《轨道交通视频检测系统设计.doc》由会员分享，可在线阅读，更多相关《轨道交通视频检测系统设计.doc（13页珍藏版）》请在三一办公上搜索。
1、轨道交通视频检测系统设计第26卷第9期2009年9月计算机应用与软件ComputerApplicationsandSoftwareV01.26No.9Sep.2009轨道交通视频检测系统设计王建立李晗庄慧忠(上海工程技术大学高等职业技术学院上海200437)(温州大学物理与电子信息学院浙江温州325000)摘要对火车视频检测系统具体设计中的一般性问题进行讨论.首先叙述了基本检测流程,讨论了基本检测流程的两种实现形式,它们分别使用于实际应用和算法调试;接下来描述了融合两种实现形式的实际应用系统框架;然后叙述了检测线方法三层框架结构的具体C+类实现问题;对于应用系统中算法设计的两个主要问题:烟尘干
2、扰和图像晃动也进行了讨论;最后讨论了视频检测系统中常常面对的夜间检测问题.关键词轨道交通视频检测同步检测线DESIGNoFVIDEoDETECTIoNSYSTEMFoRRAILTRANSITWangJianliLiHanZhuangHuizhong(ColofVocationalTechnical,ShanghaiUniversityofEngineeringsce,Shanghai200437,China).(CollegeofPhysicsandElectronicInformation,Wenzhou,Wenzhou325000,Zhejang,China)AbstractSomegen
3、eralproblemsindetaileddesignofthetrainvideodetectionsystemalediscussedinthispaper.Thebasicdetectioriflowanditstwoimplementaryformswhichareusedinpracticalapplicationandalgorithmdebuggingrespectivelyarefirstlydiscussed.Andthepracticalappliedsystemframefusedwithtwoimplementaryformsisdescribed.Thentheco
4、ncreterealizationofC+classforthreelayerframestructureusedinthemethodofsynchronicdetectionlinesisnarratedindetail.Twomainproblemsofthealgorithmdesignintheappliedsystem,smokedisturbanceandimageshake,arealsodiscussed.Finally,thenightdetectionproblemusuallyencounteredinvideodetectionsysternisdiscassedas
5、wel1.KeywordsRafttransitVideodetectionSynchronicdetectionlines0引言视频检测技术一般多用于公路交通领域,作为智能交通系统(ITS)的一个子系统,视频检测系统用来提取公路交通信息,主要包括车流量,平均车行速度,排队长度,变道,车辆类型,车牌信息等,在交通管理中发挥了巨大的作用.相比而言,视频检测技术在铁路交通方面的研究和应用较少,究其原因,是因为经过长期的研究和实践,已经研究出的各种轨道传感器能够满足铁路方面的需要.然而,随着计算机性能的提高和价格的下降,高性能的CCD摄像机逐步普及,采用视频系统来采集交通信息已经成为铁路交通管理工作
6、中可行的解决方案之一.轨道交通中采用的视频系统是利用较少的摄像机来管理较多的并行轨道,这样可以节省大量价格昂贵的轨道传感器,使得整个系统的成本大大降低;并且无需在轨道区域内进行大量的施工和布线,对铁路的日常运营影响很小;如果需要升级和添加功能只需改变软件系统即可;此外,摄像机传回的图像既可供实时监控之用,也可以储存起来作为评估和分析之用.因此,在轨道交通中大规模引入视频检测技术来提升生产和运营效率是大势所趋.视频检测技术在轨道交通方面的应用与公路方面相比,基本上处于起步阶段,论述这方面的文献资料也较少.其中MIT的Demir和Masaki等人提出将机器视觉和图像压缩技术作为智能铁路系统的两项关
