ES2327469T3 - Sistema de supervision de vias mediante imagenes de video. - Google Patents
Sistema de supervision de vias mediante imagenes de video. Download PDFInfo
- Publication number
- ES2327469T3 ES2327469T3 ES07819225T ES07819225T ES2327469T3 ES 2327469 T3 ES2327469 T3 ES 2327469T3 ES 07819225 T ES07819225 T ES 07819225T ES 07819225 T ES07819225 T ES 07819225T ES 2327469 T3 ES2327469 T3 ES 2327469T3
- Authority
- ES
- Spain
- Prior art keywords
- matrices
- sub
- trapezoid
- image
- objects
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012797 qualification Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 231100001261 hazardous Toxicity 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 241000631130 Chrysophyllum argenteum Species 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010191 image analysis Methods 0.000 abstract description 3
- 238000011896 sensitive detection Methods 0.000 abstract description 3
- 238000011895 specific detection Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 101000836873 Homo sapiens Nucleotide exchange factor SIL1 Proteins 0.000 description 2
- 102100027096 Nucleotide exchange factor SIL1 Human genes 0.000 description 2
- 101000880156 Streptomyces cacaoi Subtilisin inhibitor-like protein 1 Proteins 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010010144 Completed suicide Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000009781 safety test method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61B—RAILWAY SYSTEMS; EQUIPMENT THEREFOR NOT OTHERWISE PROVIDED FOR
- B61B1/00—General arrangement of stations, platforms, or sidings; Railway networks; Rail vehicle marshalling systems
- B61B1/02—General arrangement of stations and platforms including protection devices for the passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
- B61L23/041—Obstacle 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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19665—Details related to the storage of video surveillance data
- G08B13/19671—Addition of non-video data, i.e. metadata, to video stream
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Library & Information Science (AREA)
- Transportation (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
Un procedimiento para supervisar zonas peligrosas, usando al menos una cámara de vídeo para capturar imágenes desde una zona de supervisión que comprende un andén y vías en una estación, en el que las imágenes se proporcionan a una interfaz para su procesamiento, caracterizado por utilizar una división geométrica de la zona de supervisión en trapecios, entendiéndose cada uno en una dimensión lateral a lo largo de toda la zona de las vías y longitudinalmente en la dirección de los carriles y por la subdivisión de cada trapecio en partes de trapecio izquierda y derecha de superficies aproximadamente simétricas, en las que una de las partes de trapecio representa la zona de sector de detección o supervisión real y la otra parte de trapecio representa un trapecio de calificación para calificar iluminaciones u objetos como poco verosímiles u objetos como auténticos y aceptables, y que comprende las siguientes etapas de procedimiento: a) una etapa de preprocesamiento que dirige la atención del sistema hacia una posible intrusión conservando solamente aquellas partes de la imagen que cambian sus características ópticas, dividiendo los trapecios de la zona de supervisión en submatrices, donde el movimiento en las submatrices se detecta mediante un procesamiento de imágenes diferenciales que depende del umbral de detección pertinente, y en caso de que se detecte movimiento en al menos un número crítico de submatrices activadas en una parte de trapecio de supervisión, dependiendo de otro umbral de detección, el contexto crítico en la parte de trapecio de supervisión correspondiente se determina comparando el número de submatrices activadas en las partes de trapecio izquierda y derecha respectivas, concretamente las partes de trapecio de supervisión y de calificación, seguida de b) una etapa de análisis, en la que las partes de trapecio de supervisión activas identificadas se combinan de manera lógica con actividades históricas en la parte de trapecio respectiva para identificar un estado peligroso, donde c) en paralelo a las etapas 1 a) y 1 b) se realiza permanentemente una comprobación de seguridad del sistema complementaria que controla permanentemente el estado en la zona de supervisión contando, solicitando y comprobando actividades normales del sistema.
Description
Sistema de supervisión de vías mediante imágenes
de vídeo.
La invención se refiere a un procedimiento, a un
sistema y a un producto de programa informático para supervisar
zonas peligrosas, especialmente los andenes y las vías de las
estaciones.
En los lugares públicos existen zonas que tienen
que vigilarse con el fin de evitar accidentes. Especialmente, los
bordes de los andenes de las estaciones representan zonas peligrosas
donde se producen aproximadamente de 1 a 5 incidentes por año y por
línea en los que se ven implicados los pasajeros, aunque se cree que
el 80% son suicidios.
Además de la separación física de la vía con
respecto a los viajeros mediante barreras, en la técnica se conocen
varios sistemas de vigilancia para zonas de peligro. Básicamente se
conocen tres procedimientos diferentes para la protección en los
andenes:
- (a)
- La supervisión manual por parte del conductor o del personal de seguridad.
- (b)
- Sistemas automáticos como sistemas de detección basados en imágenes de vídeo.
- (c)
- Una combinación de sistemas manuales y automáticos como la utilización de diferentes cámaras en combinación con el personal que evalúa constantemente las imágenes además de los sistemas automáticos.
La supervisión manual para observar zonas
peligrosas está directamente relacionada con la atención de las
personas que miran el monitor y deciden si está produciéndose una
situación peligrosa. Por consiguiente, se produce una alta tasa de
error. Además, este procedimiento es muy caro ya que debe
contratarse el suficiente personal con el fin de garantizar la
seguridad.
También se conocen en la técnica varios sistemas
automáticos que funcionan de manera totalmente independiente de
cualquier personal. Estos sistemas pueden dividirse en sistemas
activos y pasivos dependiendo de la tecnología utilizada. El
análisis de las imágenes de vídeo se asemeja a una tecnología pasiva
ya que la reacción a una situación crítica no es una consecuencia
directa de la grabación de imágenes de vídeo. Por el contrario, la
utilización de sensores ópticos, electromagnéticos o táctiles debe
clasificarse como tecnología activa ya que el suceso provoca
directamente una reacción.
Factores críticos de estos sistemas son la
sensibilidad de detección y el umbral de detección que define
situaciones peligrosas. Por un lado, debe garantizarse que cada
situación peligrosa pueda detectarse de manera fiable pero, por
otro lado, solamente las situaciones peligrosas deben provocar la
interrupción del tráfico y detener los trenes, por ejemplo, antes
de que lleguen a objetos peligrosos o dañen a las personas. Estas
tecnologías activas necesitan comprobaciones de funcionamiento
regulares de los sensores utilizados, haciendo que estos sistemas
sean muy caros.
El documento EP 0 246 085 B1 desvela un sistema
de vigilancia que comprende medios de captura de imágenes y una
unidad de procesamiento de imágenes para detectar cambios de escena.
El sistema del documento EP 0 246 085 B1 está caracterizado por un
generador de señales de ruido y por medios para superponer una señal
de ruido sobre la señal de vídeo como una información de cambio de
cuasi-escenas. El sistema de este documento
simplemente compara señales de vídeo para detectar cambios. No es
posible definir las dimensiones de los objetos o de las personas que
han de detectarse.
