專利名稱::鐵路道口智能視頻監(jiān)控裝置的制作方法
技術(shù)領(lǐng)域:
:本發(fā)明涉及一種鐵路道口智能視頻監(jiān)控裝置,尤其是一種基于動(dòng)態(tài)圖像理解和無(wú)線通信技術(shù)的鐵路道口智能視頻監(jiān)控裝置。
背景技術(shù):
:鐵路道口一直以來都是鐵路安全的薄弱環(huán)節(jié)。道口事故的頻發(fā),直接威脅到人民的生命財(cái)產(chǎn)安全和國(guó)家的經(jīng)濟(jì)運(yùn)輸命脈。在鐵路提速后的今天,鐵路道口安全越來越成為限制鐵路運(yùn)輸能力的一個(gè)瓶頸問題。運(yùn)行時(shí)速200公里以上的列車,屆時(shí)500米以外的列車,只需9秒鐘就能到達(dá)行人面前,行人一旦橫穿鐵路將非常危險(xiǎn),按照我國(guó)目前對(duì)鐵路道口管理水平、道口設(shè)施、技術(shù)、人員素質(zhì),對(duì)于運(yùn)行時(shí)速200公里以上的列車所經(jīng)過的"道口"已變成為"虎口",人民的生命安全得不到保障;時(shí)速200公里以上的列車當(dāng)司機(jī)發(fā)現(xiàn)前方出現(xiàn)問題采取緊急剎車措施的制動(dòng)距離大約需要2公里,因此在列車司機(jī)視覺發(fā)現(xiàn)道口險(xiǎn)情時(shí)進(jìn)行緊急制動(dòng)避免事故發(fā)生幾乎已經(jīng)成為不可能的事。據(jù)資料報(bào)道,在2001年,在道口發(fā)生撞車事故887件,撞壞汽車404輛,拖拉機(jī)202輛,其他車輛268輛,人員死亡314人,重傷288人,損壞鐵路機(jī)車248臺(tái),鐵路車廂61個(gè),破壞線路350公里,致使鐵路中斷行車2056分鐘。隨著鐵路事業(yè)的快速發(fā)展,伴隨鐵路的第六次提速,安全問題再一次提上日程。根據(jù)有關(guān)資料統(tǒng)計(jì),目前全國(guó)共有16021個(gè)鐵路與公路交叉的道口,其中有人看守道口約有3248個(gè),無(wú)人看守道口12953個(gè),這些無(wú)人看守道口除基本的標(biāo)志牌外,幾乎無(wú)任何預(yù)報(bào)裝置,當(dāng)前鐵路與公路的交叉路口交通日益繁忙,鐵路系統(tǒng)有限的人力、物力不可能做到看護(hù)每一個(gè)道口。另一方面由于天氣的原因、行人的忽視、公路上的車輛擁擠和鐵路曲線彎道等緣故,每年在道口附近都發(fā)生較大數(shù)量的傷亡事故,每天平均發(fā)生道口事故67件,傷亡6人,損壞機(jī)動(dòng)車4輛,中斷鐵路行車8小時(shí)左右;有的道口事故一次就造成幾十人傷亡或造成機(jī)車、車輛嚴(yán)重破損,甚至造成列車顛覆,中斷鐵路行車少則幾十分鐘,多則數(shù)小時(shí)乃至幾十小時(shí),擾亂正常的運(yùn)輸生產(chǎn)秩序,在國(guó)內(nèi)外造成不良政治影響,經(jīng)濟(jì)損失之大更是觸目驚心。道口不安全,對(duì)鐵路部門來說是心腹大患。總結(jié)事故多發(fā)的原因主要有幾條1)目前無(wú)人看守道口還是占道口的80%左右,列車接近道口前,對(duì)無(wú)人看守道口,不給通知;在有人看守道口,雖給通知信號(hào),但對(duì)道口收到通知信號(hào)沒有,沒有反饋給機(jī)車;2)道口發(fā)生諸如機(jī)動(dòng)車熄火之類的故障,車輛搶道等情況,都沒有發(fā)信號(hào)告知列車,列車常常因此失去了緊急剎車的寶貴時(shí)機(jī)。
發(fā)明內(nèi)容為了克服已有的鐵路道口監(jiān)控設(shè)備信息化、智能化水平低、機(jī)車司機(jī)無(wú)法及時(shí)判斷道口有無(wú)險(xiǎn)情或故障、存在較大的安全隱患的不足,本發(fā)明提供一種智能化水平高、能通過圖像理解技術(shù)自動(dòng)判斷道口的各種險(xiǎn)情或故障、能通過無(wú)線通信技術(shù)實(shí)現(xiàn)列車司機(jī)與道口安全狀況之間以及過往道口的人車與列車行進(jìn)狀況之間的相互通信的鐵路道口智能視頻監(jiān)控裝置。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種鐵路道口智能視頻監(jiān)控裝置,包括安裝在鐵路道口上能覆蓋整個(gè)道口交通狀況的視頻傳感器和用于監(jiān)控整個(gè)道口的監(jiān)控狀況并能進(jìn)行動(dòng)態(tài)圖像理解的監(jiān)控計(jì)算機(jī),所述的視頻傳感器與監(jiān)控計(jì)算機(jī)連接,所述的監(jiān)控計(jì)算機(jī)包括用于拍攝鐵路道口的實(shí)時(shí)情況,并將采集到的視頻圖像通過A/D采樣,得到動(dòng)態(tài)序列圖像幀,將圖像幀送入數(shù)據(jù)緩存區(qū)的視頻圖像采集模塊,用于實(shí)時(shí)顯示道口交通狀況的視頻數(shù)據(jù)的顯示單元,所述的監(jiān)控計(jì)算機(jī)還包括圖像預(yù)處理模塊,用于對(duì)緩存區(qū)中的圖像序列幀進(jìn)行灰度化、平滑及對(duì)比度增強(qiáng);鐵路道口定制模塊,用于將鐵路道口路面對(duì)象在縱向方向上分為三個(gè)部分第I區(qū)域?yàn)樾逻M(jìn)入的行人、車輛與其他移動(dòng)物體的感知區(qū)域,第I區(qū)域從欄桿開始,沿道口的反方向長(zhǎng)度等于一般車輛的長(zhǎng)度;第II區(qū)域?yàn)樾腥?、車輛與其他移動(dòng)物體開始狀態(tài)獲取階段,第II區(qū)域的長(zhǎng)度為兩個(gè)欄桿之間的長(zhǎng)度;第III區(qū)域?yàn)檐囕v結(jié)束狀態(tài)獲取階段,第III區(qū)域從欄桿開始,沿道口的反方向長(zhǎng)度等于一般車輛的長(zhǎng)度;定制欄桿的視頻檢測(cè)區(qū)域,該視頻檢測(cè)區(qū)域的大小正好是能覆蓋欄桿在開啟和關(guān)閉狀態(tài)時(shí)欄桿的圖像部分;動(dòng)態(tài)圖像理解模塊,用于分析理解道口安全狀態(tài),包括有自適應(yīng)背景消減單元,用于采用基于混合高斯分布模型的自適應(yīng)背景消除算法,針對(duì)圖像的YCrCb顏色空間中的亮度值Y分量進(jìn)行檢測(cè),對(duì)每個(gè)圖像點(diǎn)采用了多個(gè)高斯模型的混合表示,設(shè)用來描述每個(gè)點(diǎn)顏色分布的高斯分布共有K個(gè),分別標(biāo)記為(1):式(1)中的下標(biāo)t表示時(shí)間;各高斯分布分別具有不同的權(quán)值和優(yōu)先級(jí),再將K個(gè)背景模型按照優(yōu)先級(jí)從高到低的次序排序,取定適當(dāng)?shù)谋尘澳P蜋?quán)值和閾值,在檢測(cè)前景點(diǎn)時(shí),按照優(yōu)先級(jí)次序?qū)與各高斯分布模型逐一匹配,若匹配,則判定該點(diǎn)可能為前景點(diǎn),否則為前景點(diǎn);若某個(gè)高斯分布與K匹配,則對(duì)該高斯分布的權(quán)值和高斯參數(shù)按設(shè)定的更新率進(jìn)行更新;陰影抑制單元,用于處理自適應(yīng)背景消減單元所得到的前景目標(biāo)中的陰影區(qū)域,先學(xué)習(xí)道路的顏色分量CrCb和亮度分量Y,當(dāng)碰到前景點(diǎn)時(shí),判斷該點(diǎn)的顏色分量CrCb是否和道路相近,亮度分量Y是否比道路低,判斷算法由公式(2)表示0,y—icoiO)>f/zms/zoW11式(2)中標(biāo)記0的點(diǎn)屬于陰影,標(biāo)記1的點(diǎn)屬于前景,abs表示求其絕對(duì)值,Cr是該點(diǎn)的Cr顏色分量,Cb是該點(diǎn)的Cb顏色分量,RoadCr表示道路的Cr顏色分量,RoadCb是道路的Cb顏色分量,threshold表示設(shè)置的閾值;連通區(qū)域標(biāo)識(shí)單元,用于采用八連通區(qū)域提取算法得到對(duì)象的大小和形狀{曰息;對(duì)象識(shí)別單元,用于將人體模型簡(jiǎn)化矩形模型,求每個(gè)連通區(qū)域的寬度w'和高度&,然后用公式(3)計(jì)算區(qū)域面積屬性《"。,其中&為某個(gè)連通區(qū)域像素個(gè)數(shù),將其作為面積大小屬性-接著用公式(4)進(jìn)行形狀屬性^"'。計(jì)算,即矩形的寬度w'與高度A的比的計(jì)算<formula>formulaseeoriginaldocumentpage11</formula>(4)根據(jù)得到的面積大小屬性^、區(qū)域面積屬性S"。、形狀屬性S",然后根據(jù)視覺傳感器標(biāo)定的結(jié)果,設(shè)定行人、車輛與其他移動(dòng)物體的各種不同的判定閾值范圍,依據(jù)所得到的連通區(qū)域自動(dòng)判定該連通區(qū)域是行人、車輛還是其他移動(dòng)物體;基于顏色模型的跟蹤單元,用于跟蹤鐵路道口上的各種行人、車輛和移動(dòng)物體,利用目標(biāo)的顏色特征在視頻圖像中找到運(yùn)動(dòng)目標(biāo)所在的位置和大小,在下一幀視頻圖像中,用運(yùn)動(dòng)目標(biāo)當(dāng)前的位置和大小初始化搜尋窗口,重復(fù)這個(gè)過程就可以實(shí)現(xiàn)對(duì)目標(biāo)的連續(xù)跟蹤;欄桿狀態(tài)檢測(cè)單元,用于通過邊緣檢測(cè)算法來檢測(cè)欄桿的狀態(tài),如通過邊緣檢測(cè)算法計(jì)算所得到的邊緣與欄桿的關(guān)閉狀態(tài)相吻合,判定為欄桿處在關(guān)閉狀態(tài);如通過邊緣檢測(cè)算法計(jì)算所得到的邊緣與欄桿的開啟狀態(tài)相吻合,判定為欄桿處在開啟狀態(tài);如果與上述兩個(gè)都不吻合,初步判定為欄桿處在過渡變化狀態(tài);鐵路道口信號(hào)檢測(cè)單元,用于通過定制信號(hào)燈的位置,視頻檢測(cè)信號(hào)燈,如白燈亮表示道口處于開啟狀態(tài);如兩個(gè)紅燈交替閃爍表示道口處于從開啟狀態(tài)到關(guān)閉狀態(tài)的過渡期間;如紅燈常亮表示表示道口處于關(guān)閉狀態(tài);鐵路道口檢測(cè)單元,用于依照"鐵路道口管理暫行規(guī)定"的要求,視頻監(jiān)控完成如下檢測(cè)<table>tableseeoriginaldocumentpage12</column></row><table><table>tableseeoriginaldocumentpage13</column></row><table>在鐵路道口設(shè)定狀態(tài)、區(qū)域內(nèi)和行人、車輛或移動(dòng)物體的前景對(duì)象三者的關(guān)系,如三者之間的關(guān)系符合"鐵路道口管理暫行規(guī)定"要求,判定為正常事件;如出現(xiàn)與"鐵路道口管理暫行規(guī)定"中明確禁止的情況,判定為異常事件;道口應(yīng)急處理模塊,用于在分析得到道口出現(xiàn)異常事件時(shí)自動(dòng)啟動(dòng)道口應(yīng)急處理;視頻信息存儲(chǔ)模塊,用于在道口出現(xiàn)異常事件時(shí)候,自動(dòng)保留當(dāng)時(shí)的視頻數(shù)據(jù),并保存到視頻數(shù)據(jù)庫(kù)中;道口無(wú)線接收發(fā)送模塊,用于發(fā)送道口正常、出現(xiàn)異常事件給列車以及接收列車各種信息;道口安全信息發(fā)布模塊,用于將列車將要通過道口的時(shí)刻信息以及道口出現(xiàn)異常事件時(shí)對(duì)行人以及過往車輛進(jìn)行發(fā)布;所述道口安全信息發(fā)布模塊連接道口顯示單元和警告音播放單元,所述監(jiān)控計(jì)算機(jī)與無(wú)線接收發(fā)送設(shè)備相連接,所述的無(wú)線接收發(fā)送設(shè)備上配置有無(wú)線接收發(fā)送天線。