高速铁路场景分割与识别算法研究

发布时间：2020-06-16 07:12

【摘要】：基于视频智能分析的异物入侵识别技术已经成为高速铁路周界安全检测领域的重要发展方向,目前制约视频分析技术广泛应用的难题之一是报警区域的自动辨识问题。为了实现高速铁路场景报警区域快速、准确、自动地分割与识别,论文提出了基于多特征通道、自适应检测算子的图像快速分割算法和基于极简化卷积神经网络的局部区域快速识别算法,在计算速度、分割精准度、识别准确率等多个方面达到了有效的平衡。论文首先针对现有区域分割算法计算量过大的问题,通过分析铁路场景直线特征强烈的特点,提出基于多特征融合与优化梯度检测算子的区域快速分割算法。该算法首先利用霍夫变换寻找铁路场景直线特征极大值来调节用于提取图像特征梯度分布的检测算子;然后以少量最优的自适应检测算子来同时计算像素点色彩纹理特征分布以及像素点相似度分布,获取精准的、带有权重的边界点,并进一步通过自动筛选强弱边界点来防止图像分割结果过度碎片化;最后设计基于边界点权重及碎片区域面积的组合规则来将碎片区域快速组合成局部区域。对比实验结果表明,所提算法能够快速、有效的分割图像得到局部区域精确边界,为后续的区域识别部分奠定良好的基础。针对现有区域识别卷积神经网络计算量大、占用内存多、需要GPU实时处理的问题,论文提出了基于预训练的卷积核权值优化算法。该算法通过构建浅层自编码神经网络,自动学习铁路不同区域特征模板,解决了铁路场景同类物体差异性较大、同一物体图像成像质量受光照变化及相机因素影响较大的优化建模问题。对比实验结果表明,所提算法有效提高了传统卷积神经网络对铁路场景在局部区域的识别准确率,也为类似应用问题提供了解决思路。为进一步加快铁路场景分割与识别的计算速度,论文提出一种两段式区域分割算法。在第一阶段,利用极简化卷积神经网络快速扫描铁路场景并确定轨道区域的潜在位置;在第二阶段,对潜在位置进行精确分割与识别。针对极简化的卷积网络准确率较低的难题,提出一种卷积通道稀疏化的代价函数来优化训练过程,提高特征图的差异性。对比实验结果表明,两段式算法极大减少了全景图像中无关区域的冗余计算时间,极简化的卷积网络的准确率也得到了有效弥补,有效地提高了系统的工作效率和性能。与现有技术相比,论文提出的系列算法对铁路场景分割与识别的像素级准确率大大提高,计算时间更短,网络参数更少,摆脱了对GPU显卡的依赖,降低了应用系统成本,便于移植到不同配置的数据处理平台,目前已经在沪宁城际高速铁路上得到实际应用。
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP391.41;U298
【图文】：

视频监控系统,高速铁路,结构示意图

Ｆｉｇ．邋１－２邋Ｔｈｅ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｔｈｅ邋ｈｉｇｈ－ｓｐｅｅｄ邋ｒａｉｌｗａｙ邋ｉｎｔｅｇｒａｔｅｄ邋ｖｉｄｅｏ邋ｍｏｎｉｔｏｒｉｎｇ邋ｓｙｓｔｅｍ逡逑因此，本文所提高速铁路周界入侵检测系统应当保持和高速铁路综合视频监逡逑控系统相同的结构模式及技术标准以便接入系统接口，满足统一管理的要求；除此逡逑之外，本文所提场景分割与识别算法本身还要有良好的通用性，能够辅助其他现有逡逑的周界入侵检测系统进行监控区域的自动划定。逡逑高速铁路综合视频监控系统在数据处理及传输方式的选择上分为前端处理和逡逑后端处理两种方式前者是指在相机安装现场附近的嵌入式设备中直接处理监逡逑控相机拍摄的视频图像数据，通信系统只负责传输少量的处理后的预警和报警信逡逑息，优点是系统硬件成本较低，不足之处在于前端嵌入式设备计算能力较差，工作逡逑效率较低；后者是指将监控相机在现场采集到的视频图像数据通过光纤通信传送逡逑回位于不同视频接入节点的数据处理中心做视频图像分析计算，优点是可以在数逡逑据处理中心设置专门的计算能力较强的服务器，缺点是大量的视频图像信息对通逡逑信网络的压力较大，系统硬件成本较高。逡逑因此，本文所提高速铁路周界入侵检测系统及场景分割与识别算法要兼顾自逡逑系统的硬成统的际硬配置，法整体的参数计量要所

相机,比例,类型

植进特殊地段的嵌入式数据处理设备中。逡逑监控相机的安装总数在１４万左右，包含各种标清和高清相机、红外与激光补逡逑光相机、微光以及星光相机等（如图１－３所示），各类相机品牌、型号不一、成像逡逑质量不同、功能及业务需求不同、监控场景类型不同、所属自然地质、地貌、气候逡逑带也不尽相同［５？５４］。铁路场景图像在成像过程中有容易受到各种干扰因素的影响逡逑（自然环境、地域跨度以及不同季节、不同时间带来的不同光照强度的影响；列车逡逑驶过引起的相机剧烈抖动；风、雨、雪、雾等恶劣天气带来视野遮挡的影响，如图逡逑１－１所示，镜头风沙导致图像画质下降；同类（甚至同一）物体的成像质量差异性逡逑较大的影响），导致场景组成元素较少但位置多变、背景特征多变、色彩纹理不明逡逑显以及图像抖动等，严重影响帧间差分、特征提取、模板匹配、迭代、聚类等传统逡逑图像分割与识别处理算法的计算结果。逡逑５．７８％邋１３邋［邋ｒ邋°－２３0／0逡逑■标清■普通高清■红外补光■激光补光■星光及其他特种相机逡逑图１－３相机类型及比例逡逑Ｆｉｇ．邋１－３邋Ｔｈｅ邋ｔｙｐｅｓ邋ａｎｄ邋ｐｒｏｐｏｒｔｉｏｎｓ邋ｏｆ邋ｃａｍｅｒａｓ逡逑因此，本文所提的场景分割与识别算法要具备一定的抗干扰能力，针对性的提逡逑高特征提取、特征组合、区域分割与组合及识别分类等相关步骤的有效性和准确性，逡逑保障分割精准度与识别准确率。逡逑监控相机的安装位置大部分集中在车站进出口、公跨铁桥梁、隧道进出口、山逡逑区、公路铁路交叉路口、正常线路等铁路沿线地段（如图１－４所示）

【参考文献】