本文關(guān)鍵詞：鐵路軌道異物入侵的智能識別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國鐵路的快速發(fā)展,列車的時(shí)速不斷提高,鐵路運(yùn)營安全益發(fā)重要。近年來,我國鐵路線路里程逐漸增加,因異物入侵導(dǎo)致的傷亡事故也越來越多,給人們的生命和財(cái)產(chǎn)安全帶來嚴(yán)重威脅。本文在深入學(xué)習(xí)國內(nèi)外鐵路軌道異物入侵檢測和人工智能識別相關(guān)文獻(xiàn)的基礎(chǔ)上,重點(diǎn)研究了基于數(shù)字圖像處理技術(shù)的鐵路軌道異物入侵的智能識別方法,實(shí)現(xiàn)實(shí)際環(huán)境中有異物入侵時(shí)系統(tǒng)準(zhǔn)確地識別與及時(shí)報(bào)警,為鐵路安全運(yùn)營提供了技術(shù)支持。論文主要研究內(nèi)容如下:首先,深入分析了鐵路運(yùn)營安全保障系統(tǒng)面臨和存在的問題,以及智能識別鐵路軌道異物入侵對列車安全運(yùn)行的作用和意義,并在研究現(xiàn)有的鐵路安全保障系統(tǒng)的前提下,設(shè)計(jì)了鐵路軌道異物入侵智能識別的總體方案。其次,研究了鐵路軌道異物入侵危險(xiǎn)區(qū)域異物檢測窗口的建立方法,根據(jù)直線型鐵路軌道和曲線型鐵路軌道形狀特點(diǎn)的不同,分別設(shè)計(jì)了不同的方法對它們建立危險(xiǎn)區(qū)域異物檢測窗口。在遵循論文確定的危險(xiǎn)區(qū)域異物檢測窗口建立依據(jù)的原則下,對于直線型鐵路軌道,主要通過改進(jìn)Canny算子和Hough變換相結(jié)合的方法進(jìn)行軌道邊緣提取,確定軌道位置,以軌道位置為依據(jù),建立直線型鐵路軌道危險(xiǎn)區(qū)域異物檢測窗口;對于曲線型鐵路軌道,主要通過在實(shí)際場景中標(biāo)記異物檢測區(qū)域的方法劃分異物檢測危險(xiǎn)區(qū)域,采用將圖像先分塊處理再合并的方法建立曲線型鐵路軌道危險(xiǎn)區(qū)域異物檢測窗口。然后,研究了鐵路軌道異物入侵檢測方法,闡述了傳統(tǒng)背景建模方法的基本原理,提出了一種雙背景建模方法,對比分析了背景差分法、幀間差分法及光流法目標(biāo)檢測方法,設(shè)計(jì)了基于背景差分法和幀間差分法的目標(biāo)檢測方法檢測軌道異物目標(biāo),并對檢測結(jié)果進(jìn)行偽目標(biāo)處理。經(jīng)仿真驗(yàn)證表明,該方法能夠取得良好的軌道異物檢測精度。最后,研究了鐵路軌道異物入侵的智能識別方法,包括兩個(gè)方面:一方面是異物識別方法,主要通過圖像相關(guān)系數(shù)和異物目標(biāo)與圖像的面積比實(shí)現(xiàn)異物的智能識別;另一方面是列車識別方法,即列車與異物的區(qū)分方法,主要根據(jù)列車在行駛過程中列車在序列圖像前景中增大或減小的面積完成列車的智能識別。仿真結(jié)果表明該方法具有較好的異物智能識別和列車智能識別效果。在理論分析和仿真研究的基礎(chǔ)上,論文結(jié)論部分對該鐵路軌道異物入侵的智能識別方法進(jìn)行了總結(jié),闡述了論文取得的主要研究成果,提出了一些需要進(jìn)一步完善和研究的工作。
【關(guān)鍵詞】：智能識別 軌道邊緣提取 雙背景建模 異物檢測 異物識別
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U298;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-14
• 1.1 論文的選題背景與研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.2.1 國外研究現(xiàn)狀10
• 1.2.2 國內(nèi)研究現(xiàn)狀10-11
• 1.3 研究內(nèi)容和安排11-14
• 2 鐵路軌道危險(xiǎn)區(qū)域異物檢測窗口的建立14-34
• 2.1 圖像的預(yù)處理14-15
• 2.2 鐵路軌道邊緣提取15-28
• 2.2.1 圖像的邊緣檢測15-19
• 2.2.2 改進(jìn)Canny算子的邊緣檢測方法19-26
• 2.2.3 鐵路軌道邊緣提取26-28
• 2.3 危險(xiǎn)區(qū)域異物檢測窗口建立的依據(jù)28-31
• 2.4 直線型鐵路軌道危險(xiǎn)區(qū)域異物檢測窗口的建立31
• 2.5 曲線型鐵路軌道危險(xiǎn)區(qū)域異物檢測窗口的建立31-33
• 2.6 小結(jié)33-34
• 3 鐵路軌道異物入侵檢測34-45
• 3.1 背景建模與更新方法研究34-37
• 3.1.1 圖像的背景建模34-36
• 3.1.2 基于多幀平均法和連續(xù)幀差法的雙背景建模方法36
• 3.1.3 背景更新方法36-37
• 3.2 鐵路軌道異物目標(biāo)檢測37-41
• 3.2.1 常用目標(biāo)檢測方法37-39
• 3.2.2 基于背景差分法和幀間差分法的目標(biāo)檢測方法39-40
• 3.2.3 偽目標(biāo)處理40-41
• 3.3 仿真研究41-44
• 3.4 小結(jié)44-45
• 4 鐵路軌道異物入侵的智能識別45-52
• 4.1 異物目標(biāo)的識別45-47
• 4.1.1 異物目標(biāo)的初步識別研究45-46
• 4.1.2 異物目標(biāo)的精確識別研究46
• 4.1.3 異物目標(biāo)識別的實(shí)現(xiàn)46-47
• 4.2 列車的識別47-50
• 4.2.1 列車識別方法研究48
• 4.2.2 列車識別的實(shí)現(xiàn)48
• 4.2.3 仿真研究48-50
• 4.3 鐵路軌道異物入侵智能識別的性能評價(jià)50-51
• 4.4 小結(jié)51-52
• 結(jié)論52-53
• 致謝53-54
• 參考文獻(xiàn)54-57
• 攻讀學(xué)位期間的研究成果57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 端嘉盈;史天運(yùn);;基于WSN的鐵路防災(zāi)安全監(jiān)控系統(tǒng)研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2016年01期