作為優(yōu)選的一種方案:在所述的鐵路道口檢測(cè)單元中,在道口的開啟狀態(tài)下,對(duì)于行人對(duì)象,檢測(cè)行人對(duì)象的運(yùn)動(dòng)軌跡是否是向著道路方向以及是否有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;對(duì)于車輛對(duì)象需要檢測(cè)是否有超車,如果檢測(cè)出有超車行為就判定為機(jī)動(dòng)車違章交通事件;是否有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;還要檢測(cè)車速與轉(zhuǎn)彎等行為,如果檢測(cè)出有車速與轉(zhuǎn)彎等行為就判定為機(jī)動(dòng)車違章交通事件;對(duì)于其他物體對(duì)象檢測(cè)是否有有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;關(guān)于停留事件的檢測(cè)通過動(dòng)態(tài)跟蹤的結(jié)果來進(jìn)行判斷,如果通過設(shè)定時(shí)間發(fā)現(xiàn)跟蹤的對(duì)象位置沒有發(fā)生變化就判定為是停留;車輛的超車與轉(zhuǎn)彎的判斷通過車輛進(jìn)入時(shí)的RoadID與當(dāng)前車輛所處的RoadID來進(jìn)行判斷,如果車輛進(jìn)入是的RoadID為1,而目前車輛所處的RoadID為2,判定為該車輛有超車或轉(zhuǎn)彎的行為;關(guān)于檢測(cè)車速,計(jì)算出該車輛的速度,根據(jù)公式(5)進(jìn)行計(jì)算Ass「se(5)V=——畫—-At—tgj式中V是車輛的速度;AS是車輛在某一時(shí)間內(nèi)行駛的距離;At是車輛經(jīng)過某一段距離所花費(fèi)的時(shí)間;SI為測(cè)量終點(diǎn),對(duì)應(yīng)于車輛對(duì)象信息中的EndPosition;S0為測(cè)量始點(diǎn),對(duì)應(yīng)于車輛對(duì)象信息中的StartPosition;tl為測(cè)量終了時(shí)間,對(duì)應(yīng)于車輛對(duì)象信息中的EndTime;tO為測(cè)量起始時(shí)間,對(duì)應(yīng)于車輛對(duì)象信息中的StartTime;將測(cè)量始點(diǎn)定義在車輛剛進(jìn)入道口的第II區(qū)域時(shí),將測(cè)量終點(diǎn)定義在車輛剛要離開道口的第II區(qū)域時(shí),AS相當(dāng)于第II區(qū)域的沿機(jī)動(dòng)車道路的實(shí)際距離;在道口從開啟狀態(tài)過渡到關(guān)閉狀態(tài)時(shí),檢測(cè)在第II區(qū)域是否有行人,如有行人對(duì)象,檢測(cè)行人對(duì)象是否向第I區(qū)域或者第III區(qū)域移動(dòng),如果檢測(cè)出來的行人對(duì)象有停留行為,判定為險(xiǎn)情異常事件;檢測(cè)在第I區(qū)域或者第m區(qū)域的行人是否有進(jìn)入第II區(qū)域,如果檢測(cè)出來有行人進(jìn)入第II區(qū)域就判定為險(xiǎn)情異常事件;對(duì)于車輛對(duì)象,首先檢測(cè)在第n區(qū)域是否有車輛,如果有車輛的話,是否向第m區(qū)域方向在行駛,如果檢測(cè)出來的車輛有停留行為,判定為險(xiǎn)情異常事件;還要檢測(cè)在第i區(qū)域或者第m區(qū)域的車輛是否有進(jìn)入第n區(qū)域,如果檢測(cè)出來有車輛進(jìn)入第n區(qū)域就判定為險(xiǎn)情異常事件;對(duì)于其他移動(dòng)物體對(duì)象,要檢測(cè)在第n區(qū)域是否有移動(dòng)物體對(duì)象存在,如果檢測(cè)出來有移動(dòng)物體對(duì)象存在并有停留行為,就判定為險(xiǎn)情異常事件;在道口處于關(guān)閉狀態(tài)時(shí),如檢測(cè)有行人停留以及進(jìn)入第m區(qū)域都判定為險(xiǎn)情事件,對(duì)于車輛對(duì)象以及移動(dòng)物體對(duì)象在第m區(qū)域可能會(huì)造成重大災(zāi)害事故的判定為重大險(xiǎn)情事件。作為優(yōu)選的另一種方案列車上的無(wú)線接收發(fā)送設(shè)備與道口的無(wú)線接收發(fā)送設(shè)備雙向通信,列車上的無(wú)線接收發(fā)送設(shè)備的天線指向是列車行駛的正前方,列車上的監(jiān)控計(jì)算機(jī)包括視頻信息存儲(chǔ)模塊,用于將記錄下來的視頻數(shù)據(jù)進(jìn)行壓縮編碼、復(fù)用以及調(diào)制成壓縮視頻數(shù)據(jù);無(wú)線接收發(fā)送模塊,用于依照通信標(biāo)準(zhǔn),發(fā)送壓縮的視頻數(shù)據(jù);圖像解壓處理模塊,用于將接收的數(shù)據(jù)進(jìn)行解壓縮、解復(fù)用以及解調(diào),恢復(fù)成視頻數(shù)據(jù);所述圖像解壓處理模塊的輸出連接顯示模塊,所述的顯示模塊將恢復(fù)的視頻數(shù)據(jù)信息顯示在列車駕駛室內(nèi)的顯示單元上。進(jìn)一步,在所述的連通區(qū)域標(biāo)識(shí)單元中,先進(jìn)行去噪處理,利用腐蝕和膨脹算子分別去除孤立的噪聲前景點(diǎn)和填補(bǔ)目標(biāo)區(qū)域的小孔,先對(duì)消除了背景模型后的前景點(diǎn)集F分別進(jìn)行膨脹和腐蝕處理,得到擴(kuò)張集Fe和收縮集Fc,通過處理所得到的擴(kuò)張集Fe和收縮集Fc認(rèn)為是對(duì)初始前景點(diǎn)集F進(jìn)行填補(bǔ)小孔和去除孤立噪聲點(diǎn)的結(jié)果;有以下關(guān)系Fc<F<Fe成立,以收縮集Fc作為起始點(diǎn),在擴(kuò)張集Fe上檢測(cè)連通區(qū)域,然后將檢測(cè)結(jié)果記為(Rei,i4,2,3,…,W,最后將檢測(cè)所得的連通區(qū)域重新投影到初始前景點(diǎn)集F上,得到最后的連通檢測(cè)結(jié)果^R卜ReinF,i=l,2,3/..,n}。更進(jìn)一步,無(wú)線通信以及其通信標(biāo)準(zhǔn)采用GSM-R的鐵路的數(shù)字移動(dòng)通信方式。無(wú)線通信采用WiMAX通信技術(shù),是微波存取全球互通,通信協(xié)議采用IEEE802.16e標(biāo)準(zhǔn)。本發(fā)明的技術(shù)構(gòu)思為圖像是人類視覺的延伸。通過視覺,可以立即準(zhǔn)確地發(fā)現(xiàn)道口所發(fā)生的事件,圖像監(jiān)測(cè)快速性的基礎(chǔ)是視覺所接受的信息以光為傳播媒介;而圖像信息的豐富和直觀,更為道口情況的辨識(shí)和判斷奠定了基礎(chǔ),其它任何檢測(cè)技術(shù)均不能提供如此豐富和直觀的信息。如何通過動(dòng)態(tài)圖像的理解,及時(shí)地將險(xiǎn)情反饋給機(jī)車司機(jī)并控制駛向道口的列車。同時(shí)對(duì)有價(jià)值的道口事故圖片做以存儲(chǔ)保留,以備査看。鐵路道口圖像監(jiān)控系統(tǒng)是通過實(shí)時(shí)地監(jiān)控鐵路道口現(xiàn)場(chǎng),分析和處理監(jiān)控的序列圖像,對(duì)其中的道口目標(biāo)進(jìn)行跟蹤、識(shí)別和分類,來判斷道口有無(wú)險(xiǎn)情或故障。然后將分類判斷的數(shù)據(jù)以專用的無(wú)線代碼方式發(fā)送給機(jī)車的自動(dòng)接收設(shè)備。如果遇到險(xiǎn)情或故障,道口可以鳴聲報(bào)警,機(jī)車司機(jī)也可以同時(shí)根據(jù)收到的代碼以及道口的視頻信息,判斷前方道口的現(xiàn)場(chǎng)情況,采取相應(yīng)措施,達(dá)到雙向減少事故發(fā)生率的目的。從而大大提高鐵路運(yùn)輸?shù)陌踩?。在進(jìn)入信息社會(huì)的今天,應(yīng)該努力提高道口設(shè)備科技含量,提高道口監(jiān)控信息化、智能化的水平,以達(dá)到減少道口交通事故,提高道口安全通過能力的目的。遠(yuǎn)距離無(wú)線通信技術(shù)給行進(jìn)中的列車與道口監(jiān)控設(shè)備之間的通信提供了一種新的解決方案。數(shù)字化無(wú)線視頻傳輸系統(tǒng)與傳統(tǒng)的有線、模擬傳輸系統(tǒng)相比,具有如下特點(diǎn)①便于進(jìn)行壓縮、分析、存儲(chǔ)和顯示;②數(shù)字信息抗干擾能力強(qiáng),不易受傳輸線路信號(hào)衰減的影響等。正是由于數(shù)字視頻傳輸具有傳統(tǒng)模擬傳輸無(wú)法比擬的優(yōu)點(diǎn),而且符合當(dāng)前信息社會(huì)中數(shù)字化、網(wǎng)絡(luò)化和智能化的發(fā)展趨勢(shì),所以數(shù)字視頻傳輸正在逐步取代模擬傳輸,為提高道口設(shè)備科技含量提供了一種新的通信手段。