的坐标信息和着装信息。在得到作业人员的坐标信息和着装信息后，可以对作业图像进行轨道边缘提取，以获取到作业图像的轨道边缘信息，并利用轨道边缘信息来确定出作业图像中的安全区域，为检测作业人员是否处于安全区域内提供依据。根据着装信息、坐标信息和安全区域，就可以得到安全检测结果。如此，无需人工监护，通过预先构建目标检测模型和对作业图像中进行轨道边缘提取，就可以为作业现场中作业人员的安全提供检测依据，避免了人为监测过程中主观因素和外界因素对现场监测的干扰，大大提高了监测效率，进一步为现场施工人员的安全提供了保障。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一个实施例提供的一种铁路施工现场安全监测的方法的流程图。

图2是本申请另一个实施例提供的一种铁路施工现场安全监测的装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。

铁路运输在中国的交通运输网中有着极其重要的地位。因此，确保列车运行的通畅是极其重要的。随着我国经济不断发展，铁路线路的维护压力越来越大，对现场施工作业人员的维护效率、质量和安全要求也越来越高。具有作业时间短、工作量大、各种人员设备在较小的区域聚集等特点的短而密的“开天窗”作业模式已经成为铁路现场作业的主要模式，而在这种模式下，如何保障现场施工人员安全至关重要。

目前铁路作业现场一般会安排专职的安全监督员对作业人员进行实时安全监护，同时也会以摄像头为辅助，记录更加完整的铁路作业实况。但现场监护人员视野精力有限，容易因作业高度较高、障碍物遮挡、通信信号不稳定等原因，不能及时对作业人员发出安全警告。同时，现场安置的摄像头不具备智能识别能力，只能依赖云端服务器进行人工数据分析，事后分析，无法参与到实时作业人员安全监测活动中。因此，本申请的实施例提供一种铁路现场安全监测的方法，如图1所示，该方法至少可以包括如下步骤：

步骤11、获取作业图像。

实施时，可以在作业现场中以安全监督员的角度设置摄像头，利用摄像头获取到作业现场的作业图片，为后续对作业现场的安全监测提供检测依据。

步骤12、将作业图像输入到预先构建的目标检测模型中，得到作业图像中作业人员的坐标信息和着装信息。

步骤13、对作业图像进行轨道边缘提取，确定轨道边缘信息，根据轨道边缘信息，确定作业图像中的安全区域。

步骤14、根据着装信息、坐标信息和安全区域，得到安全检测结果。

本实施例中，预先构建了目标检测模型，基于此，在获取到作业现场的作业图像后，可以将作业图像输入到该目标检测模型中，得到作业图像中作业人员的坐标信息和着装信息。在得到作业人员的坐标信息和着装信息后，可以对作业图像进行轨道边缘提取，以获取到作业图像的轨道边缘信息，并利用轨道边缘信息来确定出作业图像中的安全区域，为检测作业人员是否处于安全区域内提供依据。根据着装信息、坐标信息和安全区域，就可以得到安全检测结果。如此，无需人工监护，通过预先构建目标检测模型和对作业图像中进行轨道边缘提取，就可以为作业现场中作业人员的安全提供检测依据，避免了人为监测过程中主观因素和外界因素对现场监测的干扰，大大提高了监测效率，进一步为现场施工人员的安全提供了保障。

具体实施时，可以在实际铁路现场作业区间布置摄像头，利用摄像头获取到作业现场的作业图片。在获取到作业图像后，就可以将作业图像输入到预先构建的目标检测模型中，利用目标检测模型对作业图像进行检测，从而获取到作业图像中作业人员的坐标信息和着装信息。

在获取到作业人员的坐标信息和着装信息后，为了对作业人员的坐标信息进行检测，还需要对作业图像中的安全区域进行确定。

具体的，在确定作业图像中的安全区域时，可以采用数学微分的思想，对作业图像进行切割，以得到若干个分割图像；继而针对每个分割图像，进行轨道边缘提取，得到对应的轨道边缘提取结果；最后，将若干个分割图像的轨道边缘提取结果进行合并，得到作业图像的轨道边缘信息。在得到作业图像的轨道边缘信息后，就可以根据确定的轨道边缘信息，确定出作业图像中的安全区域。

一些实施例中，在上述对作业图像进行切割时，可以对作业图像进行横向切割，从而获取到若干个分割图像。

其中，切割次数可以根据实际需求进行设置，此处不作限定。

一些实施例中，在对分割图像进行轨道边缘提取时，可以利用Hough变化进行直线轨道边缘提取。如此，同时对若干个分割图像进行轨道边缘提取，以减少单词轨道检测的时间，增强铁轨检测的普适性和速度。在提取到分段的轨道边缘后再将分段轨道进行合并，以获取到完整的作业图像中的轨道边缘信息，实现了高效快速的铁轨检测。

