CN102700572A - 铁路安全行车闭塞区间可视化接力监控预警方法 - Google Patents

Abstract

本发明公开了一种铁路安全行车闭塞区间可视化接力监控预警方法。实现本发明的具体步骤为：(1)***初始化；(2)实时发送视频信息；(3)路局云监控中心和车载监控***分别存储所接收的监控视频；(4)用视频信息判断轨道的占用状态；(5)用音频信息判断轨道的占用状态；(6)判断路基是否沉降；(7)视频接力监控；(8)监控车距；(9)报警。本发明解决了目前的行车过程中列车司机看不到、听不到前方安全距离内的轨道占用情况、判断不了和前方列车间的距离的问题，在轨道占用、边坡塌方、路基沉降、桥梁断塌、隧道坍塌、泥石流、沙尘暴、狂风、暴雨等异常情况时，为列车安全行车并避免列车追尾、脱轨等事故提供支持。

Description

铁路安全行车闭塞区间可视化接力监控预警方法

技术领域

本发明涉及计算机技术领域，更进一步涉及视觉计算技术和移动通信技术领域中铁路安全行车闭塞区间可视化接力监控预警方法。本发明将GPS卫星定位***、GIS地理信息***、有线/无线/卫星通信技术、计算机网络、视频监控以及视觉计算有机地融合于一体，可对铁路安全行车闭塞区间提供可视化监控，并对安全行车要求距离内的前方轨道占用情况进行预警，可以作为避免列车追尾、脱轨等事故的智能交通控制***的重要组成部分。

背景技术

目前，铁路运行中通常保证行车安全使用的是闭塞区间自动控制***，以让列车之间保持一定的安全车距，但这套***一旦出现信号故障，并且由于列车司机无法看清前方安全行车要求距离内的轨道占用情况，就可能会造成列车追尾、脱轨等重大事故。目前，针对列车行车安全的监控，现有以下技术：

韦湧民拥有的专利技术“铁道行车安全保障***”(申请号：200820222334.3，授权公告号：CN201291883Y)公开的方法是，司机佩带用于在铁道直线行车时观测前方路况的红外望远放大电视全天候眼镜，并在铁路弯道一侧布置摄像头，通过无线网络将视频传送给显示器以供司机观察前方弯道处的轨道路况。该专利技术存在的不足是，在列车高速行驶过程中，当司机发现前方有危险时，采取紧急制动措施时，已无法满足列车安全制动的距离要求。

王大伟申请的专利“高速铁路防追尾办法(充要条件)”(申请号：201110256165.1，申请公布号：CN102358329A)公开了一种高铁防追尾的技术方案。该方法通过高铁前后列车司控人员间不间断的直接联络，按规定通报列车运行的即时速度、方向和位置等状况，及时发现相邻两列车之间的异常情况，以避免发生后车追尾。该方法存在的不足是，人工方式不间断的联络，很难做到及时准确。

济南铁成奇石电子有限公司和熊式奇拥有的专利技术“铁路道口综合预警装置”(申请号：201120232912.3，授权公告号：CN202124050U)公开的方法是，通过将道口两侧的红外摄像机的监控视频传输到车载监视器，实现了在通过道口、弯道等特殊地段时，列车司机能准确掌握前方线路的情况。该专利技术存在的不足是，没有实现在列车运行全过程中，不间断地为列车司机显示前方线路的情况，因此，当前方轨道出现异常情况时，由于司机无法及时发现而可能造成追尾等事故的发生。

桂林市思奇通信设备有限公司拥有的专利技术“铁路行车安全自动监控***”(申请号：200720080920.4，授权公告号：CN201214435Y)公开的方法是，通过给监控摄像机指定唯一的路段地址码，自动监控前方3～6公里路况。该专利技术存在的不足是，其自动监控前方3～6公里的距离已不能满足高速列车安全制动的距离要求，而人工给每台监控摄像机指定地址码，也不利于监控摄像机大规模、灵活、简便的布设。

发明内容

本发明针对上述现有技术中铁路安全行车闭塞区间自动控制***可能出现信号故障的不足，以及现有技术中不能在行车的全过程中实现对6～20公里的超长距离的接力监控问题，提出了一种涉及视觉计算技术和移动通信技术的铁路安全行车闭塞区间可视化接力监控预警方法。

