CN114228794B - 一种ctc调度的自动化监控方法及设备 - Google Patents
一种ctc调度的自动化监控方法及设备 Download PDFInfo
- Publication number
- CN114228794B CN114228794B CN202111554536.4A CN202111554536A CN114228794B CN 114228794 B CN114228794 B CN 114228794B CN 202111554536 A CN202111554536 A CN 202111554536A CN 114228794 B CN114228794 B CN 114228794B
- Authority
- CN
- China
- Prior art keywords
- ctc
- image
- monitoring
- target
- abnormal
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 69
- 238000010191 image analysis Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 210000005266 circulating tumour cell Anatomy 0.000 description 142
- 238000003860 storage Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请公开了一种CTC调度的自动化监控方法及设备,应用于CTC调度的自动化监控系统,系统包括第一摄像头、调控中心,方法包括:确定预先放置在监控屏幕的对应位置的第一摄像头,通过第一摄像头对监控屏幕上的CTC图像进行采集;对CTC图像进行预处理,以对CTC图像进行图像分析;对预处理后的CTC图像进行图像分析,以根据图像像素确定CTC图像中的目标,并确定目标的显示信息;对目标进行自动监控,若监测到目标的显示信息为异常状态,则根据异常,判断CTC调度系统是否存在异常;若否,则通过调控中心进行报警。本申请通过对CTC监控屏幕进行图像拍摄,通过建模分析,完成对CTC系统信息的自动监控。
Description
技术领域
本申请涉及交通管理领域,尤其涉及一种CTC调度的自动化监控方法及设备。
背景技术
调度集中系统(Centralized Traffic Control,CTC)是运用远动技术,结合铁路运输而构成的遥控、遥信系统。CTC的大屏幕显示盘上设置有显示相关信息的信号灯,包括进路、信号机状态、车次号跟踪等信号指示灯。CTC的主要功能包括:列车运行监视、车次号自动跟踪、到发点自动采集、实际运行图自动生成、日班(阶段)计划的自动调整、调度命令的网络下达、车站行车日志自动生成,并实现车站信号设备的集中控制和列车进路的按图排路。此外,它还具有与RBC通信及状态显示、报警等功能。
随着我国铁路交通的迅速发展,铁路调车事故却频频发生,造成了惨重的生命、经济损失和严重的社会影响,其中最主要的原因就是调度员对CTC屏幕信息的人工误判。此外,由于铁路系统相关信息的特殊性,其系统数据需要进行严格的保密,目前市面上的现有技术不能够对CTC屏幕上的相关数据进行直接获取。因此,在不破坏CTC屏幕保密性的前提下,如何辅助调度员对CTC屏幕进行高效地自动监控成为亟待解决的问题。
发明内容
为了解决上述问题,本申请提出了一种CTC调度的自动化监控方法,应用于自动化监控系统,所述自动化监控系统用于监控CTC调度系统的显示画面,所述自动化监控系统包括第一摄像头、调控中心,所述方法包括:确定预先放置在监控屏幕的对应位置的第一摄像头,通过所述第一摄像头对所述监控屏幕上的CTC图像进行采集;对所述CTC图像进行预处理,以对所述CTC图像进行图像分析,所述预处理至少包括去干扰处理;对预处理后的所述CTC图像进行图像分析,以根据图像像素确定所述CTC图像中的目标,并确定所述目标的显示信息;对所述目标进行自动监控,若监测到所述目标的所述显示信息为异常状态,则根据所述异常,判断所述CTC调度系统是否存在异常;若否,则通过所述调控中心进行报警。
在一个示例中,判断所述CTC调度系统是否存在异常,具体包括:根据所述目标的所述显示信息的历史数据进行建模,得到检测模型;通过所述检测模型对所述目标的所述异常状态进行识别,根据预设的关联规则确认与所述目标具有关联关系的关联目标,并对所述关联目标的所述显示信息进行识别和判断;若所述关联目标的所述显示信息为正常状态,则判定所述CTC调度系统存在异常。
