[发明专利]一种基于视频图像的铁路货场防护红牌检测方法

说明书

技术领域

本发明涉及智能视频图像处理技术领域，特别是涉及一种基于视频图像的铁路货场防护红牌检测方法。

背景技术

铁路货运站内的站场作业包括列检作业、装卸作业、调车作业等，工种繁多，交叉作业，为了确保劳动安全和行车安全，货场作业过程需要安全防护红牌设施的保证。目前，铁路货运站红牌设施的安设与撤除大都依靠现场工作人员手动操作，时有发生忘设、错设、漏撤防护红牌的安全隐患；红牌设施操作信息的记录都是人工输入的，易出现信息输入错误、模糊不清、数据篡改等问题；另外，操作信息不能实时地远程传输到作业调度等相关部门，使得铁路货运的站场作业安全存在一定的风险。

发明内容

本发明所要解决的技术问题是提供一种基于视频图像的铁路货场防护红牌检测方法，降低了红牌设施的误检率，提高了红牌检测的准确性和实时性。

本发明解决其技术问题所采用的技术方案是：提供一种基于视频图像的铁路货场防护红牌检测方法，包括以下步骤：

(1)基于图像获取设备获取红牌设施区域的实时视频流；

(2)建立训练样本库，利用图像特征数据离线训练SVM训练模型；

(3)使用新的图像特征数据基于SVM训练模型得到识别结果；

(4)基于图像预处理通过识别过程自动检测当前系统红牌状态信息；

(5)实时地将检测结果和操作事件过程视频上传至后台服务器。

所述步骤(1)中图像获取设备设置在满足轨道安全运行距离要求，且能够监测到红牌设施的附近区域的位置。

所述步骤(2)具体为：利用获取的实时视频流中的视频图片提取ROI区域作为训练样本集，将现有的样本集分为红牌、非红牌两种类型，并进行分类器设计，实现红牌设施的自动检测；通过图像预处理之后进行中心规范化获取图像特征数据，选择径向基函数作为SVM的核类型，对样本集进行训练，得到SVM训练模型。

所述步骤(3)具体为：首先对预处理之后待识别的图像进行中心规范化以获取特征数据，然后根据所述SVM训练模型对待识别图像进行分类识别，得到SVM检测结果。

所述步骤(4)具体为：在获取的实时视频流中相隔一定数目抽取视频图像，提取ROI和邻域ROI进行图像预处理；将预处理之后的图像进行中心规范化，得到待识别的图像特征数据，利用训练好的SVM训练模型进行识别得到待识别图像的检测结果；根据当前帧的检测结果，判断当前帧和当前系统的结果是否一致，若一致，则当前系统红牌状态不改变；若不一致，且连续一定数目的结果均为不一致时，则当前系统红牌状态发生改变。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明从图像获取设备获取实时视频流，提取图像中的有效信息进行图像预处理，分别计算ROI、邻域ROI的图像特征数据，基于训练好的SVM模型进行识别，然后通过判断一定时间内红牌设施的状态是否改变得到检测结果，最后将检测结果和操作事件过程视频实时上传至后台服务器进行展示。本发明在图像处理的基础上结合机器学习，增强了图像特征的多模式和有效性，减少了系统的运算过程，降低了红牌设施的误检率，提高了红牌检测的准确性和实时性。

附图说明

图1是本发明的流程图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于视频图像的铁路货场防护红牌检测方法，如图1所示，包括以下步骤：基于图像获取设备获取红牌设施区域的实时视频流；建立训练样本库，利用图像特征数据离线训练SVM训练模型；使用新的图像特征数据基于SVM训练模型得到识别结果；基于图像预处理通过识别过程自动检测当前系统红牌状态信息；实时地将检测结果和操作事件过程视频上传至后台服务器。

以下通过具体的实施例来进一步说明本发明。

首先通过摄像机采集包含红牌设施区域的实时视频流，且摄像机设置在满足列车安全运行距离要求基础上，能够监测到较大面积红牌设施的附近区域。

基于提取的ROI区域，建立训练样本库，在训练阶段，将现有的样本集分为红牌、非红牌两种类型进行设计，选择径向基函数作为SVM的核类型，设置相关参数进行训练，得到用于自动检测当前图像红牌设施状态信息的训练模型。