El documento DE 44 30016 C2 desvela un sistema
de evaluación de imágenes en el que una imagen diferencial que se
obtiene a partir de una señal de vídeo digitalizada desde una cámara
de vigilancia, y en la que se definen píxeles variables, se
investiga para detectar objetos contiguos mediante un extractor de
objetos. Un mensaje dependiente de la zona se emite evaluando
criterios de relevancia dados que dependen de la variación en la
posición de los objetos con respecto a zonas de imágenes
predeterminadas de diferentes grados de relevancia para el mensaje.
El sistema descrito depende estrictamente de los objetos
predeterminados almacenados que se utilizan para generar un
mensaje. Si en la imagen aparecen objetos desconocidos no es posible
generar un mensaje.
El documento DE 33 16 122 A1 desvela un sistema
de vigilancia al aire libre en el que los problemas de evaluar
imágenes grises se solucionan definiendo al menos tres tiras de
control que están alineadas en paralelo entre sí y que presentan
cada una un valor de gris diferente, y en el que los iluminadores y
las cámaras de televisión que están asignados a la misma región de
tira de tierra están soportados varios metros por encima de la tira
de control. Este sistema es más complejo ya que son necesarios
iluminadores especiales, lo que aumenta las posibles fuentes de
error.
El documento DE 196 21 612 C2 desvela un
dispositivo para vigilar vías usando pares estéreo de cámaras. Las
imágenes de diferentes pares de cámaras se comparan con una imagen
de referencia para detectar objetos o personas. Una desventaja
importante de cualquier sistema que utilice imágenes generadas por
pares estéreo de cámaras es que el ajuste de las dos cámaras que
forman un par estéreo es crucial. Estos sistemas no son adecuados
para vigilar de manera automática zonas peligrosas y generan con
frecuencia falsas alarmas.
El documento WO 01/17838 A1 desvela un
procedimiento para vigilar una zona peligrosa, mediante el cual un
dispositivo de grabación de imágenes vigila objetos que están en
peligro y/o que son peligrosos. La zona peligrosa está situada en
la zona grabada. La zona peligrosa puede detectarse mediante dicho
dispositivo de grabación de imágenes. La imagen detectada de la
zona peligrosa se dispersa en una pluralidad de píxeles que se
almacenan digitalmente como un modelo real y se comparan con los
píxeles del modelo deseado de la zona peligrosa sin objetos que
estén en peligro y/o que sean peligrosos, por lo que dicho modelo
deseado se ha detectado y almacenado anteriormente. Una señal,
preferentemente una señal de aviso, se genera cuando los píxeles de
los dos modelos son diferentes. Este procedimiento también depende
de objetos predeterminados que se cree que están en peligro o que
son peligrosos. Este procedimiento no detectará objetos
desconocidos.
Debe señalarse que los procedimientos de
imágenes diferenciales conocidos que clasifican escenas con una red
neuronal solamente son adecuados para la detección de objetos en
movimiento.
A partir del estado de la técnica, un objetivo
de la presente invención es proporcionar medios mejorados para una
detección fiable y sin falsas alarmas de obstáculos, personas o
percances que deban clasificarse como peligrosos.
El objetivo de la invención se resuelve mediante
las características de las reivindicaciones independientes.
La presente invención proporciona un
procedimiento para la vigilancia de zonas peligrosas, especialmente
los andenes de las estaciones, que se basa en una geometría de
detección específica que divide la zona de supervisión en pares de
formas trapeciales, en lo sucesivo denominadas trapecios, utilizando
un trapecio para la detección y el otro trapecio para la
calificación de las detecciones. La geometría de detección se
combina con etapas de detección y de calificación sensibles basadas
en el análisis de imágenes de vídeo. Una ventaja importante de la
presente invención es la continua escalabilidad del umbral de
detección.
Un aspecto adicional de la presente invención es
un sistema para la detección de objetos o personas preferentemente
en zonas de vías de metro entre los bordes de los andenes y las
paredes de los túneles o en otras estructuras civiles. Una vez que
se haya detectado un objeto, se transmite una alarma al sistema de
control automático de trenes (ATC, Automatic Train Control)
o al interbloqueo para detener un tren en movimiento. Los objetos o
las personas tendrán una dimensión o peso mínimos para detectarse.
Una ventaja de la presente invención es que puede ajustarse el
tamaño o el peso de los obstáculos o de las personas y, por lo
tanto, ser inferiores a un valor umbral definido, por ejemplo según
la recomendación VDV 399 que define una esfera de 30 cm de diámetro
o un peso de 10 kg. Por consiguiente, es posible una adaptación a
diferentes ajustes con el fin de no generar una falsa alarma. El
motivo de este requisito es la observación ya que independientemente
del mecanismo de detección pueden generarse alarmas no justificadas
si el requisito de resolución es demasiado sensible debido a
posibles percances o fluctuaciones estadísticas.
Por último, un producto de programa informático
es un aspecto de la presente invención que hace que un ordenador
ejecute un procedimiento según la invención. Una parte central de
este producto de programa informático es un denominado núcleo de
seguridad que define las etapas esenciales necesarias para llevar a
cabo el procedimiento según la invención.
El paradigma de seguridad del núcleo de
seguridad de la presente invención se basa en restricciones lógicas
en el contexto de la zona supervisada y de diferentes escenarios
operativos:
- 1)
- Los objetos se detectarán solamente si se desplazan desde el andén hacia la zona de perfil de espacio libre del tren. Justificación:
- -
-
\vtcortauna
- -
-
\vtcortauna
- 2)
- Sólo se detectarán objetos que se desplacen desde el borde del andén hacia el perfil de espacio libre del tren.
- -
-
\vtcortauna
- -
-
\vtcortauna
- -
-
\vtcortauna
- -
-
\vtcortauna
- 3)
- Un sector de supervisión de una dimensión horizontal de aproximadamente 1,1 m desde el borde del andén hacia el eje central de las vías es el sector de supervisión crítico (y suficiente). Justificación:
- -
-
\vtcortauna
En lo que sigue la patente se describirá
mediante un ejemplo de funcionamiento, pero la patente no está
limitada al ejemplo de funcionamiento. Por lo tanto, en los
dibujos:
Figura 1. Montaje de las cámaras y zona de
supervisión.
Figura 2. Geometría de sectores de trapecio
típica de una cámara.
Figura 3. Distribuciones estadísticas
diferenciales de valores de gris en submatrices.
Figura 4. Diagrama de proceso global notificado
UML.
Figura 5. Objeto crítico en zona
supervisada.
Figura 6. Identificación del tren en el andén de
la estación.
Figura 7. Geometría de sectores de trapecio y
zona de supervisión cerca del borde del andén.
Figura 8. Error de cuantificación del tamaño de
objeto real y medido (comparación de haces de sensor discreto con
saltos de 15 cm frente al número de submatrices activadas dentro de
una imagen).
El núcleo de seguridad de la solución GIDS
(sistema de detección de intrusiones en las vías) basada en vídeo
según la presente invención se basa en una imagen en blanco y negro
capturada de una parte de la zona de las vías supervisada por una
cámara. Una cámara supervisa 35 m aproximadamente dependiendo de los
requisitos de resolución (el umbral de detección de un diámetro de
30 cm necesita detectarse con una resolución respectiva). En
general, todos los parámetros de cámara así como el montaje son
fijos, no aceptándose ningún cambio o variación automáticos o
dinámicos con el fin de conseguir los requisitos de seguridad.
Para determinadas aplicaciones en un entorno más
dinámico (por ejemplo, un día normal con seres vivos en
emplazamientos al aire libre) pueden utilizarse diferentes
conjuntos de parámetros de cámara que se predefinen en base a
condiciones ambientales observadas anteriormente. Estos ajustes de
parámetro pueden escogerse entonces con respecto a las condiciones
exactas (por ejemplo, los niveles de iluminación). El cambio entre
estos conjuntos predefinidos de parámetros de cámara se realizará y
se supervisará por personal cualificado para garantizar ajustes de
cámara que sean suficientes para una detección correcta. Aunque
pueden utilizarse diferentes ajustes, estos ajustes también deben
considerarse estáticos. La supervisión de los niveles de iluminación
se realiza por el propio sistema, el cual lanza un mensaje de aviso
respectivo para informar al usuario en caso de una condición
ambiental insuficiente. En lo que respecta a los requisitos de
seguridad, este procedimiento siempre garantiza que el sistema
reaccione para garantizar la seguridad.
Las cámaras están montadas a lo largo de la
vía/del andén de manera equidistante (véase la figura 1),
produciendo cada cámara una imagen geométricamente similar de las
diferentes zonas de supervisión a lo largo del andén/de la vía. Sin
embargo, la parte delantera de un tren detenido caracteriza una
sección de extremidad delante de la cámara. El tren que aparece al
final de la zona de supervisión (una distancia de 35 m
aproximadamente) caracteriza la otra extremidad. La posición
transversal de las cámaras con respecto a la vía puede escogerse
desde el lado izquierdo máximo (por ejemplo, la pared del túnel)
hasta el lado derecho máximo (el borde del andén). Usando esta
configuración de posicionamiento de las cámaras, el ajuste y los
parámetros de las cámaras sólo variarán ligeramente. Por tanto, una
configuración modular (altura de montaje de las cámaras, perspectiva
y ángulos de visión de las cámaras), se configura como una
combinación de varias cámaras. Normalmente, bastan tres cámaras
para cubrir una zona de vías/andén completa para una dirección de
desplazamiento de tren normal. En caso de tráfico regular
bidireccional puede montarse un conjunto de cámaras adicionales en
el sentido opuesto.
La figura 2 muestra que una sección de
supervisión está dividida geométricamente en trapecios,
extendiéndose cada uno normalmente en una dimensión lateral
(horizontal) por toda la zona de las vías (por ejemplo, desde el
borde del andén hasta la pared del túnel), y longitudinalmente (por
ejemplo, en la dirección de los raíles o del tren en movimiento).
La extensión longitudinal de los trapecios se determina por la
precisión de detección requerida por delante del tren en movimiento
(por ejemplo, 5 m), lo que significa que se detectarán objetos o
personas si están a más de 5 m por delante del tren en movimiento.
Según la recomendación VDV 399 a la que se ha hecho referencia
anteriormente (compárese con la finalidad del dispositivo), un
objeto o una persona que caiga (por ejemplo intencionadamente) sólo
2 metros por delante del tren en movimiento no tiene que detectarse
necesariamente de manera fiable. La razón de este intervalo de
tolerancia es que cualquier sistema de detección necesita detectar
el tren como un elemento de sistema no dañino. Límites de detección
que se fijen demasiado próximos al tren en movimiento dan como
resultado que el sistema de detección genere alarmas
injustificadas.
Cada zona de trapecio se divide a su vez en
partes de trapecio izquierda y derecha de superficies
aproximadamente simétricas, donde uno de los trapecios (ya sea el
izquierdo o el derecho) representa los sectores de detección o de
supervisión reales y el otro trapecio representa un trapecio de
calificación en el que se clasifican los objetos o las
iluminaciones como poco verosímiles u objetos como auténticos y
aceptables (un tren en movimiento, un tren detenido en la
estación).
Pueden añadirse fácilmente sectores de aviso
adicionales a lo largo del borde del andén como trapecios
adicionales (compárese con la supervisión del borde del andén). El
tamaño de superficie aproximadamente equivalente de las partes de
los trapecios izquierdos y derechos puede alterarse si lo requiere
el entorno o la iluminación pero se requiere un ancho de detección
del sector de supervisión de al menos 1 m para capturar de manera
segura todas las situaciones potencialmente peligrosas. El tamaño y
el diseño de los trapecios también pueden adaptarse según la
distorsión de perspectiva impuesta por la posición exacta de la
cámara (ángulo de balanceo, ángulo de cabeceo, ángulo de
inclinación) con respecto a la zona supervisada en el mundo
real.
Los paradigmas de seguridad de señalamiento de
transporte requieren normalmente diseños a prueba de fallos y
características de seguridad cuantitativamente evaluadas: aunque la
protección en los andenes y la intrusión en las vías es uno de los
niveles más bajos de los niveles de integridad de seguridad según
requieren las normas de regulación, se han utilizado paradigmas y
reglas de diseño similares durante el desarrollo de los algoritmos
(véanse también posteriormente las "consideraciones de
seguridad").
Puesto que el dispositivo de protección en
andenes/GIDS es, de hecho, un sistema bajo demanda, tiene que
supervisar permanentemente la zona de supervisión hasta que lo
pueda solicitar una situación potencialmente peligrosa. Esto supone
una proporción de tiempo muy pequeña entre el tiempo de detección
activo y justificado de un objeto/una persona en la zona de las
vías y el tiempo de vigilar la zona de supervisión sin situaciones
peligrosas, aunque con fuentes de posibles perturbaciones tales
como trenes en movimiento, lanzamientos de objetos no críticos (por
ejemplo botellas), efectos del entorno, etc. Además, tal y como se
ha tratado anteriormente, se prevé que los objetos/las personas
críticas se introduzcan/caigan/se desplacen desde las zonas
accesibles para los pasajeros con un valor de velocidad distinto de
cero.
El núcleo de seguridad contiene una primera
etapa de preprocesamiento relativamente sencilla, un
preprocesamiento de imágenes diferenciales. Esta etapa de análisis
toma simplemente el valor de gris acumulado de ciertas partes de la
zona supervisada (en toda la matriz de imagen) en un tiempo real
T_{0} y sustrae el valor de gris de la misma imagen procesada en
un tiempo T_{0}+\Deltat (actualmente la siguiente imagen), donde
\Deltat es un tiempo comparativamente pequeño de aproximadamente
80 a 100 ms (en comparación con los movimientos físicos de objetos
reales).