在一个示例中,所述方法还包括:确定出现所述异常状态对应的多个异常目标;根据所述多个异常目标中至少部分异常目标进行目标组合,以确认多种关联异常状态,并将所述关联异常状态输入所述检测模型,以对所述检测模型进行训练;通过训练后的所述检测模型对所述异常状态进行分析,以得到所述异常状态为所述关联异常状态的概率,并将所述概率与预先设定的阈值进行比较;若所述概率大于所述阈值,则判定所述CTC调度系统存在异常。
在一个示例中,所述方法还包括:通过所述检测模型对所述历史数据进行数据统计,以得到所述异常状态发生的频率;对所述频率进行数据分析,若所述频率符合线性关系,则判定所述CTC调度系统存在异常。
在一个示例中,对所述CTC图像进行预处理,所述预处理至少包括去干扰处理,具体包括:通过所述第一摄像头获取所述监控屏幕的第一图像,根据所述第一图像,通过预先设定的特征提取网络确认第一CTC屏幕模板图;根据所述第一CTC屏幕模板图和预先设定的图片处理网络,确认第二图像,并确认所述第二图像的显示色度值;根据所述显示色度值对所述第一CTC屏幕模板图的色度值进行调整,以获得第二CTC系统模板图。
在一个示例中,确定预先放置在监控屏幕的对应位置的第一摄像头,通过所述第一摄像头对所述监控屏幕上的CTC图像进行采集,具体包括:确定所述监控屏幕的数量,并确定多个所述监控屏幕对应位置的多个所述第一摄像头,通过所述多个第一摄像头对所述多个监控屏幕上的所述CTC图像进行采集;将采集的所述多个监控屏幕对应的多个所述CTC图像分别进行图像分析,确认所述多个监控屏幕上对应的多组所述显示信息,确认所述多个监控屏幕之间的屏幕关联关系,根据所述屏幕关联关系对所述多组显示信息进行自动监控。
在一个示例中,所述CTC调度的自动化监控系统还包括第二摄像头,所述方法还包括:确定预先放置在调度员的对应位置的第二摄像头,通过所述第二摄像头对所述调度员所处环境的环境图像进行采集;对所述环境图像进行图像分析,以对所述调度员的所述所处环境对所述CTC图像的干扰因素进行预估,以得到环境预估结果,并根据所述环境预估结果对所述预处理的程序进行调整;通过所述第二摄像头对所述调度员的躯体图像进行采集,对所述躯体图像进行图像分析,以确定所述调度员的姿态信息和位置信息;根据所述姿态信息确定所述调度员是否对所述CTC图像的所述显示信息造成观察错漏,当所述显示信息出现异常,且根据所述姿态信息确定所述调度员未观察到对应的所述显示信息时,则确定所述调度员错漏所述显示信息,并向所述调度员进行报警;根据所述位置信息信息确定所述调度员是否对所述CTC图像的所述显示信息造成观察错漏,当所述显示信息出现异常,且根据所述位置信息确定所述调度员未处于所述监控屏幕前的位置时,则确定所述调度员错漏所述显示信息,并向所述调度员发送远程提示信息,所述远程提示信息的发送载体至少包括移动终端。
在一个示例中,对所述目标进行自动监控,具体包括:确定所述目标的显示属性,根据所述显示属性对所述目标的显示状态建立监控规则,根据所述监控规则对所述目标的所述显示信息进行自动监控,其中,所述显示属性包括列车运行状态、车次号、实际运行图、排班计划、调度命令、车站行车日志;确认多个所述目标之间的目标关联关系,根据所述目标关联关系对所述监控规则进行完善,根据完善后的所述监控规则对存在所述关联关系的所述多个目标进行自动监控。
在一个示例中,所述预处理还包括图像畸变矫正处理、失焦修复处理、不均匀消除处理;对所述CTC图像进行预处理,具体包括:对所述CTC图像进行所述畸变矫正处理,其中,所述畸变矫正处理包括透视畸变处理和镜头畸变处理,通过所述透视畸变处理对所述CTC图像中图形和字体的大小进行修复矫正,通过所述镜头畸变处理对所述CTC图像中的线条进行修复矫正;确定所述目标中的失焦像素,通过所述失焦修复处理对所述失焦像素进行修复,以对所述CTC图像的所述图像像素进行平衡;确定所述图像像素的暗度值,将所述暗度值与预先制定的暗度阈值比较,若所述暗度值小于所述暗度阈值,则通过所述不均匀消除处理对所述图像像素进行修复,以对所述CTC图像进行亮度均匀修复。
另一方面,本申请还提出了一种CTC调度的自动化监控设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种CTC调度的自动化监控设备能够执行如上述任意一个示例所述的方法。