实现本发明的具体思路是，利用智能监控摄像机接力监控列车行进过程中前方多个闭塞区间的轨道，通过视频拼接技术让列车司机和路局云监控中心能够看到前方8～10个闭塞区间的轨道占用情况，通过音频混合技术使列车司机可以听到前方轨道的音频信息，通过各智能监控摄像机实时判断所监控轨道的占用情况并发出预警信息，通过GPS定位数据实时动态监控行进中的列车和其同轨道的前方相邻列车的距离，解决了行车过程中列车司机不能看到和听到前方8～10个闭塞区间的轨道占用情况，不能判断和前方列车之间的距离的问题，从而为避免列车追尾、脱轨等事故提供方法支持。

本发明实现的具体步骤如下：

(1)***初始化

1a)各智能监控摄像机分别采集待监控轨道的视频信息；

1b)将轨道视频信息通过无线信道发送给铁路路局云监控中心；

1c)路局云控制中心提取轨道视频信息中所包含的GPS定位数据和高程数据；

1d)存储GPS定位数据和高程数据，作为对应的智能监控摄像机的初始化基准数据；

1e)车载监控***向路局云监控中心请求欲通过路段的各智能监控摄像机的GPS基准数据；

1f)利用Canny边缘检测算子计算各智能监控摄像机的视频图像，存储为标准纹理模板图像。

(2)实时发送视频信息

2a)各智能监控摄像机分别采集待监控轨道的视频信息；

2b)将轨道视频信息通过无线信道发送给路局云监控中心和车载监控***。

(3)路局云监控中心和车载监控***分别存储所接收的监控视频。

(4)用视频信息判断轨道的占用状态

4a)将各监控视频中的RGB彩色图像通过亮度图像转换公式转化为亮度图像；

4b)将亮度图像通过直方图均衡化公式进行直方图均衡化；

4c)对直方图均衡化了图像再通过亮度归一化公式进行亮度归一化；

4d)利用Canny边缘检测算子计算归一化的亮度图像，得到其纹理图像；

4e)将纹理图像与标准纹理模板图像相减，得到差值图像；

4f)判断差值图像的能量是否大于给定的标准纹理模板图像能量的10％，若大于，则认为轨道被占用，执行步骤(9)；否则，执行步骤(2)。

(5)用音频信息判断轨道的占用状态

5a)智能监控摄像机内嵌噪音传感器判断轨道的占用状态，如果当前噪音分贝大于60分贝，则认为轨道被行进中的列车占用，执行步骤(9)；否则，执行步骤(2)；

5b)车载监控中心将收到的各监控视频的音频信号根据混音合成公式进行混音合成，通过音响设备播放，供列车司机人工监听识别前方轨道的占用状态。

(6)判断路基是否沉降

车载监控***提取各监控视频中的GPS高程信息，与步骤1d)中高程的基准数据相减，判断得到的差值是否大于给定的高程阈值，若大于，则认为所监控的轨道存在沉降或坍塌，执行步骤(9)；否则，执行步骤(2)。

(7)视频接力拼接

车载监控***提取各监控视频中相同时间点的帧，根据各帧自带的GPS定位数据，将提取到的帧以GPS定位数据为序，采用视频接力拼接方法，接力拼接为所监控轨道的实时监控视频，显示在监控屏幕上，供列车司机人工观察前方轨道的占用状态。

(8)监控车距

8a)根据车距公式计算轨道上各相邻两列车之间的车距，根据车速判断车距是否小于安全距离，若小于，执行步骤(9)；否则，执行步骤(2)；

8b)路局云监控中心根据各监控视频的GPS定位数据，融合GIS***地理信息实时生成所辖路局内所有线路上全部列车运行状态的动态监控视频，实时显示在监控屏幕上。

(9)报警

9a)触发语音报警功能，提示监控人员处理；

9b)触发图像报警模块，在监控屏幕上标定报警位置，由监控人员做进一步处理；

9c)若监控人员在10秒内没进行处理，***将触发车载监控***报警信息的自动处理功能；

9d)处警完毕，转步骤(2)。

本发明与现有技术相比，具有以下优点：

第一，由于本发明利用智能监控摄像机接力监控列车行进方向前方多个闭塞区间的轨道占用情况，能够让列车司机看到前方8～10个闭塞区间的轨道占用情况，解决了列车行进过程中司机不能看到前方8～10个闭塞区间的轨道占用情况问题，该方法的应用有助于避免列车追尾和脱轨等安全事故。

