论文部分内容阅读
我国铁路的跨越式发展对铁路行车安全保障体系建设带来了新的挑战。由于铁路线路及配套设施的非封闭式设计,类似风筝、塑料、彩钢瓦和孔明灯等空中异物容易随风飘入列车行车限界,一旦缠绕在高铁接触网承力索、吊弦、接触导线等关键部位,需要动车组降弓通过或停车,严重时可能损毁弓网供电装置,造成列车大面积晚点。另一方面,列车组高速运行时会在车体周围产生较高负压,诸如行人、动物和车辆等地面侵限异物会被吸引至行车限界内,给列车安全运行带来重大隐患。研究一种对铁路侵限异物进行准确实时的检测及跟踪,是铁路供电和运输领域关注的热点问题。本文以国家自然科学基金和江西省科技厅应用培育计划项目为依托,在既有高铁综合视频监控系统的基础上,研究了一种基于机器视觉的PSA-Kcf尺度自适应铁路异物侵限检测及跟踪方法,为智能轨道交通行业的发展提供技术支持。在异物侵限检测方面的主要研究内容为:利用视觉背景提取器(Visual Background Extractor,Vibe)为视频序列额外建立一个背景纹理模型,并将基于背景颜色模型和背景纹理模型完成分割后均为前景点的像素点判定为前景,可以有效降低对伪装色侵限异物的漏检率。在异物侵限跟踪阶段,本文则从以下三方面进行了创新。1)通过目标区域的密集循环采样获取块循环平移训练样本矩阵,利用高斯核函数将平移训练样本集投影到线性可分的高维特征空间,并依据块循环矩阵在傅里叶域可对角化的性质,将线性回归正规化方程解析解中的求逆运算简化为点乘,大幅提升了算法的目标跟踪速度,适合运用在铁路沿线的视频接入节点。2)提取侵限异物的方向梯度直方图特征(Histogram of Gradient,FHOG)和RGB颜色特征,训练各自的核相关平移滤波器,根据平移滤波器响应图的平滑约束性(Smooth Constraint of Confidence Maps,SCCM)和平均峰值相关能量(Average Peak-to Correlation Energy,APCE)置信度对响应图进行线性加权和滤波器自适应更新,有效解决了算法在异物形变和光照变化的场景下跟踪框容易漂移的问题。3)针对算法在跟踪临界变距目标时容易学习到过量背景或局部纹理信息,从而造成滤波器污染的问题,采用初始化跟踪框FHOG特征训练一个尺度滤波器,将使用尺度金字塔技术构建的尺度测试样本集作为尺度滤波器输入,并将输出响应最高的测试样本对应的尺寸作为当前帧侵限异物的尺度,可以实现对临界变距目标的尺度自适应跟踪。最后,使用某铁路沿线综合视频监控系统采集的一系列铁路异物侵限视频序列作为实验算例,对本文所提算法进行了验证,实验结果表明:本文所提PSA-Kcf算法在跟踪精度上优于无尺度估计环节的生成类算法Mean Shift和原生核相关滤波算法Kcf,略高于尺度自适应的SA-Kcf和SAMF算法;在跟踪速度上明显快于Mean Shift、SA-Kcf和SAMF算法,能达到与Kcf算法相当的跟踪速度。