本申请通过对CTC监控屏幕进行图像拍摄,有效解决了CTC系统的信息获取问题,并通过对CTC图像的图像分析,完成对CTC系统信息的自动监控,避免了人工对屏幕监控时可能发生的漏判、错判的情况。通过建模分析,确定了CTC系统中的警报显示的具体原因,有效解决了由于CTC系统本身异常引起的警报误判,避免了CTC系统异常对铁路系统监控的影响。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种CTC调度的自动化监控方法的流程示意图;
图2为本申请实施例中一种CTC调度的自动化监控设备的示意图。
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,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例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前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供的一种CTC调度的自动化监控方法,应用于CTC调度的自动化监控系统,所述CTC调度的自动化监控系统包括第一摄像头、调控中心,包括:
S101:确定预先放置在监控屏幕的对应位置的第一摄像头,通过所述第一摄像头对所述监控屏幕上的CTC图像进行采集。
在CTC系统监控屏幕前的对应位置设置了一个对着屏幕进行拍摄的摄像头(在此称为第一摄像头),该对应位置可以是监控屏幕的上下左右等能将该屏幕全部拍摄到的位置,且该对应位置不会对屏幕前调度员的视角造成阻挡。通过第一摄像头能够将CTC屏幕全部拍摄到,以对CTC监控屏幕上的画面进行采集,得到CTC图像。
S102:对所述CTC图像进行预处理,以对所述CTC图像进行图像分析,所述预处理至少包括去干扰处理。
将采集到的CTC图像进行预处理,该图像预处理为对CTC图像进行特征抽取、分割和匹配等图像分析前所进行的处理。其中,该预处理至少包括对CTC图像的去干扰处理,以以解决CTC图像存在反光、阴影等干扰的技术问题。
S103:对预处理后的所述CTC图像进行图像分析,以根据图像像素确定所述CTC图像中的目标,并确定所述目标的显示信息。
预处理完成后,对CTC图像进行图像分析。确定CTC图像的图像像素,根据该图像像素获取CTC图像的目标,该目标为CTC图像上包含显示信息的各小块区域图像,为该CTC图像的最小显示单位,例如:指示灯、显示屏、警报器等能够发出提示信息的目标。并确定各目标的显示信息,该显示信息为目标的显示状态及变化情况,例如:指示灯的亮灭、显示屏上的信息、警报器发出的警报等。
S104:对所述目标进行自动监控,若监测到所述目标的所述显示信息的状态异常,则通过所述调控中心进行报警,则根据所述异常,判断所述CTC调度系统是否存在异常;若否,则通过所述调控中心进行报警。
确定个目标后,利用预先在CTC系统中预存的监控程序,开始对目标进行自动监控。该监控程序至少包括监控规则,该监控规则为对目标显示信息的所有情况的判断规则。该CTC调度的自动化监控系统中设置有调控中心,能够实时获取对CTC屏幕的监控情况。若监测到目标的显示信息出现异常状态,在通过调控中心进行报警前,判断该异常状态是否是由于CTC系统异常而产生的,若不是则通过调控中心进行报警。
在一个实施例中,对监控屏幕上的显示信息进行监控时,判断显示信息是否发生变化,若该显示信息发生变化,则根据该显示信息的显示属性,确定该显示信息的变化是否为危险情况或异常情况。若该显示信息的变化为危险情况或异常情况,则发出异常情况报警,停止调控中心的声光报警,将报警异常整理为报警文件,并向调度员发送远程提示信息。
在一个实施例中,将以往CTC屏幕上的目标的显示信息进行收集,作为该目标的历史数据,利用这些历史数据进行建模,通过对初始模型进行反复训练,时初始模型产生正常显示状态的模板,从而得到目标的检测模型。将目标的显示状态输入该检测模型中,与检测模型中正常显示状态的模板进行比对,若比对不成功,则说明该目标当前的显示状态为异常状态。在本实施例中,CTC屏幕上的某个目标可能与其他目标之间的显示信息存在关联关系,其关联规则为铁路系统预先设定的,根据该关联规则找到与该目标具有关联关系的目标(在此称为关联目标),并对关联目标的显示信息进行识别,将该目标与其关联目标的显示信息一起进行判断。例如:某趟列车在进入某个站点时,对应的第一目标信号灯点亮;而另一趟列车驶离该站点时,对应的第二目标信号灯熄灭,正常状态下,第一目标信号灯点亮前,第二目标信号灯应该为熄灭状态,即第一目标信号灯与第二目标信号灯不能同时点亮。因此,在判断第一目标信号灯时,也需要对第二目标信号灯进行判断。若在确定该目标为异常状态的情况下,其关联目标的显示信息也为正常状态,则判定引起该异常状态的原因为CTC调度系统存在异常。例如:第一目标信号灯点亮时,第二目标信号灯仍为点亮状态,则判定CTC调度系统存在异常。
