基于卷積神經(jīng)網(wǎng)絡(luò)的道口智能監(jiān)控系統(tǒng)的研究

李琦

摘 要：隨著鐵路道口安全防護(hù)需求日益增加，本文提出了一套為鐵路平交道口實(shí)施無(wú)人值守自動(dòng)控制的道口智能監(jiān)控系統(tǒng)。系統(tǒng)主要運(yùn)用數(shù)字視頻監(jiān)控技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)算法，對(duì)道口內(nèi)的行人、車(chē)輛和列車(chē)等目標(biāo)進(jìn)行圖像識(shí)別，能夠有效防范道口安全事故的發(fā)生。

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò);道口;智能監(jiān)控;圖像識(shí)別

中圖分類(lèi)號(hào)：TP183 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

道口是鐵路安全運(yùn)輸中的薄弱環(huán)節(jié)也是道路運(yùn)輸?shù)奈ｋU(xiǎn)地段，它直接威脅著交通參與者的人身安全。隨著國(guó)民經(jīng)濟(jì)以及鐵路運(yùn)輸業(yè)跨越式地發(fā)展，列車(chē)的運(yùn)行密度、速度及載重不斷提高，公路運(yùn)輸工具的數(shù)量也迅速增加，鐵路道口的占用率也在顯著提高，而列車(chē)均占用道口的時(shí)間也相應(yīng)縮短。近年來(lái)鐵路道口的安全防護(hù)任務(wù)越來(lái)越重，道口成為了制約鐵路行車(chē)安全的瓶頸之一。因道口的防護(hù)不當(dāng)造成碰撞事故發(fā)生不僅會(huì)嚴(yán)重影響交通系統(tǒng)的運(yùn)行，甚至直接導(dǎo)致人民生命財(cái)產(chǎn)的損失。

1 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

基于卷積神經(jīng)網(wǎng)絡(luò)的道口智能監(jiān)控系統(tǒng)設(shè)計(jì)包括道口智能監(jiān)控系統(tǒng)的總體設(shè)計(jì)、系統(tǒng)硬件布局設(shè)計(jì)以及圖像識(shí)別軟件和監(jiān)控平臺(tái)軟件的設(shè)計(jì)。

1.1 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)通過(guò)道口附近的攝像機(jī)對(duì)道口區(qū)域內(nèi)通過(guò)的行人、車(chē)輛和列車(chē)進(jìn)行圖像識(shí)別;在系統(tǒng)接到道口來(lái)車(chē)信號(hào)后及時(shí)控制道口語(yǔ)音報(bào)警器和信號(hào)燈對(duì)來(lái)車(chē)做出提示，提醒行人、車(chē)輛快速撤離道口或在安全區(qū)域等待列車(chē)通過(guò);在列車(chē)接近道口過(guò)程中系統(tǒng)圖像識(shí)別軟件持續(xù)對(duì)道口內(nèi)的行人、車(chē)輛進(jìn)行識(shí)別，若有道口滯留情況及時(shí)發(fā)出警報(bào)，并提醒道口值班室內(nèi)的人員進(jìn)行人工干預(yù);當(dāng)監(jiān)測(cè)道口區(qū)域內(nèi)無(wú)占用后系統(tǒng)智能控制道口欄木關(guān)閉，待監(jiān)測(cè)到道口內(nèi)的列車(chē)完全通過(guò)后控制欄木打開(kāi)，對(duì)行人和車(chē)輛放行，確保道口來(lái)車(chē)時(shí)列車(chē)和行人的人身安全。

1.2 系統(tǒng)硬件布局設(shè)計(jì)

道口智能監(jiān)控系統(tǒng)的硬件設(shè)備包含道口室外設(shè)備和監(jiān)控值班室（看守房）設(shè)備。室外設(shè)備主要由攝像機(jī)、補(bǔ)光燈、報(bào)警器、信號(hào)燈以及欄木機(jī)組成，均安裝于道口兩側(cè)。監(jiān)控值班室設(shè)備安裝于道口附近的看守房或值班室內(nèi)的機(jī)柜內(nèi)，包含服務(wù)器、顯示器和終端機(jī)等，用于搭建和訪問(wèn)道口智能監(jiān)控系統(tǒng)的軟件平臺(tái)以及對(duì)系統(tǒng)的視頻進(jìn)行采集、識(shí)別、處理、控制和存儲(chǔ)。

1.3 系統(tǒng)軟件設(shè)計(jì)

道口智能監(jiān)控系統(tǒng)的軟件由圖像識(shí)別軟件和監(jiān)控平臺(tái)軟件組成。圖像識(shí)別軟件主要用于對(duì)道口內(nèi)人員車(chē)輛滯留道口、列車(chē)通過(guò)并離開(kāi)道口的智能識(shí)別;來(lái)車(chē)聲音提示、道口滯留語(yǔ)音報(bào)警、信號(hào)燈和欄木的自動(dòng)控制。監(jiān)控平臺(tái)軟件主要用于道口狀態(tài)及實(shí)時(shí)視頻畫(huà)面的顯示、歷史視頻及歷史報(bào)警的查詢(xún)、系統(tǒng)配置、操作日志管理;報(bào)警發(fā)生時(shí)實(shí)時(shí)提示道口人員對(duì)滯留行為人工干預(yù)。

1.4 現(xiàn)有目標(biāo)特性識(shí)別算法的弊端

對(duì)鐵路平交道口內(nèi)的行人、車(chē)輛和列車(chē)的智能檢測(cè)和識(shí)別是道口智能監(jiān)控系統(tǒng)中非常重要的一部分。近年來(lái)隨著計(jì)算機(jī)視覺(jué)研究的深入發(fā)展出了基于目標(biāo)特性識(shí)別算法，如根據(jù)行人的特征的行人檢測(cè)算法和基于車(chē)輛外觀特征的車(chē)輛識(shí)別方法等[2]。這些識(shí)別算法依靠待識(shí)別物體與其他物體具有較大的外觀差異性來(lái)進(jìn)行物體識(shí)別。常見(jiàn)的識(shí)別特征包括：顏色特征、速度特征和Hu相似不變矩特征等。這些算法在實(shí)際應(yīng)用中受到外界環(huán)境的影響較大，使得行人特征選取變得比較困難，進(jìn)而導(dǎo)致此類(lèi)算法魯棒性變差。此外基于物體大小和速度特性進(jìn)行區(qū)分的方法對(duì)攝像機(jī)的位置及周?chē)h(huán)境要求較高，不具備普遍適用性。應(yīng)用于鐵路平交道口的道口智能監(jiān)控系統(tǒng)不同于應(yīng)用于簡(jiǎn)單背景和小范圍的視頻監(jiān)控系統(tǒng)，其應(yīng)用場(chǎng)景對(duì)算法的要求更高。在實(shí)際應(yīng)用中不僅要解決光照變化、天氣變化、背景變化等因素造成的影響，還要解決被檢測(cè)的運(yùn)動(dòng)目標(biāo)出現(xiàn)互相重疊、部分遮擋和運(yùn)動(dòng)方向不確定等因素。

1.5 基于卷積神經(jīng)網(wǎng)絡(luò)的系統(tǒng)技術(shù)原理

應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)算法首先應(yīng)確定檢測(cè)區(qū)域。在鐵路平交道口中攝像機(jī)的監(jiān)控區(qū)域包含鐵路及周邊道路，在對(duì)監(jiān)控錄像進(jìn)行處理需要進(jìn)行危險(xiǎn)區(qū)域劃分來(lái)確定要檢測(cè)的區(qū)域，防止誤報(bào)警的發(fā)生。在道口智能監(jiān)控系統(tǒng)中認(rèn)為鐵軌兩側(cè)的欄木之間為危險(xiǎn)區(qū)域，欄木以外的范圍被認(rèn)作安全區(qū)域。識(shí)別過(guò)程需要先進(jìn)行圖片邊緣檢測(cè)：將圖片中如果一個(gè)像素落在圖像中某一個(gè)物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€(gè)灰度級(jí)變化的帶。在實(shí)際中分別用圖像梯度向量的幅度和方向來(lái)表征灰度的變化率和方向，因此通過(guò)使用邊緣檢測(cè)算子檢查每個(gè)像素的鄰域的灰度變化率即可完成圖像中所有物體的邊緣檢測(cè)。由于道口欄木大部分沿直線方向安裝，因此可以通過(guò)檢測(cè)物體邊緣中的直線來(lái)確定欄木的位置，選取圖片中最外側(cè)的兩條直線并分別向兩側(cè)移動(dòng)一段距離作為安全區(qū)域。在本系統(tǒng)中所采用的邊緣檢測(cè)算法為Canny算法，直線提取算法為hough算法。具體實(shí)現(xiàn)過(guò)程如下：

（1）首先將所選取的背景圖片進(jìn)行灰度值轉(zhuǎn)化;

（2）由于邊緣檢測(cè)的算法主要是基于圖像灰度值分布函數(shù)的一階和二階導(dǎo)數(shù)，因此對(duì)噪聲很敏感，必須采用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。因此需要將轉(zhuǎn)化后的灰度模式圖像進(jìn)行高斯濾波處理;

（3）使用一階偏導(dǎo)的有限差分法來(lái)近似計(jì)算圖片灰度值的梯度幅值與方向，并將計(jì)算得到的梯度幅值進(jìn)行抑制;

（4）通過(guò)hough算法提取出邊緣線段中的直線并分別向兩側(cè)平移，將平移后的直線作為檢測(cè)區(qū)域分界線，對(duì)兩條直線進(jìn)行連通域標(biāo)記及膨脹處理。選擇內(nèi)部區(qū)域?yàn)槲ｋU(xiǎn)區(qū)，外部區(qū)域?yàn)榘踩珔^(qū)。

其次應(yīng)確定入侵目標(biāo)種類(lèi)。在道口中所需檢測(cè)的目標(biāo)包括行人、自行車(chē)、汽車(chē)三類(lèi)。確定了目標(biāo)種類(lèi)后需要通過(guò)足夠的樣本對(duì)行人、車(chē)輛等模型進(jìn)行訓(xùn)練從而得到相應(yīng)模板。將采集到的視頻圖像輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)。如果檢測(cè)出視頻中危險(xiǎn)區(qū)域出現(xiàn)行人車(chē)輛等則發(fā)出報(bào)警信號(hào)，控制報(bào)警器發(fā)出警報(bào)。相反未檢測(cè)到目標(biāo)則繼續(xù)進(jìn)行下一幀的運(yùn)算。

2 總結(jié)

本文的研究建立在鐵路道口安全防護(hù)日益重要的實(shí)際需求之上。本文首先介紹了隨著我國(guó)鐵路運(yùn)輸業(yè)的快速發(fā)展，社會(huì)對(duì)鐵路道口的安全問(wèn)題提出了更高的要求。其次分析了目前鐵路平交道口安全事故的主要特點(diǎn)和重要因素。在此基礎(chǔ)上提出了一套為鐵路平交道口實(shí)施無(wú)人值守自動(dòng)控制的道口智能監(jiān)控系統(tǒng)，探討了系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方法，運(yùn)用數(shù)字視頻監(jiān)控和圖像識(shí)別為主要技術(shù)核心，實(shí)現(xiàn)了道口目標(biāo)識(shí)別、越界報(bào)警、欄木信號(hào)燈智能控制和列車(chē)離開(kāi)道口檢測(cè)。最后通過(guò)對(duì)現(xiàn)有的一種目標(biāo)特征識(shí)別算法進(jìn)行原理研究及劣勢(shì)分析，選擇更適合鐵路道口這種復(fù)雜環(huán)境下目標(biāo)識(shí)別的算法——卷積神經(jīng)網(wǎng)絡(luò)。運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)算法的圖像識(shí)別更為準(zhǔn)確、快速，為保障平交道口的安全以及防范道口安全事故的發(fā)生起到了關(guān)鍵的作用。道口智能監(jiān)控系統(tǒng)綜合了圖像、通訊、數(shù)據(jù)和計(jì)算機(jī)網(wǎng)絡(luò)控制等技術(shù)，提高了道口的安全性，實(shí)現(xiàn)了道口管理的數(shù)字化、網(wǎng)絡(luò)化、自動(dòng)化和智能化。

參考文獻(xiàn)：

[1]楊蘭.鐵路道路平交道口的事故分析和安全預(yù)防研究[D].石家莊鐵道大學(xué)，2015.

[2]王聰.基于卷積神經(jīng)網(wǎng)絡(luò)的鐵路圖像智能識(shí)別算法研究[D].北京交通大學(xué)，2018.

[3]黃洪輝.鐵路道口警示監(jiān)控系統(tǒng)的應(yīng)用[J].鐵路通信信號(hào)工程技術(shù)，2011（06）：66-68+78.

[4]盧佐安.鐵路平交道口交通安全管理研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2007（10）：96-101+180.

[5]郭寶龍.數(shù)字圖像處理系統(tǒng)工程導(dǎo)論[M].西安電子科技大學(xué)出版社，2012.