实际应用中，在获取到轨道边缘信息后，可以在作业图像中以实际铁轨宽度为依据，以铁轨最外侧边缘为基准进行左右扩大，获取到作业图像中的铁路现场作业安全区域。

在获取到安全区域后，就可以根据着装信息、坐标信息和安全区域，得到安全检测结果。具体实施时，可以根据着装信息，得到作业人员的穿戴检测结果；根据坐标信息和安全区域，得到作业人员的行为检测结果；如此，将穿戴检测结果和行为检测结果作为安全检测结果，可以实现对作业人员穿着和行为的检测。

一些实施例中，穿戴检测结果可以包括穿戴正常和穿戴异常。相应的，在得到安全检测结果之后，铁路施工现场安全监测的方法还可以包括：在穿戴检测结果为穿戴异常时，发出第一告警信息。例如，如果作业现场中有作业人员没有戴安全帽，则穿戴检测结果即为穿戴异常，那么，在检测到作业图像中作业人员穿戴异常时，就可以以语音提示的方式发出第一告警信息，以警告作业现场的作业人员存在穿戴异常，需要自查自身，并按照规定进行着装。其中，第一告警信息可以是语音信息，也可以是文字信息，等等。

同样的，行为检测结果可以包括行为正常和行为异常。相应的，在得到安全检测结果之后，铁路施工现场安全监测的方法还可以包括：在行为检测结果为行为异常时，发出第二告警信息。

具体实施时，在确定了安全区域和坐标信息后，就可以将坐标信息与安全区域进行比对，检测坐标信息是否处于安全区域内。如果坐标信息全部处于安全区域内，则当前作业人员行为正常。如果坐标信息没有全部处于安全区域内，则说明作业现场中存在作业人员处于危险区域内，即当前作业人员存在行为异常，此时，需要发出第二告警信息，以警示作业现场中的作业人员，避免危险事件发生。其中，第二告警信息可以是以语音信息，也可以是文字信息，还可以是其他方式的信息，等等。

一些实施例中，上述目标检测模型的构建方法可以包括：获取训练数据集；利用训练数据集对YOLOv3模型进行训练，得到目标检测模型。

具体实施时，可以通过集成摄像头的可移动式边缘智能装置采集作业现场视频图像数据，针对不同场景以及不同作业任务从10米、25米、50米、75米以及100米远处进行视频采集，要求铁轨、作业人员以及作业动作尽可能完整出现在镜头画面中，同时确定集成摄像头的可移动式边缘智能装置在直线铁轨部署间距为100米、在弯道铁轨部署间距为50米。继而通过人工将采集得到的视频数据统一裁剪并保存为1280像素x720像素尺寸的图像数据，并用矩形框标注待检测对象，制作成模型训练所需数据集，以得到训练数据集，为后续构建目标检测模型提供训练数据。

其中，在以人工的方式对视频数据进行预处理、图像标注中的场景选取以及待标注对象，是以铁路现场作业规范为依据，突出作业人员着装安全、作业区域安全和作业行为安全，将具有代表性的视频片段进行帧提取，以获得统一尺寸的图片数据，并依据预先设计好的标签库进行矩形框标注。

在构建模型时，可以利用Pytorch框架将图像中包含的形状特征、纹理特征、边缘信息进行提取，并将提取出的特征信息输入到深度神经网络，由深度神经网络计算模型参数，并输出基于图像的铁路现场作业人员结果。

具体实施时，构建模型可以采用YOLOv3网络，网络以Darknet53为特征提取主干结构，衔接特征金字塔FPN模块，用于融合不同尺寸的特征，最后通过三层Yolo-Head层输出模型预测结果。

在对模型进行训练时，可以将带标注的图片数据(训练数据集中的数据)输入到深度神经网络中进行预训练，通过每轮预测结果迭代优化模型参数，对类别不均衡的样本，进行分组抽样以平衡类别数量，利用平衡后的采样方式继续训练模型，通过高性能的计算加速卡辅助计算，直至模型参数收敛获得最优模型，最终得到目标检测模型。