在一个实施例中,存在多个目标的异常状态。确定出现该异常状态对应的多个异常目标,上述多个异常目标中存在多种排列组合,取其中至少部分异常目标进行目标组合,重复上述步骤,以确认该多个异常目标中可能存在的多种关联异常状态,并将该关联异常状态输入检测模型,以对检测模型进行训练。将异常状态输入训练后的检测模型,通过训练后的检测模型对异常状态进行分析,以得到该异常状态为关联异常状态的概率。并将得到的概率与预先设定的阈值进行比较,以确定该异常状态是否为多个目标组合发生的异常状态。若概率大于所述阈值,则证明该异常状态是由多个目标组合发生的异常状态,即判定该CTC调度系统存在异常。
在一个实施例中,获取检测模型检测过的历史数据,并获取该历史数据对应的检测结果,对历史数据及其检测结果进行统计,从而得到该CTC调度系统的异常状态发生频率。对该频率进行数据分析,若该频率符合线性关系,则证明该异常状态的发送不是偶然性的,即判定该CTC调度系统存在异常
在一个实施例中,获取CTC屏幕的若干个CTC屏幕模板图,对CTC屏幕模板图中的待监控显示信息的位置及背景区域进行标注,并将CTC屏幕模板图存储于预设的样例数据库中。在将CTC屏幕模板图存储于预设的样例数据库之后,首先基于待监控显示信息的特征模型,在CTC屏幕模板图中进行匹配,以寻找与待监控显示信息特征模型相同的特征元素;其中,待监控显示信息特征模型包含待监控显示信息的色度值分布规律。在确定CTC屏幕模板图中存在与待监控显示信息特征模型相同的特征元素的情况下,确定CTC屏幕模板图中的该特征元素为待监控显示信息区域,并对该待监控显示信息区域进行标注。另外,确定CTC屏幕模板图中色度值为预设背景区域色度值的连续区域为CTC屏幕模板图中的背景区域;其中,连续区域为某一像素点及其预设范围的邻域内的像素点,色度值均为某一相同色度值的区域。需要说明的是,色度值的确认方法本申请实施例不做限定,可以基于现有确认色度值的任意一种技术手段进行确定。
将第一摄像头获取的第一图像输入到预设的特征提取网络,以确定第一图像对应的第一CTC屏幕模板图。样例数据库不仅用于存储CTC屏幕模板图,还用于存储样本图片。其中,样本图片是第一摄像头在不同拍摄环境下获取的CTC图像。在将样本图片存储在样例数据库之后,基于样本图片,对预设的特征提取算法进行训练,以得到收敛的特征提取网络。其中,收敛的特征提取网络,可以根据输入的样本图片准确无误的确定出该样本图片对应的CTC屏幕模板图。在需要对第一摄像头获取的第一图像进行去干扰的情况下,将外部摄像设备获取的第一图像输入到训练收敛的特征提取网络,以确定第一图像对应的第一CTC屏幕模板图。
基于第一CTC屏幕模板图及预设的图片处理网络,对第一图像进行透视变换,以及对第一图像进行色度值调整,以获得第二图像。在基于特征提取网络,确定第一图像对应的第一CTC屏幕模板图之后,首先通过预设的图片处理网络,对第一图像进行透视变换,以使第一图像与第一CTC屏幕模板图包含的CTC系统信息相同,即在对第一图像进行透视变换后,使获得的透视变换图像与第一CTC屏幕模板图尺寸相同,透视变换图像中的特征与第一CTC屏幕模板图中相应的特征显示位置相同,以使透视变换图像与第一CTC屏幕模板图方便进行对照。具体地,图片处理网络首先对第一CTC屏幕模板图进行解析,以确定第一CTC屏幕模板图的图像边缘特征及第一CTC屏幕模板图的尺寸。然后,基于获取的第一CTC屏幕模板图的图像边缘特征,在第一图像中确定与该图像边缘特征相同的特征元素,从而在第一图像中确定对应的待变换图像区域。在确定第一图像中的待变换图像区域之后,对该待变换图像区域进行截取,然后,将该待变换图像区域进行透视变换,以使待变换图像区域变换为与第一CTC屏幕模板图包含的CTC系统信息相同的透视变换图像。
确定第二图像中待监控显示信息的位置及显示色度值,并基于显示色度值调整第一CTC屏幕模板图中的待监控显示信息的色度值,以获得第二CTC屏幕模板图。为避免各CTC图像之间的细节差异从而影响对CTC图像的分析效率,本申请实施例在基于第一CTC屏幕模板图及预设的图片处理网络,对第一图像进行透视变换以及色度值调整,获得第二图像之后,首先基于第一CTC屏幕模板图中标注的待监控显示信息的位置,将第一CTC屏幕模板图与第二图像进行对照,以确定第二图像中待监控显示信息的位置。然后,提取第二图像中待监控显示信息的显示色度值,将第一CTC屏幕模板图中待监控显示信息的色度值调整为对应的显示色度值,以获得无干扰且除了信号灯颜色外其他细节均与第一CTC屏幕模板图相同的第二CTC屏幕模板图,从而避免了CTC图像中的干扰。
