CN105279767B - 火车到站状态的识别方法 - Google Patents
火车到站状态的识别方法 Download PDFInfo
- Publication number
- CN105279767B CN105279767B CN201410826560.2A CN201410826560A CN105279767B CN 105279767 B CN105279767 B CN 105279767B CN 201410826560 A CN201410826560 A CN 201410826560A CN 105279767 B CN105279767 B CN 105279767B
- Authority
- CN
- China
- Prior art keywords
- train
- station
- region
- image
- mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Image Processing (AREA)
Abstract
一种火车到站状态的识别方法,在视频图像上标定设置火车到站图像轨道区域,通过高斯背景建模进行前景提取,通过前景变化判断是否有火车进入到轨道区域,然后通过判断红外图像中轨道区域的亮度变化判断火车是否进站,通过Lucas‑Kanade光流方法计算前后两帧图像中每个角点的光流变换均值得到火车的停止或运行状态。采用多种方法复合判断火车是否进站,从而使判断结果更加准确,不易受外部环境变换的影响。
Description
技术领域
本发明涉及图像识别的技术领域,具体说是一种火车到站状态的识别方法。
背景技术
高铁站台监控的过程中,需要在图像上对火车到达状态进行识别判断,因为在火车停站上车时,高铁站台的监控区域是允许进入的,而在其他时刻监控区域则不允许进入,所以,火车是否到达以及火车运行状态的判断成为了对监控区域进行识别的基础,因而需要对火车到达、停站和离开的状态进行识别。
发明内容
本发明要解决的技术问题是提供一种火车到站状态的识别方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
本发明的火车到站状态的识别方法,包括以下步骤:
A、载入站台的红外图像;
B、在站台内轨道区域标记火车运动识别区域,在视频图像上标定设置火车到站图像轨道区域,并存储相应的参数,生成识别图像模板;
C、建立图像缓冲,图像预处理;
D、对火车到站图像轨道区域进行背景建模,采用高斯混合模型背景建模算法实时分析轨道区域,进行前景图像提取,通过前景变化判断是否有火车进站;计算火车到站图像轨道区域的像素平均亮度值;
E、对缓冲的每一帧图像提取图像中的角点作为这帧图像的关键点,使用金字塔Lucas-Kanade光流方法计算前后两帧图像中每个角点的光流;计算前后两帧图像角点光流的变化均值;
F、确定轨道区域的亮度是否大于阙值,且判断光流变化均值的变化情况;
G、输出火车的运动状态。
本发明还可以采用以下技术措施:
所述的轨道区域参数标定公式为:I(x,y)=α*I′(x,y)+δ,I(x,y)是图像中坐标,I'(x,y)是实际站台坐标,α是变换系数,δ是经验参数。;假设轨道区域的实际空间坐标在坐标系Z′=0的平面上,轨道区域由一组标记点连接组成,记为I′i(xi,yi),同时在相机图像坐标系Z中找到对应的标记点Ii(xi,yi),并记录坐标值,经过坐标变换计算出坐标变换系数α。
所述的高斯背景建模包括以下步骤:
a、每个新像素值Xt同当前K个模型按下式进行比较,直到找到匹配新像素值的分布模型,即同该模型的均值偏差在2.5σ内
|Xt-μi,t-1|≤2.5σi,t-1
b、如果所匹配的模式符合背景要求,则该像素属于背景,否则属于前景;
c、各模式权值按如下公式更新,其中α是学习速率,对于匹配的模式Mk,t=1,否则Mk,t=0,然后各模式的权重进行归一化;
wk,t=(1-α)*wk,t-1+α*Mk,t
d、未匹配模式的均值μ与标准差σ不变,匹配模式的参数按照如下公式更新:
ρ=α*η(Xt|μk,σk)
μt=(1-ρ)*μt-1+ρ*Xt
e、如果第a步中没有任何模式匹配,则权重最小的模式被替换,即该模式的均值为当前像素,标准差为初始化较大值,权重为较小值;
f、各模式根据w/α2按降序排列,权重大,标准差小的模式排列靠前;
g、选前B个模式作为背景,B满足下式,参数T表示背景所占比例,
本发明具有的优点和积极效果是:
本发明的火车到站状态的识别方法,通过高斯背景建模进行前景提取,通过前景变化判断是否有火车进入到轨道区域,然后通过判断红外图像中轨道区域的亮度变化判断火车是否进站,通过Lucas-Kanade光流方法计算前后两帧图像中每个角点的光流变换均值得到火车的停止或运行状态。采用多种方法复合判断火车是否进站,从而使判断结果更加准确,不易受外部环境变换的影响。
附图说明
图1是本发明的火车到站状态的识别方法的流程图。
具体实施方式
本发明的火车到站状态的识别方法,包括以下步骤:
A、载入站台的红外图像;