Mediante esta etapa de análisis de
preprocesamiento sólo se conservan aquellas partes de la imagen que
cambien sus características ópticas a lo largo del tiempo,
incrementando así la sensibilidad para la detección de posibles
objetos/personas en la zona de supervisión. En comparación con otras
soluciones GIDS instaladas que requieren una determinada
característica de reflexión electromagnética (RADAR) o un
determinado nivel de impermeabilidad para luces ópticas o
infrarrojas, la suposición del enfoque de análisis de vídeo
propuesto se reduce al artefacto básico, aquellos objetos físicos
después del entorno óptico de una zona con un mínimo de radiación
óptica presente. Reduciendo los atributos de objeto a este
requisito mínimo extremo tiene que configurarse un procedimiento de
análisis adecuadamente sensible y el conocimiento de múltiples
fuentes de perturbación (alarmas injustificadas) necesita tenerse
en cuenta (cualquier fluctuación de aire, hoja de papel,
rechazo).
Con el fin de aumentar la sensibilidad de una
manera cuantitativamente medible hacia cambios ópticos mediante un
objeto, los cambios de valor de gris de los píxeles se agrupan en
submatrices específicas de NxN píxeles. Después de experimentar una
mayor variación de longitudes N de matriz, el análisis mostró que
los resultados permanecen insensibles a cambios estocásticos por
encima de 5 píxeles. Debido a la calibración geométrica se obtiene
una submatriz de imágenes de 7x7 píxeles que agrupa 49 píxeles en
una submatriz. El tamaño asociado de esta submatriz está muy por
debajo del umbral de detección de 30 cm en todos los casos (por
ejemplo, en el caso extremo de la mayoría de los trapecios
remotos), por lo que la resolución geométrica es suficiente en todas
las geometrías.
Antes y después de la diferenciación de imágenes
de valores de gris se calculan y se sustraen los valores promedio
de gris de las submatrices. Esta etapa de proceso tiene dos efectos
(en comparación con la diferenciación directa píxel por píxel).
Reduce la sensibilidad perturbadora de los artefactos del sistema
(independientemente de la zona de supervisión y de los propios
objetos, por ejemplo fluctuaciones termodinámicas u otras
fluctuaciones estadísticas de un único píxel) y aumenta la
sensibilidad y el significado estadístico de objeto "real" de
zona de supervisión ligada a cambios ópticos mediante órdenes de
magnitud.
La figura 3 indica la distribución de imágenes
diferencial de las submatrices de la zona de supervisión sin
intrusiones. La distribución sigue aproximadamente distribuciones
gaussianas estrechas y está separada por valores sigma de 5 a 6 con
respecto a la distribución de diferencias provocada por objetos
reales. Este análisis estadístico significa que la probabilidad de
confundir cualquier objeto introducido en la zona de supervisión de
un tamaño de submatriz (o inferior) con el fondo ("no pudiendo
verse") puede cuantificarse a un valor inferior a 10^{-5} y se
reduce adicionalmente apareciendo en grupos de submatrices
conectadas y las altas frecuencias de repetición de tiempo del
análisis.
Debe observarse que el parámetro de corte por
debajo del cual la diferencia de valores de gris de las submatrices
se interpreta como fluctuaciones de fondo de una imagen sin
perturbaciones o no modificada se establece actualmente en un valor
sigma de 5 que proporciona una detección del 100% de todas las
distribuciones de valores de gris de objeto que se han probado
incluso en niveles de baja iluminación de la zona de las vías.
Además, debe observarse que esta etapa de preprocesamiento
seleccionada puede considerarse como a prueba de fallos, ya que casi
todos los efectos de equipos con fallos o efectos contaminantes
están en lado seguro de activar submatrices.
Después de la etapa de preprocesamiento que
dirige la atención del sistema hacia una posible intrusión con esta
alta confianza estadística, el procedimiento de imágenes
diferenciales que compara dos imágenes consecutivas se combina con
un procedimiento de imágenes de referencia que compara la última
imagen (sin intrusión por parte de un objeto) con todas las
imágenes siguientes (normalmente hasta 4 imágenes). La misma técnica
para comparar submatrices en dos imágenes producirá cambios
significativos entre esta imagen de referencia estática a corto
plazo y todas las imágenes de la secuencia. Combinando estos
procedimientos se consigue una precisión de detección lo
suficientemente alta. Con el fin de disparar finalmente una alarma,
se requiere un grupo de un número determinado de submatrices
activas para una detección positiva de un objeto crítico. Debe
activarse un determinado número n de submatrices de entre m
submatrices. El número n requerido de submatrices activadas se
determina a través del tamaño crítico, definido por el usuario, de
los objetos, el nivel de ruido de fondo típico y la precisión de
detección deseada.
La continua escalabilidad de este umbral de
detección es una característica nueva, en comparación con cualquier
otra tecnología existente para la detección de intrusiones en las
vías, que utiliza puntos de medición discretos, por ejemplo haces
de luz infrarroja u ondas de RADAR/LASER, montados a una distancia
discreta de 15 cm a lo largo de la vía. El valor de umbral crítico
deseado puede escalarse fácilmente a las necesidades del usuario,
teniendo en cuenta a las personas más pequeñas, quienes se
detectarán. La solución GIDS basada en vídeo realiza una estimación
continua del tamaño, la cual se compara después con conjuntos de
parámetros predefinidos del tamaño crítico de los objetos. Estos
conjuntos de parámetros pueden modificarse fácilmente y no requieren
modificaciones ni de software ni de hardware.
Tal y como se ha mencionado anteriormente, el
dispositivo utiliza un análisis de preprocesamiento de detección
cuantificable y extremadamente sensible mediante el cual ningún
objeto real, independientemente de su distribución de valores de
gris, puede pasarse por alto. Por otro lado, la extrema sensibilidad
del algoritmo tiende a indicar los cambios más pequeños en las
distribuciones de valores de gris de cualquier submatriz en la zona
supervisada, por ejemplo trenes normalmente en movimiento u hojas de
papel más pequeñas iluminadas de distinta manera por los faros del
tren en movimiento indicarían una submatriz por encima del umbral
(submatriz "marcada" o "activada"). Se han desarrollado
criterios adicionales para distinguir entre la activación no crítica
anticipada de submatrices, o grupos de submatrices, y submatrices
críticas. A partir del GIDS basado en imágenes de vídeo
globales/protección en los andenes que se ha desarrollado y probado
(mostrado en la figura 4 como un diagrama de flujo UML), el núcleo
de seguridad sólo utiliza ese subconjunto para calificar
consideraciones adicionales, que son extraordinariamente simples en
lógica y en naturaleza y no requieren ningún paquete más grande de
software (como la clasificación de objetos o las
compara-
ciones simples de características de valores de gris mediante redes neuronales o máquinas de vectores de soporte).
ciones simples de características de valores de gris mediante redes neuronales o máquinas de vectores de soporte).