在一个实施例中,在预处理过程中,包括对所述CTC图像进行畸变矫正处理。其中,该畸变矫正处理包括透视畸变处理和镜头畸变处理,通过该透视畸变处理对CTC图像中图形和字体的大小进行修复矫正。通过该镜头畸变处理对CTC图像中的畸变系数进行调整,以对CTC图像的线条进行修复矫正。该预处理过程还包括失焦修复处理,确定CTC图像的目标中的失焦像素,对图像的横向和纵向,分别做差分,通过累计差分判断是否为失焦像素。通过对该失焦像素进行修复,以对CTC图像的图像像素进行平衡。其修复范围包括去模糊处理、高斯模糊处理和失焦模糊处理。该预处理过程还包括不均匀消除处理,确CTC图像像素的暗度值,将该暗度值与预先制定的暗度阈值比较,若暗度值小于暗度阈值,则通过对图像像素的暗度值进行调整,以对所述CTC图像进行亮度均匀修复。
在一个实施例中,CTC系统包含多个监控屏幕。确定所有监控屏幕的数量,并确定所有监控屏幕对应的第一摄像头的数量和连接,通过多个第一摄像头对多个监控屏幕上的CTC图像进行采集。将采集的多个监控屏幕对应的多个CTC图像分别进行图像分析,获得多个监控屏幕上对应的多组显示信息。此外,CTC系统中的多个监控屏幕之间的显示信息具有关联关系,例如:通过两个监控屏幕显示两辆列车的路线图,其中两辆列车路线之间的有相同的停靠站点。确认多个监控屏幕之间的屏幕关联关系,根据该屏幕关联关系对多组显示信息进行自动监控。
在一个实施例中,通过调度员对监控屏幕的人工监控,容易对监控屏幕上显示信息造成的漏判和误判。为了减少上述情况的发送,在对着调度员的方向设置有摄像头(在此称为第二摄像头)。通过第二摄像头对调度员及其所述环境的图像进行采集。对调度员的所处环境图像进行图像分析,以对调度员在该所处环境中,对CTC图像的显示信息判断的干扰因素进行预估,得到环境预估结果。根据该环境预估结果对预处理的程序进行调整,例如:若调度员的所述环境偏暗,则在预处理阶段对CTC图像进行调亮。
在一个实施例中,第二摄像头还对调度员的躯体进行拍摄,得到该调度员的躯体图像。对该躯体图像进行图像分析,从而确定调度员的姿态信息和位置信息。利用调度员的姿态信息对调度员的注意力进行判断,从而判断调度员是否对CTC图像的显示信息造成观察错漏。该姿态信息包括头部偏移角度、瞳孔注视方向等。当显示信息出现异常,且根据姿态信息确定该调度员未观察到对应的显示信息时,向调度员进行报警,并获取调度员错漏的显示信息,将该显示信息通过移动设备发送给调度员。利用位置信息判断调度员是否在CTC屏幕前,从而判断调度员是否对CTC图像的显示信息造成观察错漏。当显示信息出现异常,且根据位置信息确定调度员未处于监控屏幕前的位置时,则确定调度员错漏显示信息,并向调度员发送远程提示信息,远程提示信息的发送载体至少包括移动终端。该远程提示信息包括错漏的显示信息、该显示信息的发出时间等。
在一个实施例中,CTC监控屏幕中各目标具有不同的显示属性,根据该显示属性对所有目标的显示状态建立监控规则,根据该监控规则对目标的显示信息进行自动监控,其中,显示属性至少包括列车运行状态、车次号、实际运行图、排班计划、调度命令、车站行车日志。此外,不同的目标之间还可能存在关联,例如:监控屏幕上的站点指示灯表示列车是否进站,行进指示灯表示列车是否在运行,当站点指示灯亮起时,表示该列车已进站,此时行进指示灯一定为熄灭状态。确认多个目标之间的目标关联关系,根据该目标关联关系对监控规则进行完善,根据完善后的监控规则对存在关联关系的多个目标进行自动监控。例如:对监控屏幕上的站点指示灯和行进指示灯进行关联监控,在检测到站点指示灯亮起时,对行进指示灯进行监控,若行进指示灯为点亮状态,则发出错误报警。
如图2所示,本申请实施例还提供了一种CTC调度的自动化监控设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种CTC调度的自动化监控设备能够执行如上述任意一个实施例所述的方法。
本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:如上述任意一个实施例所述的方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种CTC调度的自动化监控方法,其特征在于,应用于自动化监控系统,所述自动化监控系统用于监控CTC调度系统的显示画面,所述自动化监控系统包括第一摄像头、调控中心,所述方法包括:
确定预先放置在监控屏幕的对应位置的第一摄像头,通过所述第一摄像头对所述监控屏幕上的CTC图像进行采集;