基于相同的技术构思，本申请的实施例还提供一种铁路施工现场安全监测的装置，如图2所示，该装置可以包括：获取模块201，用于获取作业图像；检测模块202，用于将作业图像输入到预先构建的目标检测模型中，得到作业图像中作业人员的坐标信息和着装信息；确定模块203，用于对作业图像进行轨道边缘提取，确定轨道边缘信息，根据轨道边缘信息，确定作业图像中的安全区域；输出模块204，用于根据着装信息、坐标信息和安全区域，得到安全检测结果。

可选的，在对作业图像进行轨道边缘提取时，确定模块203，可以用于：对作业图像进行切割，得到若干个分割图像；对分割图像进行轨道边缘提取，得到对应的轨道边缘提取结果；将若干个分割图像的轨道边缘提取结果进行合并，得到作业图像的轨道边缘信息。

可选的，在对作业图像进行切割时，确定模块203，具体可以用于：对作业图像进行横向切割。

可选的，在对分割图像进行轨道边缘提取时，确定模块203，具体可以用于：利用Hough变化进行直线轨道边缘提取。

可选的，在根据着装信息、坐标信息和安全区域，得到安全检测结果时，输出模块204，具体可以用于：根据着装信息，得到作业人员的穿戴检测结果；根据坐标信息和安全区域，得到作业人员的行为检测结果；将穿戴检测结果和行为检测结果作为安全检测结果。

可选的，上述穿戴检测结果可以包括穿戴正常和穿戴异常；相应的，在得到安全检测结果之后，输出模块204，还可以用于：在穿戴检测结果为穿戴异常时，发出第一告警信息。

可选的，上述行为检测结果可以包括行为正常和行为异常；相应的，在得到安全检测结果之后，输出模块204，还可以用于：在行为检测结果为行为异常时，发出第二告警信息。

可选的，上述目标检测模型的构建方法可以包括：获取训练数据集；利用训练数据集对YOLOv3模型进行训练，得到目标检测模型。

实施时，本申请的实施例提供的铁路施工现场安全监测的装置的具体实现方式可以参考以上任意实施例所述的铁路施工现场安全监测的方法的具体实施方式，此处不再赘述。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种铁路施工现场安全监测的方法，其特征在于，包括：

获取作业图像；

将所述作业图像输入到预先构建的目标检测模型中，得到所述作业图像中作业人员的坐标信息和着装信息；

对所述作业图像进行轨道边缘提取，确定轨道边缘信息，根据所述轨道边缘信息，确定所述作业图像中的安全区域；

根据所述着装信息、所述坐标信息和所述安全区域，得到安全检测结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述作业图像进行轨道边缘提取，包括：

对所述作业图像进行切割，得到若干个分割图像；

对所述分割图像进行轨道边缘提取，得到对应的轨道边缘提取结果；

将若干个分割图像的轨道边缘提取结果进行合并，得到所述作业图像的轨道边缘信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述作业图像进行切割，包括：

对所述作业图像进行横向切割。

4.根据权利要求2所述的方法，其特征在于，所述对所述分割图像进行轨道边缘提取，包括：

利用Hough变化进行直线轨道边缘提取。

5.根据权利要求1所述的方法，其特征在于，所述根据所述着装信息、所述坐标信息和所述安全区域，得到安全检测结果，包括：

根据所述着装信息，得到作业人员的穿戴检测结果；

根据所述坐标信息和所述安全区域，得到作业人员的行为检测结果；

将所述穿戴检测结果和所述行为检测结果作为所述安全检测结果。

6.根据权利要求5所述的方法，其特征在于，所述穿戴检测结果包括穿戴正常和穿戴异常；

所述得到安全检测结果之后，所述方法还包括：

在所述穿戴检测结果为穿戴异常时，发出第一告警信息。

7.根据权利要求5所述的方法，其特征在于，所述行为检测结果包括行为正常和行为异常；

所述得到安全检测结果之后，所述方法还包括：

在所述行为检测结果为行为异常时，发出第二告警信息。

8.根据权利要求1所述的方法，其特征在于，所述目标检测模型的构建方法包括：

获取训练数据集；

利用所述训练数据集对YOLOv3模型进行训练，得到所述目标检测模型。

9.一种铁路施工现场安全监测的装置，其特征在于，包括：

获取模块，用于获取作业图像；

检测模块，用于将所述作业图像输入到预先构建的目标检测模型中，得到所述作业图像中作业人员的坐标信息和着装信息；

确定模块，用于对所述作业图像进行轨道边缘提取，确定轨道边缘信息，根据所述轨道边缘信息，确定所述作业图像中的安全区域；

输出模块，用于根据所述着装信息、所述坐标信息和所述安全区域，得到安全检测结果。

Images