B、在站台内轨道区域标记火车运动识别区域,在视频图像上标定设置火车到站图像轨道区域,并存储相应的参数,生成识别图像模板;
C、建立图像缓冲,图像预处理;
D、对火车到站图像轨道区域进行背景建模,采用高斯混合模型背景建模算法实时分析轨道区域,进行前景图像提取,通过前景变化判断是否有火车进站;计算火车到站图像轨道区域的像素平均亮度值;
E、对缓冲的每一帧图像提取图像中的角点作为这帧图像的关键点,使用金字塔Lucas-Kanade光流方法计算前后两帧图像中每个角点的光流;计算前后两帧图像角点光流的变化均值;
F、确定轨道区域的亮度是否大于阙值,且判断光流变化均值的变化情况;
G、输出火车的运动状态。
由于火车进入轨道时,图像前景会有明显变化,所以在设置背景建模学***均亮度值的计算也有助于判断火车是否进站。当轨道区域的亮度大于阙值时,可得出有火车进入站台区域。
当发现轨道区域上有火车进入时,开始对火车的运动方向和运动变化进行判断。建立连续的火车运动图像缓冲,对缓冲的每一帧图像提取图像中的角点作为这帧图像的关键点,然后,使用金字塔Lucas-Kanade光流方法计算前后两帧图像中每个角点的光流。最后,计算前后多帧图像轨道区域中火车光流的变化平均值。当前后两帧光流变化的均值极小的时候,可以认定火车现在处于停止状态,而光流变化均值较大时则说明火车处于运动状态。
图像中角点提取的具体步骤和方法以及金字塔Lucas-Kanade光流算法都为现有技术中的公知技术,在本实施例中就不再进行赘述。
本发明中轨道区域参数标定公式为:I(x,y)=α*I′(x,y)+δ,
I(x,y)是图像中坐标,I′(x,y)是实际站台坐标,α是变换系数,δ是经验参数。
假设轨道区域的实际空间坐标在坐标系Z′=0的平面上,轨道区域由一组标记点连接组成,记为I′i(xi,yi),同时在相机图像坐标系Z中找到对应的标记点Ii(xi,yi),并记录坐标值,经过坐标变换计算出坐标变换系数α。
高斯背景建模包括以下步骤:
a、每个新像素值Xt同当前K个模型按下式进行比较,直到找到匹配新像素值的分布模型,即同该模型的均值偏差在2.5σ内
|Xt-μi,t-1|≤2.5σi,t-1
b、如果所匹配的模式符合背景要求,则该像素属于背景,否则属于前景;
c、各模式权值按如下公式更新,其中α是学习速率,对于匹配的模式
Mk,t=1,否则Mk,t=0,然后各模式的权重进行归一化;
wk,t=(1-α)*wk,t-1+α*Mk,t
d、未匹配模式的均值μ与标准差σ不变,匹配模式的参数按照如下公式更新:
ρ=α*η(Xt|μk,σk)
μt=(1-ρ)*μt-1+ρ*Xt
e、如果第a步中没有任何模式匹配,则权重最小的模式被替换,即该模式的均值为当前像素,标准差为初始化较大值,权重为较小值;
f、各模式根据w/α2按降序排列,权重大,标准差小的模式排列靠前;
g、选前B个模式作为背景,B满足下式,参数T表示背景所占比例;
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例公开如上,然而,并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当然会利用揭示的技术内容作出些许更动或修饰,成为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均属于本发明技术方案的范围内。
Claims (3)
1.一种火车到站状态的识别方法,其特征在于,包括以下步骤:
A、载入站台的红外图像;
B、在站台内轨道区域标记火车运动识别区域,在视频图像上标定设置火车到站图像轨道区域,并存储相应的参数,生成识别图像模板;
C、建立图像缓冲,图像预处理;
D、对火车到站图像轨道区域进行背景建模,采用高斯混合模型背景建模算法实时分析轨道区域,进行前景图像提取,通过前景变化判断是否有火车进站;计算火车到站图像轨道区域的像素平均亮度值;
E、对缓冲的每一帧图像提取图像中的角点作为这帧图像的关键点,使用金字塔Lucas-Kanade光流方法计算前后两帧图像中每个角点的光流;计算前后两帧图像角点光流的变化均值;
F、确定轨道区域的亮度是否大于阙值,且判断光流变化均值的变化情况,当轨道区域的亮度大于阙值时,定义当前状态为火车进入站台区域,且当轨道区域的前后两帧图像中光流变化均值较小时,定义火车处于停止状态,反之,定义火车处于运动状态;
G、输出火车的状态。
2.根据权利要求1所述的火车到站状态的识别方法,其特征在于:上述轨道区域的参数标定公式为:I(x,y)=α*I′(x,y)+δ,
此公式中I(x,y)是图像中坐标,I'(x,y)是实际站台坐标,α是变换系数,δ是经验参数;轨道区域的实际空间坐标在坐标系Z′=0的平面上,轨道区域由一组标记点连接组成,记为I′i(xi,yi),同时在相机图像坐标系Z中找到对应的标记点Ii(xi,yi),并记录坐标值,经过坐标变换计算出坐标变换系数α。
3.根据权利要求2所述的火车到站状态的识别方法,其特征在于高斯混合模型背景建模算法包括以下步骤:
a、每个新像素值Xt同当前K个模型按下式进行比较,直到找到匹配新像素值的分布模型,即同该模型的均值偏差在2.5σ内;