Este conjunto restringido de características de
imágenes verificables considera la geometría de trapecio de la zona
supervisa y solamente un número reducido de artefactos fiables del
proceso de intercambio de pasajeros en los andenes.
En primer lugar se considera la perspectiva, la
distancia y el número de trapecios para definir un tamaño mínimo
dependiente de trapecio de objetos críticos/personas críticas en lo
que respecta a submatrices activas. Mientras que un objeto con una
dimensión o un diámetro de, por ejemplo, 15 cm se representaría
mediante un área de, por ejemplo, 12 submatrices en el primer
trapecio (visto desde la posición de la cámara, es decir, el
trapecio más cercano a la cámara), se representaría solamente
mediante dos en el último trapecio (visto en la distancia desde la
posición de la cámara). Pueden definirse límites inferiores
conservativos para incluir también objetos posiblemente más
pequeños sin aumentar el porcentaje de alarmas no justificadas
debido a artículos contaminantes.
Debido a la configuración de las zonas
accesibles para los pasajeros, los trapecios laterales derechos de
una estación de metro típica se examinan permanentemente para
detectar posibles objetos introducidos en la zona de las vías,
activando un número mínimo conectado de submatrices (véase la figura
5).
Como con todas las demás metodologías GIDS
conocidas, los trenes en movimiento también aparecen como "objetos
de intrusión" que necesitan identificarse de manera fiable. En
el caso del análisis de imágenes de vídeo extremadamente sensible
propuesto, un tren en movimiento se muestra mediante un número muy
elevado de submatrices activadas. Puesto que un número equivalente
de submatrices activadas proviene de un fallo del equipo o de un
objeto de una escala relativamente grande, normalmente de un tamaño
comparable mínimo de 10m x 10 m, estas formas pueden excluirse a la
hora de representar objetos críticos porque en la mayoría de
sistemas de metro no hay ningún otro objeto de este tamaño (excepto
los trenes) que tengan acceso a los andenes. Otros artefactos como
equipos defectuosos o perturbaciones ambientales (por ejemplo,
bichos sobre la lente de la cámara) se representan mediante otros
mecanismos descritos posteriormente en detalle.
Tras la detección de al menos un número crítico
de submatrices activadas en los trapecios derechos, los algoritmos
del dispositivo también comprueban los trapecios izquierdos para un
determinado número de submatrices activadas. Si los trapecios
izquierdos también contienen un número superior de submatrices
activadas se establece la hipótesis de un tren en movimiento y las
submatrices activadas en la zona de supervisión derecha se
interpretan como parte del tren en movimiento.
En caso de un tren detenido en una estación, un
conductor que suba al tren u otros movimientos podrían activar de
manera no justificada un número crítico de submatrices en el sector
de supervisión derecho, mientras que el propio tren no activa
ninguna matriz entre dos imágenes idénticas entre el tiempo T_{0}
y el T_{0}+\Deltat (sustracción de imágenes idénticas). Por lo
tanto, el algoritmo comprueba también las diferencias basadas en
submatrices entre la imagen real y una imagen de referencia de fondo
(BRI) relativamente reciente. La imagen de referencia de fondo se
captura normalmente cada minuto (o cada pocos minutos). A diferencia
de la BRI, casi todo el número de submatrices de la zona de
estación está activado, lo que se interpreta como un estado de
tren en la estación (TAS).
Tanto el TAS como la BRI se utilizan al mismo
tiempo como instrumentos de comprobación de salud y seguridad de un
sistema básico. La mayoría de las circunstancias o fallos del
sistema críticos para la seguridad pueden revelarse después de un
periodo de tiempo relativamente corto (por ejemplo, de algunos
minutos) contando, solicitando y comprobando las actividades
normales del sistema. En primer lugar se solicita una secuencia
alternativa de trenes en andenes de la estación (TAS) e imágenes sin
perturbaciones que representan las vías vacías. En segundo lugar se
espera una actualización regular de la imagen de referencia de
fondo, aceptada dentro de límites de valores de gris globales más
pequeños y sin ninguna submatriz activada en comparación con la
última BRI (de las vías de la estación vacías). Esta metodología
sencilla también permite tener en cuenta cambios más pequeños en la
situación de luminosidad/iluminación global y aceptar, por ejemplo,
partes de un periódico depositadas en las vías después de un tren
en movimiento como partes del fondo. Esta característica también
puede desconectarse si el entorno está muy sucio ya que no se
requiere para que el sistema funcione correctamente.
Estadísticas a largo plazo acerca de múltiples
sistemas de metro en Europa han demostrado que el núcleo de
seguridad funciona de la manera esperada y que ha resultado ser
seguro en caso de cualquier circunstancia o fallo no esperados.
Además, en comparación con otros enfoques, se beneficia de una
supervisión del perfil de espacio libre tridimensional completo
(por ejemplo, del borde del andén) y por lo tanto no está limitado
a la mera supervisión de las vías/del suelo. A este respecto, se
considera como una ventaja importante la representación realista de
personas en una imagen de las vías. Debido a una continua
supervisión de las vías de la estación basada en la evaluación de
la imagen de las vías puede estimarse el tamaño del objeto con una
precisión mucho mayor. La gente que se caiga siempre aparecerá con
su vista frontal completa dentro de una imagen. Es poco probable
que se produzca un desplazamiento completamente horizontal de las
personas hacia la zona de las vías. A diferencia de otros enfoques
GIDS, la solución basada en vídeo no solo detecta el plano
seccional horizontal de las personas (por ejemplo, el diámetro de
dos piernas), sino que estima el tamaño real (área) de un objeto
(justo como lo haría el conductor de un tren).
Con el fin de reducir las alarmas injustificadas
(y mejorar la capacidad operativa), se han desarrollado
procedimientos de clasificación de objetos más sofisticados fuera
del núcleo de seguridad. Estos procedimientos incluyen detecciones
de bordes, escalamiento y normalización de objetos, entrenamiento de
redes neuronales para las clases específicas de objetos, objetos o
comportamientos dinámicos durante el transcurso del tiempo (por
ejemplo, periódicos más ligeros que flotan sobre el borde del andén
a diferencia de un objeto físicamente pesado que caiga desde el
borde del andén hacia las vías), diferenciaciones de clases de
objetos de valores de gris absolutos con el entrenamiento de una
máquina de vectores de soporte, supervisión de la banda del andén y
avisos de seguridad, etc.
