CN114332774A - 一种基于物联网的站台监测系统 - Google Patents
一种基于物联网的站台监测系统 Download PDFInfo
- Publication number
- CN114332774A CN114332774A CN202210040472.4A CN202210040472A CN114332774A CN 114332774 A CN114332774 A CN 114332774A CN 202210040472 A CN202210040472 A CN 202210040472A CN 114332774 A CN114332774 A CN 114332774A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- platform
- model
- acquisition
- image
- 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.)
- Granted
Links
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于物联网的站台监测系统,属于地铁站台安全监测技术领域,包括监控模块、安全检测模块和服务器;所述监控模块用于建立地铁站台监控模型;所述安全检测模块用于对地铁站台进行安全检测,具体方法包括:获取原始采集图像和检测采集图像,设置分割单元,通过分割单元对检测采集图像和原始采集图像进行分割,获得检测图像和原始图像,以原始图像为基准,提出检测图像中的异物轮廓,并根据提取异物轮廓在检测图像中标记出异物轮廓的位置,建立识别安全模型,实现对地铁站台的全面监控,降低站台内发生安全事故的概率,尤其是避免因为乘客或乘客随身物品被夹在站台屏蔽门与地铁车门之间而产生的安全事故。
Description
技术领域
本发明属于地铁站台安全监测技术领域,具体是一种基于物联网的站台监测系统。
背景技术
地铁作为大城市的重要交通工具,缓解了城市交通压力,得到人们的一致好评。然而,由于大城市人口众多,地铁进站停车后进出车门人数较多,且地铁车门与安全门的防护措施不到位,导致夹卡、坠落等事故频繁发生,因此目前需要一种基于物联网的站台监测系统,用于解决当前地铁站台的安全监测问题。
发明内容
为了解决上述方案存在的问题,本发明提供了一种基于物联网的站台监测系统。
本发明的目的可以通过以下技术方案实现:
一种基于物联网的站台监测系统,包括监控模块、安全检测模块和服务器;
所述监控模块用于建立地铁站台监控模型;所述安全检测模块用于对地铁站台进行安全检测,具体方法包括:
获取原始采集图像和检测采集图像,设置分割单元,通过分割单元对检测采集图像和原始采集图像进行分割,获得检测图像和原始图像,以原始图像为基准,提出检测图像中的异物轮廓,并根据提取异物轮廓在检测图像中标记出异物轮廓的位置,建立识别安全模型,将标记后的检测图像和异物轮廓输入到识别安全模型中,获得识别安全结果,识别安全结果包括衣物不安全警报和安全信息;
当识别安全结果为安全信息时,不进行操作;当识别安全结果为衣物不安全警报时,获取检测图像对应的标号,控制对应站台屏蔽门发出报警信息,再将检测图像分别发送给站台管理人员和地铁驾驶人员,直到站台管理人员和地铁驾驶人员均确认安全后,停止对应屏蔽门发出报警信息。
进一步地,获取原始采集图像和检测采集图像的方法包括:
当地铁进站后,生成初始门间采集信号,将初始门间采集信号发送给站台监控模型,接收站台监控模型发送的初始门间采集数据;对门间采集数据进行处理,获得原始采集图像;
当地铁即将离站,站台屏蔽门和地铁车门均关闭时,生成检测门间采集信号,并将检测门间采集信号,发送给站台监控模型,接收站台监控模型发送的检测门间采集数据;对检测门间采集数据进行处理,获得检测采集图像。
进一步地,监控模块的工作方法包括:
获取地铁站台的建筑图,根据获取的建筑图建立站台模型,获取当前地铁站台的监控设备信息,将监控设备转化为三维模型,并设置在站台模型中的对应位置上,在站台模型中标记监控设备的监控区域,对标记的监控区域进行折减,将折减后的监控区域标记为真实监控区;识别站台模型中未被监控的区域,标记为真空区,获取补充监控设备的监控信息,根据获取的补充监控设备的监控信息设置补充设备监控模型,将补充设备监控模型设置在站台模型中,根据补充设备监控模型在站台模型中的安装位置,将补充监控设备安装在地铁站台中的对应位置上,将当前的站台模型标记为站台监控模型。
进一步地,对标记的监控区域进行折减的方法包括:
获取历史监控设备的监控数据,从历史监控数据中筛选出地铁到站时,人员上下车时的监控数据,标记为折减数据,基于图像识别技术,识别折减数据中站台屏蔽门的遮挡区域,将最大的遮挡区域标记为折减区域,将折减区域从监控区域中扣除,完成对监控区域的折减。
