基于機器視覺的地鐵站臺門與列車門間異物檢測方法研究

張鶴慶 張金鑫

摘 要：基于機器視覺的地鐵站臺門與列車門間異物檢測方法對保障地鐵安全運營，甚至對列車自動駕駛都具有較強的指導意義。為此，文章就此類方法所涉及的檢測設備安裝和核心檢測流程進行綜述。首先對用于拍攝站臺門與列車門間燈帶的攝像機的安裝位置及成像角度進行歸納總結;然后根據檢測異物時參照對象的不同將現有方法進行分類分析;最后對基于機器視覺的地鐵站臺門與列車門間異物檢測方法進行展望。

關鍵詞：地鐵;站臺門;列車門;機器視覺;成像;異物檢測方法

近年來，隨著社會的不斷加速發展，城市規模、人口數量也隨之擴大，提升城市交通的質量勢在必行;而地鐵在城市各類交通工具中具有準時、快捷、方便的獨特優勢，因此，其建設順勢而為。在地鐵安全運營中，保障乘客安全候車、安全乘車成為地鐵工作者與研究者重點關注的方向之一。地鐵站臺門是保障乘客安全候車的一種重要設備，但在列車出站時，乘客或者物體可能會被夾住。因此，為保障乘客的人身和財產安全，在列車出站前對地鐵站臺門與列車門間是否存在異物進行檢測十分重要。

1 概述

當前，國內外地鐵站臺的設計一般分為地下站臺、地上站臺和高架站臺。此外，根據調研發現，地鐵站臺一般為直線形，但受地形、地質、水文等條件影響，部分城市的地鐵站臺被設計成曲線形，如上海、重慶的部分地鐵車站。由于地鐵站臺的位置、布局設計不同，因此對檢測地鐵站臺門與列車門間是否存在異物的方法也不同。目前，除了人工檢測（即通過在列車頭瞭望列車尾處燈帶的完整性，判斷站臺門與列車門間是否存在異物）外，還有自動檢測異物的方法，其大致可分為物理檢測和機器視覺檢測2種類型。

1.1 物理檢測

根據物理原理的異物檢測方法有激光探測式、紅外光幕式和激光掃描式等。其中，激光探測式檢測方法為：在站臺列車尾端門外的地面上安裝激光發射裝置，在站臺列車頭端門外的地面上安裝激光接收裝置，待地鐵站臺門關閉后，檢測是否有直線形的激光被阻斷，進而判斷站臺門與列車門間有無異物，其安裝示意圖如圖1所示。紅外光幕式檢測方法類似激光探測式，即通過紅外光發射器發射紅外光線，由紅外光接收器接收紅外光線并將接收的信號反饋至主機，從而實現檢測站臺門與列車門間有無異物的功能。激光掃描式異物檢測方法不同于上述2種檢測方法，該方法一般應用于曲線站臺，即在單個或多個站臺門頂部的上方安裝激光發射器和接收器，由發射器發出一束光線（一般為單層或多層的扇形面），通過站臺門底部防踏空膠條處的燈帶反射回接收器，通過測算反射時間判斷站臺門與列車門間是否存在異物，其檢測裝置安裝示意圖如圖2所示。

1.2 機器視覺檢測

基于機器視覺的地鐵站臺門與列車門間異物檢測可以大致描述為：首先利用攝像機采集列車頭/尾處端門外垂直燈帶或者站臺門底部防踏空膠條處燈帶的圖像，獲取包含完整燈帶的原始圖像數據，然后利用各類機器視覺的方法檢測其原始圖像內燈帶的完整性，最終自動判斷地鐵站臺門與列車門間有無異物存在。

2 檢測成像角度

針對直線形和曲線形2種類型的地鐵站臺，在利用機器視覺進行地鐵站臺門與列車門間異物檢測時，對攝像機的安裝位置和角度提出不同的要求。由于攝像機拍攝地鐵站臺門底部防踏空膠條處的燈帶或者列車頭/尾部站臺門內側（靠近列車）垂直燈帶的過程中，其拍攝角度對采集的圖像質量、異物檢測準確性均具有較大影響，因此本文介紹以下3種攝像機的安裝位置。