本發(fā)明的有益效果主要表現(xiàn)在1、實(shí)用性好,能通過圖像理解技術(shù)自動(dòng)判斷道口的各種險(xiǎn)情或故障,為80%左右的無(wú)人看守道口實(shí)現(xiàn)24小時(shí)連續(xù)監(jiān)控提供了有效的手段,為20%有人看守道口提供了一種輔助手段,為鐵路安全運(yùn)行、行人與車輛安全過道口提供了強(qiáng)有力的支持;2)實(shí)現(xiàn)成本低,設(shè)備簡(jiǎn)單只需要一個(gè)攝像單元、一臺(tái)電腦和一個(gè)無(wú)線通信單元等硬件就能實(shí)現(xiàn)鐵路道口智能視頻監(jiān)控;3)使用安裝維護(hù)方便,由于完全是一種非接觸式的檢測(cè),檢測(cè)設(shè)備沒有損耗,安裝時(shí)只要將攝像裝置安裝在能覆蓋整個(gè)道口檢測(cè)區(qū)域就可以了;4)智能化水平高,同時(shí)能實(shí)現(xiàn)多參數(shù)的測(cè)量,通過圖像理解技術(shù),即可以自動(dòng)判斷在道口的車輛、行人、其他物體的情況,也可以同時(shí)檢測(cè)道口通行的狀態(tài),這是其他檢測(cè)手段無(wú)法實(shí)現(xiàn)的;5)各種險(xiǎn)情或故障的結(jié)果能通過無(wú)線通信技術(shù)實(shí)現(xiàn)列車司機(jī)與道口安全狀況之間以及過往道口的人車與列車行進(jìn)狀況之間的相互通信,列車司機(jī)能在第一時(shí)間獲得前方道口的各種險(xiǎn)情事件以及道口的實(shí)時(shí)視頻圖像,能避免重大交通事故的發(fā)生;6)能規(guī)范行人、車輛過道口時(shí)的行為,對(duì)于在道口上違章行駛的車輛都會(huì)有視頻記錄,便于相關(guān)部門的執(zhí)法。圖1為在鐵道道口關(guān)閉情況下道口的平面視圖;圖2為在鐵道道口開啟情況下道口的平面視圖3為基于動(dòng)態(tài)圖像理解和無(wú)線通信技術(shù)的鐵路道口智能視頻監(jiān)控裝置的結(jié)構(gòu)框圖4為出現(xiàn)一種重大道口安全事故的示意圖;圖5為動(dòng)態(tài)圖像理解的步驟以及處理內(nèi)容示意圖;圖6為從道口場(chǎng)景中提取前景運(yùn)動(dòng)對(duì)象的處理流程圖;圖7為動(dòng)態(tài)圖像理解單元中所包括的各種處理手段以及相互關(guān)系。具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。參照?qǐng)D1圖7,一種基于動(dòng)態(tài)圖像理解和無(wú)線通信技術(shù)的鐵路道口智能視頻監(jiān)控裝置,包括安裝在鐵路道口上能覆蓋整個(gè)道口交通狀況的視頻傳感器1、用于監(jiān)控整個(gè)道口的監(jiān)控狀況并能進(jìn)行動(dòng)態(tài)圖像理解的計(jì)算機(jī)2,所述的視頻傳感器1與監(jiān)控計(jì)算機(jī)2連接,所述的監(jiān)控計(jì)算機(jī)2包括用于視頻圖像顯示以及圖像處理的視頻圖像采集模塊3,用于實(shí)時(shí)顯示道口交通狀況的視頻數(shù)據(jù)的顯示單元4,用于動(dòng)態(tài)圖像理解處理的圖像預(yù)處理單元5,用于分析理解道口安全狀態(tài)(包括出現(xiàn)險(xiǎn)情、故障等各種事件)的動(dòng)態(tài)圖像理解單元6,用于在分析得到道口出現(xiàn)險(xiǎn)情或者故障時(shí)自動(dòng)啟動(dòng)道口應(yīng)急處理的道口應(yīng)急處理模塊7,用于現(xiàn)場(chǎng)取證為目的的拍攝和存儲(chǔ)當(dāng)列車經(jīng)過時(shí)從預(yù)警、報(bào)警到警戒的三個(gè)狀態(tài)時(shí)間段內(nèi)道口狀態(tài)的視頻信息存儲(chǔ)模塊.8,用于保存上述視頻信息的預(yù)警期間視頻數(shù)據(jù)庫(kù)9,用于發(fā)送道口正常、出現(xiàn)險(xiǎn)情或者故障時(shí)給列車以及接收列車各種信息的道口無(wú)線接收發(fā)送模塊10,用于將列車將要通過道口的時(shí)刻信息以及道口出現(xiàn)險(xiǎn)情或者故障時(shí)對(duì)行人以及過往車輛進(jìn)行發(fā)布的道口安全信息發(fā)布模塊11,所述道口安全信息發(fā)布模塊11中包括列車接近警告手段以及各種違章警告手段,道口安全信息發(fā)布模塊11連接道口顯示單元和警告音播放單元(沒有圖示),所述的監(jiān)控計(jì)算機(jī)2與所在地的無(wú)線接收發(fā)送設(shè)備(沒有圖示)相連接,所述的所在地的無(wú)線接收發(fā)送設(shè)備上配置有無(wú)線接收發(fā)送天線;作為一種基于動(dòng)態(tài)圖像理解和無(wú)線通信技術(shù)的鐵路道口智能視頻監(jiān)控裝置,在列車上與之相配套的有一個(gè)基于無(wú)線通信的遠(yuǎn)程鐵路道口智能視頻監(jiān)控設(shè)備12,包括用于列車在行駛中能監(jiān)控前方道口的狀況的顯示設(shè)備13、用于與前方道口的無(wú)線接收發(fā)送設(shè)備通信的機(jī)車無(wú)線接收發(fā)送設(shè)備14,用于機(jī)車司機(jī)在接受到報(bào)警并確認(rèn)前方道口發(fā)生重大險(xiǎn)情時(shí)采取緊急制動(dòng)等措施的緊急應(yīng)急處理單元15,一旦發(fā)現(xiàn)前方道口上出現(xiàn)險(xiǎn)情或者故障,列車司機(jī)可以根據(jù)鐵路道口智能視頻監(jiān)控裝置所發(fā)送過來的險(xiǎn)情或者故障以及道口現(xiàn)場(chǎng)的視頻信息作出判斷,是否要進(jìn)行機(jī)車的應(yīng)急處理,列車上的無(wú)線接收發(fā)送設(shè)備與道口的無(wú)線接收發(fā)送設(shè)備之間的通信是雙向的,列車上的無(wú)線接收發(fā)送設(shè)備的天線指向是列車行駛的正前方,對(duì)于列車上的無(wú)線接收發(fā)送設(shè)備與道口的無(wú)線接收發(fā)送設(shè)備之間的通信距離要保證在3km以上;視頻信息存儲(chǔ)模塊,用于將記錄下來的視頻數(shù)據(jù)進(jìn)行壓縮編碼、復(fù)用以及調(diào)制成壓縮視頻數(shù)據(jù);所在地的無(wú)線接收發(fā)送模塊,用于依照通信標(biāo)準(zhǔn),發(fā)送壓縮的視頻數(shù)據(jù);所述的基于無(wú)線通信的遠(yuǎn)程鐵路道口智能視頻監(jiān)控設(shè)備包括無(wú)線接收發(fā)送模塊,用于依照通信標(biāo)準(zhǔn),接收壓縮的視頻數(shù)據(jù);圖像解壓處理模塊,用于將接收的數(shù)據(jù)進(jìn)行解壓縮、解復(fù)用以及解調(diào),恢復(fù)成視頻數(shù)據(jù);所述圖像解壓處理模塊的輸出連接顯示模塊,所述的顯示模塊將恢復(fù)的視頻數(shù)據(jù)信息顯示在列車駕駛室內(nèi)的顯示單元12上。所述的無(wú)線通信以及其通信標(biāo)準(zhǔn),采用GSM-R(GSMforRailway)的鐵路的數(shù)字移動(dòng)通信方式。GSM-R在GSM(GlobalSystemforMobileCommunication)蜂窩系統(tǒng)上增加了調(diào)度通信功能和適合高速環(huán)境下使用的鐵路應(yīng)用功能,能滿足國(guó)際鐵路聯(lián)盟提出的鐵路專用調(diào)動(dòng)通信的要求。該系統(tǒng)基于GSM的基礎(chǔ)結(jié)構(gòu)及其提供的電信業(yè)務(wù),提供了鐵路特有的基礎(chǔ)業(yè)務(wù),并以此作為一個(gè)信息化的平臺(tái),使得用戶可以在這個(gè)信息平臺(tái)上開發(fā)各種各樣的鐵路應(yīng)用,實(shí)現(xiàn)無(wú)線列調(diào)、編組調(diào)車通信、應(yīng)急通信、養(yǎng)護(hù)維修通信等語(yǔ)言通信功能外,還能滿足列車運(yùn)行速度最高每小時(shí)500公里時(shí)的無(wú)線通信要求。GSM-R可以實(shí)現(xiàn)跨區(qū)域的高速和一般列車之間的通信,也可以實(shí)現(xiàn)地面與高速運(yùn)行中的列車之間的雙向通信。與GSM/GPRS系統(tǒng)相比,具有以下特點(diǎn)(l)專門用于無(wú)線機(jī)車信號(hào)的傳輸,是進(jìn)行列車控制的專用系統(tǒng);(2)采用GSM作為車地通信的方式并增加了鐵路通信所特有的功能;(3)與GSM/GPRS系統(tǒng)相比,具有更高的有效性、可靠性、安全性要求;(4)可開發(fā)各種輔助手段保證列車的安全運(yùn)行。其中鐵路道口智能視頻監(jiān)控可以認(rèn)為是保證列車的安全運(yùn)行一種輔助手段,同時(shí)也是保障過道口行人與車輛安全一種重要舉措。所述的列車接近警告手段,針對(duì)列車距離道口的不同距離,根據(jù)上述道口與高速運(yùn)行中的列車之間的雙向通信,得到目前離道口三公里、二公里、一公里時(shí),警告手段會(huì)分別發(fā)出預(yù)警、報(bào)警、警戒三種信號(hào),并可以在顯示屏上列車通過道口的倒計(jì)時(shí)時(shí)間,倒計(jì)時(shí)時(shí)間可以通過列車通過上一個(gè)道口或者上一個(gè)車站的時(shí)間以及列車的運(yùn)行速度來進(jìn)行估算,也可以通過其他檢測(cè)手段來得到列車的當(dāng)前位置與速度信息。所述的各種違章警告手段,根據(jù)后面所述的動(dòng)態(tài)圖像理解的結(jié)果,如果發(fā)現(xiàn)有違章行為,系統(tǒng)會(huì)自動(dòng)播放監(jiān)控對(duì)象的違章內(nèi)容,提醒行人、車輛遵守交通法規(guī)。本發(fā)明鐵路道口智能視頻監(jiān)控裝置中的動(dòng)態(tài)圖像理解部分所使用的判斷依據(jù)是根據(jù)國(guó)家經(jīng)委/鐵道部/交通部/公安部/農(nóng)業(yè)部/城建部/勞動(dòng)人事部等頒布的關(guān)于"鐵路道口管理暫行規(guī)定"中的第四章關(guān)于"道口的安全通行"中的一些條款-第十四條道路上的車輛(包括汽車、拖拉機(jī)、畜力車、人力車、自行車等各種機(jī)動(dòng)車、非機(jī)動(dòng)車,下同)和行人在道口、人行過道及平過道處,發(fā)現(xiàn)或聽到有火車開來時(shí),應(yīng)立即躲避到距鐵路鋼軌二米以外的處所,嚴(yán)禁停留在鐵路上和搶越。第十五條車輛和行人通過鐵路道口,必須聽從道口看守人員和道口安全管理人員的指揮。第十六條機(jī)動(dòng)車通過鐵路道口最高時(shí)速不準(zhǔn)超過二十公里,大、中型拖拉機(jī)不準(zhǔn)超過十五公里,小型拖拉機(jī)不準(zhǔn)超過十公里,并不得在道口內(nèi)超車或停留。一旦車輛在道口處發(fā)生故障,車輛的駕駛員或操縱、駕駛車輛的人要立即將車輛移出鐵路限界(距鋼軌外側(cè)不少于二米);確實(shí)無(wú)法移出時(shí),需立即采取防護(hù)措施,設(shè)法通知兩端車站,并在該道口兩端不少于八百米處的鐵路上用紅色信號(hào)(晝間用紅旗、夜間用紅色燈光)攔停列車;沒有紅色信號(hào)時(shí),可用紅色物品或兩臂高舉頭上,向兩側(cè)急劇擺動(dòng)。