第二，由于本发明在视频接力监控中使用了视觉计算技术，各智能监控摄像机能够判断所监控轨道的占用情况，在轨道占用、轨道边坡塌方、路基沉降、桥梁、涵洞、隧道等出现异常情况时，发出预警信息以避免脱轨和追尾等事故发生。

第三，由于本发明在视频接力监控中使用了GPS定位数据和GIS***信息，可以实时动态监控行进中的列车和其同轨道的前方相邻列车的距离，解决了目前列车司机不能判断和前方相邻列车之间的距离问题，从而可以增加列车发车密度、提前避免追尾等事故发生。

第四，由于本发明使用了视频接力监控中的音频信息，通过音频混合技术，使列车司机可以听到前方轨道的音频信息，辅助列车司机人工监听前方轨道的环境信息和占用情况，从而可以在大风、暴雨、沙尘暴等恶劣天气条件下提前减速和避免追尾、脱轨等事故发生。

附图说明

图1为本发明的流程图；

图2为本发明步骤7视频接力拼接的梯形校正示意图；

图3为本发明的梯形校正前的原图；

图4为本发明的梯形校正后的结果图；

图5为本发明的接力拼接结果图。

具体实施方式

下面结合附图对本发明做详细的描述。

参照图1，实现本发明的具体步骤如下：

步骤1，***初始化

将被监控的轨道沿线每闭塞区间内每间隔200米/400米位置处架设高清无线/有线智能监控摄像机，各智能监控摄像机分别采集待监控的轨道视频信息。智能监控摄像机，包含CCD摄像机、红外摄像机和亚毫米精度的雷达检测成像***。在白天或光照条件好的情况下驱动CCD摄像机模块，而在晚上或浓雾、大雨、或降雪的情况下驱动红外摄像机或亚毫米精度的雷达检测成像***。

各智能监控摄像机将监控轨道的视频信息通过无线信道发送给铁路路局云监控中心，路局云控制中心提取轨道视频信息中所包含的GPS定位数据和高程数据，存储GPS定位数据和高程数据，作为对应的智能监控摄像机的初始化基准数据。路局云控制中心利用Canny边缘检测算子计算各智能监控摄像机的视频图像，存储为标准纹理模板图像，作为对应的智能监控摄像机的判断轨道是否被占用的标准纹理模板图像；

列车车载监控***向路局云监控中心请求欲通过路段的各智能监控摄像机的GPS基准数据，作为判断路基是否沉降的基准。

列车车载监控***向路局云监控中心请求欲通过路段的各智能监控摄像机的标准纹理模板图像，作为判断轨道是否被占用的标准纹理模板图像。

步骤2，实时发送视频信息

路基上架设的各智能监控摄像机分别采集待监控的轨道视频信息，利用视觉计算技术进行是否有异常物体出现在轨道上的异常情况分析，广播发送轨道视频信息和报警信号：“我是上行/下行线上的监控像机，我当前的时间是***，我的GPS位置是***，我处发现/无发现异常，请接收我的监控视频。”

步骤3，监控视频接收和存储

车载监控***接到广播后，判断自己是否接收该GPS位置的视频，若是则接收并存储所传输的监控视频，并根据异常信息报警给列车司机以进行减速、制动等；若不是，则什么也不做。

路局云监控调度中心接到各监控摄像机监控视频和报警信息后，存储相应的监控视频，并进行决策判断，以通知接近或处于报警范围内列车采取相应的减速、制动措施。

步骤4，用视频信息判断轨道的占用状态

将各监控视频中的RGB彩色图像通过如下彩色图像转化为亮度图像的转换公式转化为亮度图像I：

I＝(R+G+B)/3

其中，R，G，B分别表示原彩色图像中的红，绿，蓝各分量对应的子图像。

将得到的亮度图像I再通过如下亮度图像直方图均衡化公式进行直方图均衡化，得到直方图均衡化了的新图像f：

$S\left(k\right)=\left(\underset{j=0}{\overset{k}{\mathrm{\Σ}}}{n}_j\right)/N\×255$

