發(fā)布時間：2021-04-27 10:15

　　隨著鐵路事業(yè)日新月異的發(fā)展,一大批客運專線陸續(xù)投入使用,方便了人們的出行,但同時列車的運營安全也越來越受到人們的重視。在眾多影響列車安全運營的因素中,異物入侵因突發(fā)性強、不可預見性高的特點顯得尤為突出。傳統(tǒng)的異物入侵檢測方法因鐵路線路跨越地域廣、沿線自然環(huán)境變化等因素的影響會出現(xiàn)誤檢、漏檢問題,且難以在禁行區(qū)域預先檢測出異物使得列車司機沒有足夠多的反應時間,因此可靠性難以保障。針對上述不足,本文提出了一種鐵路周界異物入侵檢測方法。首先對周界區(qū)域給定約束條件;其次根據(jù)基于運動目標自適應檢測的改進ViBe算法精確分割出運動目標前景;然后對分割的前景二值圖像面積做加權處理并判斷是否為入侵周界的異物;最后為了獲得異物在周界內的實時運動狀態(tài)可通過基于特征匹配的Kalman濾波跟蹤算法對周界區(qū)域內異物目標實時跟蹤。本文以提高鐵路周界異物入侵檢測的準確率為目標,主要研究內容體現(xiàn)以下幾個方面:（1）在前景分割階段,針對傳統(tǒng)ViBe算法檢測結果存在Ghost區(qū)域,且受環(huán)境變化影響在提取前景時容易產生誤檢或漏檢等問題,提出了一種基于運動目標自適應檢測的改進ViBe算法。首先在背景模型初始化過程中,通過對均... 

【文章來源】：蘭州交通大學甘肅省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 論文研究的背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 論文主要研究內容和結構安排
        1.3.1 主要內容
        1.3.2 結構安排
2 運動目標前景提取
    2.1 圖像處理相關知識
        2.1.1 數(shù)學形態(tài)學
        2.1.2 連通域分析
    2.2 傳統(tǒng)運動目標檢測算法
        2.2.1 光流法
        2.2.2 幀間差分法
        2.2.3 背景差分法
        2.2.4 算法性能對比
    2.3 背景建模算法
        2.3.1 均值背景建模法
        2.3.2 高斯混合模型
        2.3.3 ViBe算法
        2.3.4 算法性能對比
    2.4 基于運動目標自適應檢測的改進ViBe算法
        2.4.1 背景模型初始化
        2.4.2 自適應半徑閾值前景分割
        2.4.3 后處理
        2.4.4 算法實現(xiàn)流程
    2.5 實驗結果與分析
    2.6 本章小結
3 運動目標跟蹤
    3.1 傳統(tǒng)目標跟蹤算法
        3.1.1 Mean Shift跟蹤算法
        3.1.2 粒子濾波跟蹤算法
        3.1.3 算法性能對比
    3.2 基于特征匹配的Kalman濾波跟蹤算法
        3.2.1 卡爾曼濾波
        3.2.2 特征匹配的跟蹤算法設計
    3.3 實驗結果與分析
    3.4 本章小結
4 鐵路周界異物入侵檢測
    4.1 周界區(qū)域約束
    4.2 異物判別
    4.3 方法流程
    4.4 實驗結果與分析
    4.5 本章小結
結論
致謝
參考文獻
攻讀學位期間的研究成果


【參考文獻】：
期刊論文
[1]抖動干擾下運動目標精準檢測與跟蹤算法設計[J]. 鄭浦,白宏陽,李政茂,郭宏偉.  儀器儀表學報. 2019(11)
[2]鐵路侵限異物檢測方法綜述[J]. 王泉東,楊岳,羅意平,魏曉斌,劉斯斯.  鐵道科學與工程學報. 2019(12)
[3]基于Vibe算法和連通域的車流量統(tǒng)計研究[J]. 張嘉烽,張正華,徐杰,房崇鑫,錢錦,蘇權,王飛.  計算機技術與發(fā)展. 2019(12)
[4]鐵路線路障礙監(jiān)測報警系統(tǒng)研究[J]. 鄭亞宏,何家玉.  中國鐵路. 2019(09)
[5]Using Kalman filter algorithm for short-term traffic flow prediction in a connected vehicle environment[J]. Azadeh Emami,Majid Sarvi,Saeed Asadi Bagloee.  Journal of Modern Transportation. 2019(03)
[6]基于特征圖裁剪的高鐵周界入侵實時檢測算法[J]. 王瑋,朱力強.  鐵道學報. 2019(09)
[7]相互結構引導濾波TV-L1變分光流估計[J]. 葛利躍,張聰炫,陳震,黎明,陳昊.  電子學報. 2019(03)
[8]目標跟蹤算法綜述[J]. 孟琭,楊旭.  自動化學報. 2019(07)
[9]基于多特征融合的背景建模方法[J]. 郭治成,黨建武,王陽萍,金靜.  光電工程. 2018(12)
[10]鐵路周界安防技術分析及應用[J]. 尚賓賓.  中國安全科學學報. 2018(S1)

碩士論文
[1]基于雙目視覺的機車運行前方障礙物檢測識別研究[D]. 姜澤.蘭州交通大學 2019
[2]基于光纖傳感的高速鐵路周界安全監(jiān)測系統(tǒng)研究[D]. 閆高健.北京交通大學 2019
[3]基于遷移壓縮的鐵路周界入侵分類網絡快速訓練算法[D]. 沈悅.北京交通大學 2019
[4]基于智能監(jiān)控的鐵軌異物入侵自動識別研究[D]. 蔣超.蘭州交通大學 2017
[5]基于單目視覺的軌道交通異物侵限檢測方法研究[D]. 陳根重.北京交通大學 2013



本文編號：3163284