第十七條凡遇到道口欄桿(欄門)關(guān)閉、音響器發(fā)出報(bào)警、道口信號(hào)顯示紅色燈光或道口看守人員示意火車即將通過諸情況之一時(shí),車輛、行人嚴(yán)禁搶行,必須依次停在停止線以外;沒有停止線的,停在距最外股鋼軌五米以外,不得影響道口欄桿(欄門)的關(guān)閉,不得撞、鉆、爬、越道口欄桿(欄門)。第十八條車輛、行人通過設(shè)有道口信號(hào)機(jī)的鐵路道口時(shí),要遵守下列道口信號(hào)的顯示規(guī)定(一)兩個(gè)紅燈交替閃爍或紅燈穩(wěn)定亮?xí)r,表示火車接近道口,禁止車輛、行人通行;(二)紅燈熄滅白燈亮?xí)r,表示道口開通,準(zhǔn)許車輛、行人通行;(三)當(dāng)紅燈和白燈同時(shí)熄滅時(shí),表示停電或設(shè)備發(fā)生故障,道口信號(hào)無(wú)效。在這種情況下,必須與通過沒有道口信號(hào)機(jī)的道口一樣按第十五、十七及十九條規(guī)定通行。第十九車輛、行人通過沒有道口信號(hào)機(jī)的無(wú)人看守道口以及人行過道時(shí),必須停車或止步了望,確認(rèn)兩端均無(wú)列車開來時(shí),方準(zhǔn)通行。第二十條特別笨重(不能迅速通過道口)、巨大(高度從地面起超過四米,寬度超過車廂,長(zhǎng)度前端超出車身,后端超出車廂二米,超出部分觸地)和可能破壞鐵路設(shè)備,干擾鐵路運(yùn)輸?shù)奈矬w(履帶車輛、大型機(jī)械或裝載易燃、易爆物品的車輛)通過鐵路道口時(shí),應(yīng)提前商得附近鐵路有關(guān)部門的同意,在其協(xié)助與指導(dǎo)下通過。通過電氣化鐵路的道口時(shí),車輛及其裝載物不得觸動(dòng)限界架活動(dòng)橫板或吊鏈;裝載高度超過二米的貨物上,不準(zhǔn)坐人;行人手持高長(zhǎng)物件、皮鞭等,不準(zhǔn)高舉揮動(dòng)。第二十一條兩輪畜力車或牧畜通過鐵路道口時(shí),趕車或趕牧畜的人要牽住牲畜按本章的規(guī)定徒步通過。第二十二條在單車道路的道口上,嚴(yán)禁汽車、拖拉機(jī)等大、中型車輛錯(cuò)車。第二十三條機(jī)動(dòng)車在鐵路道口處,不準(zhǔn)轉(zhuǎn)彎掉頭。第二十四條在距道口二十米以內(nèi)的道路上,除停車了望或停車讓行、運(yùn)行中臨時(shí)停車的情況以外,不準(zhǔn)停留車輛。第二十五條嚴(yán)禁車輛在沒有道口或其它平面交叉設(shè)施的鐵路線路上穿越。本發(fā)明中道口智能視頻監(jiān)控裝置的視頻監(jiān)視24小時(shí)不斷連續(xù)工作,但是在準(zhǔn)許通行、預(yù)警、報(bào)警、警戒等不同狀態(tài)下檢測(cè)的策略不同;根據(jù)"鐵路道口管理暫行規(guī)定"在準(zhǔn)許通行的狀態(tài)下,如圖2所示,紅燈熄滅白燈亮?xí)r,表示道口開通,準(zhǔn)許車輛、行人通行,第十六條、第二十二條、第二十三條對(duì)車輛、行人有如下規(guī)定1)不允許在道口內(nèi)作超車或停留;2)機(jī)動(dòng)車通過鐵路道口最高時(shí)速不準(zhǔn)超過二十公里;3)在單車道路的道口上,嚴(yán)禁汽車、拖拉機(jī)等大、中型車輛錯(cuò)車;4)機(jī)動(dòng)車在鐵路道口處,不準(zhǔn)轉(zhuǎn)彎掉頭。因此動(dòng)態(tài)圖像理解處理在準(zhǔn)許通行期間要進(jìn)行如下視頻監(jiān)視1)如果發(fā)現(xiàn)行人與車輛在道口內(nèi)停留時(shí)間超過一個(gè)閾值(比如30秒),系統(tǒng)會(huì)自動(dòng)發(fā)出勸導(dǎo)趕快通過道口的警示音;2)如果發(fā)現(xiàn)機(jī)動(dòng)車在道口內(nèi)有超車行為,系統(tǒng)會(huì)自動(dòng)拍攝存儲(chǔ)視頻圖像并發(fā)出警告音;3)如果發(fā)現(xiàn)機(jī)動(dòng)車的時(shí)速超過二十公里,系統(tǒng)會(huì)自動(dòng)拍攝存儲(chǔ)視頻圖像并發(fā)出警告音;4)如果發(fā)現(xiàn)行人與車輛在道口內(nèi)沿著鐵道方向行走或行駛或轉(zhuǎn)彎掉頭,系統(tǒng)會(huì)自動(dòng)拍攝存儲(chǔ)視頻圖像并發(fā)出警告聲音;5)如果是單車道路的道口,發(fā)現(xiàn)有汽車、拖拉機(jī)等大、中型車輛錯(cuò)車,系統(tǒng)會(huì)自動(dòng)拍攝存儲(chǔ)視頻圖像并發(fā)出警告聲音;在預(yù)警的狀態(tài)下,出現(xiàn)兩個(gè)紅燈交替閃爍,一般是道口欄桿(欄門)的關(guān)閉過程,期間不允許車輛與行人再進(jìn)入道口內(nèi),因此動(dòng)態(tài)圖像理解處理在預(yù)警期間要進(jìn)行如下視頻監(jiān)視l)嚴(yán)禁車輛、行人搶行,如果發(fā)現(xiàn)有車輛與行人再進(jìn)入道口內(nèi),即運(yùn)動(dòng)方向是進(jìn)入道口內(nèi)的方向,系統(tǒng)會(huì)自動(dòng)拍攝存儲(chǔ)視頻圖像并發(fā)出警告要求車輛與行人迅速退出道口內(nèi);2)對(duì)于發(fā)現(xiàn)在道口內(nèi)有車輛與行人,系統(tǒng)要求目前在道口內(nèi)的車輛與行人迅速離開;3)如果發(fā)現(xiàn)行人與車輛在道口內(nèi)沒有移動(dòng),系統(tǒng)會(huì)自動(dòng)拍攝存儲(chǔ)視頻圖像并發(fā)出警告迅速趕快通過道口的警告音,同時(shí)明確告訴在場(chǎng)人員再經(jīng)過幾秒鐘列車將經(jīng)過該道口;4)如果發(fā)現(xiàn)諸如車輛等大型物體在道口內(nèi)停下來,可以初判斷為車輛出故障或者是道路沿線上的丟棄物,這對(duì)高速通過的列車非常危險(xiǎn),因此系統(tǒng)必須迅速將該信息通報(bào)以及現(xiàn)場(chǎng)的視頻圖像通過無(wú)線通信手段發(fā)給運(yùn)行中的列車,以便列車司機(jī)能采取應(yīng)急措施;在報(bào)警和警戒狀態(tài)下,紅燈穩(wěn)定亮?xí)r,表示火車接近道口,禁止車輛、行人通行,第十七條規(guī)定車輛、行人不得撞、鉆、爬、越道口欄桿(欄門);由于這時(shí)列車已經(jīng)到了剎車范圍的臨界點(diǎn),對(duì)于時(shí)速為200km/h的列車其剎車距離在2km范圍之內(nèi),報(bào)警狀態(tài)發(fā)出的時(shí)間也正好是2km,這時(shí)在道口內(nèi)的車輛與行人處于非常危險(xiǎn)的狀況,如果列車不采取任何制動(dòng)措施的話,36秒后列車將通過道口,系統(tǒng)如果還檢測(cè)到道口內(nèi)有行人與車輛存在話,重復(fù)警告在場(chǎng)的人員迅速離開道口內(nèi),明確告訴在場(chǎng)人員再經(jīng)過幾秒鐘列車將經(jīng)過;同時(shí)不斷的將該信息通報(bào)以及現(xiàn)場(chǎng)的視頻圖像通過無(wú)線通信手段發(fā)給運(yùn)行中的列車;在該情況下是絕對(duì)不允許行人與車輛進(jìn)入道口內(nèi),如果發(fā)現(xiàn)有行人與車輛試圖進(jìn)入的話,系統(tǒng)重復(fù)播放警告音;上述的智能化圖像理解與判斷都是在動(dòng)態(tài)圖像理解單元6中實(shí)現(xiàn)的。所述的動(dòng)態(tài)圖像理解單元,要實(shí)現(xiàn)上述不同策略下的檢測(cè),最關(guān)鍵的是實(shí)現(xiàn)在道口內(nèi)的車輛與行人等對(duì)象跟蹤檢測(cè),根據(jù)跟蹤檢測(cè)的結(jié)果通過高級(jí)圖像語(yǔ)義來實(shí)現(xiàn)車輛與行人等對(duì)象的狀態(tài)以及行為的理解,然后根據(jù)道口監(jiān)控范圍大小以及道口的狀態(tài)來實(shí)現(xiàn)不同策略下的檢測(cè);根據(jù)鐵路運(yùn)輸?shù)母咚傩院透咝?,決定了道口智能視頻監(jiān)控裝置必須具備以下特性-1)實(shí)時(shí)性要求;若以現(xiàn)階段高速列車200km/h計(jì)算,列車接近道口3公里發(fā)出預(yù)警信號(hào),列車通過道口僅約54秒的時(shí)間,其中前18秒時(shí)間是非常重要的時(shí)間,也就是列車離道口距離2~3km區(qū)間,使列車司機(jī)能采取應(yīng)急制動(dòng)的有效區(qū)間。在這段時(shí)間內(nèi),系統(tǒng)要分析出道口所發(fā)生的險(xiǎn)情或故障,并把道口的現(xiàn)場(chǎng)情況和視頻數(shù)據(jù)及時(shí)反饋給機(jī)車司機(jī),機(jī)車司機(jī)還要及時(shí)根據(jù)收到的代碼以及視頻數(shù)據(jù)來判斷前方道口情況,采取應(yīng)急措施,毫無(wú)疑問系統(tǒng)需要極高的實(shí)時(shí)性。在鐵路提速后的今天,實(shí)時(shí)性要求更為突出。2)精確性要求;道口從接收到預(yù)警信號(hào)開始,道口要經(jīng)歷從預(yù)警、報(bào)警到警戒的三個(gè)狀態(tài),既要保證車輛行人安全,不能漏報(bào)道口故障;又要保證鐵路運(yùn)輸?shù)捻樌ㄐ?,不能誤報(bào)無(wú)端事故。因此對(duì)道口現(xiàn)場(chǎng)有無(wú)故障的判斷一定要精確,不得有絲毫差錯(cuò)。3)穩(wěn)定性要求;也就是健壯性要求,要求系統(tǒng)需要長(zhǎng)時(shí)間穩(wěn)定可靠地工作,相應(yīng)地,無(wú)論其軟件算法設(shè)計(jì)還是硬件芯片選型,甚至攝像單元的安裝都要考慮到這一點(diǎn),否則稍有差錯(cuò)就會(huì)給經(jīng)過道口的行人與車輛帶來危險(xiǎn)和影響列車的運(yùn)行安全。所述的圖像采集模塊,用于拍攝道口的實(shí)時(shí)情況,并將采集到的視頻圖像通過A/D采樣,得到動(dòng)態(tài)序列圖像幀。同時(shí)將這些圖像幀送入數(shù)據(jù)緩存區(qū)。所述的圖像預(yù)處理單元,用于為圖像理解模塊的處理作好準(zhǔn)備,圖像的預(yù)處理是圖像處理模塊中一個(gè)基本而又重要的部分,其處理效果的優(yōu)劣直接關(guān)系到后續(xù)圖像的分析理解。圖像預(yù)處理包括對(duì)緩存區(qū)中的圖像序列幀進(jìn)行灰度化、平滑及對(duì)比度增強(qiáng)。圖像灰度化,將大大減少圖像分析的數(shù)據(jù)量.提高圖像處理的速度;圖像平滑,用以降低噪聲,來提高圖像的信噪比;圖像對(duì)比度增強(qiáng),將有利于圖像前景對(duì)象目標(biāo)連通區(qū)域、輪廓、邊緣的提?。槐景l(fā)明中提出了一個(gè)對(duì)所關(guān)心的對(duì)象的行為、事件及情景等通過高級(jí)語(yǔ)義進(jìn)行描述的系統(tǒng)理論構(gòu)架,并通過該框架來解析道口視頻監(jiān)控一些問題,如圖5所示。