7、键组成技术,但研究工作实际上大多集中在后者而忽略了前者,即侧重于对监控,视频流的压缩和视频信号传输问题的研究而忽略了对机器视觉方面应用的研究.德国德累斯顿(Dresden)的Fraunhofer交通基础系统研究所提出了一个检测轨道上物体的立体视觉方案j.该方案利用安装在列车头尾两端的两套(四台)摄像机采集图像信息,然后使用一个障碍检测算法来获取轨道上障碍物的距离信息.文献3提出了一种用于轨道检查的视觉检测技术,用来检测连接轨道和枕木的紧固螺钉是否完好无损.该方法将摄像机安装于火车下部,然后用摄取的图像与利用小波变换和基本组件分析处理过的预存图像进行比较,最后根据比较情况得到对轨道组件的评估结果
8、.与文献3相类似,文献4提出另外一种轨道安全维护的视频检测应用,即利用Gabor滤波器来检测铁轨起皱:先利用各级Gabor滤波器对原始图像进行卷积处理,然后提取处理矩阵中的纹理特征,最后通过纹理分类的方法来判断铁轨是否起皱.以上这两篇文献涉及的问题可以归结为同一类应用问题,这类问题的研究思路是如何利用视频检测的手段来实现高效率收稿日期:20080306.上海市教育委员会科研创新项目(05NZ20).王建立,副教授,主研领域:计算机应用.216计算机应用与软件2009篮的轨道维护工作,对这类应用问题的研究促使了轨道视频检查系统(TVIs)的产生.TVIS有望改善的轨道维护工作包括:扣件是否完好,
9、枕轨有无断裂,钢轨是否有擦伤,剥离掉块或折断,道床有无翻浆冒泥,路基是否有影响行车安全的较大沉陷等.实际上对轨道相关工作采用视频手段还有丰富的内涵可以挖掘,同时轨道设备的安全性检测也可以被集成到一个更大的视频信息体系中去.比如,文献6中将摄像获取的视频数据和GPS卫星定位设备获取的数据进行处理,配准,形象,准确地实现视频影像与铁路工务线路设备综合同步显示,为运输生产指挥及事故救援提供详尽的资料.另一类轨道交通中研究较多的视频检测应用场合是站台,这方面视频检测关注的主要信息有:客流量,人群中的异常情况及旅客安全状况等.文献7提出一个神经网络视觉系统用来在地铁车站检测人群密度,该算法首先从图像序列
10、中分割出前景目标(人群),然后通过从中提取特征,被提取的特征通过一个神经网络进行建模,最后通过神经网络来估计出人群的拥挤程度.文献8则提出了一种在地铁,城轨和铁路车站等处复杂背景下流动人群数目识别的快速算法,该方法首先综合帧差法和背景法来检测图像序列中的人群区域,然后利用前景面积与图像有效面积的比例关系来估测人群中的人数.本文对火车视频检测系统具体设计中的一般性问题进行了讨论.1基本检测流程1.1在线方式在实际应用中,由于采用摄像机一视频采集卡一计算机这样的数据采集和处理形式,因此在检测软件的设计过程中,必须按照视频采集卡的驱动程序支持的各种开发函数来建立检测算法基本结构.现在市场上视频采集卡
11、的种类繁多,提供的开发函数库也多种多样,一般来说,开发函数集均包括以下几类函数:(1)初始化函和反初始化函数初始化函数必须在使用其他函数之前调用,主要用于对采集卡进行初始化并为以下其他函数的调用做准备工作.反初始化函数一般在软件退出时调用,用于软件断开与卡的连接和释放使用的内存空间.(2)设置视频窗口属性的函数对视频输出的各种参数进行设置,比如视频显示的位置,图像的高和宽,消息响应方法等.(3)设置视频属性的函数包括对视频类型,帧率,颜色,亮度,对比度和饱和度等各类视频属性进行设置的函数.(4)数据流函数数据流函数提供指向每帧数据区的指针,利用该指针,可以将当前帧的数据进行处理和保存.一般的编
12、程模式是采用定时器方式按照固定的帧率调用用户函数来进行帧处理.(5)日期和时间的显示和设置函数(6)通道切换函数如果采集卡具有多个数据通道,可连接多个摄像机,则可利用数据通道切换函数进行通道切换,从而使得一台计算机可以同时对多个视频源进行处理.从这六类函数出发,可以建立基本检测流程如图1所示:首先调用初始化函数,为调用其他视频函数做准备.然后调用相关搜索视频卡的函数,该函数的作用是对视频卡硬件进行枚举,除了确定是否有相应的卡存在外,在多卡情况下还要确定卡的数量.然后连接卡,建立软硬件间的通信通路,通过设置视频窗口属性可以按规定的方式在软件界面上显示实时的图像数据,而保存视频窗口设置的文件可以保