对所述CTC图像进行预处理,以对所述CTC图像进行图像分析,所述预处理至少包括去干扰处理;
对预处理后的所述CTC图像进行图像分析,以根据图像像素确定所述CTC图像中的目标,并确定所述目标的显示信息;
对所述目标进行自动监控,若监测到所述目标的所述显示信息为异常状态,则根据所述异常,判断所述CTC调度系统是否存在异常;
若否,则通过所述调控中心进行报警;
其中,根据所述目标的所述显示信息的历史数据进行建模,得到检测模型;
通过所述检测模型对所述目标的所述异常状态进行识别,根据预设的关联规则确认与所述目标具有关联关系的关联目标,并对所述关联目标的所述显示信息进行识别和判断;
若所述关联目标的所述显示信息为正常状态,则判定所述CTC调度系统存在异常。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定出现所述异常状态对应的多个异常目标;
根据所述多个异常目标中至少部分异常目标进行目标组合,以确认多种关联异常状态,并将所述关联异常状态输入所述检测模型,以对所述检测模型进行训练;
通过训练后的所述检测模型对所述异常状态进行分析,以得到所述异常状态为所述关联异常状态的概率,并将所述概率与预先设定的阈值进行比较;
若所述概率大于所述阈值,则判定所述CTC调度系统存在异常。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述检测模型对所述历史数据进行数据统计,以得到所述异常状态发生的频率;
对所述频率进行数据分析,若所述频率符合线性关系,则判定所述CTC调度系统存在异常。
4.根据权利要求1所述的方法,其特征在于,对所述CTC图像进行预处理,所述预处理至少包括去干扰处理,具体包括:
通过所述第一摄像头获取所述监控屏幕的第一图像,根据所述第一图像,通过预先设定的特征提取网络确认第一CTC屏幕模板图;
根据所述第一CTC屏幕模板图和预先设定的图片处理网络,确认第二图像,并确认所述第二图像的显示色度值;
根据所述显示色度值对所述第一CTC屏幕模板图的色度值进行调整,以获得第二CTC系统模板图。
5.根据权利要求1所述的方法,其特征在于,确定预先放置在监控屏幕的对应位置的第一摄像头,通过所述第一摄像头对所述监控屏幕上的CTC图像进行采集,具体包括:
确定所述监控屏幕的数量,并确定多个所述监控屏幕对应位置的多个所述第一摄像头,通过所述多个第一摄像头对所述多个监控屏幕上的所述CTC图像进行采集;
将采集的所述多个监控屏幕对应的多个所述CTC图像分别进行图像分析,确认所述多个监控屏幕上对应的多组所述显示信息,确认所述多个监控屏幕之间的屏幕关联关系,根据所述屏幕关联关系对所述多组显示信息进行自动监控。
6.根据权利要求1所述的方法,其特征在于,所述CTC调度的自动化监控系统还包括第二摄像头,所述方法还包括:
确定预先放置在调度员的对应位置的第二摄像头,通过所述第二摄像头对所述调度员所处环境的环境图像进行采集;
对所述环境图像进行图像分析,以对所述调度员的所述所处环境对所述CTC图像的干扰因素进行预估,以得到环境预估结果,并根据所述环境预估结果对所述预处理的程序进行调整;
通过所述第二摄像头对所述调度员的躯体图像进行采集,对所述躯体图像进行图像分析,以确定所述调度员的姿态信息和位置信息;
根据所述姿态信息确定所述调度员是否对所述CTC图像的所述显示信息造成观察错漏,当所述显示信息出现异常,且根据所述姿态信息确定所述调度员未观察到对应的所述显示信息时,则确定所述调度员错漏所述显示信息,并向所述调度员进行报警;
根据所述位置信息信息确定所述调度员是否对所述CTC图像的所述显示信息造成观察错漏,当所述显示信息出现异常,且根据所述位置信息确定所述调度员未处于所述监控屏幕前的位置时,则确定所述调度员错漏所述显示信息,并向所述调度员发送远程提示信息,所述远程提示信息的发送载体至少包括移动终端。
7.根据权利要求1所述的方法,其特征在于,对所述目标进行自动监控,具体包括:
确定所述目标的显示属性,根据所述显示属性对所述目标的显示状态建立监控规则,根据所述监控规则对所述目标的所述显示信息进行自动监控,其中,所述显示属性包括列车运行状态、车次号、实际运行图、排班计划、调度命令、车站行车日志;
确认多个所述目标之间的目标关联关系,根据所述目标关联关系对所述监控规则进行完善,根据完善后的所述监控规则对存在所述关联关系的所述多个目标进行自动监控。
8.根据权利要求1所述的方法,其特征在于,所述预处理还包括图像畸变矫正处理、失焦修复处理、不均匀消除处理;
