智能技術在高速鐵路周界安防中的應用研究

李金波

（中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081）

目前，高速鐵路線路雖然采用全封閉管理[1]，但是由于人為因素或自然災害，周界入侵的情況時有發生，對運行安全構成潛在威脅。高鐵沿線具有覆蓋范圍廣、工況多，運行間隔短，緩沖空間小等特點，伴隨著“復興號”標準動車組以350 km時速投入運行，對周界安防提出了更高的要求。

針對高速鐵路周界安防，各鐵路局都做了一定的探索，包括振動光纖[2-3]、電子圍欄、光波對射探測[4]、視頻監控等。由于高速鐵路線路長、覆蓋氣候、地質條件復雜，誤報警和漏報警等原因，各類技防手段在應用中均存在問題，比如振動光纖易受大風、植被等環境干擾，電子圍欄易產生電傷人后法律糾紛隱患，光波對射探測防范入侵行為有限等，無法完全滿足公安部門的應用需求。

智能化是現代安防技術發展的趨勢，包括智能視頻分析、微波陣列傳感探測技術、多維三鑒復合傳感等新型技術。本文闡述了幾種智能化安防技術的原理、應用開展情況及存在的問題，對未來的發展進行了展望，期望能對高速鐵路周界安防擴寬思路，提供更多的技術手段選擇，提升高速鐵路周界安防水平。

1 智能視頻分析技術及應用

1.1 智能視頻分析技術

鐵路視頻監控系統經歷了模擬時代、數字時代，已經基本實現了視頻質量的高清化和存儲、傳輸的網絡化，由于視頻的數據量巨大，智能視頻分析技術是取代繁重的人工監控的關鍵所在，還能自動對視頻內容進行深層次的分析和總結[5-6]。

傳統的智能分析算法中，較多應用背景減除法實現運動目標檢測。其利用前景運動物體引起的當前幀圖像與背景在顏色、亮度等方面的差異來檢測前景運動目標。基于特征提取的目標檢測和識別方法，從原始的圖像數據中提取特定的圖像特征用于后續的計算機視覺任務。完成特征提取后，選擇相應的分類器來完成具體的分類和識別任務[7]。智能視頻分析的處理過程如圖1所示。

圖1 智能視頻分析處理過程

隨著近年來深度學習發展出現的基于特征的學習，大量的輸入圖像通過特定的網絡結構以及訓練方法學習出有意義的特征表示，用于后續的分類或其它視覺任務[8]。特征學習可針對不同形式的輸入圖像，采用同樣的網絡結構進行特征提取，不需要對問題具有非常強的先驗知識，在一定程度上減少了人工設計特征的復雜性。

1.2 智能視頻分析技術應用

目前，青藏線、海南東環線、杭甬線在內的多條線路已經應用了智能視頻分析系統，具備人員入侵檢測、異物入侵檢測等面向周界入侵防護的相關功能。

1.2.1 青藏線應用情況

青藏鐵路格拉段全長1 142 km，從2006年格拉段綜合視頻監控系統投入使用之初，到近年來進行的視頻補強，持續開展智能視頻分析方面的工作，主要用戶為公安、電務及調度所。其中，公安主要利用系統沿線巡視、事后取證；調度所主要職責為查看過車及查看咽喉區情況；電務主要利用視頻查看咽喉區設備、機房內外。

根據中國鐵路青藏集團有限公司介紹，系統的平均誤報警折算在1條/路×天，公安部門表示該誤報水平在可接受的范圍內。產生誤報的原因主要包括圖像背景變化（如彩云飄過）、光照變化（如列車反光）等。

1.2.2 海南東環線應用情況

2016年初海南東環線路視頻建成，并同步建設了海南東環高鐵線路入侵分析報警系統，涉及沿線視頻及后端分析服務器。建成后，海南東環線攝像機平均間距為200 m，基本達到單側全線覆蓋。攝像機安裝在接觸網桿上，據軌面2.5 m左右，監控對象為路基面、橋面的現場情況，如圖2所示。

圖2 海南東環線路監控攝像機

海南東環智能分析系統主要有公安、工務、電務、客運、供電部門使用，智能分析效果方面，海口公安處認為，目前的誤報率仍然偏高，且存在漏報的情況。其中，誤報主要由于光影變換、草木晃動、飛鳥飛蟲、軌邊實施作業造成。

1.2.3 杭甬線應用情況

2016年，為了保障G20峰會時期鐵路運營安全，上海鐵路局針對杭甬客專線路視頻補強工程新增的紅外LED高清攝像機，并增加后端智能分析處理服務器，實現了鐵路異物入侵和人員入侵的識別和自動報警。杭甬線綜合視頻監控系統主要用戶為公安、電務及客運。