其中，S(k)表示原图像中k灰度级均衡化后的灰度值，k∈[0，255]，Σ表示总和，n_j是原图像中j灰度级的像素数量，j∈[0，k]，N是原图像中的像素总数。

新图像f比原亮度图像I增加了的清晰度和对比度。将对直方图均衡化了图像的f再通过如下的亮度归一化公式进行亮度归一化，得到亮度归一化了图像H  以消除图像获取时所用亮度值范围的差别：

$H(m,n)=\frac{f(m,n)-\min \left(f(m,n)\right)}{\max \left(f(m,n)\right)-\min \left(f(m,n)\right)}$

其中，H(m，n)∈[0，1]表示(m，n)像素处的归一化亮度值，f表示待处理的图像，f(m，n)为图像f在其像素(m，n)处的亮度值，max(f(m，n))和min(f(m，n))分别表示图像f的最大、最小亮度值。

利用Canny边缘检测算子计算归一化的亮度图像H，得到其纹理图像E。将纹理图像E与标准纹理模板图像相减，得到差值图像。判断差值图像的能量是否大于给定的标准纹理模板图像能量的10％，若大于，则认为轨道被占用，执行步骤(9)；否则，执行步骤(2)；

步骤5，用音频信息判断轨道的占用状态：

车载监控中心将收到的各监控视频的音频信号Xi(t)，i＝1～99，根据如下的混音合成公式进行混音合成：

$m\left(t\right)=\frac{1}{n}\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Xi}\left(t\right)\right),$

其中，m(t)表示t时刻混音后的音频，n表示参与混音的音频数，Xi(t)是t时刻第i个监控摄像机所监控音频的8bit采样值，音频帧的长度取10～20ms，音频帧的采样率相同。

将混音合成后的音频m(t)通过音响设备播放，供列车司机人工监听识别前方轨道的占用状态。车载监控***根据各智能监控摄像机内嵌噪音传感器的信息判断轨道的占用状态，如果当前噪音分贝大于60分贝，则认为轨道被行进中的列车占用，执行步骤(9)；否则，则执行步骤(2)；

步骤6，判断路基是否沉降：

根据目前GPS的高程精度，将高程阈值的范围设为3～5cm。车载监控***提取各监控视频中的GPS高程信息，与从路局云监控中心请求的相应的高程基准数据相减，判断得到的差值是否大于给定的高程阈值，若大于，则认为所监控的轨道存在沉降或坍塌，执行步骤(9)；否则，执行步骤(2)；

步骤7，视频接力拼接：

车载监控***对前方连续1～99个监控摄像机的视频利用分别利用二维Mallat小波快速算法进行一层小波分解，提取其低频分量子图像。该低频分量子图像是原图像1/4大小的压缩图像，保持了原图像的所有细节信息和清晰度。再将得到的低频近似分量子图像隔行提取，目的是进行再压缩以得到缩小了一半的新的帧图像I(k)，k＝1～99。

图2中，设置4个基准点(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，(x₄，y₄)，再设置4个和基准点一一对应的点(u₁，v₁)，(u₂，v₂)，(u₃，v₃)，(u₄，v₄)。点(x_i，y_i)和(u_i，v_i)的映射关系是

$\left\{\begin{array}{c}{u}_i=\frac{{\mathrm{\αx}}_i+{\mathrm{by}}_i+c}{{\mathrm{gx}}_i+{\mathrm{hy}}_i+1}\\ v_i=\frac{{\mathrm{dx}}_i+e{y}_i+f}{{\mathrm{gx}}_i+{\mathrm{hy}}_i+1}\end{array}\right.$