動(dòng)態(tài)圖像理解問題從高層語(yǔ)義的角度來看可以認(rèn)為是解釋一個(gè)情景語(yǔ)義問題,以人的思考方式來說,人們從視頻圖像中首先關(guān)心是獲取關(guān)心的對(duì)象信息,然后通過解析獲取所關(guān)心對(duì)象的狀態(tài)或者事件信息,最后通過對(duì)其一個(gè)個(gè)狀態(tài)或者事件信息進(jìn)行分析和抽象得到我們所需要的理解結(jié)果。本發(fā)明的目的是希望計(jì)算機(jī)也能像鐵路道口管理人員一樣按照"鐵路道口管理暫行規(guī)定"的要求管理著鐵路道口交通安全。如本發(fā)明中的鐵路道口安全檢測(cè),關(guān)心的對(duì)象是鐵路道口(軌道、道路)、列車、行人、車輛及交通信號(hào)或者欄桿(欄門);鐵路道口是一個(gè)靜態(tài)對(duì)象,在本發(fā)明中采用定制的方式在視頻圖像上框定鐵路道口安全檢測(cè)區(qū)域,如圖1圖2的虛線框所示,在虛線框內(nèi)的前景對(duì)象(行人、車輛或者對(duì)火車安全造成危險(xiǎn)的丟棄物)都要進(jìn)行視頻安全檢測(cè);交通信號(hào)或者欄桿(欄門)是一個(gè)動(dòng)態(tài)對(duì)象,該對(duì)象隨著列車離道口距離不同所處的狀態(tài)也不同,在離道口距離三公里以上時(shí),交通信號(hào)燈白燈亮、欄桿(欄門)處在開啟狀態(tài);離道口距離三公里時(shí),交通信號(hào)燈兩個(gè)紅燈交替閃爍、欄桿(欄門)從開啟狀態(tài)過度到關(guān)閉狀態(tài);離道口距離二公里、一公里時(shí),交通信號(hào)燈紅燈穩(wěn)定亮、欄桿(欄門)處在關(guān)閉狀態(tài);行人、車輛與其他物體(動(dòng)體)是一個(gè)動(dòng)態(tài)的監(jiān)控對(duì)象,也是本專利中要重點(diǎn)檢測(cè)的對(duì)象,因此對(duì)于行人與車輛來說,主要關(guān)心的是行人與車輛等監(jiān)控對(duì)象在鐵路道口這個(gè)靜態(tài)對(duì)象的范圍內(nèi)、在交通信號(hào)或者欄桿(欄門)等狀態(tài)對(duì)象的不同狀態(tài)時(shí)的狀態(tài)與事件,因此要對(duì)這些對(duì)象、對(duì)象的狀態(tài)和發(fā)生的事件進(jìn)行動(dòng)態(tài)跟蹤與關(guān)聯(lián),期待得到我們所關(guān)心的對(duì)象語(yǔ)義以及行為語(yǔ)義,對(duì)于鐵路道口安全問題作出語(yǔ)義解釋。因此關(guān)鍵問題是如何將對(duì)象跟狀態(tài)或者事件進(jìn)行關(guān)聯(lián),再將狀態(tài)或者事件跟對(duì)象行為語(yǔ)義進(jìn)行關(guān)聯(lián),最后對(duì)視頻情景作出語(yǔ)義解釋。要完成以上的狀態(tài)與事件的視頻檢測(cè),一方面要檢測(cè)出交通信號(hào)或者欄桿(欄門)等動(dòng)態(tài)對(duì)象的狀態(tài),另一方面也要檢測(cè)出經(jīng)過道口的行人、車輛、其他物體(動(dòng)體)等動(dòng)態(tài)的監(jiān)控對(duì)象;通過視頻方式檢測(cè)交通信號(hào)或者欄桿(欄門)等動(dòng)態(tài)對(duì)象的狀態(tài)比較容易實(shí)現(xiàn);通過視頻方式要檢測(cè)行人、車輛、其他物體(動(dòng)體)等動(dòng)態(tài)的監(jiān)控對(duì)象,首先需要對(duì)這些動(dòng)態(tài)的監(jiān)控對(duì)象實(shí)現(xiàn)動(dòng)態(tài)跟蹤。本發(fā)明中將視頻處理思路將圖像的語(yǔ)義分為底層特征層、對(duì)象層和概念層;將圖像理解和處理中分為四個(gè)階段,分別是視覺感知處理、概念化處理、形式化處理和行為語(yǔ)義處理,如圖5所示;所述的底層特征層,主要涉及到基于對(duì)象的一些基本屬性,如顏色、形狀、紋理和空間關(guān)系等。在這個(gè)層面上的知識(shí)和信息獲取手段屬于低級(jí)視覺感知處理;要提取各種監(jiān)控對(duì)象行為語(yǔ)義,首先要在底層特征層將鐵路道口背景中把前景行人、車輛的像素點(diǎn)分離出來,得到這些對(duì)象的各種特征屬性,然后根據(jù)這些屬性來區(qū)分不同的前景對(duì)象。在這一層中本發(fā)明所用到的基礎(chǔ)中間件主要由自適應(yīng)背景消減16、陰影抑制17和連通區(qū)域標(biāo)識(shí)18三個(gè)部分組成,其順序圖如圖6所示,處理的初步結(jié)果是二值化的視頻圖像,然后根據(jù)前景對(duì)象的各種屬性;所述的自適應(yīng)背景消減,用于解決實(shí)時(shí)分割動(dòng)態(tài)目標(biāo),本發(fā)明中采用的是基于混合高斯分布模型的自適應(yīng)背景消除算法,它的基本思想是使用混合高斯分布模型來表征圖像幀中每一個(gè)像素點(diǎn)的特征;當(dāng)獲得新的圖像幀時(shí),更新混合高斯分布模型;在每一個(gè)時(shí)間段上選擇混合高斯分布模型的子集來表征當(dāng)前的背景;如果當(dāng)前圖像的像素點(diǎn)與混合高斯分布模型相匹配,則判定該點(diǎn)為背景點(diǎn),否則判定該點(diǎn)為前景點(diǎn)。在系統(tǒng)中,針對(duì)圖像的YCrCb顏色空間中的亮度值Y分量進(jìn)行檢測(cè)。自適應(yīng)混合高斯模型對(duì)每個(gè)圖像點(diǎn)采用了多個(gè)高斯模型的混合表示,設(shè)用來描述每個(gè)點(diǎn)顏色分布的高斯分布共有K個(gè),分別標(biāo)記為式(1)中的下標(biāo)t表示時(shí)間。各高斯分布分別具有不同的權(quán)值和優(yōu)先級(jí),再將K個(gè)背景模型按照優(yōu)先級(jí)從高到低的次序排序,取定適當(dāng)?shù)谋尘澳P蜋?quán)值和閾值。在檢測(cè)前景點(diǎn)時(shí),按照優(yōu)先級(jí)次序?qū)?與各高斯分布模型逐一匹配。若匹配,則判定該點(diǎn)可能為前景點(diǎn),否則為前景點(diǎn)。若某個(gè)高斯分布與K匹配,則對(duì)該高斯分布的權(quán)值和高斯參數(shù)按一定的更新率進(jìn)行更新。所述的陰影抑制,用于解決運(yùn)動(dòng)對(duì)象之間的遮擋和光照的不均勻等原因而產(chǎn)生陰影現(xiàn)象,通過背景消減所得到的前景目標(biāo)區(qū)域中含有很大一部分陰影區(qū)域,為運(yùn)動(dòng)對(duì)象的正確分割和提取造成嚴(yán)重的影響。在彩色顏色模型空間中,任何顏色都可由YCrCb表示。陰影和道路的區(qū)別在于顏色分量CrCb相同(相近),亮度分量Y較小。我們可以先學(xué)習(xí)道路的顏色分量CrCb和亮度分量Y,當(dāng)碰到前景點(diǎn)時(shí),我們判斷該點(diǎn)的顏色分量CrCb是否和道路相近,亮度分量Y是否比道路低,判斷算法由公式(2)表示。<formula>formulaseeoriginaldocumentpage25</formula>(2)式(2)中標(biāo)記0的點(diǎn)屬于陰影,標(biāo)記1的點(diǎn)屬于前景,abs表示求其絕對(duì)值,Cr是該點(diǎn)的Cr顏色分量,Cb是該點(diǎn)的Cb顏色分量,RoadCr表示道路的Cr顏色分量,RoadCb是道路的Cb顏色分量,threshold表示設(shè)置的閾值;所述的連通區(qū)域標(biāo)識(shí),用于得到對(duì)象的大小和形狀等信息,連通區(qū)域標(biāo)識(shí)的方法很多,本發(fā)明中采用的是八連通區(qū)域提取算法。另外連通區(qū)域標(biāo)識(shí)受初始數(shù)據(jù)中的噪聲影響很大,一般需要先進(jìn)行去噪處理,去噪處理可以通過形態(tài)學(xué)運(yùn)算實(shí)現(xiàn),本發(fā)明中利用腐蝕和膨脹算子分別去除孤立的噪聲前景點(diǎn)和填補(bǔ)目標(biāo)區(qū)域的小孔,具體做法是先對(duì)消除了背景模型后的前景點(diǎn)集F分別進(jìn)行膨脹和腐蝕處理,得到擴(kuò)張集Fe和收縮集Fc,通過處理所得到的擴(kuò)張集Fe和收縮集Fc可以認(rèn)為是對(duì)初始前景點(diǎn)集F進(jìn)行填補(bǔ)小孔和去除孤立噪聲點(diǎn)的結(jié)果。因此有以下關(guān)系Fc<F<Fe成立,接著以收縮集Fc作為起始點(diǎn),在擴(kuò)張集Fe上檢測(cè)連通區(qū)域,然后將檢測(cè)結(jié)果記為《Rei,i^,2,3,…,n),最后將檢測(cè)所得的連通區(qū)域重新投影到初始前景點(diǎn)集F上,得到最后的連通檢測(cè)結(jié)果(Ri二ReinF,—l,2,3,…,n),通過這種目標(biāo)分割算法既能保持目標(biāo)的完整性同時(shí)也避免了噪聲前景點(diǎn)的影響,還保留了目標(biāo)的邊緣細(xì)節(jié)部分。所述的前景對(duì)象的區(qū)分,我們按照?qǐng)D6所示的處理流程,就可以從鐵路道口場(chǎng)景中將行人、車輛、移動(dòng)物體從背景中分離出來,得到這些對(duì)象的大小和形狀等各種屬性,行人與車輛在大小、形狀方面是有明顯區(qū)別的,因此我們可以通過從獲得連通區(qū)域面積、矩形寬高比等特征將行人、車輛和其他移動(dòng)體區(qū)分開來;為了提高實(shí)時(shí)處理能力,將人體模型簡(jiǎn)化矩形模型,求每個(gè)連通區(qū)域的(水平方向的長(zhǎng)度)寬度W和(垂直方向的長(zhǎng)度)高度A,然后用公式(3)計(jì)算區(qū)域面積屬性《,,其中&為某個(gè)連通區(qū)域像素個(gè)數(shù),我們將其作為面積大小屬性。f,(3)接著用公式(4)進(jìn)行形狀屬性^。"計(jì)算,即矩形的寬度w'與高度^的比的計(jì)算。,=^(4)6rate,、,y根據(jù)上述所得到的面積大小屬性S'、區(qū)域面積屬性《"'。、形狀屬性^"'e,然后根據(jù)視覺傳感器標(biāo)定的結(jié)果,可以得到行人、車輛與其他移動(dòng)物體的各種不同的判定閾值范圍,有了這些闔值范圍計(jì)算機(jī)就能依據(jù)所得到的連通區(qū)域自動(dòng)判定該連通區(qū)域是行人、還是車輛、還是其他移動(dòng)物體,這樣我們就得到了我們要關(guān)心的行人、車輛與其他移動(dòng)物體等各種不同的對(duì)象了,對(duì)于行人對(duì)象我們可以用以下一個(gè)Person對(duì)象來表示它Person(PersonID,StartPosition,StartTime);對(duì)于車輛對(duì)象我們可以用以下一個(gè)Car對(duì)象來表示它Car(CarID,RoadNum,StartPosition,StartTime,EndPosition,EndTime);對(duì)于移動(dòng)物體對(duì)象我們可以用以下一個(gè)Other對(duì)象來表示它Other(OtherID,StartPosition,StartTime);對(duì)于不同的對(duì)象計(jì)算機(jī)會(huì)自動(dòng)生成一個(gè)該對(duì)象的ID號(hào),并將檢測(cè)到的位置與時(shí)間信息來初始化該對(duì)象,這樣就實(shí)現(xiàn)了底層特征層與對(duì)象層的關(guān)聯(lián)。