论文部分内容阅读
随着铁路事业日新月异的发展,一大批客运专线陆续投入使用,方便了人们的出行,但同时列车的运营安全也越来越受到人们的重视。在众多影响列车安全运营的因素中,异物入侵因突发性强、不可预见性高的特点显得尤为突出。传统的异物入侵检测方法因铁路线路跨越地域广、沿线自然环境变化等因素的影响会出现误检、漏检问题,且难以在禁行区域预先检测出异物使得列车司机没有足够多的反应时间,因此可靠性难以保障。针对上述不足,本文提出了一种铁路周界异物入侵检测方法。首先对周界区域给定约束条件;其次根据基于运动目标自适应检测的改进ViBe算法精确分割出运动目标前景;然后对分割的前景二值图像面积做加权处理并判断是否为入侵周界的异物;最后为了获得异物在周界内的实时运动状态可通过基于特征匹配的Kalman滤波跟踪算法对周界区域内异物目标实时跟踪。本文以提高铁路周界异物入侵检测的准确率为目标,主要研究内容体现以下几个方面:(1)在前景分割阶段,针对传统ViBe算法检测结果存在Ghost区域,且受环境变化影响在提取前景时容易产生误检或漏检等问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。仿真结果表明,本文方法能够有效抑制Ghost区域,并在高动态环境下能够较完整检测出目标前景。(2)在目标跟踪阶段,为了避免目标跟踪时出现的误跟踪和漏跟踪问题,提出了一种基于特征匹配的Kalman滤波跟踪算法。首先对检测出的目标建立Kalman滤波跟踪模型;其次以Kalman滤波算法对目标在下一帧中的位置进行预测;最后通过匹配策略来确定匹配目标。仿真结果表明,本文方法对单目标和多目标的实时连续跟踪均具有较强的性能。(3)在目标前景分割算法和目标跟踪算法研究基础上,设计了一套铁路周界异物入侵检测方法。首先详细阐述周界区域的标识过程;其次设定异物的判决条件;最后构建铁路周界异物入侵检测总体流程。以拍摄的铁道视频做仿真实验,结果表明,相比于传统异物入侵检测方法本文方法检测准确率达到95%以上。