其中，(x_i，y_i)和(u_i，v_i)是图2中相应像素点的坐标，a，b，c，d，e，f，g，h是映射系数。

解如下方程组

$\left[\begin{array}{cccccccc}{x}_1& y_1& 1& 0& 0& 0& {-u}_1{x}_1& {-u}_1{y}_1\\ 0& 0& 0& x_1& y_1& 1& {-v}_1{x}_1& {-v}_1{y}_1\\ x_2& y_2& 1& 0& 0& 0& {-u}_2{x}_2& {-u}_2{y}_2\\ 0& 0& 0& x_2& y_2& 1& {-v}_2{x}_{\text{2}}& {-v}_2{y}_2\\ x_3& y_3& 1& 0& 0& 0& {-u}_3{x}_3& -u_3{y}_3\\ 0& 0& 0& x_3& y_3& 1& {-v}_3{x}_3& {-v}_3{y}_3\\ x_4& y_4& 1& 0& 0& 0& {-u}_4{x}_4& {-u}_4{y}_4\\ 0& 0& 0& x_4& y_4& 1& {-v}_4{x}_4& {-v}_4{y}_3\end{array}\right]\left[\begin{array}{c}a\\ b\\ c\\ d\\ e\\ f\\ g\\ h\end{array}\right]=\left[\begin{array}{c}{u}_1\\ v_1\\ u_2\\ v_2\\ u_3\\ v_3\\ u_4\\ v_4\end{array}\right],$

得到4个基准点和4个对应点之间的投影变换关系矩阵 $\mathrm{cpt}=\left[\begin{array}{ccc}a& d& g\\ b& e& h\\ c& f& 1\end{array}\right]$

对图像I(k)根据如下的梯形失真校正公式进行校正处理，得到校正了的图像img(k)。

$(x_i,y_i,1)\×\frac{1}{{\mathrm{\λ}}_i}\mathrm{cpu}=(u_i,v_i,1)$

其中，(x_i，y_i)是梯形失真校正前的图像中像素点i的坐标，λ_i＝x_ig+y_ih+1，(u_i，v_i)是梯形失真校正后的新图像img(k)中像素点i的坐标

采用近邻插值法对图像img(k)进行插值，得到I(k)对应的插值图像A(k)。将每个插值图像A(k)按其原始GPS定位数据为序按照下式进行拼接：

$\mathrm{cat}=\left[\begin{array}{c}{A}_1\\ A_2\\ \·\\ \·\\ \·\\ A_n\end{array}\right]$

其中，cat表示拼接后得到的新图像，[·]表示矩阵，矩阵A₁，A₂，...，A_n分别表示参加拼接的图像且具有相同的行数、列数；

每隔1秒(或根据车速自动设定间隔时间)将接力监控的拼接图像cat实时呈现在触摸屏显示器上，供列车司机人工查看。

步骤8，监控车距：

路局云监控中心根据各监控视频的GPS定位数据，融合GIS***地理信息实时生成所辖路局内所有线路上全部列车运行状态的动态监控视频，实时显示在监控屏幕上；根据各列车实时发送的GPS定位数据和车速，计算相邻列车之间的距离，做好安全距离监控预警。

车载监控***根据如下的车距计算公式计算同一轨道上各相邻两列车之间的车距：

$d={[{(x_{i,t}-x_{j,t})}^2+{(y_{i,t}-y_{j,t})}^2]}^{\frac{1}{2}}$

其中，d表示相邻两列车之间的车距；x表示经度，y表示纬度；i和j分别表示列车的编号，t表示提取两列车经纬度数据的某个时间点；(x_i，t，y_i，t)，(x_j，t，y_j，t)分别表示列车i和j在时刻t时发送的GPS经纬度定位数据。

如果列车行进速度小于120公里/小时，将安全距离设置为4～6个闭塞区间；如果列车行进速度大于120公里/小时，将安全距离设置为8～10个闭塞区间。根据车速判断所得车距是否小于安全距离，若小于，执行步骤(9)；否则，执行步骤(2)；

步骤9，报警：

根据噪音传感器的噪音阈值，触发语音报警功能，提示监控人员处理。或根据对图像纹理的判断，触发图像报警模块，在监控屏幕上标定报警位置，由监控人员做进一步处理。如果在语言报警或图像报警模块启动10秒后，监控人员没有及时进行处理，***将触发车载监控***报警信息的自动处理功能，转列车的自动控制***。处警完毕后，转步骤(2)，再重新进入视频接力监控过程。