进一步地,设置补充设备监控模型的方法包括:
根据补充监控设备的监控信息中的采集范围识别采集边界,建立补充监控设备的三维模型,标记为监控初始模型,将识别的采集边界以射线的方式标记在监控初始模型中,将当前的监控初始模型标记为补充设备监控模型。
进一步地,将补充设备监控模型设置在站台模型中的方法包括:
根据补充设备监控模型的采集边界、采集清晰度要求和站台模型的高度设置补充设备监控模型的采集区间范围;识别各个真空区的面积,设置真空区分布图,建立布点模型,将真空区分布图和补充设备监控模型的采集区间范围输入到布点模型中,获得补充设备监控模型的安装位置,根据获得安装位置,将补充设备监控模型安装在站台模型中的对应位置上。
进一步地,站台监控模型的工作方法包括:
建立信号采集表,当接收到采集信号时,将接收到的采集信号输入到信号采集表中进行匹配,获得对应的采集区域,根据获取的采集区域控制对应的采集设备进行数据采集,并将采集的数据传输给发送对应采集信号的模块。
进一步地,还包括预警模块,预警模块用于在站台屏蔽门和地铁车门关闭的前N秒进行预警,具体预警方法包括:
在站台屏蔽门前设置预警装置,实时获取地铁的离站信息,在站台屏蔽门和地铁车门关闭的前M秒,生成预警采集信号,并将预警采集信号发送到站台监控模型,接收站台监控模型发送的预警采集数据;对预警采集数据进行识别,获取站台屏蔽门与站台警戒线内具有人员的屏蔽门标号,生成预警警告信号,将预警警告信号发送给对应标号的预警装置,预警装置发射出可见光幕,当站台屏蔽门关闭后,预警装置停止发射可见光幕。
与现有技术相比,本发明的有益效果是:实现对地铁站台的全面监控,降低站台内发生安全事故的概率,尤其是避免因为乘客或乘客随身物品被夹在站台屏蔽门与地铁车门之间而产生的安全事故;通过设置预警模块,更加方便乘客了解站台屏蔽门的关闭时间,解决仅有信号灯时乘客不能及时了解到站台屏蔽门关闭问题,使得预警信息更加的直观,同时方便站台管理人员对乘客上下车的引导。
附图说明
为了更清楚地说明本发明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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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。
如图1所示,一种基于物联网的站台监测系统,包括监控模块、安全检测模块、预警模块和服务器;
所述监控模块用于建立地铁站台监控模型,具体方法包括:
获取地铁站台的建筑图,根据获取的建筑图建立站台模型,获取当前地铁站台的监控设备信息,监控设备信息包括安装位置、监控区域、型号等信息,将监控设备转化为三维模型,并设置在站台模型中的对应位置上,在站台模型中标记监控设备的监控区域,对标记的监控区域进行折减,将折减后的监控区域标记为真实监控区;识别站台模型中未被监控的区域,标记为真空区,获取补充监控设备的监控信息,补充监控设备的监控信息包括型号、采集范围等信息,根据获取的补充监控设备的监控信息设置补充设备监控模型,将补充设备监控模型设置在站台模型中,根据补充设备监控模型在站台模型中的安装位置,将补充监控设备安装在地铁站台中的对应位置上,将当前的站台模型标记为站台监控模型。后续可以根据补充监控设备的监控数据进行补充监控设备安装位置的相应调整。站台监控模型是可以监控到地铁车门和站台屏蔽门之间位置的。
对标记的监控区域进行折减的方法包括:
获取历史监控设备的监控数据,从历史监控数据中筛选出地铁到站时,人员上下车时的监控数据,标记为折减数据,基于当前的图像识别技术,识别折减数据中站台屏蔽门的遮挡区域,将最大的遮挡区域标记为折减区域,将折减区域从监控区域中扣除,完成对监控区域的折减。
站台屏蔽门的遮挡区域指的是因为人员遮挡的原因,导致监控设备不能完全的采集到站台屏蔽门前的监控数据,而被遮挡的区域即为站台屏蔽门的遮挡区域。
因为监控设备的监控区域,在人流量较多时,将会极大的影响对站台屏蔽门前的数据采集,形成采集死角,具有较大的安全隐患,而通过对监控区域进行折减,了解到监控设备的真实监控区域,便于后续的设备补充,实现站台的全面数据采集。
根据获取的建筑图建立站台模型的方法包括:
在建筑图中设置站台采集区域,因为建筑图包含的区域是很大的,而本系统所监测的范围主要是针对进行上下车的站台区域,因此需要进行区域划分,将采集区域内的图纸通过现有的建模软件建立三维模型,将三维模型标记为站台模型。
设置补充设备监控模型的方法包括:
根据补充监控设备的监控信息中的采集范围识别采集边界,建立补充监控设备的三维模型,标记为监控初始模型,将识别的采集边界以射线的方式标记在监控初始模型中,即为从监控初始模型开始发射的射线,将当前的监控初始模型标记为补充设备监控模型。