所述的對(duì)象層,從圖5中可以看出對(duì)象層處在底層特征層與概念層之間,起到承上啟下的作用,因此在不同層次之間或者層內(nèi)之間必須建立語(yǔ)義映射關(guān)系。在對(duì)象層中我們關(guān)心的有對(duì)象(Object)和事件(Event)兩類。而對(duì)象又可以分為可以看作是靜態(tài)對(duì)象的鐵路道口場(chǎng)景對(duì)象和可以看作是動(dòng)態(tài)對(duì)象的行人、車輛、移動(dòng)物體前景對(duì)象、交通信號(hào)或者欄桿(欄門)等狀態(tài)對(duì)象,而事件(Event)則是對(duì)象之間發(fā)生了新的動(dòng)態(tài)聯(lián)系。利用相關(guān)關(guān)聯(lián)模型我們就可以得到在某幀圖像中諸如在什么樣的欄桿(欄門)等狀態(tài)下,行人、車輛等現(xiàn)在的所處的位置等等事件或者狀態(tài)。這個(gè)層面上需要經(jīng)過概念化和形式化兩個(gè)處理步驟,前者主要的任務(wù)是要識(shí)別出所關(guān)心的前景對(duì)象,并從底層特征層所得到的屬性與前景對(duì)象進(jìn)行關(guān)聯(lián);后者主要的任務(wù)是獲取該對(duì)象的一些事件或者狀態(tài),為提取所關(guān)心對(duì)象的行為語(yǔ)義作好準(zhǔn)備。前景對(duì)象的事件或者狀態(tài)必須通過動(dòng)態(tài)過程才能展現(xiàn)出來,因此在前者與后者之間必須建立一種動(dòng)態(tài)關(guān)聯(lián),目前許多跟蹤算法,比如基于顏色模型的、基于主動(dòng)輪廓方法的、基于區(qū)域的、基于特征的方法的、基于三維模型的方法的等跟蹤算法,本專利中采用基于顏色模型的跟蹤算法來實(shí)現(xiàn)這種動(dòng)態(tài)的關(guān)聯(lián),在計(jì)算機(jī)運(yùn)算能力比較高的狀態(tài)下可以采取多種跟蹤算法同時(shí)并行計(jì)算,但是需要滿足上述的實(shí)時(shí)性要求。在這個(gè)層次上,本發(fā)明中將概念化處理的各種算法歸屬于應(yīng)用中間件;將形式化處理的各種算法歸屬于面向高層應(yīng)用的中間件。所述的基于顏色模型的跟蹤算法,用于跟蹤鐵路道口上的各種行人、車輛和移動(dòng)物體,本發(fā)明中采用了一種CamShift算法進(jìn)行對(duì)象目標(biāo)的跟蹤,該算法是對(duì)MEANSHIFT算法的進(jìn)一步改進(jìn)。與MEANSHIFT算法只能處理靜態(tài)分布相比,基于目標(biāo)顏色特征跟蹤算法需要處理動(dòng)態(tài)變化的分布。簡(jiǎn)單的說,該算法利用目標(biāo)的顏色特征在視頻圖像中找到運(yùn)動(dòng)目標(biāo)所在的位置和大小,在下一幀視頻圖像中,用運(yùn)動(dòng)目標(biāo)當(dāng)前的位置和大小初始化搜尋窗口,重復(fù)這個(gè)過程就可以實(shí)現(xiàn)對(duì)目標(biāo)的連續(xù)跟蹤。在每次搜尋前將搜尋窗口的初始值設(shè)置為運(yùn)動(dòng)目標(biāo)當(dāng)前的位置和大小,由于搜尋窗口就在運(yùn)動(dòng)目標(biāo)可能出現(xiàn)的區(qū)域附近進(jìn)行搜尋,這樣就可以節(jié)省大量的搜尋時(shí)間,使該算法具有了良好的實(shí)時(shí)性。同時(shí),該算法是通過顏色匹配找到運(yùn)動(dòng)目標(biāo),在運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)的過程中,顏色信息變化不大,所以該算法具有良好的魯棒性。原有的目標(biāo)顏色特征跟蹤算法,比如CamShift算法,在圖像跟蹤方面需要人工干預(yù),即要通過人為的選定跟蹤對(duì)象的外接矩形(對(duì)象的顏色特征)才能實(shí)現(xiàn)對(duì)目標(biāo)對(duì)象的跟蹤。由于上述的基礎(chǔ)中間件和應(yīng)用中間件處理中可以得到的各種跟蹤目標(biāo)對(duì)象的方位、大小以及類型,Person(PersonID,StartPosition,StartTime)、Car(CarID,RoadNum,StartPosition,StartTime,EndPosition,EndTime)、Other(OtherID,StartPosition,StartTime),只要將該處理結(jié)果提交給目標(biāo)顏色特征跟蹤算法,以實(shí)現(xiàn)自動(dòng)跟蹤。鐵路道口路面對(duì)象屬于靜態(tài)對(duì)象,因此可以通過定制靜態(tài)對(duì)象使得解決動(dòng)態(tài)圖像理解問題簡(jiǎn)單化,如圖1~2所示,定制的過程就是通過一些先驗(yàn)知識(shí)、"鐵路道口管理暫行規(guī)定"等知識(shí)在實(shí)現(xiàn)靜態(tài)對(duì)象的實(shí)例化的過程。針對(duì)圖1~圖2所示的鐵路道口路面對(duì)象,本發(fā)明中將鐵路道口路面對(duì)象在縱向方向上分為三個(gè)部分第I區(qū)域?yàn)樾逻M(jìn)入的行人、車輛與其他移動(dòng)物體的感知區(qū)域,在這個(gè)區(qū)域我們檢測(cè)是否有新進(jìn)入的行人、車輛與其他移動(dòng)物體,第I區(qū)域從欄桿(欄門)開始,沿道口的反方向長(zhǎng)度約等于一般車輛的長(zhǎng)度;第II區(qū)域?yàn)樾腥恕④囕v與其他移動(dòng)物體開始狀態(tài)獲取階段,即我們假設(shè)在這個(gè)區(qū)域內(nèi)我們開始檢測(cè)行人、車輛與其他移動(dòng)物體信息,獲取到它的開始狀態(tài)信息,第II區(qū)域的長(zhǎng)度為兩個(gè)欄桿(欄門)之間的長(zhǎng)度;第III區(qū)域?yàn)檐囕v結(jié)束狀態(tài)獲取階段,即我們假設(shè)在車輛一進(jìn)入這個(gè)區(qū)域我們就結(jié)束對(duì)車輛的檢測(cè),并獲取到它的結(jié)束狀態(tài)信息,第III區(qū)域從欄桿(欄門)開始,沿道口的反方向長(zhǎng)度約等于一般車輛的長(zhǎng)度。這樣的區(qū)域的劃分方法主要是為了車輛測(cè)速的方便。另外除了以上三個(gè)在縱向上的劃分外,還有在橫向上劃分,如果是雙向行駛的道路,在橫向上劃分為兩個(gè)車道,本發(fā)明中規(guī)定上行為單數(shù)車道從小開始排列,下行為雙數(shù)車道從小開始排列,如圖1~圖2中所示的車道命名。鐵路道口信號(hào)標(biāo)志對(duì)象屬于狀態(tài)變化對(duì)象,該對(duì)象在視頻圖像中的位置變化不大,對(duì)于欄桿(欄門)而言,它只會(huì)處于開啟、關(guān)閉、從開啟到關(guān)閉、從關(guān)閉到開啟這四種狀態(tài),另外道口兩側(cè)的欄桿(欄門)的動(dòng)作是對(duì)稱的,因此只要檢測(cè)某一側(cè)的欄桿(欄門)就能獲得該狀態(tài)變化對(duì)象的狀態(tài)信息;本發(fā)明中通過定制狀態(tài)變化對(duì)象使得解決動(dòng)態(tài)圖像理解問題簡(jiǎn)單化,首先我們定制欄桿(欄門)的視頻檢測(cè)區(qū)域,視頻檢測(cè)區(qū)域的大小正好是能覆蓋欄桿(欄門)在開啟和關(guān)閉狀態(tài)時(shí)欄桿(欄門)的圖像部分,然后通過邊緣檢測(cè)算法來檢測(cè)欄桿的狀態(tài),如果通過邊緣檢測(cè)算法計(jì)算所得到的邊緣與欄桿的關(guān)閉狀態(tài)相吻合,那么就判定為欄桿處在關(guān)閉狀態(tài);如果如果通過邊緣檢測(cè)算法計(jì)算所得到的邊緣與欄桿的開啟狀態(tài)相吻合,那么就判定為欄桿處在開啟狀態(tài);如果與上述兩個(gè)都不吻合,就初步判定為欄桿處在過渡變化狀態(tài),這時(shí)候要看前一次欄桿所處的狀態(tài),如果前一次是關(guān)閉狀態(tài)的話,那么這時(shí)欄桿處在從關(guān)閉到開啟的狀態(tài);由于該過渡變化狀態(tài)時(shí)間不會(huì)很長(zhǎng),如果發(fā)現(xiàn)欄桿長(zhǎng)時(shí)間處在過渡間段,那么就可以懷疑是否欄桿部分有故障發(fā)生,需要通知維修。在鐵路道口檢測(cè)區(qū)域范圍內(nèi),按照"鐵路道口管理暫行規(guī)定"的要求,視頻監(jiān)控要完成以下狀態(tài)、事件的檢測(cè);<table>tableseeoriginaldocumentpage29</column></row><table>拖拉機(jī)等大、中型車輛錯(cuò)車從開啟狀態(tài)過渡到關(guān)閉狀態(tài)允許在道口內(nèi)的人員迅速沿道路方向離開,嚴(yán)禁人員停留以及進(jìn)入道口檢測(cè)區(qū)允許在道口內(nèi)的車輛迅速離開,嚴(yán)禁車輛停留以及進(jìn)入道口檢測(cè)區(qū)嚴(yán)禁影響鐵路交通的物體、動(dòng)物等停留或停放在道口上關(guān)閉狀態(tài)嚴(yán)禁人員在道口檢測(cè)區(qū)內(nèi),嚴(yán)禁人員進(jìn)入道口檢測(cè)區(qū)嚴(yán)禁車輛在道口檢測(cè)區(qū)內(nèi),嚴(yán)禁車輛進(jìn)入道口檢測(cè)區(qū)嚴(yán)禁影響鐵路交通的物體、動(dòng)物等停留或停放在道口上本發(fā)明中主要關(guān)心的是在鐵路道口某個(gè)狀態(tài)下、某個(gè)區(qū)域內(nèi)(道口的圖像背景圖像)和行人、車輛與移動(dòng)物體的前景對(duì)象這三者的關(guān)系,這三者之間的關(guān)系符合"鐵路道口管理暫行規(guī)定"要求的就判定為正常事件,出現(xiàn)與"鐵路道口管理暫行規(guī)定"中明確禁止的情況時(shí)就判定為異常事件,在異常事件中可以分為1)重大險(xiǎn)情或者重大故障的異常事件;2)險(xiǎn)情或者故障的異常事件;3)險(xiǎn)情先兆或者故障先兆的異常事件;4)機(jī)動(dòng)車違章交通事件;在道口的開啟狀態(tài)