2.1 水平式

此類安裝是在列車頭位置的站臺門與列車門之間垂直安裝2臺攝像機，拍攝列車尾位置的燈帶，安裝方便。其攝像機安裝示意圖如圖3所示。

2.2 垂直式

此類安裝是在每扇站臺門頂部中間位置安裝1臺攝像機（靠近列車門一側），拍攝站臺門底部防踏空膠條處的燈帶，適用于曲線型站臺。其攝像機安裝示意圖如圖4所示。

2.3 對角式

此類安裝是在列車頭的頂部和列車尾的下部且靠近站臺門側各安裝1臺攝像機，分別拍攝車頭處與車尾處的燈帶，檢測區域內無盲區。其攝像機安裝示意圖如圖 5所示。

3 檢測方法

基于機器視覺的地鐵站臺門與列車門間異物檢測示例如圖6所示。根據最終判斷檢測結果內是否存在異物時參照對象的不同，將現有基于機器視覺的地鐵站臺門與列車門間異物檢測方法大致歸為2大類：①基于原始數據的檢測方法;②基于特定模板的檢測方法。

3.1 基于原始數據的異物檢測方法

此類異物檢測方法的主要依據為：根據輸入原始圖像的數據，對其進行各類降噪、細化、均值化、混合高斯模型建模等操作，最后依據原始數據圖像的檢測結果，即依據燈帶的完整性、連續性，判斷地鐵站臺門與列車門間是否存在異物。下面介紹幾種典型的此類檢測方法。

3.1.1 基于 Hough 變換的異物檢測方法

該檢測方法的具體過程為：①獲取包含燈帶區域的原始數據圖像;②對其進行降噪、灰度處理等操作，得到預處理圖像;③對預處理圖像進行二值化處理，并采用Hough變換進行直線檢測;④依據原始檢測信息判斷站臺門與列車門之間是否存在異物。

3.1.2 基于改進 Hough 變換算法的異物檢測方法

該檢測方法的具體過程為：①對獲取的原始圖像進行類似上述方法的預處理;②對預處理圖像的目標區域進行分割并細化處理;③根據原始圖像的顏色直方圖信息，對細化后圖像內的相鄰像素點進行聚類分析;④利用感知分類對聚類后的圖像再次分組;⑤根據基于顏色信息的Hough變換對每一組進行直線（燈帶）擬合檢測;⑥依據原始檢測信息判斷地鐵站臺門與列車門間是否存在異物。其檢測流程如圖7所示。

3.1.3 基于差分圖像的異物檢測方法

該檢測方法的具體過程為：①利用混合高斯模型對地鐵站臺門與列車門之間無異物狀態下的圖像進行建模，得到該區域的重構背景圖像;②獲取地鐵站臺門關閉后相鄰幾幀待檢測圖像，并對其進行疊加后求平均，得到均值化圖像;③將均值化圖像進行灰度化處理并與背景圖像做差，得到包含目標區域的差分圖像;④對差分圖像進行閾值化處理，得到二值化圖像;⑤對其圖像進行相關形態學操作;⑥根據檢測信息判斷地鐵站臺門與列車門間有無異物。其檢測流程如圖8所示。

3.2 基于特定模板的異物檢測方法

與基于原始數據異物檢測方法的主要區別在于，該檢測方法依據檢測結果中燈帶的邊長（長與寬）與原始完整燈帶的邊長（長與寬）之間的差值確定目標區域內是否存在異物。下面介紹幾種典型的此類檢測方法。

3.2.1 普通特定模板異物檢測方法

當前，在基于特定模板的異物檢測方法中有一種較為普通、基本的異物檢測方法，該方法可分為2個階段。第1階段：采集站臺無列車情況下的燈帶圖像，利用均值建模技術重構出均勻、完整燈帶的模板圖像。第 2階段：①采集地鐵站臺門關閉且列車未出站時目標（燈帶）區域的原始圖像;②對其原始圖像進行降噪等簡單的預處理操作;③提取預處理圖像內最大連通區域（燈帶）最小外接矩形的邊長等特征;④將其特征和模板圖像與其對應的特征進行對比，實現判斷地鐵站臺門與列車門之間是否存在異物的功能。其檢測流程如圖 9 所示。

3.2.2 基于不同優化策略的異物檢測方法

該檢測方法與普通特定模板異物檢測方法的不同之處在于第2階段。下面介紹幾種典型的此類檢測方法。

（1）利用形態學優化的方法。將地鐵站臺門關閉后采集到的相鄰幾幀圖像相加，并求其平均值實現降噪，得到包含燈帶且穩定、均勻的圖像;對其進行二值化操作及形態學操作，得到檢測結果圖像; 根據對比檢測結果中燈帶與模板燈帶之間長度的差異，判斷其間是否有異物存在。

（2）利用Hough變換優化的方法。對視頻中每一幀圖像進行全局分析;檢測并利用Hough變換提取燈帶;對其圖像進行降噪、增強圖像對比度等操作;測量提取的直線（燈帶）的長度;將其與模板圖像內完整燈帶的長度進行對比，進而通過閾值判斷實現異物檢測功能。

（3）利用K-means算法優化的方法。將采集到的原始圖像從RGB（紅Red，綠Green，藍Blue）顏色空間轉換為HSV（色調Hue，飽和度Saturation，明度Value）顏色空間并進行比例融合，得到單通道圖像;采用K-means聚類方法計算二值化的閾值，得到帶有燈帶信息的二值化圖像;采用形態學相關操作去除部分噪聲，得出該圖像內的最大連通區域;計算最大連通區域的長和寬，并與模板圖像內完整燈帶的長和寬進行對比，判斷站臺門與列車門間是否存在異物。其檢測流程如圖10所示。

通過對上述基于機器視覺地鐵站臺門與列車門間異物檢測方法的總結分析可以得出，現有的異物檢測方法具有不涉及復雜檢測流程和算法設計的優勢，便于對其進行復現，對于初次接觸該領域的其他研究者有較大輔助作用;而其中基于特定模板的異物檢測方法需要提前制定、采集、計算包含完整燈帶的特定模板的相關特征信息。

4 結束語

目前國內外大部分城市的地鐵運營，仍然依靠人工目視瞭望燈帶的完整性判斷地鐵站臺門與列車門間是否存在異物，此種方式對地鐵安全運營帶來一定的安全隱患。雖然自動檢測地鐵站臺門與列車門間異物的方法已取得一定效果，其中物理檢測方法簡單易操作，不涉及復雜算法，但對設備的安裝工藝要求較高，同時在檢測過程中存在明顯的盲區現象;而基于機器視覺進行異物檢測的方法具有智能化高、準確性高等優勢，可為地鐵列車的自動駕駛提供重要的技術支撐，但對于此類方法在地鐵車站的適用性仍需進一步研究。

參考文獻

[1]朱穎，任磊，蘇智慧. 鄭州市郊鐵路運營方案研究[J].城市軌道交通研究，2019，22（4）：39-41，47.

[2]趙宗建. 地鐵列車與站臺空隙的安全風險分析及防控措施[J].現代城市軌道交通，2016（4）：71-74.

[3]劉偉銘，陳綱梅，李海玉，等. 地鐵風險空間分析及異物檢測系統技術要求[J].鐵道標準設計，2019， 63（10）： 168-176.

[4]黎卓虹. 屏蔽門防夾人激光探測裝置安裝方案探討[J].中國高新技術企業，2009（19）： 46-47.

[5]解銳恒. 屏蔽門與車門間隙檢測系統的研究與設計[J].科技創新與應用，2016（7）：59.

[6]葛學仁. 地鐵站臺安全防護系統設計簡析[J].現代城市軌道交通，2010（4）：65-66.

[7]王瑞峰，楊子河，孔維珍. 紅外光幕在地鐵屏蔽門障礙物探測中的研究[J].傳感器與微系統，2013，32（3）：25-28.

[8]韓靈山，李孝普，孫康萌，等. 地鐵列車與站臺門間隙紅外探測安全防護系統設計[J].機電技術， 2019（5）：36-38，60.

[9]朱韻琳，徐曉. 基于激光掃描系統的機車車頂異物檢測[J].激光雜志，2016，37（5）：60-63.

[10] 黃華文，劉偉銘，李軍，等. 地鐵屏蔽門與車門間異物自動檢測技術[J].鐵路計算機應用，2015（12）：62-65.

[11] 吳衛海，劉偉銘，李海玉，等. 一種新的地鐵曲線站臺異物檢測系統研究[J].城市公共交通，2015（9）： 33-36.

[12] 李雪，胡振超. 基于視頻檢測的屏蔽門安全監測系統[J].中國新通信，2018，20（8）：141.

[13] 饒美婉. 新型地鐵站臺門與車門之間頂置式防夾人自動探測系統的設計[J].城市軌道交通研究，2017，20（5）： 143-146.

[14] 譚飛剛，汪洋，劉開元. 一種無盲區的地鐵站臺異物自動檢測設想[J].深圳信息職業技術學院學報， 2017，15（3）：25-28.

[15] 雷煥宇. 基于機器視覺的戶外站臺列車和屏蔽門之間異物檢測系統研究[D]. 廣東廣州：華南理工大學， 2018.

[16] 鄭兆鵬，張祥福. 基于改進Hough算法的地鐵屏蔽門與列車間異物自動檢測技術[J].內蒙古科技與經濟， 2015（14）： 78-80，82.

[17] 王曉陽. 城市軌道交通站臺門系統絕緣方案研究與探討[J].現代城市軌道交通，2019（2）：14-18.

[18] 萬鑫. 淺談地鐵屏蔽門與車門異物的自動檢測技術[J].華東科技：學術版，2016（4）：36.

收稿日期? 2019-11-28

責任編輯? 黨選麗