对所述CTC图像进行预处理,具体包括:
对所述CTC图像进行所述畸变矫正处理,其中,所述畸变矫正处理包括透视畸变处理和镜头畸变处理,通过所述透视畸变处理对所述CTC图像中图形和字体的大小进行修复矫正,通过所述镜头畸变处理对所述CTC图像中的线条进行修复矫正;
确定所述目标中的失焦像素,通过所述失焦修复处理对所述失焦像素进行修复,以对所述CTC图像的所述图像像素进行平衡;
确定所述图像像素的暗度值,将所述暗度值与预先制定的暗度阈值比较,若所述暗度值小于所述暗度阈值,则通过所述不均匀消除处理对所述图像像素进行修复,以对所述CTC图像进行亮度均匀修复。
9.一种CTC调度的自动化监控设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种CTC调度的自动化监控设备能够执行如权利要求1-8中任意一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111554536.4A CN114228794B (zh) | 2021-12-17 | 2021-12-17 | 一种ctc调度的自动化监控方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111554536.4A CN114228794B (zh) | 2021-12-17 | 2021-12-17 | 一种ctc调度的自动化监控方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114228794A CN114228794A (zh) | 2022-03-25 |
CN114228794B true CN114228794B (zh) | 2023-09-22 |
Family
ID=80758476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111554536.4A Active CN114228794B (zh) | 2021-12-17 | 2021-12-17 | 一种ctc调度的自动化监控方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114228794B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105611248A (zh) * | 2015-12-25 | 2016-05-25 | 北京奇虎科技有限公司 | 基于摄像机的监控方法、装置及系统 |
CN108289203A (zh) * | 2018-02-02 | 2018-07-17 | 常州高清信息技术有限公司 | 一种用于轨道交通的视频监控系统 |
CN112069043A (zh) * | 2020-08-04 | 2020-12-11 | 北京捷通华声科技股份有限公司 | 一种终端设备状态检测方法、模型生成方法以及装置 |
CN112257604A (zh) * | 2020-10-23 | 2021-01-22 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN112509270A (zh) * | 2020-11-19 | 2021-03-16 | 北京城市轨道交通咨询有限公司 | 一种列车车厢的火灾监控联动方法、装置及系统 |
CN112585957A (zh) * | 2018-08-20 | 2021-03-30 | 株式会社音乐馆 | 车站监控系统及车站监控方法 |
CN113256924A (zh) * | 2020-02-12 | 2021-08-13 | 中车唐山机车车辆有限公司 | 一种轨道列车的监控系统,监控方法及监控装置 |
-
2021
- 2021-12-17 CN CN202111554536.4A patent/CN114228794B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105611248A (zh) * | 2015-12-25 | 2016-05-25 | 北京奇虎科技有限公司 | 基于摄像机的监控方法、装置及系统 |
WO2017107647A1 (zh) * | 2015-12-25 | 2017-06-29 | 北京奇虎科技有限公司 | 一种基于摄像机的监控方法、装置及系统 |
CN108289203A (zh) * | 2018-02-02 | 2018-07-17 | 常州高清信息技术有限公司 | 一种用于轨道交通的视频监控系统 |