|Xt-μi,t-1|≤2.5σi,t-1
b、如果所匹配的模式符合背景要求,则该像素属于背景,否则属于前景;
c、各模式权值按如下公式更新,公式中α是学习速率,对于匹配的模式Mk,t=1,否则Mk,t=0,然后各模式的权重进行归一化;
wk,t=(1-α)*wk,t-1+α*Mk,t
d、未匹配模式的均值μ与标准差σ不变,匹配模式的参数按照如下公式更新:
ρ=α*η(Xt|μk,σk)
μt=(1-ρ)*μt-1+ρ*Xt
e、如果第a步中没有任何模式匹配,则权重最小的模式被替换,即该模式的均值为当前像素,标准差为初始化较大值,权重为较小值;
f、各模式根据w/α2按降序排列,权重大,标准差小的模式排列靠前;
g、选前B个模式作为背景,B满足下式,参数T表示背景所占比例,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410826560.2A CN105279767B (zh) | 2014-12-26 | 2014-12-26 | 火车到站状态的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410826560.2A CN105279767B (zh) | 2014-12-26 | 2014-12-26 | 火车到站状态的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105279767A CN105279767A (zh) | 2016-01-27 |
CN105279767B true CN105279767B (zh) | 2019-01-18 |
Family
ID=55148718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410826560.2A Active CN105279767B (zh) | 2014-12-26 | 2014-12-26 | 火车到站状态的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105279767B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410250B (zh) * | 2018-11-13 | 2021-04-13 | 深圳通业科技股份有限公司 | 一种基于视觉图像的车辆进站识别方法及终端 |
CN109558841B (zh) * | 2018-11-30 | 2023-06-02 | 歌尔科技有限公司 | 一种运动状态的识别方法、装置及终端 |
CN109686048B (zh) * | 2019-01-02 | 2022-03-18 | 平安科技(深圳)有限公司 | 火车站台越线的预警方法、装置、计算机设备和存储介质 |
CN111310733B (zh) * | 2020-03-19 | 2023-08-22 | 成都云盯科技有限公司 | 基于监控视频的人员进出检测方法、装置和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005120A (zh) * | 2010-11-22 | 2011-04-06 | 顾海松 | 基于视频图像分析的交通路口监控技术和*** |
CN103167405A (zh) * | 2011-12-19 | 2013-06-19 | 联想(北京)有限公司 | 一种到站提醒方法及电子设备 |
DE102013210836A1 (de) * | 2012-06-28 | 2014-01-02 | International Business Machines Corp. | Erkennen eines bewegungslosen Gegenstands auf Kreuzungen von Verkehrswegen |
CN103534729A (zh) * | 2010-12-15 | 2014-01-22 | 罗伯特·博世有限公司 | 用于确定车辆的自身运动的方法和*** |
-
2014
- 2014-12-26 CN CN201410826560.2A patent/CN105279767B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005120A (zh) * | 2010-11-22 | 2011-04-06 | 顾海松 | 基于视频图像分析的交通路口监控技术和*** |
CN103534729A (zh) * | 2010-12-15 | 2014-01-22 | 罗伯特·博世有限公司 | 用于确定车辆的自身运动的方法和*** |
CN103167405A (zh) * | 2011-12-19 | 2013-06-19 | 联想(北京)有限公司 | 一种到站提醒方法及电子设备 |