下,對(duì)不同的監(jiān)控對(duì)象的檢測(cè)處理方式有所不同,對(duì)于行人對(duì)象,只要檢測(cè)該對(duì)象的運(yùn)動(dòng)軌跡是否是向著道路方向以及是否有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;對(duì)于車輛對(duì)象需要檢測(cè)是否有超車,如果檢測(cè)出有超車行為就判定為機(jī)動(dòng)車違章交通事件;是否有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;另外還要檢測(cè)車速與轉(zhuǎn)彎等行為,如果檢測(cè)出有車速與轉(zhuǎn)彎等行為就判定為機(jī)動(dòng)車違章交通事件;對(duì)于其他物體對(duì)象主要檢測(cè)是否有有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;關(guān)于停留事件的檢測(cè)可以通過動(dòng)態(tài)跟蹤的結(jié)果來進(jìn)行判斷,如果通過若干幀(比如5幀)發(fā)現(xiàn)跟蹤的對(duì)象位置沒有發(fā)生變化就判定為是停留;關(guān)于車輛的超車與轉(zhuǎn)彎的判斷,我們通過車輛進(jìn)入時(shí)的RoadID與當(dāng)前車輛所處的RoadID來進(jìn)行判斷,如果車輛進(jìn)入是的RoadID為1,而目前車輛所處的RoadID為2就判定為該車輛有超車或轉(zhuǎn)彎的行為;關(guān)于檢測(cè)車速,首先我們要計(jì)算出該車輛的速度。一般可以根據(jù)公式(5)進(jìn)行計(jì)算<formula>formulaseeoriginaldocumentpage31</formula>式中V是車輛的速度;AS是車輛在某一時(shí)間內(nèi)行駛的距離;At是車輛經(jīng)過某一段距離所花費(fèi)的時(shí)間;SI為測(cè)量終點(diǎn),對(duì)應(yīng)于車輛對(duì)象信息中的EndPosition;S0為測(cè)量始點(diǎn),對(duì)應(yīng)于車輛對(duì)象信息中的StartPosition;tl為測(cè)量終了時(shí)間,對(duì)應(yīng)于車輛對(duì)象信息中的EndTime;t0為測(cè)量起始時(shí)間,對(duì)應(yīng)于車輛對(duì)象信息中的StartTime。在本專利中將測(cè)量始點(diǎn)定義在車輛剛進(jìn)入道口的第II區(qū)域時(shí),將測(cè)量終點(diǎn)定義在車輛剛要離開道口的第II區(qū)域時(shí),因此AS就相當(dāng)于第II區(qū)域的沿機(jī)動(dòng)車道路的實(shí)際距離。在道口從開啟狀態(tài)過渡到關(guān)閉狀態(tài)時(shí),檢測(cè)在第n區(qū)域是否有行人,如果有行人對(duì)象的話,檢測(cè)這些對(duì)象是否向第i區(qū)域或者第m區(qū)域移動(dòng),如果檢測(cè)出來的行人對(duì)象有停留行為,就判定為險(xiǎn)情異常事件;另外還要檢測(cè)在第I區(qū)域或者第III區(qū)域的行人是否有進(jìn)入第II區(qū)域,如果檢測(cè)出來有行人進(jìn)入第II區(qū)域就判定為險(xiǎn)情異常事件;對(duì)于車輛對(duì)象,首先檢測(cè)在第II區(qū)域是否有車輛,如果有車輛的話,是否向第m區(qū)域方向在行駛,如果檢測(cè)出來的車輛有停留行為,就判定為險(xiǎn)情異常事件;另外還要檢測(cè)在第I區(qū)域或者第m區(qū)域的車輛是否有進(jìn)入第n區(qū)域,如果檢測(cè)出來有車輛進(jìn)入第n區(qū)域就判定為險(xiǎn)情異常事件;對(duì)于其他移動(dòng)物體對(duì)象,要檢測(cè)在第n區(qū)域是否有移動(dòng)物體對(duì)象存在,如果檢測(cè)出來有移動(dòng)物體對(duì)象存在并有停留行為,就判定為險(xiǎn)情異常事件;在道口處于關(guān)閉狀態(tài)時(shí),凡是有行人停留以及進(jìn)入第m區(qū)域都判定為險(xiǎn)情事件,對(duì)于車輛對(duì)象以及移動(dòng)物體對(duì)象在第m區(qū)域可能會(huì)造成重大災(zāi)害事故的判定為重大險(xiǎn)情事件。所述的視頻圖像存儲(chǔ)模塊8,用于存儲(chǔ)對(duì)有價(jià)值的道口場(chǎng)景圖像幀,以備調(diào)用査看。所謂有存儲(chǔ)價(jià)值,是指在道口出現(xiàn)險(xiǎn)情異常事件以及重大險(xiǎn)情事件的時(shí)候,系統(tǒng)會(huì)將當(dāng)時(shí)的幾幀道口場(chǎng)景情況自動(dòng)保存在預(yù)警期間視頻數(shù)據(jù)庫(kù)9內(nèi),以作為調(diào)查取證的依據(jù)。這樣能避免傳統(tǒng)圖像監(jiān)控系統(tǒng)中的長(zhǎng)時(shí)間錄像存儲(chǔ),從而200710164440.0說明書第24/24頁(yè)節(jié)省了存儲(chǔ)介質(zhì)的資源,存儲(chǔ)的方式是以當(dāng)時(shí)的時(shí)間為存儲(chǔ)文件名,以便在調(diào)査取證時(shí)快速的檢索到所需要的視頻信息。所述的道口無(wú)線接收發(fā)送模塊10,用于將動(dòng)態(tài)圖像理解處理模塊的結(jié)果用代碼的方式通過無(wú)線傳輸發(fā)送給機(jī)車無(wú)線接收發(fā)送設(shè)備14,機(jī)車司機(jī)就可以根據(jù)接受到的信號(hào)代碼了解前方道口的情況了,為了讓機(jī)車司機(jī)能有自己的判斷,在傳輸信號(hào)代碼的同時(shí)將目前道口的視頻圖像或者是當(dāng)時(shí)一幀視頻圖像發(fā)送給機(jī)車司機(jī)。實(shí)施例2其余與實(shí)施例1相同,所述的無(wú)線通信以及其通信標(biāo)準(zhǔn),也可以采用WiMAX通信技術(shù),是微波存取全球互通(WorldwideInteroperabilityforMicrowaveAccess),它是一種新興的無(wú)線城域網(wǎng)技術(shù),它能夠?yàn)橛脩籼峁┌僬椎膫鬏斔俾室约澳軌蚪鉀Q寬帶無(wú)線通信的移動(dòng)性問題。通信協(xié)議采用IEEE802.16e標(biāo)準(zhǔn),它是WiMAX系列標(biāo)準(zhǔn)中唯一個(gè)支持移動(dòng)性和非視距傳輸?shù)膶拵到y(tǒng),能滿足未來無(wú)線通信中高傳輸速率和移動(dòng)性的要求,能為列車與地面無(wú)線通信中高速傳輸視頻圖像的需求提供解決方案。實(shí)施例3其余與實(shí)施例l相同,所述的鐵路道口信號(hào)標(biāo)志對(duì)象的檢測(cè),還可以通過視頻檢測(cè)信號(hào)燈的方式來實(shí)現(xiàn),信號(hào)燈在視頻圖像中的位置不變,而且固定在一個(gè)很小的范圍內(nèi),我們可以關(guān)注白燈以及兩個(gè)紅燈的狀態(tài),如果白燈亮表示道口處于開啟狀態(tài);如果兩個(gè)紅燈交替閃爍表示道口處于從開啟狀態(tài)到關(guān)閉狀態(tài)的過渡期間;如果紅燈常亮表示表示道口處于關(guān)閉狀態(tài);我們可以通過定制信號(hào)燈的位置,檢測(cè)信號(hào)燈的某個(gè)燈的亮度來判斷道口的狀態(tài)。本發(fā)明中的基于動(dòng)態(tài)圖像理解和無(wú)線通信技術(shù)的鐵路道口智能視頻監(jiān)控裝置中各模塊是由C和Java語(yǔ)言實(shí)現(xiàn)的。權(quán)利要求1、一種鐵路道口智能視頻監(jiān)控裝置,包括安裝在鐵路道口上能覆蓋整個(gè)道口交通狀況的視頻傳感器和用于監(jiān)控整個(gè)道口的監(jiān)控狀況并能進(jìn)行動(dòng)態(tài)圖像理解的監(jiān)控計(jì)算機(jī),所述的視頻傳感器與監(jiān)控計(jì)算機(jī)連接,所述的監(jiān)控計(jì)算機(jī)包括用于拍攝鐵路道口的實(shí)時(shí)情況,并將采集到的視頻圖像通過A/D采樣,得到動(dòng)態(tài)序列圖像幀,將圖像幀送入數(shù)據(jù)緩存區(qū)的視頻圖像采集模塊,用于實(shí)時(shí)顯示道口交通狀況的視頻數(shù)據(jù)的顯示單元,其特征在于所述的監(jiān)控計(jì)算機(jī)還包括圖像預(yù)處理模塊,用于對(duì)緩存區(qū)中的圖像序列幀進(jìn)行灰度化、平滑及對(duì)比度增強(qiáng);鐵路道口定制模塊,用于將鐵路道口路面對(duì)象在縱向方向上分為三個(gè)部分第I區(qū)域?yàn)樾逻M(jìn)入的行人、車輛與其他移動(dòng)物體的感知區(qū)域,第I區(qū)域從欄桿開始,沿道口的反方向長(zhǎng)度等于一般車輛的長(zhǎng)度;第II區(qū)域?yàn)樾腥恕④囕v與其他移動(dòng)物體開始狀態(tài)獲取階段,第II區(qū)域的長(zhǎng)度為兩個(gè)欄桿之間的長(zhǎng)度;第III區(qū)域?yàn)檐囕v結(jié)束狀態(tài)獲取階段,第III區(qū)域從欄桿開始,沿道口的反方向長(zhǎng)度等于一般車輛的長(zhǎng)度;定制欄桿的視頻檢測(cè)區(qū)域,該視頻檢測(cè)區(qū)域的大小正好是能覆蓋欄桿在開啟和關(guān)閉狀態(tài)時(shí)欄桿的圖像部分;動(dòng)態(tài)圖像理解模塊,用于分析理解道口安全狀態(tài),包括有自適應(yīng)背景消減單元,用于采用基于混合高斯分布模型的自適應(yīng)背景消除算法,針對(duì)圖像的YCrCb顏色空間中的亮度值Y分量進(jìn)行檢測(cè),對(duì)每個(gè)圖像點(diǎn)采用了多個(gè)高斯模型的混合表示,設(shè)用來描述每個(gè)點(diǎn)顏色分布的高斯分布共有K個(gè),分別標(biāo)記為(1)η(Yt,μt,i,∑t,i),i=1,2,3…,k(1)式(1)中的下標(biāo)t表示時(shí)間;各高斯分布分別具有不同的權(quán)值和優(yōu)先級(jí),再將K個(gè)背景模型按照優(yōu)先級(jí)從高到低的次序排序,取定適當(dāng)?shù)谋尘澳P蜋?quán)值和閾值,在檢測(cè)前景點(diǎn)時(shí),按照優(yōu)先級(jí)次序?qū)t與各高斯分布模型逐一匹配,若匹配,則判定該點(diǎn)可能為前景點(diǎn),否則為前景點(diǎn);若某個(gè)高斯分布與Yt匹配,則對(duì)該高斯分布的權(quán)值和高斯參數(shù)按設(shè)定的更新率進(jìn)行更新;陰影抑制單元,用于處理自適應(yīng)背景消減單元所得到的前景目標(biāo)中的陰影區(qū)域,先學(xué)習(xí)道路的顏色分量CrCb和亮度分量Y,當(dāng)碰到前景點(diǎn)時(shí),判斷該點(diǎn)的顏色分量CrCb是否和道路相近,亮度分量Y是否比道路低,判斷算法由公式(2)表示<math-cwu><![CDATA[<math><mrow><mfencedopen='{'close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo><mi>if</mi><mrow><mo>(</mo><mi>abs</mi><mrow><mo>(</mo><mi>Cr</mi><mo>-</mo><mi>RoadCr</mi><mo>)</mo></mrow></mrow><mo>></mo><mi>threshold</mi><mo>|</mo><mo>|</mo></mtd></mtr><mtr><mtd><mi>abs</mi><mrow><mo>(</mo><mi>Cb</mi><mo>-</mo><mi>RoadCb</mi><mo>)</mo></mrow><mo>></mo><mi>threshold</mi></mtd></mtr><mtr><mtd><mn>1</mn><mo>,</mo><mi>else</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math>]]></math-cwu><!