本发明的视频接力拼接效果可通过以下仿真实验进一步说明。

1.仿真实验条件

本仿真利用MATLAB软件进行仿真。

2.仿真内容

本发明的仿真实验主要是对监控视频帧图像进行梯形失真校正和接力拼接的仿真。图3是使用现有技术由视频监控摄像机获取的一幅大小为400×200像素的轨道监控图像；图4是对图3使用现有技术出现的失真，而采用本发明的梯形失真校正方法进行梯形失真校正后获得的结果图；图5是对图4梯形失真校正后的图像，使用本发明的接力拼接方法进行接力拼接后得到的仿真图；图5中各参与拼接的梯形校正图像，是根据其对应的轨道监控图像所对应的GPS定位数据为序进行拼接的。

3.仿真结果

从图3中的轨道图像可以看出，由于使用现有技术的监控摄像机的架设位置和其凸透镜聚焦成像原理，使得所获取的图像中原本相互平行的两轨道线失去了平行关系，出现了近端大而远端小的梯形失真。从图4中的轨道图像可以看出，使用本发明的梯形失真校正后，使得图3中不平行的两轨道线恢复了其原本应有的平行关系。从图5中的接力拼接仿真结果可以看出，按照本发明的方法，可以将列车前方连续30～100个监控摄像机的监控视频进行梯形失真校正，再进行接力拼接，实现在一帧上显示对前方6～20公里轨道路况的视频监视，使列车司机可以轻松地超视距看到前方的轨道占用等情况。

Claims (10)

1.一种铁路安全行车闭塞区间可视化接力监控预警方法，包括如下步骤：

(1)***初始化

1a)各智能监控摄像机分别采集待监控轨道的视频信息；

1b)将轨道视频信息通过无线信道发送给铁路路局云监控中心；

1c)路局云控制中心提取轨道视频信息中所包含的GPS定位数据和高程数据；

1d)存储GPS定位数据和高程数据，作为对应的智能监控摄像机的初始化基准数据；

1e)车载监控***向路局云监控中心请求欲通过路段的各智能监控摄像机的GPS基准数据；

1f)利用Canny边缘检测算子计算各智能监控摄像机的视频图像，存储为标准纹理模板图像；

(2)实时发送视频信息

2a)各智能监控摄像机分别采集待监控轨道的视频信息；

2b)将轨道视频信息通过无线信道发送给路局云监控中心和车载监控***；

(3)路局云监控中心和车载监控***分别存储所接收的监控视频；

(4)用视频信息判断轨道的占用状态

4a)将各监控视频中的RGB彩色图像通过亮度图像转换公式转化为亮度图像；

4b)将亮度图像通过直方图均衡化公式进行直方图均衡化；

4c)对直方图均衡化了图像再通过亮度归一化公式进行亮度归一化；

4d)利用Canny边缘检测算子计算归一化的亮度图像，得到其纹理图像；

4e)将纹理图像与标准纹理模板图像相减，得到差值图像；

4f)判断差值图像的能量是否大于给定的标准纹理模板图像能量的10％，若大于，则认为轨道被占用，执行步骤(9)；否则，执行步骤(2)；

(5)用音频信息判断轨道的占用状态

5a)智能监控摄像机内嵌噪音传感器判断轨道的占用状态，如果当前噪音分贝大于60分贝，则认为轨道被行进中的列车占用，执行步骤(9)；否则，执行步骤(2)；

5b)车载监控中心将收到的各监控视频的音频信号根据混音合成公式进行混音合成，通过音响设备播放，供列车司机人工监听识别前方轨道的占用状态；

(6)判断路基是否沉降

车载监控***提取各监控视频中的GPS高程信息，与步骤1d)中高程的基准数据相减，判断得到的差值是否大于给定的高程阈值，若大于，则认为所监控的轨道存在沉降或坍塌，执行步骤(9)；否则，执行步骤(2)；

(7)视频接力拼接

车载监控***提取各监控视频中相同时间点的帧，根据各帧自带的GPS定位数据，将提取到的帧以GPS定位数据为序，采用视频接力拼接方法，接力拼接为所监控轨道的实时监控视频，显示在监控屏幕上，供列车司机人工观察前方轨道的占用状态；

