發(fā)布時(shí)間：2020-06-16 07:12

【摘要】：基于視頻智能分析的異物入侵識(shí)別技術(shù)已經(jīng)成為高速鐵路周界安全檢測(cè)領(lǐng)域的重要發(fā)展方向,目前制約視頻分析技術(shù)廣泛應(yīng)用的難題之一是報(bào)警區(qū)域的自動(dòng)辨識(shí)問題。為了實(shí)現(xiàn)高速鐵路場(chǎng)景報(bào)警區(qū)域快速、準(zhǔn)確、自動(dòng)地分割與識(shí)別,論文提出了基于多特征通道、自適應(yīng)檢測(cè)算子的圖像快速分割算法和基于極簡(jiǎn)化卷積神經(jīng)網(wǎng)絡(luò)的局部區(qū)域快速識(shí)別算法,在計(jì)算速度、分割精準(zhǔn)度、識(shí)別準(zhǔn)確率等多個(gè)方面達(dá)到了有效的平衡。論文首先針對(duì)現(xiàn)有區(qū)域分割算法計(jì)算量過大的問題,通過分析鐵路場(chǎng)景直線特征強(qiáng)烈的特點(diǎn),提出基于多特征融合與優(yōu)化梯度檢測(cè)算子的區(qū)域快速分割算法。該算法首先利用霍夫變換尋找鐵路場(chǎng)景直線特征極大值來調(diào)節(jié)用于提取圖像特征梯度分布的檢測(cè)算子;然后以少量最優(yōu)的自適應(yīng)檢測(cè)算子來同時(shí)計(jì)算像素點(diǎn)色彩紋理特征分布以及像素點(diǎn)相似度分布,獲取精準(zhǔn)的、帶有權(quán)重的邊界點(diǎn),并進(jìn)一步通過自動(dòng)篩選強(qiáng)弱邊界點(diǎn)來防止圖像分割結(jié)果過度碎片化;最后設(shè)計(jì)基于邊界點(diǎn)權(quán)重及碎片區(qū)域面積的組合規(guī)則來將碎片區(qū)域快速組合成局部區(qū)域。對(duì)比實(shí)驗(yàn)結(jié)果表明,所提算法能夠快速、有效的分割圖像得到局部區(qū)域精確邊界,為后續(xù)的區(qū)域識(shí)別部分奠定良好的基礎(chǔ)。針對(duì)現(xiàn)有區(qū)域識(shí)別卷積神經(jīng)網(wǎng)絡(luò)計(jì)算量大、占用內(nèi)存多、需要GPU實(shí)時(shí)處理的問題,論文提出了基于預(yù)訓(xùn)練的卷積核權(quán)值優(yōu)化算法。該算法通過構(gòu)建淺層自編碼神經(jīng)網(wǎng)絡(luò),自動(dòng)學(xué)習(xí)鐵路不同區(qū)域特征模板,解決了鐵路場(chǎng)景同類物體差異性較大、同一物體圖像成像質(zhì)量受光照變化及相機(jī)因素影響較大的優(yōu)化建模問題。對(duì)比實(shí)驗(yàn)結(jié)果表明,所提算法有效提高了傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)對(duì)鐵路場(chǎng)景在局部區(qū)域的識(shí)別準(zhǔn)確率,也為類似應(yīng)用問題提供了解決思路。為進(jìn)一步加快鐵路場(chǎng)景分割與識(shí)別的計(jì)算速度,論文提出一種兩段式區(qū)域分割算法。在第一階段,利用極簡(jiǎn)化卷積神經(jīng)網(wǎng)絡(luò)快速掃描鐵路場(chǎng)景并確定軌道區(qū)域的潛在位置;在第二階段,對(duì)潛在位置進(jìn)行精確分割與識(shí)別。針對(duì)極簡(jiǎn)化的卷積網(wǎng)絡(luò)準(zhǔn)確率較低的難題,提出一種卷積通道稀疏化的代價(jià)函數(shù)來優(yōu)化訓(xùn)練過程,提高特征圖的差異性。對(duì)比實(shí)驗(yàn)結(jié)果表明,兩段式算法極大減少了全景圖像中無關(guān)區(qū)域的冗余計(jì)算時(shí)間,極簡(jiǎn)化的卷積網(wǎng)絡(luò)的準(zhǔn)確率也得到了有效彌補(bǔ),有效地提高了系統(tǒng)的工作效率和性能。與現(xiàn)有技術(shù)相比,論文提出的系列算法對(duì)鐵路場(chǎng)景分割與識(shí)別的像素級(jí)準(zhǔn)確率大大提高,計(jì)算時(shí)間更短,網(wǎng)絡(luò)參數(shù)更少,擺脫了對(duì)GPU顯卡的依賴,降低了應(yīng)用系統(tǒng)成本,便于移植到不同配置的數(shù)據(jù)處理平臺(tái),目前已經(jīng)在滬寧城際高速鐵路上得到實(shí)際應(yīng)用。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;U298
【圖文】：