2 李露;詹強(qiáng);;鐵路視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測算法研究[J];電子科技;2015年05期

3 顧忠建;單洪政;;基于IMS架構(gòu)的鐵路災(zāi)害監(jiān)測系統(tǒng)研究[J];鐵道標(biāo)準(zhǔn)設(shè)計(jì);2014年06期

4 鄭佳;李江勇;;基于背景差分和信息熵的運(yùn)動(dòng)目標(biāo)檢測算法[J];激光與紅外;2014年05期

5 王前選;梁習(xí)鋒;劉應(yīng)龍;魯寨軍;彭燦;;緩變異物入侵鐵路線路視覺檢測方法[J];中國鐵道科學(xué);2014年03期

6 彭宏;韓露莎;王輝;傅鐘;;基于小波變換與多幀平均法融合的背景提取[J];浙江工業(yè)大學(xué)學(xué)報(bào);2013年02期

7 李哲濤;李仁發(fā);謝井雄;;基于全向小波的圖像邊緣檢測算法[J];電子學(xué)報(bào);2012年12期

8 王小俊;劉旭敏;關(guān)永;;基于改進(jìn)Canny算子的圖像邊緣檢測算法[J];計(jì)算機(jī)工程;2012年14期

9 李海;;山區(qū)鐵路路基邊坡危巖落石監(jiān)測報(bào)警系統(tǒng)[J];通信與信息技術(shù);2012年03期

10 王振亞;曾黃麟;;一種基于幀間差分和光流技術(shù)結(jié)合的運(yùn)動(dòng)車輛檢測和跟蹤新算法[J];計(jì)算機(jī)應(yīng)用與軟件;2012年05期

  本文關(guān)鍵詞：鐵路軌道異物入侵的智能識別研究，由筆耕文化傳播整理發(fā)布。

本文編號：317845