--imgid="icf0001"file="S2007101644400C00021.gif"wi="69"he="17"top="5"left="5"img-content="drawing"img-format="tif"orientation="portrait"inline="no"/-->式(2)中標(biāo)記0的點(diǎn)屬于陰影,標(biāo)記1的點(diǎn)屬于前景,abs表示求其絕對(duì)值,Cr是該點(diǎn)的Cr顏色分量,Cb是該點(diǎn)的Cb顏色分量,RoadCr表示道路的Cr顏色分量,RoadCb是道路的Cb顏色分量,threshold表示設(shè)置的閾值;連通區(qū)域標(biāo)識(shí)單元,用于采用八連通區(qū)域提取算法得到對(duì)象的大小和形狀信息;對(duì)象識(shí)別單元,用于將人體模型簡(jiǎn)化矩形模型,求每個(gè)連通區(qū)域的寬度wi和高度hi,然后用公式(3)計(jì)算區(qū)域面積屬性εareai,其中Si為某個(gè)連通區(qū)域像素個(gè)數(shù),將其作為面積大小屬性2、如權(quán)利要求1所述的鐵路道口智能視頻監(jiān)控裝置,其特征在于在所述的鐵路道口檢測(cè)單元中,在道口的開啟狀態(tài)下,對(duì)于行人對(duì)象,檢測(cè)行人對(duì)象的運(yùn)動(dòng)軌跡是否是向著道路方向以及是否有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;對(duì)于車輛對(duì)象需要檢測(cè)是否有超車,如果檢測(cè)出有超車行為就判定為機(jī)動(dòng)車違章交通事件;是否有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;還要檢測(cè)車速與轉(zhuǎn)彎等行為,如果檢測(cè)出有車速與轉(zhuǎn)彎等行為就判定為機(jī)動(dòng)車違章交通事件;對(duì)于其他物體對(duì)象檢測(cè)是否有有停留事件,如果檢測(cè)出有停留事件就判定為險(xiǎn)情先兆異常事件;關(guān)于停留事件的檢測(cè)通過動(dòng)態(tài)跟蹤的結(jié)果來進(jìn)行判斷,如果通過設(shè)定時(shí)間發(fā)現(xiàn)跟蹤的對(duì)象位置沒有發(fā)生變化就判定為是停留;車輛的超車與轉(zhuǎn)彎的判斷通過車輛進(jìn)入時(shí)的RoadID與當(dāng)前車輛所處的RoadID來進(jìn)行判斷,如果車輛進(jìn)入是的RoadID為1,而目前車輛所處的RoadID為2,判定為該車輛有超車或轉(zhuǎn)彎的行為;關(guān)于檢測(cè)車速,計(jì)算出該車輛的速度,根據(jù)公式(5)進(jìn)行計(jì)算A一(5)<formula>formulaseeoriginaldocumentpage6</formula>Att.it③式中V是車輛的速度;AS是車輛在某一時(shí)間內(nèi)行駛的距離;At是車輛經(jīng)過某一段距離所花費(fèi)的時(shí)間;Sl為測(cè)量終點(diǎn),對(duì)應(yīng)于車輛對(duì)象信息中的EndPosition;S0為測(cè)量始點(diǎn),對(duì)應(yīng)于車輛對(duì)象信息中的StartPosition;tl為測(cè)量終了時(shí)間,對(duì)應(yīng)于車輛對(duì)象信息中的EndTime;tO為測(cè)量起始時(shí)間,對(duì)應(yīng)于車輛對(duì)象信息中的StartTime;將測(cè)量始點(diǎn)定義在車輛剛進(jìn)入道口的第II區(qū)域時(shí),將測(cè)量終點(diǎn)定義在車輛剛要離開道口的第II區(qū)域時(shí),AS相當(dāng)于第II區(qū)域的沿機(jī)動(dòng)車道路的實(shí)際距離;在道口從開啟狀態(tài)過渡到關(guān)閉狀態(tài)時(shí),檢測(cè)在第II區(qū)域是否有行人,如有行人對(duì)象,檢測(cè)行人對(duì)象是否向第i區(qū)域或者第m區(qū)域移動(dòng),如果檢測(cè)出來的行人對(duì)象有停留行為,判定為險(xiǎn)情異常事件;檢測(cè)在第I區(qū)域或者第m區(qū)域的行人是否有進(jìn)入第n區(qū)域,如果檢測(cè)出來有行人進(jìn)入第n區(qū)域就判定為險(xiǎn)情異常事件;對(duì)于車輛對(duì)象,首先檢測(cè)在第n區(qū)域是否有車輛,如果有車輛的話,是否向第m區(qū)域方向在行駛,如果檢測(cè)出來的車輛有停留行為,判定為險(xiǎn)情異常事件;還要檢測(cè)在第i區(qū)域或者第m區(qū)域的車輛是否有進(jìn)入第n區(qū)域,如果檢測(cè)出來有車輛進(jìn)入第n區(qū)域就判定為險(xiǎn)情異常事件;對(duì)于其他移動(dòng)物體對(duì)象,要檢測(cè)在第n區(qū)域是否有移動(dòng)物體對(duì)象存在,如果檢測(cè)出來有移動(dòng)物體對(duì)象存在并有停留行為,就判定為險(xiǎn)情異常事件;在道口處于關(guān)閉狀態(tài)時(shí),如檢測(cè)有行人停留以及進(jìn)入第m區(qū)域都判定為險(xiǎn)情事件,對(duì)于車輛對(duì)象以及移動(dòng)物體對(duì)象在第m區(qū)域可能會(huì)造成重大災(zāi)害事故的判定為重大險(xiǎn)情事件。3、如權(quán)利要求1或2所述的鐵路道口智能視頻監(jiān)控裝置,其特征在于列車上的無(wú)線接收發(fā)送設(shè)備與道口的無(wú)線接收發(fā)送設(shè)備雙向通信,列車上的無(wú)線接收發(fā)送設(shè)備的天線指向是列車行駛的正前方,列車上的監(jiān)控計(jì)算機(jī)包括-視頻信息存儲(chǔ)模塊,用于將記錄下來的視頻數(shù)據(jù)進(jìn)行壓縮編碼、復(fù)用以及調(diào)制成壓縮視頻數(shù)據(jù);無(wú)線接收發(fā)送模塊,用于依照通信標(biāo)準(zhǔn),發(fā)送壓縮的視頻數(shù)據(jù);圖像解壓處理模塊,用于將接收的數(shù)據(jù)進(jìn)行解壓縮、解復(fù)用以及解調(diào),恢復(fù)成視頻數(shù)據(jù);所述圖像解壓處理模塊的輸出連接顯示模塊,所述的顯示模塊將恢復(fù)的視頻數(shù)據(jù)信息顯示在列車駕駛室內(nèi)的顯示單元上。4、如權(quán)利要求3所述的鐵路道口智能視頻監(jiān)控裝置,其特征在于在所述的連通區(qū)域標(biāo)識(shí)單元中,先進(jìn)行去噪處理,利用腐蝕和膨脹算子分別去除孤立的噪聲前景點(diǎn)和填補(bǔ)目標(biāo)區(qū)域的小孔,先對(duì)消除了背景模型后的前景點(diǎn)集F分別進(jìn)行膨脹和腐蝕處理,得到擴(kuò)張集Fe和收縮集Fc,通過處理所得到的擴(kuò)張集Fe和收縮集Fc認(rèn)為是對(duì)初始前景點(diǎn)集F進(jìn)行填補(bǔ)小孔和去除孤立噪聲點(diǎn)的結(jié)果;有以下關(guān)系Fc〈F〈Fe成立,以收縮集Fc作為起始點(diǎn),在擴(kuò)張集Fe上檢測(cè)連通區(qū)域,然后將檢測(cè)結(jié)果記為(Rei,i^,2,3,…,n),最后將檢測(cè)所得的連通區(qū)域重新投影到初始前景點(diǎn)集F上,得到最后的連通檢測(cè)結(jié)果(I^ReinF,i4,2,3,,!!}。5、如權(quán)利要求4所述的鐵路道口智能視頻監(jiān)控裝置,其特征在于無(wú)線通信以及其通信標(biāo)準(zhǔn)采用GSM-R的鐵路的數(shù)字移動(dòng)通信方式。6、如權(quán)利要求4所述的鐵路道口智能視頻監(jiān)控裝置,其特征在于無(wú)線通信采用WiMAX通信技術(shù),是微波存取全球互通,通信協(xié)議采用IEEE802.16e標(biāo)準(zhǔn)。全文摘要一種鐵路道口智能視頻監(jiān)控裝置,包括安裝在鐵路道口上能覆蓋整個(gè)道口交通狀況的視頻傳感器和用于監(jiān)控整個(gè)道口的監(jiān)控狀況并能進(jìn)行動(dòng)態(tài)圖像理解的監(jiān)控計(jì)算機(jī),監(jiān)控計(jì)算機(jī)包括視頻圖像采集模塊、顯示單元、圖像預(yù)處理模塊、鐵路道口定制模塊、用于分析理解道口安全狀態(tài)的動(dòng)態(tài)圖像理解模塊、視頻信息存儲(chǔ)模塊、道口無(wú)線接收發(fā)送模塊、道口安全信息發(fā)布模塊,道口安全信息發(fā)布模塊連接道口顯示單元和警告音播放單元,監(jiān)控計(jì)算機(jī)與無(wú)線接收發(fā)送設(shè)備相連接。本發(fā)明智能化水平高、能通過圖像理解技術(shù)自動(dòng)判斷道口的各種險(xiǎn)情或故障、能通過無(wú)線通信技術(shù)實(shí)現(xiàn)列車司機(jī)與道口安全狀況之間以及過往道口的人車與列車行進(jìn)狀況之間的相互通信。文檔編號(hào)H04N7/18GK101179710SQ200710164440公開日2008年5月14日申請(qǐng)日期2007年11月30日優(yōu)先權(quán)日2007年11月30日發(fā)明者嚴(yán)海東,何祖靈,龐成俊,湯一平,陸海峰,陳耀宇申請(qǐng)人:浙江工業(yè)大學(xué)