CN110796819B - 一种针对站台黄线入侵越界人员的检测方法及*** - Google Patents
一种针对站台黄线入侵越界人员的检测方法及*** Download PDFInfo
- Publication number
- CN110796819B CN110796819B CN201910994518.4A CN201910994518A CN110796819B CN 110796819 B CN110796819 B CN 110796819B CN 201910994518 A CN201910994518 A CN 201910994518A CN 110796819 B CN110796819 B CN 110796819B
- Authority
- CN
- China
- Prior art keywords
- target pedestrian
- pedestrian
- yellow line
- yellow
- platform
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 101
- 230000009545 invasion Effects 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 21
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种针对站台黄线入侵越界人员的检测方法及***,该方法包括:获取站台检测视频画面,并确定所述站台检测视频画面中的黄线警戒区域及黄线边界位置;获取所述黄线警戒区域内的目标行人位置,若所述目标行人位置与所述黄线边界位置的距离大于第一预设距离,则启动入侵越界报警;若所述行人位置与所述黄线边界位置的距离在所述第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则启动徘徊报警跟踪。本发明实施例提供的针对站台黄线入侵越界人员的检测方法及***,保障了列车进站安全,同时可对黄线警戒区域内可疑人员的精准定位和实时追踪,提高了车站的自动化水平,提高了车站相关工作人员的作业效率。
Description
技术领域
本发明涉及智能检测识别技术领域,尤其涉及一种针对站台黄线入侵越界人员的检测方法及***。
背景技术
列车作为现阶段最主要的交通枢纽工具,列车车站人流量密集。为有效的保证每位乘客的人身以及财产安全,往往需要车站安保人员付出极大的人力和物力。其中,车站监控视频检测技术,尤其是行人越界入侵检测由于能够大幅提升工作人员作业效率,被越来越广泛的运用于车站安保。
目前,我国铁路客运车站在行人越界入侵检测方面普遍采用事后调取视频或图像进行逐帧比对的方式,这种传统的检测方式不仅消耗了巨大的人力物力,极大的降低了铁路客运管理的运营效率,同时上述检测方法往往是在事故发生后所采取的,不能给现场安保人员提供提前预处理的指导,实时性差。
因此,提供一种能够快速、精准、实时的完成铁路客运站站台黄线越界入侵报警的车站监控视频检测技术,以提高工作效率、减少人力物力资源的浪费,成为亟需解决的技术问题。
发明内容
本发明实施例提供一种针对站台黄线入侵越界人员的检测方法及***,用以解决现有技术中对于车站监控视频检测技术实时性差、效率低的缺陷。
第一方面,本发明实施例提供一种针对站台黄线入侵越界人员的检测方法,包括:
获取站台检测视频画面,并确定站台检测视频画面中的黄线警戒区域及黄线边界位置;获取黄线警戒区域内的目标行人位置;若目标行人位置与黄线边界位置的距离大于第一预设距离,则启动入侵越界报警;若目标行人位置与黄线边界位置的距离在第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则启动徘徊报警跟踪。
进一步地,在所述获取所述黄线警戒区域内的目标行人位置之前,还包括:判断是否满足检测条件,若满足则开始获取黄线警戒区域内的目标行人位置;所述检测条件包括:接收到列车到发信号且列车处于停稳前的第二预设时间段内。
进一步地,在获取黄线警戒区域内的目标行人位置之后,还包括:对所述目标行人位置进行黄线距离归一化,具体为:将目标行人双脚中心点与黄线边界位置之间的距离乘以归一化矩阵。
进一步地,获取黄线警戒区域内的目标行人位置,包括:将站台检测视频画面输入至预先训练好的检测网络模型中,获取黄线警戒区域内的行人特征图;结合候选区域生成网络,获取行人特征图的目标行人概率;若目标行人概率大于预设概率值,则获取目标行人位置。
进一步地,在启动入侵越界报警或启动徘徊报警跟踪之后,还包括:将目标行人的图像与图像数据库中的重点人员图像进行比对。
进一步地,上述第一预设距离为10cm,所述第二预设距离为5cm;第一预设时间为10秒。