将补充设备监控模型设置在站台模型中的方法包括:
根据补充设备监控模型的采集边界、采集清晰度要求和站台模型的高度设置补充设备监控模型的采集区间范围;识别各个真空区的面积,一般一个站台屏蔽门对应一个真空区,设置真空区分布图,建立布点模型,将真空区分布图和补充设备监控模型的采集区间范围输入到布点模型中,获得补充设备监控模型的安装位置,根据获得安装位置,将补充设备监控模型安装在站台模型中的对应位置上;
布点模型是基于CNN网络或DNN网络进行建立的,通过设置训练集进行训练建立的,训练集包括真空区分布图、采集区间范围和对应设置的安装位置。
站台监控模型的工作方法包括:
建立信号采集表,信号采集表是根据接收到的不同采集信号进行设置的,不同的采集信号对应不同的采集区域,例如:门间采集信号指的是对站台屏蔽门和地铁车门之间区域进行采集;当接收到采集信号时,将接收到的采集信号输入到信号采集表中进行匹配,获得对应的采集区域,根据获取的采集区域控制对应的采集设备进行数据采集,并将采集的数据传输给发送对应采集信号的模块。采集设备指的就是监控设备和补充监控设备等数据采集设备。
所述安全检测模块用于对地铁站台进行安全检测,具体方法包括:
当地铁进站后,生成初始门间采集信号,指的时间段是地铁进站停稳后到站台屏蔽门打开之间的时间段;即为采集的数据也是这个时间段内的。将初始门间采集信号发送给站台监控模型,接收站台监控模型发送的初始门间采集数据;对门间采集数据进行处理,获得原始采集图像;
当地铁即将离站,站台屏蔽门和地铁车门均关闭时,生成检测门间采集信号,并将检测门间采集信号,发送给站台监控模型,接收站台监控模型发送的检测门间采集数据;对检测门间采集数据进行处理,获得检测采集图像;设置分割单元,通过分割单元对检测采集图像和原始采集图像进行分割,获得检测图像和原始图像,以原始图像为基准,提出检测图像中的异物轮廓,并根据提取异物轮廓在检测图像中标记出异物轮廓的位置,建立识别安全模型,将标记后的检测图像和异物轮廓输入到识别安全模型中,获得识别安全结果,识别安全结果包括衣物不安全警报和安全信息;衣物不安全警报指的是识别出异物为乘客的随身物品,被夹在两个门之间了,具有极大的安全隐患;安全信息指的无安全隐患;
当识别安全结果为安全信息时,不进行操作;当识别安全结果为衣物不安全警报时,获取检测图像对应的标号,即为是属于哪个站台屏蔽门出的图像;控制对应站台屏蔽门发出报警信息,再将检测图像分别发送给站台管理人员和地铁驾驶人员,直到站台管理人员和地铁驾驶人员均确认安全后,停止对应屏蔽门发出报警信息,地铁可以离站。
对初始门间采集数据进行处理的方法包括:根据现有的图像处理算法对门间采集数据进行筛选,选择每个站台屏蔽门和地铁车门之间最全面的图像。
对检测门间采集数据进行处理的方法就是与初始门间采集数据进行处理的方法相同,获取与原始采集图像位置相同的采集图像。
通过分割单元对检测采集图像和原始采集图像进行分割的方法就是以站台屏蔽门和地铁车门为分割线对检测采集图像和原始采集图像进行分割。
以原始图像为基准,提出检测图像中的异物轮廓的方法为:以原始图像为背景图像,将检测图像与原始图像进行对比,再通过现有图像轮廓提取算法,提取出检测图像中原始图像没有物体轮廓,即为异物轮廓。
识别安全模型是基于CNN网络或DNN网络进行建立的,在通过设置若干组训练集进行训练,获得识别安全模型,训练集包括检测图像、异物轮廓和对应设置的识别安全结果。
预警模块用于在站台屏蔽门和地铁车门关闭的前N秒进行预警,其中N为正整数,由专家组根据实际站台与地铁的情况进行设置的;具体预警方法包括:
在站台屏蔽门前设置预警装置,预警装置为一种发射可见光幕的装置,例如发射红色光等装置,在接到信号时,在站台屏蔽门前形成一个红色光幕,实时获取地铁的离站信息,在站台屏蔽门和地铁车门关闭的前M秒,其中M为正整数,且M大于N,生成预警采集信号,并将预警采集信号发送到站台监控模型,接收站台监控模型发送的预警采集数据;对预警采集数据进行识别,获取站台屏蔽门与站台警戒线内具有人员的屏蔽门标号,生成预警警告信号,将预警警告信号发送给对应标号的预警装置,预警装置发射出可见光幕,提示人员脱离站台警戒线内;当站台屏蔽门关闭后,预警装置停止发射可见光幕。
对预警采集数据进行识别的方法为:利用当前的人员识别技术,识别站台屏蔽门与站台警戒线内是否具有人员。
通过设置预警模块,更加方便乘客了解站台屏蔽门的关闭时间,解决仅有信号灯时乘客不能及时了解到站台屏蔽门关闭问题,使得预警信息更加的直观,同时方便站台管理人员对乘客上下车的引导。