El dispositivo es parte del ATC y está sujeto a
requisitos de seguridad. Algunas especificaciones sugieren
actualmente SIL 1. Al requerir SIL1, el equipo se vuelve parte del
equipo ATC, protegiendo el funcionamiento de los trenes del metro
con niveles de seguridad de señalización de las vías ferroviarias
extremadamente altos de manera tradicional. Según la norma de
seguridad europea EN 50 129, SIL1 es el nivel de integridad de
seguridad de los equipos de seguridad que no puede generar
incidentes contrarios a la seguridad con una tasa residual de más
de 10^{-6}/h. Sin embargo, debe indicarse que según las normas
CENELEC, los SIL se aplican en general al concepto de señalización
de fallos estadísticos (por ejemplo, un sensor de supervisión
inductivo permanentemente requerido falla de manera que señaliza la
presencia de determinadas condiciones aunque no se satisfagan).
Además, el concepto de los SIL excluye explícitamente en la
actualidad, por las normas CENELEC, funciones bajo demanda pero,
por el contrario, se refiere a funciones constantemente activas con
un objetivo de estado binario claramente definido por lo general
(por ejemplo, señal de aspecto verde, rojo o amarillo en cualquier
momento con un pequeño intervalo entre dos trenes consecutivos). El
núcleo de seguridad de la solución GIDS propuesta está
constantemente activo, aunque puede solicitarse solamente de manera
ocasional (persona en las vías), de manera que cualquier sistema
GIDS se vuelve una mezcla de una función permanentemente requerida
que necesita funcionar de manera segura si se solicita (bajo demanda
significa una persona/un objeto que se desplace hacia la zona de
las vías). Puesto que las normas que definen el SIL no sugieren un
SIL para un sistema de protección GIDS, el concepto SIL necesita
por tanto una interpretación adecuada y un análisis de riesgos
asociado que cuantifique más claramente el objetivo de
seguridad.
Para el núcleo de seguridad de la solución GIDS
basada en vídeo se sugieren las siguientes etapas en total
cumplimiento de las normas CENELEC para este análisis:
- -
- Confirmación del nivel de requisito de seguridad cuantitativo (requisito de integridad de seguridad cuantitativo), mediante un análisis de peligrosidad y un análisis de riesgos para los peligros en el borde de los andenes. Este análisis incluye análisis de árbol de errores de contexto, análisis de árbol de eventos, análisis de consecuencias y de severidad y asignación de requisitos según las normas IEC 61508 y EN 50 126/129 aceptadas por la VDV.
- -
- Definición de las frecuencias máximas de incidentes contrarios a la seguridad residuales.
- -
- Agregaciones UML del hardware/software del sistema y modelo funcional.
- -
- Rendimiento del hardware/software/FMECA de funciones del sistema y árboles de fallos.
- -
- Establecimiento de FMECA crítico de sistema y cobertura de riesgos.
- -
- Verificación y validación del software de núcleo de seguridad.
- -
- Verificación y validación del hardware
- -
- Validación del sistema según las reglas de seguridad definidas.
- -
- Estimación de cuantificación de efectos residuales.
El conjunto de análisis de seguridad representa
el informe técnico de seguridad que incluye casos según CENELEC
50126.
Las personas situadas cerca del borde del andén
pero que no caen/no se desplazan hacia la zona de las vías deben
considerarse como otro problema importante en el funcionamiento del
metro. Los pasajeros que estén cerca del borde del andén pueden ser
golpeados por los trenes que llegan, provocando graves lesiones. De
manera complementaria a la supervisión de las vías, la zona del
borde de los andenes (por ejemplo, una banda de 50 cm de ancho,
compárese con la figura 7), también puede supervisarse con el
procedimiento de núcleo de seguridad descrito utilizado para la
detección de objetos dentro de las vías.
Para la supervisión de la banda de los andenes,
los requisitos de seguridad pueden considerarse menos rígidos que
para la supervisión de las vías. Por otro lado, las personas que
hayan caído a las vías se detectarán después de algunos cientos de
milisegundos (por ejemplo entre 200 y 300 ms), no pareciendo
necesario este requisito para el borde de los andenes. Es posible
que las personas que hayan caído a las vías necesiten ser
rescatadas, ya sea debido a graves lesiones debidas a la caída o a
la incapacidad de salir de las vías debido a un andén elevado. En
este caso se requiere un tiempo de respuesta rápido especialmente en
caso de que se acerquen trenes con respecto a la distancia de
frenado. Por el contrario, las personas que están cerca del borde
del andén pueden retroceder fácilmente (en caso de que lleguen
trenes) o incluso pueden ser apartados por otros pasajeros. Por lo
tanto, puede aceptarse un mayor tiempo de respuesta.
Los sectores de trapecio en el borde de los
andenes también están divididos en submatrices de imagen de nxn.
Una vez que se haya observado una intrusión del andén con la etapa
de preprocesamiento de la comparación de imágenes diferenciales,
las siguientes imágenes se compararán con la última imagen que
represente la banda del andén vacía. A diferencia de la supervisión
de las vías, esta comparación se repite a lo largo de una serie de
imágenes más larga (por ejemplo, de 10 a 15 imágenes que
corresponden aproximadamente a un intervalo de 1 a 1,5 segundos).
Esto proporciona un efecto que mejora la disponibilidad, eliminando
un mensaje de aviso si las personas sólo caminan a través de la
banda de supervisión sin permanecer en ella durante demasiado
tiempo.
La figura 8 muestra el tamaño medido de un
objeto equivalente a una esfera (o un círculo) que tiene un diámetro
de 30 cm con el sistema de detección de intrusiones en las vías en
comparación con un sistema clásico basado en haces infrarrojos o de
RADAR montados de manera horizontal sobre las vías. La precisión de
las mediciones difiere básicamente en que el sistema de haces solo
mide normalmente el tamaño de un objeto en saltos discretos de, por
ejemplo, 15 cm. Por otro lado, el número de submatrices activadas
del sistema de detección de intrusiones en las vías dentro de una
imagen crece de manera proporcional al tamaño de los objetos con
diferencias despreciables entre el tamaño real y el medido.
