火車到站狀態(tài)的識別方法
【技術領域】
[0001] 本發(fā)明設及圖像識別的技術領域，具體說是一種火車到站狀態(tài)的識別方法。
【背景技術】
[0002] 高鐵站臺監(jiān)控的過程中，需要在圖像上對火車到達狀態(tài)進行識別判斷，因為在火 車停站上車時，高鐵站臺的監(jiān)控區(qū)域是允許進入的，而在其他時刻監(jiān)控區(qū)域則不允許進入， 所W，火車是否到達W及火車運行狀態(tài)的判斷成為了對監(jiān)控區(qū)域進行識別的基礎，因而需 要對火車到達、停站和離開的狀態(tài)進行識別。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明要解決的技術問題是提供一種火車到站狀態(tài)的識別方法。
[0004] 本發(fā)明為解決公知技術中存在的技術問題所采取的技術方案是： 陽〇化]本發(fā)明的火車到站狀態(tài)的識別方法，包括W下步驟：
[0006] A、載入站臺的紅外圖像；
[0007] B、在站臺內(nèi)軌道區(qū)域標記火車運動識別區(qū)域，在視頻圖像上標定設置火車到站圖 像軌道區(qū)域，并存儲相應的參數(shù)，生成識別圖像模板；
[0008] C、建立圖像緩沖，圖像預處理；
[0009] D、對火車到站圖像軌道區(qū)域進行背景建模，采用高斯混合模型背景建模算法實時 分析軌道區(qū)域，進行前景圖像提取，通過前景變化判斷是否有火車進站；計算火車到站圖像 軌道區(qū)域的像素平均亮度值；
[0010] E、對緩沖的每一帖圖像提取圖像中的角點作為運帖圖像的關鍵點，使用金字塔 Lucas-Kanade光流方法計算前后兩帖圖像中每個角點的光流；計算前后兩帖圖像角點光 流的變化均值；
[0011] F、確定軌道區(qū)域的亮度是否大于闊值，且判斷光流變化均值的變化情況；
[0012] G、輸出火車的運動狀態(tài)。
[0013] 本發(fā)明還可W采用W下技術措施： 陽014] 所述的軌道區(qū)域參數(shù)標定公式為：1 (X，y) =α*1' (X，y)+δ，I(X，y)是圖像中 坐標，1' (x，y)是實際站臺坐標，α是變換系數(shù)，δ是經(jīng)驗參數(shù)。；假設軌道區(qū)域的實際空 間坐標在坐標系Ζ' =0的平面上，軌道區(qū)域由一組標記點連接組成，記為1'i(Xi，yi)，同 時在相機圖像坐標系Z中找到對應的標記點Ii(Xi，yi)，并記錄坐標值，經(jīng)過坐標變換計算 出坐標變換系數(shù)α。
[0015] 所述的高斯背景建模包括W下步驟：
[0016] a、每個新像素值Xt同當前Κ個模型按下式進行比較，直到找到匹配新像素值的分 布模型，即同該模型的均值偏差在2.50內(nèi) 陽017] |Χ,-μι,"|《2.5。1,"
[0018] b、如果所匹配的模式符合背景要求，則該像素屬于背景，否則屬于前景；
[0019] c、各模式權(quán)值按如下公式更新，其中α是學習速率，對于匹配的模式Mk,t= 1，否 則Mk,t= 0,然后各模式的權(quán)重進行歸一化； 陽020] Wk, t= (1-曰）柳k, t 1+曰*Mk, t
[0021] t未匹配模式的均值μ與標準差σ不變，匹配模式的參數(shù)按照如下公式更新： 陽似]Ρ=α*η狂Jyk，σk) 陽OU] μt= (1-p)*μti+P巧t
[0024]
[00巧]e、如果第a步中沒有任何模式匹配，則權(quán)重最小的模式被替換，即該模式的均值 為當前像素，標準差為初始化較大值，權(quán)重為較小值；
[0026] f、各模式根據(jù)W/。泌降序排列，權(quán)重大，標準差小的模式排列靠前；
[0027] g、選前B個模式作為背景，B滿足下式，參數(shù)T表示背景所占比例，
[0028]
[0029] 本發(fā)明具有的優(yōu)點和積極效果是：
[0030] 本發(fā)明的火車到站狀態(tài)的識別方法，通過高斯背景建模進行前景提取，通過前景 變化判斷是否有火車進入到軌道區(qū)域，然后通過判斷紅外圖像中軌道區(qū)域的亮度變化判斷 火車是否進站，通過Lucas-Kanade光流方法計算前后兩帖圖像中每個角點的光流變換均 值得到火車的停止或運行狀態(tài)。采用多種方法復合判斷火車是否進站，從而使判斷結(jié)果更 加準確，不易受外部環(huán)境變換的影響。