本发明的工作原理:通过监控模块建立地铁站台监控模型;安全检测模块对地铁站台进行安全检测,获取原始采集图像和检测采集图像,设置分割单元,通过分割单元对检测采集图像和原始采集图像进行分割,获得检测图像和原始图像,以原始图像为基准,提出检测图像中的异物轮廓,并根据提取异物轮廓在检测图像中标记出异物轮廓的位置,建立识别安全模型,将标记后的检测图像和异物轮廓输入到识别安全模型中,获得识别安全结果;
当识别安全结果为安全信息时,不进行操作;当识别安全结果为衣物不安全警报时,获取检测图像对应的标号,控制对应站台屏蔽门发出报警信息,再将检测图像分别发送给站台管理人员和地铁驾驶人员,直到站台管理人员和地铁驾驶人员均确认安全后,停止对应屏蔽门发出报警信息。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于物联网的站台监测系统,其特征在于,包括监控模块、安全检测模块和服务器;
所述监控模块用于建立地铁站台监控模型;所述安全检测模块用于对地铁站台进行安全检测,具体方法包括:
获取原始采集图像和检测采集图像,设置分割单元,通过分割单元对检测采集图像和原始采集图像进行分割,获得检测图像和原始图像,以原始图像为基准,提出检测图像中的异物轮廓,并根据提取异物轮廓在检测图像中标记出异物轮廓的位置,建立识别安全模型,将标记后的检测图像和异物轮廓输入到识别安全模型中,获得识别安全结果,识别安全结果包括衣物不安全警报和安全信息;
当识别安全结果为安全信息时,不进行操作;当识别安全结果为衣物不安全警报时,获取检测图像对应的标号,控制对应站台屏蔽门发出报警信息,再将检测图像分别发送给站台管理人员和地铁驾驶人员,直到站台管理人员和地铁驾驶人员均确认安全后,停止对应屏蔽门发出报警信息。
2.根据权利要求1所述的一种基于物联网的站台监测系统,其特征在于,获取原始采集图像和检测采集图像的方法包括:
当地铁进站后,生成初始门间采集信号,将初始门间采集信号发送给站台监控模型,接收站台监控模型发送的初始门间采集数据;对门间采集数据进行处理,获得原始采集图像;
当地铁即将离站,站台屏蔽门和地铁车门均关闭时,生成检测门间采集信号,并将检测门间采集信号,发送给站台监控模型,接收站台监控模型发送的检测门间采集数据;对检测门间采集数据进行处理,获得检测采集图像。
3.根据权利要求1所述的一种基于物联网的站台监测系统,其特征在于,监控模块的工作方法包括:
获取地铁站台的建筑图,根据获取的建筑图建立站台模型,获取当前地铁站台的监控设备信息,将监控设备转化为三维模型,并设置在站台模型中的对应位置上,在站台模型中标记监控设备的监控区域,对标记的监控区域进行折减,将折减后的监控区域标记为真实监控区;识别站台模型中未被监控的区域,标记为真空区,获取补充监控设备的监控信息,根据获取的补充监控设备的监控信息设置补充设备监控模型,将补充设备监控模型设置在站台模型中,根据补充设备监控模型在站台模型中的安装位置,将补充监控设备安装在地铁站台中的对应位置上,将当前的站台模型标记为站台监控模型。
4.根据权利要求3所述的一种基于物联网的站台监测系统,其特征在于,对标记的监控区域进行折减的方法包括:
获取历史监控设备的监控数据,从历史监控数据中筛选出地铁到站时,人员上下车时的监控数据,标记为折减数据,基于图像识别技术,识别折减数据中站台屏蔽门的遮挡区域,将最大的遮挡区域标记为折减区域,将折减区域从监控区域中扣除,完成对监控区域的折减。
5.根据权利要求3所述的一种基于物联网的站台监测系统,其特征在于,设置补充设备监控模型的方法包括:
根据补充监控设备的监控信息中的采集范围识别采集边界,建立补充监控设备的三维模型,标记为监控初始模型,将识别的采集边界以射线的方式标记在监控初始模型中,将当前的监控初始模型标记为补充设备监控模型。
6.根据权利要求3所述的一种基于物联网的站台监测系统,其特征在于,将补充设备监控模型设置在站台模型中的方法包括:
根据补充设备监控模型的采集边界、采集清晰度要求和站台模型的高度设置补充设备监控模型的采集区间范围;识别各个真空区的面积,设置真空区分布图,建立布点模型,将真空区分布图和补充设备监控模型的采集区间范围输入到布点模型中,获得补充设备监控模型的安装位置,根据获得安装位置,将补充设备监控模型安装在站台模型中的对应位置上。
7.根据权利要求3所述的一种基于物联网的站台监测系统,其特征在于,站台监控模型的工作方法包括:
建立信号采集表,当接收到采集信号时,将接收到的采集信号输入到信号采集表中进行匹配,获得对应的采集区域,根据获取的采集区域控制对应的采集设备进行数据采集,并将采集的数据传输给发送对应采集信号的模块。
8.根据权利要求1所述的一种基于物联网的站台监测系统,其特征在于,还包括预警模块,预警模块用于在站台屏蔽门和地铁车门关闭的前N秒进行预警,具体预警方法包括:
在站台屏蔽门前设置预警装置,实时获取地铁的离站信息,在站台屏蔽门和地铁车门关闭的前M秒,生成预警采集信号,并将预警采集信号发送到站台监控模型,接收站台监控模型发送的预警采集数据;对预警采集数据进行识别,获取站台屏蔽门与站台警戒线内具有人员的屏蔽门标号,生成预警警告信号,将预警警告信号发送给对应标号的预警装置,预警装置发射出可见光幕,当站台屏蔽门关闭后,预警装置停止发射可见光幕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210040472.4A CN114332774B (zh) | 2022-01-14 | 2022-01-14 | 一种基于物联网的站台监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210040472.4A CN114332774B (zh) | 2022-01-14 | 2022-01-14 | 一种基于物联网的站台监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332774A true CN114332774A (zh) | 2022-04-12 |
CN114332774B CN114332774B (zh) | 2022-11-08 |
Family
ID=81025965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210040472.4A Active CN114332774B (zh) | 2022-01-14 | 2022-01-14 | 一种基于物联网的站台监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332774B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203259667U (zh) * | 2013-01-31 | 2013-10-30 | 华南理工大学 | 直线地铁站台屏蔽门与列车间异物自动检测装置 |
CN104847211A (zh) * | 2015-03-24 | 2015-08-19 | 江苏科技大学 | 一种站台安全门与车门区间安全的辅助系统及其实现方法 |
CN208760602U (zh) * | 2018-03-31 | 2019-04-19 | 广州明森科技股份有限公司 | 一种地铁站台的屏蔽门与列车门之间的异物检测系统 |
CN109878552A (zh) * | 2019-03-26 | 2019-06-14 | 广州地铁集团有限公司 | 基于机器视觉的轨道交通站台门与列车间异物监测装置 |
CN110780356A (zh) * | 2019-10-16 | 2020-02-11 | 上海众应信息科技有限公司 | 地铁站台间隙异物检测系统 |
CN110944134A (zh) * | 2018-09-25 | 2020-03-31 | 武汉云象智能科技有限公司 | 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 |
CN111523386A (zh) * | 2020-03-24 | 2020-08-11 | 北京全路通信信号研究设计院集团有限公司 | 一种基于机器视觉的高速铁路站台门监测防护方法及系统 |
CN112258038A (zh) * | 2020-10-23 | 2021-01-22 | 上海中通吉网络技术有限公司 | 站台使用状态及车辆装卸货状态的识别方法、装置和设备 |
CN112487878A (zh) * | 2020-11-12 | 2021-03-12 | 卡斯柯信号有限公司 | 地铁屏蔽门与列车之间的异物检测方法、装置及存储介质 |
CN113343960A (zh) * | 2021-08-06 | 2021-09-03 | 南京信息工程大学 | 一种地铁站内实时留存客流估计与预警方法 |
-
2022
- 2022-01-14 CN CN202210040472.4A patent/CN114332774B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203259667U (zh) * | 2013-01-31 | 2013-10-30 | 华南理工大学 | 直线地铁站台屏蔽门与列车间异物自动检测装置 |
CN104847211A (zh) * | 2015-03-24 | 2015-08-19 | 江苏科技大学 | 一种站台安全门与车门区间安全的辅助系统及其实现方法 |
CN208760602U (zh) * | 2018-03-31 | 2019-04-19 | 广州明森科技股份有限公司 | 一种地铁站台的屏蔽门与列车门之间的异物检测系统 |