Claims (26)
-
\global\parskip0.930000\baselineskip
1. Un procedimiento para supervisar zonas peligrosas, usando al menos una cámara de vídeo para capturar imágenes desde una zona de supervisión que comprende un andén y vías en una estación, en el que las imágenes se proporcionan a una interfaz para su procesamiento, caracterizado por utilizar una división geométrica de la zona de supervisión en trapecios, entendiéndose cada uno en una dimensión lateral a lo largo de toda la zona de las vías y longitudinalmente en la dirección de los carriles y por la subdivisión de cada trapecio en partes de trapecio izquierda y derecha de superficies aproximadamente simétricas, en las que una de las partes de trapecio representa la zona de sector de detección o supervisión real y la otra parte de trapecio representa un trapecio de calificación para calificar iluminaciones u objetos co-
mo poco verosímiles u objetos como auténticos y aceptables, y que comprende las siguientes etapas de procedimiento:- a)
- una etapa de preprocesamiento que dirige la atención del sistema hacia una posible intrusión conservando solamente aquellas partes de la imagen que cambian sus características ópticas, dividiendo los trapecios de la zona de supervisión en submatrices, donde el movimiento en las submatrices se detecta mediante un procesamiento de imágenes diferenciales que depende del umbral de detección pertinente, y en caso de que se detecte movimiento en al menos un número crítico de submatrices activadas en una parte de trapecio de supervisión, dependiendo de otro umbral de detección, el contexto crítico en la parte de trapecio de supervisión correspondiente se determina comparando el número de submatrices activadas en las partes de trapecio izquierda y derecha respectivas, concretamente las partes de trapecio de supervisión y de calificación, seguida de
- b)
- una etapa de análisis, en la que las partes de trapecio de supervisión activas identificadas se combinan de manera lógica con actividades históricas en la parte de trapecio respectiva para identificar un estado peligroso, donde
- c)
- en paralelo a las etapas 1 a) y 1 b) se realiza permanentemente una comprobación de seguridad del sistema complementaria que controla permanentemente el estado en la zona de supervisión contando, solicitando y comprobando actividades normales del sistema.
- 2. Procedimiento según la reivindicación 1, caracterizado porque después de la etapa 1 b) se realiza una etapa de análisis, en la que las submatrices activas se agrupan en regiones, seguida de una clasificación y una verificación de las regiones y una predecisión opcional acerca de la criticidad de los objetos.
- 3. Procedimiento según una de las reivindicaciones 1 ó 2, caracterizado porque en la etapa 1 a) el movimiento en las submatrices se detecta mediante una imagen diferencial, una imagen de referencia de fondo o una combinación de las mismas, en el que un análisis de imágenes diferenciales va seguido de una comprobación de imágenes de referencia de fondo.
- 4. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque en la etapa 1a) se genera una imagen diferencial sustrayendo los valores de gris acumulados de determinas zonas de imagen en los instantes T_{0} y T_{0} + \Deltat, y porque los valores promedio de gris de las submatrices antes y después de la diferenciación de los valores de gris se calculan y se sustraen.
- 5. Procedimiento según la reivindicación 4, caracterizado porque \Deltat es un tiempo con una duración máxima de 100 ms.
- 6. Procedimiento según las reivindicaciones anteriores, caracterizado porque en la comprobación de seguridad del sistema en la etapa 1 c), la diferencia entre una imagen de referencia de fondo, BRI, que tiene que actualizarse regularmente, con cada imagen se determina regularmente para comprobar un estado de tren en la estación, TAS.
- 7. Procedimiento según la reivindicación 6, caracterizado porque entre dos BRI consecutivas los pequeños cambios de valores de gris globales sin ninguna submatriz activada se consideran como no críticos.
- 8. Procedimiento según una de las reivindicaciones 3 a 7, caracterizado porque en la etapa 1 a) se genera una imagen de referencia utilizando la última imagen sin intrusiones.
- 9. Procedimiento según la reivindicación 8, caracterizado porque en la etapa 1a), la última imagen sin intrusiones se compara con hasta cuatro imágenes siguientes.
- 10. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque en la etapa 1a) las submatrices que modifican sus características ópticas se determinan en el transcurso de tiempo para definir submatrices activas.
- 11. Procedimiento según una de las reivindicaciones anteriores, caracterizado parque en la etapa 1 a) se analizan submatrices activas en una imagen característica.
- 12. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque en la etapa 1 a) cada submatriz se compara con un umbral predefinido para decidir acerca de la activación de la submatriz.
\global\parskip1.000000\baselineskip
- 13. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque en la etapa 1 a) se analiza el contexto lógico de las submatrices activas en la zona de supervisión.
- 14. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque una etapa de decisión sigue a la etapa 1 c), en la que en caso de una situación crítica se genera una señal.
- 15. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque se añaden sectores de aviso adicionales a lo largo del borde del andén como una superficie de trapecios adicional.
- 16. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque en caso de usar más de una cámara, las cámaras se colocan de manera equidistante a lo largo del andén.
- 17. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque el umbral de detección es continuamente escalable.
- 18. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque una submatriz comprende NxN píxeles.
- 19. Procedimiento según la reivindicación 18, caracterizado porque N tiene al menos el valor 5, preferentemente 7.
- 20. Procedimiento según una de las reivindicaciones anteriores, caracterizado porque para generar una señal de alarma debe activarse un número definido de n submatrices de entre un grupo que comprende m submatrices.
- 21. Un sistema para supervisar zonas peligrosas, que utiliza al menos una cámara de vídeo para capturar imágenes desde una zona de supervisión que comprende un andén y vías en una estación, en el que las imágenes se proporcionan a una interfaz para su procesamiento, caracterizado por utilizar una división geométrica de la zona de supervisión en trapecios, entendiéndose cada uno en una dimensión lateral a lo largo de toda la zona de las vías y longitudinalmente en la dirección de los carriles y por la subdivisión de cada trapecio en partes de trapecio izquierda y derecha de superficies aproximadamente simétricas, en las que una de las partes de trapecio representa el sector de detección o supervisión real y la otra parte de trapecio representa un trapecio de calificación para calificar iluminaciones u objetos como poco verosímiles u objetos como auténticos y aceptables, que comprende medios para realizar
- a)
- una etapa de preprocesamiento que dirige la atención del sistema hacia una posible intrusión conservando solamente aquellas partes de la imagen que cambian sus características ópticas, dividiendo los trapecios de la zona de supervisión en submatrices, donde el movimiento en las submatrices se detecta mediante un procesamiento de imágenes diferenciales que depende del umbral de detección pertinente, y en caso de que se detecte movimiento en al menos un número crítico de submatrices activadas en una parte de trapecio de supervisión, dependiendo de otro umbral de detección, el contexto crítico en la parte de trapecio de supervisión correspondiente se determina comparando el número de submatrices activadas en las partes de trapecio izquierda y derecha respectivas, concretamente las partes de trapecio de supervisión y de calificación, seguida de
- b)
- una etapa de análisis, en la que las partes de trapecio de supervisión activas identificadas se combinan de manera lógica con actividades históricas en la parte de trapecio respectiva para identificar un estado peligroso, donde
- c)
- en paralelo a las etapas 1 a) y 1 b) se realiza permanentemente una comprobación de seguridad del sistema complementaria que controla el estado en la zona de supervisión contando, solicitando y comprobando actividades normales del sistema.
- 22. Sistema según la reivindicación 21, caracterizado porque una tercera etapa se inicia opcionalmente después de la segunda etapa, la cual agrupa submatrices en regiones, seguida por una clasificación de regiones y de una verificación o clasificación posterior para identificar la clase de objeto de cada región e identificar perturbaciones, seguida de una predecisión opcional acerca de la criticidad de los objetos.