通過現場試用，誤報原因主要為夜間燈光引起的，這主要是因為杭甬線途徑地區夜間光照變化較多，且降雨較多進一步增加了光照的反射。

1.2.4 視頻分析應用

目前，智能視頻分析的相關研究多集中在光線條件良好的工況下，難以滿足高鐵周界入侵監控的全天候、全覆蓋的應用要求。全天候包括在霧天、夜間、雨天等情況下對感興趣場景完成監控任務。為實現全天候、全覆蓋的周界入侵監測，智能視頻分析需要進一步研究的問題包括：（1）復雜成像環境下的高鐵周界入侵行為精準識別；（2）面向高鐵周界安防的異常行為預測；（3）跨攝像頭的目標檢測和跟蹤。

目前開展的各類試驗及應用中，仍然存在環境適應性差、漏報率和誤報率等性能指標不足以滿足應用需求的問題。面向周界入侵的視頻智能識別理論與方法、關鍵問題梳理與技術突破，亟待研究與解決。

2 微波陣列傳感探測系統

微波陣列入侵報警系統是一項全新的傳感技術，由智能探測線纜、微波陣列控制分站、入侵行為智能識別軟件、管理平臺和附屬設備組成。智能探測線纜內置大量微型微波收發芯片，具備無線射頻收發和有線信號傳輸功能，如圖3所示。

圖3 內置收發芯片的探測線纜

智能探測線纜能夠形成密度極高、相互交疊、立體空間的微波陣列，智能傳感非法入侵。入侵者進入探測范圍，對無線信號場造成干擾、阻擋、吸收、反射等，引起周圍芯片接收信號的變化。

該技術基于物聯網的思想，利用了大量芯片串聯形成探測線纜，實現多點聯合檢測，能夠實現各類入侵行為的發現；在智能分析算法方面，利用了基于信號波動特征值的分類算法、基于狀態轉移隨機過程算法等，建立動態共享的機器學習數據庫，通過不斷優化，有望克服風/雨/雪/霧/霾等氣候影響、濾除小動物的活動、濾除樹枝搖曳/樹葉飄落/植物生長等干擾。

該項技術在北京鐵路局唐山站附近進行了試點，試點表明該技術除了能夠對各類入侵行為有效產生報警外，由于其技術原理，還可以通過給作業人員配發射頻識別卡，有效的排除由于作業人員活動而引起的誤報。據調研，該項技術目前在鐵路總公司相關課題的支撐下，正著手在京滬線廊坊段內開展試點，進一步驗證相關具體技術指標。

3 多維三鑒復合傳感探測

近年來，多傳感器融合技術已成為軍事、工業和高新技術開發等多方面關心的問題，廣泛應用于C3I系統、復雜工業過程控制、機器人、自動目標識別、交通管制、圖像處理、模式識別等領域。與單傳感器系統相比，多傳感器數據融合技術在解決探測、跟蹤和目標識別等問題方面，能夠提高整個系統的可靠性和魯棒性，增強數據的可信度，并提高精度，擴展整個系統的時間、空間覆蓋率，增加系統的實時性和信息利用率。

多傳感器數據融合充分利用不同時間與空間的多傳感器數據資源，采用計算機技術對按時間序列獲得的多傳感器觀測數據，在一定準則下進行分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，進而實現相應的決策和估計，使系統獲得更充分的信息[9-10]。

多維三鑒復合傳感探測即屬于多傳感器融合技術，通過陀螺儀（姿態）、加速度傳感器（位置）、壓敏傳感器（受力）多傳感器數據融合技術進行數據采集。充分利用多個傳感器資源，通過對多傳感器及其觀測信息的合理支配和使用，利用智能融合算法最大程度發揮多傳感器在空間或時間上冗余或互補信息。多維三鑒復合傳感探測器及其安裝方式如圖4所示。

多維三鑒復合傳感探測器通過三元數據采集，充分感知周圍自然環境。將所采集到的數據進行運算、濾波后通過電源線載波技術與智能融合處理器進行通信，智能融合處理器運用數據融合算法找出報警點。通過數據智能融合算法能夠濾除由于風、雨、雪以及霧霾等天氣影響而產生的誤報。

該系統2016年10月建設，2017年1月在上海鐵路局蘇州唯亭區間進行了試用。系統覆蓋唯亭區間K66+800—K69+300區間，約3.5 km，據昆山派出所提供的用戶使用報告，該技術能夠對攀爬護欄等行為產生有效報警。記錄的誤報經排查主要由動車組經過帶動樹枝觸碰刺絲滾籠、下跨立交時回風所致。該技術的科研課題已在鐵路總公司立項，以進一步研究其在高速鐵路環境中的適用性及技術指標。

圖4 多維三鑒復合傳感探測器及其安裝方式

4 結束語

人工智能技術的飛速發展，提高了高速鐵路周界技術防護手段的多樣性，為國家高速鐵路公共安全的監控、預警預報與應急處理提供了有力的支撐。本文基于智能技術，介紹了智能視頻分析、微波陣列傳感探測、多維三鑒復合傳感探測及其在高鐵周界安防中的應用場景。但在具體的高鐵線路應用中，還需要選取典型高鐵線路進行試驗分析，并在滿足需求的情況下，綜合考慮防護手段的經濟性等指標，選取合適的防護手段。