【附圖說明】
[0031] 圖1是本發(fā)明的火車到站狀態(tài)的識別方法的流程圖。
【具體實施方式】
[0032] 本發(fā)明的火車到站狀態(tài)的識別方法，包括W下步驟：
[0033] A、載入站臺的紅外圖像；
[0034] B、在站臺內(nèi)軌道區(qū)域標記火車運動識別區(qū)域，在視頻圖像上標定設置火車到站圖 像軌道區(qū)域，并存儲相應的參數(shù)，生成識別圖像模板；
[0035] C、建立圖像緩沖，圖像預處理；
[0036] D、對火車到站圖像軌道區(qū)域進行背景建模，采用高斯混合模型背景建模算法實時 分析軌道區(qū)域，進行前景圖像提取，通過前景變化判斷是否有火車進站；計算火車到站圖像 軌道區(qū)域的像素平均亮度值；
[0037] E、對緩沖的每一帖圖像提取圖像中的角點作為運帖圖像的關鍵點，使用金字塔 Lucas-Kanade光流方法計算前后兩帖圖像中每個角點的光流；計算前后兩帖圖像角點光 流的變化均值；
[0038] F、確定軌道區(qū)域的亮度是否大于闊值，且判斷光流變化均值的變化情況；
[0039] G、輸出火車的運動狀態(tài)。
[0040] 由于火車進入軌道時，圖像前景會有明顯變化，所W在設置背景建模學習參數(shù)時， 可w適當調(diào)整。同時對提取的前景圖像進行判斷，因為火車是圖像中比較大的運動物體，所W很容易從前景中判斷軌道區(qū)域是否有火車進入。同時，在紅外圖像中，一般火車的溫度要 高于軌道區(qū)域的溫度，當火車進站時，紅外圖像中軌道區(qū)域的亮度會明顯提高，因此對軌道 區(qū)域平均亮度值的計算也有助于判斷火車是否進站。當軌道區(qū)域的亮度大于闊值時，可得 出有火車進入站臺區(qū)域。
[0041] 當發(fā)現(xiàn)軌道區(qū)域上有火車進入時，開始對火車的運動方向和運動變化進行判斷。 建立連續(xù)的火車運動圖像緩沖，對緩沖的每一帖圖像提取圖像中的角點作為運帖圖像的關 鍵點，然后，使用金字塔Lucas-Kanade光流方法計算前后兩帖圖像中每個角點的光流。最 后，計算前后多帖圖像軌道區(qū)域中火車光流的變化平均值。當前后兩帖光流變化的均值極 小的時候，可W認定火車現(xiàn)在處于停止狀態(tài)，而光流變化均值較大時則說明火車處于運動 狀態(tài)。
[0042] 圖像中角點提取的具體步驟和方法W及金字塔Lucas-Kanade光流算法都為現(xiàn)有 技術中的公知技術，在本實施例中就不再進行寶述。
[0043] 本發(fā)明中軌道區(qū)域參數(shù)標定公式為：1 (X，y) =α*1' (X，y)+δ， W44]I(X，y)是圖像中坐標，1' (X，y)是實際站臺坐標，α是變換系數(shù)，δ是經(jīng)驗參 數(shù)。
[0045] 假設軌道區(qū)域的實際空間坐標在坐標系Ζ' = 0的平面上，軌道區(qū)域由一組標記 點連接組成，記為1'i(Xi，yi)，同時在相機圖像坐標系Ζ中找到對應的標記點，并 記錄坐標值，經(jīng)過坐標變換計算出坐標變換系數(shù)α。
[0046] 高斯背景建模包括W下步驟：
[0047]a、每個新像素值Xt同當前Κ個模型按下式進行比較，直到找到匹配新像素值的分 布模型，即同該模型的均值偏差在2.50內(nèi)
[004引 |Χ,-μ*,*ιΙ《2.501,"
[0049] b、如果所匹配的模式符合背景要求，則該像素屬于背景，否則屬于前景；
[0050] C、各模式權(quán)值按如下公式更新，其中α是學習速率，對于匹配的模式Mk,t= 1，否 則Mk,t= 0,然后各模式的權(quán)重進行歸一化；
[0051]
[0052] t未匹配模式的均值μ與標準差σ不變，匹配模式的參數(shù)按照如下公式更新：
[0053] Ρ = α * η狂J yk，Ρ k)
[0054] μt= (1-p)*μti+P巧t 陽化引
[0056]e、如果第a步中沒有任何模式匹配，則權(quán)重最小的模式被替換，即該模式的均值 為當前像素，標準差為初始化較大值，權(quán)重為較小值；
[0057]f、各模式根據(jù)^,,2按降序排列，權(quán)重大，標準差小的模式排列靠前；