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，本文所提高速鐵路周界入侵檢測(cè)系統(tǒng)應(yīng)當(dāng)保持和高速鐵路綜合視頻監(jiān)逡逑控系統(tǒng)相同的結(jié)構(gòu)模式及技術(shù)標(biāo)準(zhǔn)以便接入系統(tǒng)接口，滿足統(tǒng)一管理的要求；除此逡逑之外，本文所提場(chǎng)景分割與識(shí)別算法本身還要有良好的通用性，能夠輔助其他現(xiàn)有逡逑的周界入侵檢測(cè)系統(tǒng)進(jìn)行監(jiān)控區(qū)域的自動(dòng)劃定。逡逑高速鐵路綜合視頻監(jiān)控系統(tǒng)在數(shù)據(jù)處理及傳輸方式的選擇上分為前端處理和逡逑后端處理兩種方式前者是指在相機(jī)安裝現(xiàn)場(chǎng)附近的嵌入式設(shè)備中直接處理監(jiān)逡逑控相機(jī)拍攝的視頻圖像數(shù)據(jù)，通信系統(tǒng)只負(fù)責(zé)傳輸少量的處理后的預(yù)警和報(bào)警信逡逑息，優(yōu)點(diǎn)是系統(tǒng)硬件成本較低，不足之處在于前端嵌入式設(shè)備計(jì)算能力較差，工作逡逑效率較低；后者是指將監(jiān)控相機(jī)在現(xiàn)場(chǎng)采集到的視頻圖像數(shù)據(jù)通過光纖通信傳送逡逑回位于不同視頻接入節(jié)點(diǎn)的數(shù)據(jù)處理中心做視頻圖像分析計(jì)算，優(yōu)點(diǎn)是可以在數(shù)逡逑據(jù)處理中心設(shè)置專門的計(jì)算能力較強(qiáng)的服務(wù)器，缺點(diǎn)是大量的視頻圖像信息對(duì)通逡逑信網(wǎng)絡(luò)的壓力較大，系統(tǒng)硬件成本較高。逡逑因此，本文所提高速鐵路周界入侵檢測(cè)系統(tǒng)及場(chǎng)景分割與識(shí)別算法要兼顧自逡逑系統(tǒng)的硬成統(tǒng)的際硬配置，法整體的參數(shù)計(jì)量要所