13、证下次系统启动时视频窗口以同样的设置进行显示.检测循环的基本函数是帧响应函数,软件设计时主要提供检测算法函数的指针给帧响应函数,当前帧产生时由帧响应函数自动调用检测算法函数.如果需要同时对多路视频进行处理,则必须进行实时的通道切换,此时需要调用通道切换函数.当退出系统时,首先调用相应函数断开连接,最后调用反初始化函数释放内存.图1基本检测流程1.2离线调试方式在调试过程中,一种可选择的方法是离线调试方式.即可以采用对视频文件加载检测算法的方式进行调试.视频文件具有多种存储格式,本文系统离线调试采用的文件为AVI(AudioVideoInterleaved)文件.AI指的是微软公司的AI格式文件
14、,它采用AVIRIFF格式,由一系列数据块组成.AVI文件有许多不同的种类,可以包含多种不同类型的数据,但所有AVI文件都必须包括两个LIST块,这两个LIST块定义了数据流的格式,其中最重要的数据块是AVI头标和流块,它们定义了视频流的格式,帧数,高度和宽度,数据类型和帧率等信息.可以利用视频采集卡将视频数据保存为AVI文件,其间必须调用视频采集卡相应开发函数库中有关的存储函数.离线调试时须将AVI文件读出并加载检测算法如图2所示,利用AVI头标和各流块对BMP信息头(BITMAPINFO)进行填充,BMP信息头是WindowsSDK定义的数据结构,它与Windows位图文件(BMP)的头结
15、构相对应,利用转化出的BMP信息头就可以在窗口中确立逐帧刷新显示框架;要显示图像还需要读取视频数据,利用一个定时器就可以实现逐帧地将视频数据读取为位图数据,位图数据可以显示成原始视频图像,也可以在加载检测算法后供调试之用.定时器的启动(读取)间隔由AVI文件定义的帧率决定.本文系统使用了VisualC+语言来解析AVI文件.AVI文件DAV1头标流块.睫赣数据区倌患头位图数据区图2解析AVI文件的原理图2应用系统框架在建立应用系统的过程中,算法调试是算法理论和实际检第9期王建立等:轨道交通视频检测系统设计217测效果的中间环节,是系统调试的最重要部分.具体的算法调试方法有两种:1)离线调试如前
16、节所言,离线调试利用视频采集卡存储视频数据,然后仅对视频数据文件施加检测算法来检测算法的优劣,离线调试可以用于实验室中仿真检测过程,其优点是能够反复重现检测算法对某段视频的处理情况,有利于解决算法中出现的各种问题和疏漏;2)在线调试在线调试就是将算法直接加载在应用系统上利用视频采集卡的帧响应函数进行调试,这种方式可以全面检测算法的运行情况,有利于发现算法在实际应用中的各种问题.实际调试中必须采用离线调试和在线调试相结合的混合调试方式进行:先进行在线调试,发现算法问题后则捕捉类似的情况存储为视频数据以供离线调试之用,在通过离线调试反复重现问题,分析其成因然后解决之;最后再加载到应用系统中进行在线
17、调试,通过这样的反复循环来逐渐改进算法以符合实际需要.由于离线调试和在线调试具有不同的程序循环路线,如果采用不同的程序来实现之,则有一个保证两边处理算法一致性的问题.即:为了实现混和调试方式,一般来说需要建立两个调试系统,一个用于离线调试,即对视频文件加载算法;另一个用于在线调试,即响应帧调用函数.从调试系统调试完毕后,再将系统的改进写入在线系统.但由于系统代码很多,程序结构较复杂,要保证调试系统的修改完全无误且没有遗漏地写入在线系统必须十分细心,而且要消耗大量的时间.为了提供算法调试的效率,本文采用一个调试检测两用系统框架如图3所示.该框架的优点在于调试与实际检测共享同样的算法部分程序代码,
18、离线调试和在线调试的修改同时就可以被对方使用,省却了将算法修改写入在线系统的步骤.由于两种方式执行的路径不同,需要在适当的地方设置执行分叉,然后根据调试状态或检测状态来选择执行路径.在具体代码实现中采用了宏定义的方法来表示状态分别和进行路径分叉,并且,由于程序在生成发行版本时编译器会根据宏定义情况忽略调试相关内容,这样,调试系统的存在就丝毫不影响在线系统的运行效率.图3调试检测两用系统框架3同步检测线和检测区域的实现本文所述的视频检测系统设计是基于同步检测线方法,而实现同步检测线的关键是建立像素之间的映射关系.在c+中实现同步检测线,可以采用类的形式.采用类的形式主要是因为类有封装性和可移植性