DE102013210836A1 (de) * | 2012-06-28 | 2014-01-02 | International Business Machines Corp. | Erkennen eines bewegungslosen Gegenstands auf Kreuzungen von Verkehrswegen |
Non-Patent Citations (2)
Title |
---|
"基于单目视觉的目标跟踪研究";张伟丽;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140515(第5期);论文全文 |
"基于智能视频分析的铁路入侵检测***研究";李凡;《中国优秀硕士学位论文全文数据库 信息科技辑》;20121015(第10期);论文全文 |
Also Published As
Publication number | Publication date |
---|---|
CN105279767A (zh) | 2016-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260719B (zh) | 铁路站台越线检测方法 | |
US8929592B2 (en) | Camera-based 3D climate control | |
KR102136241B1 (ko) | 표정 검출 성능을 갖는 머리-장착형 디스플레이 | |
CN105279767B (zh) | 火车到站状态的识别方法 | |
CN109934848B (zh) | 一种基于深度学习的运动物体精准定位的方法 | |
US9600898B2 (en) | Method and apparatus for separating foreground image, and computer-readable recording medium | |
CN103150559B (zh) | 基于Kinect三维深度图像的头部识别与跟踪方法 | |
CN103279791B (zh) | 基于多特征的行人计算方法 | |
CN103310444B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
CN102156985A (zh) | 基于虚拟卡口的行人及车辆数目计数方法 | |
CN106887010B (zh) | 基于高层场景信息的地面运动目标检测方法 | |
WO2016013719A1 (ko) | 3차원 영상 정보를 이용한 이상 행동 감시 장치 및 방법 | |
CN106447674A (zh) | 一种视频的背景去除方法 | |
CN105957110A (zh) | 用于检测对象的设备和方法 | |
CN106156714A (zh) | 基于骨骼关节特征和表面特征融合的人体行为识别方法 | |
CN104123733B (zh) | 一种基于块匹配的运动检测及降低错误率的方法 | |
CN110349177A (zh) | 一种连续帧视频流的人脸关键点跟踪方法和*** | |
CN106462975A (zh) | 用于对象跟踪和经由背景跟踪进行分割的方法和装置 | |
CN106203276A (zh) | 一种视频客流统计***及客流统计方法 | |
CN110969131A (zh) | 一种基于场景流的地铁人流计数方法 | |
CN106657948A (zh) | 低照度Bayer图像的增强方法及增强装置 | |
CN105187801B (zh) | 一种摘要视频的生成***及方法 | |
CN102855637A (zh) | 一种用于视频图像的融合双边滤波的协方差跟踪方法 | |
Yin et al. | Integrating active face tracking with model based coding | |
Patel et al. | Comparison of optical flow algorithms for speed determination of moving objects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 300450 West 3-303, 18 Haitai West Road, Huayuan Industrial Zone, Binhai New Area, Tianjin Patentee after: TIANJIN OPTICAL ELECTRICAL GAOSI COMMUNICATION ENGINEERING TECHNOLOGY Co.,Ltd. Address before: No.6, Taishan Road, Hexi District, Tianjin 300210 Patentee before: TIANJIN OPTICAL ELECTRICAL GAOSI COMMUNICATION ENGINEERING TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |