铁路周界异物入侵检测方法研究
发布时间：2021-04-27 10:15
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...
【文章来源】：兰州交通大学甘肃省
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究的背景与意义
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文主要研究内容和结构安排
1.3.1 主要内容
1.3.2 结构安排
2 运动目标前景提取
2.1 图像处理相关知识
2.1.1 数学形态学
2.1.2 连通域分析
2.2 传统运动目标检测算法
2.2.1 光流法
2.2.2 帧间差分法
2.2.3 背景差分法
2.2.4 算法性能对比
2.3 背景建模算法
2.3.1 均值背景建模法
2.3.2 高斯混合模型
2.3.3 ViBe算法
2.3.4 算法性能对比
2.4 基于运动目标自适应检测的改进ViBe算法
2.4.1 背景模型初始化
2.4.2 自适应半径阈值前景分割
2.4.3 后处理
2.4.4 算法实现流程
2.5 实验结果与分析
2.6 本章小结
3 运动目标跟踪
3.1 传统目标跟踪算法
3.1.1 Mean Shift跟踪算法
3.1.2 粒子滤波跟踪算法
3.1.3 算法性能对比
3.2 基于特征匹配的Kalman滤波跟踪算法
3.2.1 卡尔曼滤波
3.2.2 特征匹配的跟踪算法设计
3.3 实验结果与分析
3.4 本章小结
4 铁路周界异物入侵检测
4.1 周界区域约束
4.2 异物判别
4.3 方法流程
4.4 实验结果与分析
4.5 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]抖动干扰下运动目标精准检测与跟踪算法设计[J]. 郑浦,白宏阳,李政茂,郭宏伟. 仪器仪表学报. 2019(11)
[2]铁路侵限异物检测方法综述[J]. 王泉东,杨岳,罗意平,魏晓斌,刘斯斯. 铁道科学与工程学报. 2019(12)
[3]基于Vibe算法和连通域的车流量统计研究[J]. 张嘉烽,张正华,徐杰,房崇鑫,钱锦,苏权,王飞. 计算机技术与发展. 2019(12)
[4]铁路线路障碍监测报警系统研究[J]. 郑亚宏,何家玉. 中国铁路. 2019(09)
[5]Using Kalman filter algorithm for short-term traffic flow prediction in a connected vehicle environment[J]. Azadeh Emami,Majid Sarvi,Saeed Asadi Bagloee. Journal of Modern Transportation. 2019(03)
[6]基于特征图裁剪的高铁周界入侵实时检测算法[J]. 王玮,朱力强. 铁道学报. 2019(09)
[7]相互结构引导滤波TV-L1变分光流估计[J]. 葛利跃,张聪炫,陈震,黎明,陈昊. 电子学报. 2019(03)
[8]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[9]基于多特征融合的背景建模方法[J]. 郭治成,党建武,王阳萍,金静. 光电工程. 2018(12)
[10]铁路周界安防技术分析及应用[J]. 尚宾宾. 中国安全科学学报. 2018(S1)
硕士论文
[1]基于双目视觉的机车运行前方障碍物检测识别研究[D]. 姜泽.兰州交通大学 2019
[2]基于光纤传感的高速铁路周界安全监测系统研究[D]. 闫高健.北京交通大学 2019
[3]基于迁移压缩的铁路周界入侵分类网络快速训练算法[D]. 沈悦.北京交通大学 2019
[4]基于智能监控的铁轨异物入侵自动识别研究[D]. 蒋超.兰州交通大学 2017
[5]基于单目视觉的轨道交通异物侵限检测方法研究[D]. 陈根重.北京交通大学 2013
本文编号：3163284
【文章来源】：兰州交通大学甘肃省
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究的背景与意义
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文主要研究内容和结构安排
1.3.1 主要内容
1.3.2 结构安排
2 运动目标前景提取
2.1 图像处理相关知识
2.1.1 数学形态学
2.1.2 连通域分析
2.2 传统运动目标检测算法
2.2.1 光流法
2.2.2 帧间差分法
2.2.3 背景差分法
2.2.4 算法性能对比
2.3 背景建模算法
2.3.1 均值背景建模法
2.3.2 高斯混合模型
2.3.3 ViBe算法
2.3.4 算法性能对比
2.4 基于运动目标自适应检测的改进ViBe算法
2.4.1 背景模型初始化
2.4.2 自适应半径阈值前景分割
2.4.3 后处理
2.4.4 算法实现流程
2.5 实验结果与分析
2.6 本章小结
3 运动目标跟踪
3.1 传统目标跟踪算法
3.1.1 Mean Shift跟踪算法
3.1.2 粒子滤波跟踪算法
3.1.3 算法性能对比
3.2 基于特征匹配的Kalman滤波跟踪算法
3.2.1 卡尔曼滤波
3.2.2 特征匹配的跟踪算法设计
3.3 实验结果与分析
3.4 本章小结
4 铁路周界异物入侵检测
4.1 周界区域约束
4.2 异物判别
4.3 方法流程
4.4 实验结果与分析
4.5 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]抖动干扰下运动目标精准检测与跟踪算法设计[J]. 郑浦,白宏阳,李政茂,郭宏伟. 仪器仪表学报. 2019(11)
[2]铁路侵限异物检测方法综述[J]. 王泉东,杨岳,罗意平,魏晓斌,刘斯斯. 铁道科学与工程学报. 2019(12)
[3]基于Vibe算法和连通域的车流量统计研究[J]. 张嘉烽,张正华,徐杰,房崇鑫,钱锦,苏权,王飞. 计算机技术与发展. 2019(12)
[4]铁路线路障碍监测报警系统研究[J]. 郑亚宏,何家玉. 中国铁路. 2019(09)
[5]Using Kalman filter algorithm for short-term traffic flow prediction in a connected vehicle environment[J]. Azadeh Emami,Majid Sarvi,Saeed Asadi Bagloee. Journal of Modern Transportation. 2019(03)
[6]基于特征图裁剪的高铁周界入侵实时检测算法[J]. 王玮,朱力强. 铁道学报. 2019(09)
[7]相互结构引导滤波TV-L1变分光流估计[J]. 葛利跃,张聪炫,陈震,黎明,陈昊. 电子学报. 2019(03)
[8]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[9]基于多特征融合的背景建模方法[J]. 郭治成,党建武,王阳萍,金静. 光电工程. 2018(12)
[10]铁路周界安防技术分析及应用[J]. 尚宾宾. 中国安全科学学报. 2018(S1)
硕士论文
[1]基于双目视觉的机车运行前方障碍物检测识别研究[D]. 姜泽.兰州交通大学 2019
[2]基于光纤传感的高速铁路周界安全监测系统研究[D]. 闫高健.北京交通大学 2019
[3]基于迁移压缩的铁路周界入侵分类网络快速训练算法[D]. 沈悦.北京交通大学 2019
[4]基于智能监控的铁轨异物入侵自动识别研究[D]. 蒋超.兰州交通大学 2017
[5]基于单目视觉的轨道交通异物侵限检测方法研究[D]. 陈根重.北京交通大学 2013
本文编号：3163284
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3163284.html