CN112585957A (zh) * | 2018-08-20 | 2021-03-30 | 株式会社音乐馆 | 车站监控系统及车站监控方法 |
CN113256924A (zh) * | 2020-02-12 | 2021-08-13 | 中车唐山机车车辆有限公司 | 一种轨道列车的监控系统,监控方法及监控装置 |
CN112069043A (zh) * | 2020-08-04 | 2020-12-11 | 北京捷通华声科技股份有限公司 | 一种终端设备状态检测方法、模型生成方法以及装置 |
CN112257604A (zh) * | 2020-10-23 | 2021-01-22 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN112509270A (zh) * | 2020-11-19 | 2021-03-16 | 北京城市轨道交通咨询有限公司 | 一种列车车厢的火灾监控联动方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114228794A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380232B2 (en) | Display screen quality detection method, apparatus, electronic device and storage medium | |
KR102229594B1 (ko) | 디스플레이 스크린 품질 검출 방법, 장치, 전자기기 및 저장매체 | |
CN108683907B (zh) | 光学模组像素缺陷检测方法、装置及设备 | |
CN110769246B (zh) | 一种检测监控设备故障的方法、装置 | |
US20200380899A1 (en) | Method and apparatus for detecting peripheral circuit of display screen, electronic device, and storage medium | |
CN108921839A (zh) | 连铸坯质量检测方法、装置、电子设备及存储介质 | |
CN112364740B (zh) | 一种基于计算机视觉的无人机房监控方法及系统 | |
CN105092473A (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
CN104539899A (zh) | 一种利用视频信号对监控摄像头异常情况进行判别的方法 | |
CN105303573A (zh) | 金针类元件的引脚检测方法和系统 | |
CN112288716A (zh) | 一种钢卷打捆状态检测方法、系统、终端及介质 | |
CN115424008A (zh) | 一种激光投影仪产线调光聚焦检测方法及系统 | |
CN114228794B (zh) | 一种ctc调度的自动化监控方法及设备 | |
CN114332445A (zh) | 一种叠屏信息采集方法、设备及介质 | |
CN111353507B (zh) | 一种变电站器件表面油污的图像识别方法和装置 | |
CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
CN103389312A (zh) | 铜管检测系统 | |
CN114550129B (zh) | 一种基于数据集的机器学习模型处理方法和系统 | |
CN113938673B (zh) | 一种智慧城市监控管理方法 | |
US11508143B2 (en) | Automated salience assessment of pixel anomalies | |
CN114283413B (zh) | 一种巡检场景下数字仪表读数的识别方法与系统 | |
CN114120282A (zh) | 一种ctc系统拍摄图的去干扰方法、设备及存储介质 | |
CN115457034B (zh) | 一种类镜面工件表面的缺陷检测方法及装置 | |
CN112436889B (zh) | 一种自动调节光源发射功率的方法及装置 | |
CN114627114B (zh) | 产品缺陷严重程度测量方法及系统及装置及介质 |
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 |