- 23. Sistema según una de las reivindicaciones 21 ó 22, caracterizado porque se utilizan más de una cámara montadas de manera equidistante.
- 24. Uso de un procedimiento según una de las reivindicaciones 1 a 21 para la vigilancia de zonas peligrosas.
- 25. Uso según la reivindicación 24, caracterizado porque una señal de alarma se genera cuando se detecta una situación crítica y/o se interrumpe el funcionamiento de un objeto técnico.
- 26. Producto de programa informático, que está almacenado en un medio legible por ordenador y que comprende medios legibles por ordenador, mediante el cual un ordenador lleva a cabo un procedimiento según una de las reivindicaciones anteriores 1 a 20 cuando el programa informático está ejecutándose.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP06090191 | 2006-10-16 | ||
| EP06090191 | 2006-10-16 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2327469T3 true ES2327469T3 (es) | 2009-10-29 |
Family
ID=39015872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES07819225T Active ES2327469T3 (es) | 2006-10-16 | 2007-10-16 | Sistema de supervision de vias mediante imagenes de video. |
Country Status (5)
| Country | Link |
|---|---|
| EP (1) | EP1943612B1 (es) |
| AT (1) | ATE431951T1 (es) |
| DE (1) | DE602007001145D1 (es) |
| ES (1) | ES2327469T3 (es) |
| WO (1) | WO2008046662A1 (es) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2093699A1 (en) * | 2008-02-19 | 2009-08-26 | British Telecommunications Public Limited Company | Movable object status determination |
| JP6148053B2 (ja) * | 2013-03-29 | 2017-06-14 | 日本信号株式会社 | 物体検知システム |
| CN105260719B (zh) * | 2015-10-16 | 2019-03-15 | 南京工程学院 | 铁路站台越线检测方法 |
| US10147195B2 (en) | 2016-02-19 | 2018-12-04 | Flir Systems, Inc. | Object detection along pre-defined trajectory |
| JP6890434B2 (ja) * | 2017-02-15 | 2021-06-18 | 日本信号株式会社 | 物体検知システム及び物体検知方法 |
| EP3534294B1 (en) * | 2018-03-02 | 2023-09-06 | Akademia Gorniczo-Hutnicza im. Stanislawa Staszica w Krakowie | Computer implemented method for processing a frame sequence, digital frame processing device computer program product and monitoring system |
| DE102018206593A1 (de) * | 2018-04-27 | 2019-10-31 | Siemens Aktiengesellschaft | Mobiles Erkennen von Reisenden und Objekten auf Bahnsteigen |
| CN109920186A (zh) * | 2019-04-19 | 2019-06-21 | 沈阳风驰软件股份有限公司 | 一种站台边缘检测与越界报警控制系统和方法 |
| CN110009857A (zh) * | 2019-05-14 | 2019-07-12 | 沈阳风驰软件股份有限公司 | 一种站台一米线检测与越界报警控制系统 |
| EP3876210B1 (en) * | 2020-03-02 | 2023-09-13 | ABB Schweiz AG | A low or medium switchgear monitoring system |
| CN112489368A (zh) * | 2020-11-30 | 2021-03-12 | 安徽国广数字科技有限公司 | 智能跌倒识别与检测报警方法及系统 |
| CN113011252B (zh) * | 2021-02-04 | 2023-12-05 | 成都希格玛光电科技有限公司 | 轨道异物侵限检测系统及方法 |
| CN114495011A (zh) * | 2022-02-15 | 2022-05-13 | 辽宁奥普泰通信股份有限公司 | 基于目标检测的非机动车和行人非法闯入识别方法、存储介质和计算机设备 |
| CN115311534B (zh) * | 2022-08-26 | 2023-07-18 | 中国铁道科学研究院集团有限公司 | 基于激光雷达的铁路周界入侵辨识方法、装置及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2606572A1 (fr) * | 1986-11-07 | 1988-05-13 | Faiveley Ets | Procede et dispositif pour detecter la presence d'un corps dans une zone predeterminee |
| AU662560B2 (en) * | 1991-09-12 | 1995-09-07 | Electronic Data Systems Corporation | Image analyser |
-
2007
- 2007-10-16 ES ES07819225T patent/ES2327469T3/es active Active
- 2007-10-16 AT AT07819225T patent/ATE431951T1/de not_active IP Right Cessation
- 2007-10-16 WO PCT/EP2007/009162 patent/WO2008046662A1/en active Application Filing
- 2007-10-16 EP EP07819225A patent/EP1943612B1/en active Active
- 2007-10-16 DE DE602007001145T patent/DE602007001145D1/de active Active
Also Published As
| Publication number | Publication date |
|---|---|
| WO2008046662A1 (en) | 2008-04-24 |
| EP1943612A1 (en) | 2008-07-16 |
| ATE431951T1 (de) | 2009-06-15 |
| DE602007001145D1 (de) | 2009-07-02 |
| EP1943612B1 (en) | 2009-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2327469T3 (es) | Sistema de supervision de vias mediante imagenes de video. | |
| US10970851B2 (en) | Operations monitoring in an area | |
| US10518700B1 (en) | Instrusion detection system and methods thereof | |
| US20110103647A1 (en) | Device and Method for Classifying Vehicles | |
| WO2013121344A2 (en) | Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics | |
| KR100960991B1 (ko) | 스쿨존 내의 로봇을 이용한 교통제어 시스템 및 그 방법 | |
| KR102107791B1 (ko) | 어린이 보호구역의 안전속도준수 제어시스템 | |
| US11756427B1 (en) | Traffic signal system for congested trafficways | |
| KR20200059755A (ko) | 라이다 센서 검증시험 모의장치 | |
| KR100923586B1 (ko) | 어린이보호구역 내 신호등 판별 방법 및 시스템 그리고 정보 표시 방법 | |
| JP6016411B2 (ja) | 進入者検知システム、進入者検知方法、および進入者検知プログラム | |
| JP2008152586A (ja) | エリア警戒自動識別監視システム | |
| Golder et al. | Automated Railway Crossing System: A Secure and Resilient Approach | |
| JP2016177403A (ja) | 入退場装置 | |
| Murshed et al. | Automated level crossing system: A computer vision based approach with Raspberry Pi microcontroller | |
| CN118128601B (zh) | 工作面人机协同作业安全监测预警系统及方法 | |
| US20220410951A1 (en) | Image-Based Vehicle Evaluation for Non-compliant Elements | |
| US20240010249A1 (en) | System and method for railway right-of-way occupancy detection | |
| Scholz | An innovative system to detect obstacles on rail tracks | |
| JP7219820B2 (ja) | 空間検知システム、および空間検知方法 | |
| JP2011189921A (ja) | プラットホーム転落防止システム | |
| CN117576777A (zh) | 翻越检测方法及装置 | |
| CN117635398A (zh) | 一种社会治理安全防护系统 |