植進(jìn)特殊地段的嵌入式數(shù)據(jù)處理設(shè)備中。逡逑監(jiān)控相機(jī)的安裝總數(shù)在１４萬左右，包含各種標(biāo)清和高清相機(jī)、紅外與激光補(bǔ)逡逑光相機(jī)、微光以及星光相機(jī)等（如圖１－３所示），各類相機(jī)品牌、型號(hào)不一、成像逡逑質(zhì)量不同、功能及業(yè)務(wù)需求不同、監(jiān)控場(chǎng)景類型不同、所屬自然地質(zhì)、地貌、氣候逡逑帶也不盡相同［５？５４］。鐵路場(chǎng)景圖像在成像過程中有容易受到各種干擾因素的影響逡逑（自然環(huán)境、地域跨度以及不同季節(jié)、不同時(shí)間帶來的不同光照強(qiáng)度的影響；列車逡逑駛過引起的相機(jī)劇烈抖動(dòng)；風(fēng)、雨、雪、霧等惡劣天氣帶來視野遮擋的影響，如圖逡逑１－１所示，鏡頭風(fēng)沙導(dǎo)致圖像畫質(zhì)下降；同類（甚至同一）物體的成像質(zhì)量差異性逡逑較大的影響），導(dǎo)致場(chǎng)景組成元素較少但位置多變、背景特征多變、色彩紋理不明逡逑顯以及圖像抖動(dòng)等，嚴(yán)重影響幀間差分、特征提取、模板匹配、迭代、聚類等傳統(tǒng)逡逑圖像分割與識(shí)別處理算法的計(jì)算結(jié)果。逡逑５．７８％邋１３邋［邋ｒ邋°－２３0／0逡逑■標(biāo)清■普通高清■紅外補(bǔ)光■激光補(bǔ)光■星光及其他特種相機(jī)逡逑圖１－３相機(jī)類型及比例逡逑Ｆｉｇ．邋１－３邋Ｔｈｅ邋ｔｙｐｅｓ邋ａｎｄ邋ｐｒｏｐｏｒｔｉｏｎｓ邋ｏｆ邋ｃａｍｅｒａｓ逡逑因此，本文所提的場(chǎng)景分割與識(shí)別算法要具備一定的抗干擾能力，針對(duì)性的提逡逑高特征提取、特征組合、區(qū)域分割與組合及識(shí)別分類等相關(guān)步驟的有效性和準(zhǔn)確性，逡逑保障分割精準(zhǔn)度與識(shí)別準(zhǔn)確率。逡逑監(jiān)控相機(jī)的安裝位置大部分集中在車站進(jìn)出口、公跨鐵橋梁、隧道進(jìn)出口、山逡逑區(qū)、公路鐵路交叉路口、正常線路等鐵路沿線地段（如圖１－４所示）

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張小丹;范九倫;徐健;史香燁;;K均值聚類和支持向量數(shù)據(jù)描述的圖像超分辨率算法[J];中國(guó)圖象圖形學(xué)報(bào);2016年02期

2 肖琨;;山區(qū)鐵路異物侵限監(jiān)測(cè)技術(shù)應(yīng)用研究[J];科技資訊;2015年15期

3 程德強(qiáng);郭政;劉潔;錢建生;張媛媛;張佳琳;;一種基于改進(jìn)光流法的電子穩(wěn)像算法[J];煤炭學(xué)報(bào);2015年03期

4 華貴山;梁棟;葛浩;;基于改進(jìn)光流算法的機(jī)器人目標(biāo)跟蹤系統(tǒng)[J];控制工程;2014年05期

5 吳新宇;郭會(huì)文;李楠楠;王歡;陳彥倫;;基于視頻的人群異常事件檢測(cè)綜述[J];電子測(cè)量與儀器學(xué)報(bào);2014年06期

6 阮光詩;孫俊喜;孫陽;劉紅喜;趙立榮;劉廣文;;處理異常值的相機(jī)抖動(dòng)模糊圖像復(fù)原[J];中國(guó)圖象圖形學(xué)報(bào);2014年05期

7 劉思汝;楊風(fēng)暴;陳磊;;基于關(guān)鍵幀提取的紅外與可見光序列圖像快速融合[J];紅外技術(shù);2014年05期

8 張青濤;楊學(xué)友;劉濤;劉s

本文編號(hào)：2715721