19、的优点.封装性是指将集合体的数据和操作屏蔽起来,类用户在使用时不必知道类的具体实现细节.类的封装性可以使程序条理清晰,减少程序因为结构混淆而产生的错误.可移植性可以使代码重复使用在其他程序中,同步检测线方法在轨道交通的视频检测系统中可以作为一种基本方法,所以使其实现代码具有可重用性是非常必要的.本文按照检测区域(DR)一同步检测线(SDL)框架,实现了三个不同的类:背景类(CBackground),同步检测线类(CDetectLine)和检测区域类(CDetectRgn).各类依次分别对应了像素层,检测线层和检测区域层,三个类与DRSDL框架的关系如图4所示.背景类以像素为核心,主要封装了一些
20、针对像素的背景更新算法,这些算法可以根据不同的应用场合选择使用,随着检测系统开发的深入和改善,背景类中算法的内容也可以不断地进行丰富;同步检测线类封装了这样一些函数和数据,它们将按照划分准则将检测区域划分为同步检测线集,划分准则可以根据不同的轨道情况进行添加和修改,最初可以从直线集开始.而其公有数据成员(本文定义为链表结构)储存划分结果供检测区域类调用,检测区域类的设置主要是考虑多轨情况和同轨多检测区域的问题,检测区域类的设置有利于排除不同区域之间的检测干扰;检测区域类还统一管理对检测区域和检测线的各种操作并负责和程序主框架的联系.检测区域层?_CDetectREo?_?_._-_.?._-.
21、?._?_-_-?_?-_?-毫_.-._.-_-_?-检测线层+CDetectJAne一一一-一.象素层+CBackotmd图4类与DR-SDL框架的关系4应用系统调试的主要问题视频检测系统面对的主要问题是如何配置恰当的算法序列以实现视频检测所需要的效果,这里所言的算法序列应该比在实验室中利用少数视频资料实现的算法序列更具有鲁棒性,这样才能消除现场各种干扰对检测效果的影响.在实际调试中发现:错误的检测结果的出现,除了数据采集系统自身产生的噪声之外,烟尘干扰和图像晃动是两个主要的干扰因素.4.1烟尘干扰由于现场的环境问题(灰尘较多,车辆来往),视场常常扬起较多灰尘,再加上烧煤和天气原因产生烟雾
22、,这些问题常常引起错误的检测结果.在调试的过程中发现主要原因在于分割目标的算法.该算法采用了动态域值来处理背景和当前帧数据的差分图像,在运动目标(车辆)出现时有较好的分割效果,但在运动目标不存在的时候则容易以较小的域值将烟尘分割出来,对此的解决办法分为两个部分:1)规定动态域值的最小值;2)可以采用前后帧分割目标比较的方法来区分真实运动目标区域和假目标区域,这是因为实际运动目标的形状和大小变化都很缓慢,而烟尘干扰形成的假目标则变化快速,即如式(1)所示:A(SnS)(1)A(S)为区域S的面积,S为第i帧的目标区域面积,为域值.当式(1)满足时,可以认为是真实运动目标,否则为假目标,在道口报警
23、系统的实践证明,采用此方法可以有效地去除烟尘干扰.4.2图像晃动在视频检测系统中较常出现的一个问题是图像晃动的问题.晃动产生的主要原因是机车运动产生的振动,而摄像机一218计算机应用与软件2009年般设置在离铁轨较近的高处,很容易受振动的影响产生晃动,从而使采集的图像前后帧产生位移.为了解决图像晃动的问题,在选择摄像机架设方案时必须进行相关的考虑.除了在可允许的范围内尽量远离铁轨及加固基座外,还可以充分利用火车站已有的高大建筑,比较常见的如信号楼,高大的通信铁塔和灯桥等.在工程实践中,这样做不但省去了立杆工作,节约了成本,而且可以取得较为满意的视场效果和减少图像晃动.在驼峰溜放测速系统中就利用
24、了横跨铁轨的灯桥来架设摄像机,因为灯桥跨距长,自重大(铁制),摄像机受火车运动产生的振动影响非常小,而且灯桥较高(距地面约10米),视野比较开阔,有利于消除火车间的遮挡和阴影,而且晚上有较好的照明条件.除了在设置摄像机时加以充分考虑外,在编制软件过程中,则可以采用前后帧差分的方法加以处理,如果发现当前输入帧信号变化过大,可以重新进行配准,重新匹配要消耗一定的计算量,在实时性要求高的场合,可以考虑跳过对晃动帧的处理.5夜间车灯检测夜间进行视频检测一般是非常困难的,除了由于视场光照条件较差之外,各种灯光干扰也是个很大的问题,这些情况广泛地存在于各种视频检测系统中.为了解决夜间火车检测的问题,本文提