[0058] g、選前B個模式作為背景，B滿足下式，參數(shù)T表示背景所占比例；
[0059]
[0060] W上所述，僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，雖 然本發(fā)明已w較佳實施例公開如上，然而，并非用w限定本發(fā)明，任何熟悉本專業(yè)的技術人 員，在不脫離本發(fā)明技術方案范圍內(nèi)，當然會利用掲示的技術內(nèi)容作出些許更動或修飾，成 為等同變化的等效實施例，但凡是未脫離本發(fā)明技術方案的內(nèi)容，依據(jù)本發(fā)明的技術實質(zhì) 對W上實施例所作的任何簡單修改、等同變化與修飾，均屬于本發(fā)明技術方案的范圍內(nèi)。
【主權(quán)項】
1. 一種火車到站狀態(tài)的識別方法，其特征在于，包括以下步驟： A、 載入站臺的紅外圖像； B、 在站臺內(nèi)軌道區(qū)域標記火車運動識別區(qū)域，在視頻圖像上標定設置火車到站圖像軌 道區(qū)域，并存儲相應的參數(shù)，生成識別圖像模板； C、 建立圖像緩沖，圖像預處理； D、 對火車到站圖像軌道區(qū)域進行背景建模，采用高斯混合模型背景建模算法實時分析 軌道區(qū)域，進行前景圖像提取，通過前景變化判斷是否有火車進站；計算火車到站圖像軌道 區(qū)域的像素平均亮度值； E、 對緩沖的每一幀圖像提取圖像中的角點作為這幀圖像的關鍵點，使用金字塔 Lucas-Kanade光流方法計算前后兩幀圖像中每個角點的光流；計算前后兩幀圖像角點光 流的變化均值； F、 確定軌道區(qū)域的亮度是否大于闕值，且判斷光流變化均值的變化情況； G、 輸出火車的運動狀態(tài)。2. 根據(jù)權(quán)利要求1所述的火車到站狀態(tài)的識別方法，其特征在于：上述軌道區(qū)域的參 數(shù)標定公式為：此公式中I (X，y)是圖像中坐標，"（X，y)是實際站臺坐標，α是變換系數(shù)，δ是經(jīng) 驗參數(shù)；假設軌道區(qū)域的實際空間坐標在坐標系Ζ' = 0的平面上，軌道區(qū)域由一組標記點 連接組成，記為I' i (Xi，yi)，同時在相機圖像坐標系Ζ中找到對應的標記點I; (X;，y;)，并記 錄坐標值，經(jīng)過坐標變換計算出坐標變換系數(shù)α。3. 根據(jù)權(quán)利要求3所述的火車到站狀態(tài)的識別方法，其特征在于高斯背景建模算法包 括以下步驟： a、 每個新像素值Xt同當前Κ個模型按下式進行比較，直到找到匹配新像素值的分布模 型，即同該模型的均值偏差在2. 5〇內(nèi)b、 如果所匹配的模式符合背景要求，則該像素屬于背景，否則屬于前景； c、 各模式權(quán)值按如下公式更新，公式中α是學習速率，對于匹配的模式Mk,t=l，否則 Mk,t= 〇,然后各模式的權(quán)重進行歸一化；d、 未匹配模式的均值μ與標準差σ不變，匹配模式的參數(shù)按照如下公式更新：e、 如果第a步中沒有任何模式匹配，則權(quán)重最小的模式被替換，即該模式的均值為當 前像素，標準差為初始化較大值，權(quán)重為較小值； f、 各模式根據(jù)《/α 2按降序排列，權(quán)重大，標準差小的模式排列靠前； g、 選前Β個模式作為背景，Β滿足下式，參數(shù)Τ表示背景所占比例，
【專利摘要】一種火車到站狀態(tài)的識別方法，在視頻圖像上標定設置火車到站圖像軌道區(qū)域，通過高斯背景建模進行前景提取，通過前景變化判斷是否有火車進入到軌道區(qū)域，然后通過判斷紅外圖像中軌道區(qū)域的亮度變化判斷火車是否進站，通過Lucas-Kanade？光流方法計算前后兩幀圖像中每個角點的光流變換均值得到火車的停止或運行狀態(tài)。采用多種方法復合判斷火車是否進站，從而使判斷結(jié)果更加準確，不易受外部環(huán)境變換的影響。
【IPC分類】G06T7/20
【公開號】CN105279767
【申請?zhí)枴緾N201410826560
【發(fā)明人】俞大海, 韓軍偉, 韓建楓, 單玉堂, 岳明
【申請人】天津光電高斯通信工程技術股份有限公司
【公開日】2016年1月27日
【申請日】2014年12月26日