CN110944134A (zh) * | 2018-09-25 | 2020-03-31 | 武汉云象智能科技有限公司 | 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 |
CN109878552A (zh) * | 2019-03-26 | 2019-06-14 | 广州地铁集团有限公司 | 基于机器视觉的轨道交通站台门与列车间异物监测装置 |
CN110780356A (zh) * | 2019-10-16 | 2020-02-11 | 上海众应信息科技有限公司 | 地铁站台间隙异物检测系统 |
CN111523386A (zh) * | 2020-03-24 | 2020-08-11 | 北京全路通信信号研究设计院集团有限公司 | 一种基于机器视觉的高速铁路站台门监测防护方法及系统 |
CN112258038A (zh) * | 2020-10-23 | 2021-01-22 | 上海中通吉网络技术有限公司 | 站台使用状态及车辆装卸货状态的识别方法、装置和设备 |
CN112487878A (zh) * | 2020-11-12 | 2021-03-12 | 卡斯柯信号有限公司 | 地铁屏蔽门与列车之间的异物检测方法、装置及存储介质 |
CN113343960A (zh) * | 2021-08-06 | 2021-09-03 | 南京信息工程大学 | 一种地铁站内实时留存客流估计与预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114332774B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104691559B (zh) | 监测站台安全门与车门区间安全的辅助系统及其实现方法 | |
CN111762649B (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 | |
CN104847211B (zh) | 一种站台安全门与车门区间安全的辅助系统及其实现方法 | |
CN109878552A (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 | |
CN103287464B (zh) | 铁路道口智能视频监控系统及其实现方法 | |
CN106886054A (zh) | 基于三维x射线成像的危险品自动识别装置及方法 | |
CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN112669497A (zh) | 基于立体视觉技术的人行通道感知系统及方法 | |
CN110348380A (zh) | 一种可视化接地刀闸状态视频识别系统及方法 | |
CN109911550A (zh) | 基于红外热成像与可见光视频分析的刮板运输机保护装置 | |
CN110210427B (zh) | 一种基于图像处理技术的廊桥工作状态检测系统及方法 | |
CN112733668B (zh) | 基于视频深度学习的电梯内宠物单独乘梯的检测方法 | |
CN112308032B (zh) | 一种视频检测的井下风门智能协同联动控制方法 | |
CN108099957A (zh) | 一种基于障碍物检测与识别的机车作业方法及系统 | |
CN112016528A (zh) | 行为识别方法、装置、电子设备及可读存储介质 | |
CN106131485A (zh) | 一种连采机人员监测系统及监测方法 | |
CN105929772A (zh) | 掘进作业的红外成像人体识别安全预警装置 | |
CN111062238B (zh) | 基于人体骨架信息及多目标跟踪的扶梯流量监测方法及系统 | |
KR102500975B1 (ko) | 딥러닝 모델을 학습시키기 위한 장치 및 그 방법 | |
CN116299751A (zh) | 一种被动式太赫兹人体安检信息的快速提取方法和装置 | |
CN113673614B (zh) | 基于机器视觉的地铁隧道异物入侵检测装置及方法 | |
CN114332774B (zh) | 一种基于物联网的站台监测系统 | |
CN109655932A (zh) | 一种基于图像识别的站台门异物检测与报警的方法及系统 | |
CN114179866A (zh) | 轨道道岔开向安全检测系统及检测方法 | |
CN110909607B (zh) | 一种智慧地铁运营中客流感知的装置系统 |
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 |