(8)监控车距

8a)根据车距公式计算轨道上各相邻两列车之间的车距，根据车速判断车距是否小于安全距离，若小于，执行步骤(9)；否则，执行步骤(2)；

8b)路局云监控中心根据各监控视频的GPS定位数据，融合GIS***地理信息实时生成所辖路局内所有线路上全部列车运行状态的动态监控视频，实时显示在监控屏幕上；

(9)报警

9a)触发语音报警功能，提示监控人员处理；

9b)触发图像报警模块，在监控屏幕上标定报警位置，由监控人员做进一步处理；

9c)若监控人员在10秒内没进行处理，***将触发车载监控***报警信息的自动处理功能；

9d)处警完毕，转步骤(2)。

2.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤1a)中所述的各智能监控摄像机，是在轨道沿线每闭塞区间内每间隔200米/400米位置处架设。

3.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤4a)中所述的彩色图像转化为亮度图像的转换公式如下：

I＝(R+G+B)/3

其中，I表示亮度图像，R，G，B分别表示彩色图像的红，绿，蓝各分量对应的子图像。

4.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤4b)中所述的亮度图像直方图均衡化公式如下：

$S\left(k\right)=\left(\underset{j=0}{\overset{k}{\mathrm{\Σ}}}{n}_j\right)/N\×255$

其中，S(k)表示原图像中k灰度级均衡化后的灰度值，k∈[0，255]，Σ表示总和，n_j是原图像中j灰度级的像素数量，j∈[0，k]，N是原图像中的像素总数。

5.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤4c)中所述的亮度归一化公式如下：

$H(m,n)=\frac{f(m,n)-\min \left(f(m,n)\right)}{\max \left(f(m,n)\right)-\min \left(f(m,n)\right)}$

其中，H(m，n)∈[0，1]表示(m，n)像素处的归一化亮度值，f表示待处理的图像，f(m，n)为图像f在其像素(m，n)处的亮度值，max(f(m，n))和min(f(m，n))分别表示图像f的最大、最小亮度值。

6.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤5b)中所述的混音合成公式如下：

$m\left(t\right)=\frac{1}{n}\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Xi}\left(t\right)\right)$

其中，m(t)表示t时刻混音后的音频，n表示参与混音的音频数，Xi(t)是t时刻第i个监控摄像机所监控音频的8bit采样值，音频帧的长度取10～20ms，音频帧的采样率相同。

7.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤(6)中所述的高程阈值的范围为3～5cm。

8.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤(7)中所述的视频接力拼接方法的具体步骤如下：

第一，对前方连续多个监控摄像机的视频分别利用二维Mallat小波快速算法进行一层小波分解，提取其低频分量子图像；

第二，将得到的低频近似分量子图像再隔行提取，得到缩小了一半的新的帧图像；

第三，将新的帧图像再进行梯形失真校正；

第四，将梯形校正了的帧图像按其原始GPS定位数据为序按照下式进行拼接：

$\mathrm{cat}=\left[\begin{array}{c}{A}_1\\ A_2\\ \·\\ \·\\ \·\\ A_n\end{array}\right]$

其中，cat表示拼接后得到的新图像，[·]表示矩阵，矩阵A₁，A₂，...，A_n分别表示参加拼接的图像且具有相同的行数、列数。

9.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤8a)中所述的车距公式如下：

$d={[{(x_{i,t}-x_{j,t})}^2+{(y_{i,t}-y_{j,t})}^2]}^{\frac{1}{2}}$

其中，d表示相邻两列车之间的车距；x表示经度，y表示纬度；i和j分别表示列车的编号，t表示提取两列车经纬度数据的某个时间点；(x_i，t，y_i，t)，(x_j，t，y_j，t)分别表示列车i和j在时刻t时发送的GPS经纬度定位数据。

10.根据权利要求1所述的铁路安全行车闭塞区间可视化接力监控预警方法，其特征在于：步骤8a)中所述的相邻列车之间的安全距离，采用如下方法设置：

如果列车行进速度小于120公里/小时，将安全距离设置为4～6个闭塞区间；如果列车行进速度大于120公里/小时，将安全距离设置为8～10个闭塞区间。

Images