25、出了一个车灯检测算法.当出现火车的场景和无火车场景最大的不同是当火车刚刚进入视场(或视场的检测区域)时,图像中会突然出现一个耀眼的光斑,该光斑是由于火车的头灯照射引起的,如图5(a)所示.考虑到这个光斑的出现将极大的改变图像的直方图结构(如图5(c)和(d)所示),因此检测该光斑可以从直方图着手.-(4)宥车灯场量(b)无车灯蛹景(d)图(b)的直方圉图5夜晚场景比较(有车灯和无车灯)夜间检测车灯的算法有两个要点,如图6所示,首先要确定切换到车灯检测的时机,然后再考虑车灯区域的分割.图6灯光检测算法从图5(C)和(d)比较可知,有灯和无灯的场景直方图最明显的区别在于灰度值为255的像素数,可以
26、用该像素数作为评价标准来确定是使用一般检测算法还是车灯检测算法.但实际应用中发现用单灰度值的像素个数来评估稳定性很差,于是考虑改用直方图中灰度为255及其附近邻域内的灰度值的像素之和来作为评价函数,此时发现的问题是阈值难以确定,因为在无车灯时间,常常也会出现255灰度值的像素数比其他像素值之和大很多的情况(如图5(d)的直方图所示),因此在实际检测中将255灰度值排除在评价函数之外,即确立如式(2)所示的评价函数:254E:yNi=(2)为灰度值为i的像素个数,实际中取k:240在火车车灯检测中取得较好效果.在判断可以由一般检测算法转换为车灯检测算法后,提取车灯区域时仍然可以采用k作为域值进行
27、分割.6总结视频检测技术应用于轨道交通方面的研究比较少,鉴于此,本文对火车视频检测系统具体设计中的一般性问题进行了讨论.在系统的基本检测流程中,一般有两种实现形式:在线方式和离线调试方式,它们分别使用于实际应用和算法调试.本文描述了融合以上这两种实现形式的实际应用系统框架,并对应用系统中算法设计的两个主要问题:烟尘干扰和图像晃动进行了讨论.此外,对于该视频检测系统所采用的同步检测线方法,本文对其三层框架结构的C+类实现问题也进行了具体的描述.最后还讨论了该系统中常常面对的夜间车灯检测问题.参考文献1DemirR,MasakiI,eta1.SystemDesignforIntelligentRa
28、ilwaySystem,IntelligentTransportationSystemC/ITSC97.IEEEConferenceon.1997:218233.2SchutteJ.Recenttrendsinautomatictraincontrols,IntelligentTrans-portationSystemsC/Proceedings.2001IEEE,2001:813819.3StellaE,MazzeoP,NiuiM,eta1.Visualrecognitionofmissingfasteningelementsforrailroadmaintenance,Intelligen
29、tTransportationSys-ternsC/Proceedings.TheIEEE5thInternationalConferenceon2002:9499.4MandfiotaC,StellaE,NittiM,eta1.RailcorrugationdetectionbyGaborfiltering,ImageProcessingC/Proceedings.2001InternationalConferenceon,2001,2:626628.5柴雪松,杨凤春,罗林.轨道视频检查系统J.中国铁路,2001(6):5960.6张耀威,牛建玲,黄忠亭.高速摄像及图像处理定位技术的应用研究
30、J.铁道运营技术,2004,10(10):1214.7FangM,ChiuMY,LiangCC,eta1.Industrialneuralvisionsystemforundergroundrailwaystationplatformsurveillancec.IntelligentVehicles93Symposium,1993:207212.8骆志强,方卫宁.基于视频图像的复杂背景中流动人群数目的识别J.铁道,2003,10(25):5559.9张力.VisualC+高级编程M.人民邮电出版社,2002.1O李晗,刘济林,于春和,等.利用同步检测线方法的火车运动跟踪J.电路与系统,2007,6(3):3741,36.(上接第202页)7YuY,GovindanR,EstrinD.Geographicalandenergyawarerouting:&recumivedatadisseminationprotocolforwirelesssensornetworksC/UCLACSDTR-01-0023,LosAngeles:UniversityofCalifornia,2001:111.