进一步地,上述第二预设时间段为5分钟。
第二方面,本发明实施例还提供一种针对站台黄线入侵越界人员的检测***,包括:至少一个摄像装置、图像处理单元和报警跟踪单元;
摄像装置用于获取站台检测视频画面;图像处理单元用于确定站台检测视频画面中的黄线警戒区域及黄线边界位置,并获取黄线警戒区域内的目标行人位置;若目标行人位置与黄线边界位置的距离大于第一预设距离,则报警跟踪单元启动入侵越界报警;若目标行人位置与黄线边界位置的距离在第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则报警跟踪单元启动徘徊报警跟踪。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行程序时实现如上述第一方面任一项针对站台黄线入侵越界人员的检测方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面任一项针对站台黄线入侵越界人员的检测方法的步骤。
本发明实施例提供的针对站台黄线入侵越界人员的检测方法及***,通过对站台检测视频进行实时处理,根据对位于黄线警戒区域内的目标行人位置的不同,采取相应地安保措施,有效的保障了列车进站安全,同时可对黄线警戒区域内可疑人员的精准定位和实时追踪,提高了车站的自动化水平,提高了车站相关工作人员的作业效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的针对站台黄线入侵越界人员的检测方法流程示意图;
图2为本发明实施例提供的针对站台黄线入侵越界人员的检测方法中检测条件的判断示意图;
图3为本发明实施例提供的针对站台黄线入侵越界人员的检测方法中对目标行人位置进行徘徊报警跟踪的示意图;
图4为本发明实施例提供的又一针对站台黄线入侵越界人员的检测方法的示意图;
图5为本发明实施例提供的针对站台黄线入侵越界人员的检测***的结构示意图;
图6为本发明实施例提供的再一针对站台黄线入侵越界人员的检测方法的示意图;
图7为本发明实施例提供的一种电子设备的实体结构示意图.
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
铁路交通作为目前最大的客运枢纽***,人流量大且流动人员复杂,考虑到车站的整体范围大,为有效的保障车站安全,本发明实施例提供一种针对站台黄线入侵越界人员的检测方法。如图1所示,该方法包括但不限于以下步骤:
步骤S1,获取站台检测视频画面,并确定该站台检测视频画面中的黄线警戒区域及黄线边界位置;
步骤S2,获取上述黄线警戒区域内的目标行人位置;
步骤S31,若目标行人位置与黄线边界位置的距离大于第一预设距离,则启动入侵越界报警;
步骤S32,若目标行人位置与所述黄线边界位置的距离在第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则启动徘徊报警跟踪。
具体地,在步骤S1中,获取站台检测视频画面的方式,可以是通过在列车站台的预定区域设置至少一个摄像装置,该摄像装置可以设置为全天候的获取站台区域的实时视频;若考虑到减小存储成本以及数据处理的处理量,也可以设置为在每列列车进站的前后一端时间内开始拍摄实时视频,对此本发明实施例不作具体限定。上述摄像装置通过有线或者无线的方式,及时的将获取到的实时视频传输至远端的视频处理中心,该视频处理中心用于集中对接收的实时视频进行检测视频画面的提取。
进一步地,在视频处理中心还可以设置有图像处理单元,用于对提取的检测视频画面进行重要信息的提取,包括:黄线警戒区域及黄线边界位置。其中,图像处理单元中存储有预先训练好的卷积神经网络模型,当接收到需要处理的检测视频画面后,将该检测视频画面输入至上述卷积神经网络模型中,可以获取到该检测视频画面中所包含的黄线警戒区域及黄线边界位置。
例如,可以通过黄线的颜色、线条形状等特征标签,对卷积神经网络模型进行预训练,当确定出黄线警戒区域后,将其周边的边线设置为黄线边界位置。
在步骤S2中,由于卷积神经网络模型具有强大的特征提取和特征表达能力,在本发明实施例中,也可以利用上述图像处理单元中存储的同一或另一卷积神经网络模型来获取在步骤S1总所确定的黄线警戒区域中的目标行人位置。
进一步地,在步骤S2中可能在同一黄线警戒区域中存在着多个目标行人,则需要根据每个目标行人的具***置判断出该目标行人是否是对车站安全存在威胁的人员,可以根据步骤S2中获取目标行人位置来进行判断。
具体地,在步骤S31中,根据获取到的某一检测视频画面,若某个目标行人位置与黄线边界位置的距离大于第一预设距离,则启动入侵越界报警。上述入侵越界报警可以是设置于车站的中控***中,即若存在某一摄像***拍摄的检测视频画面中,有目标行人的位置进入了黄线警戒区域,但距离黄线边界位置的距离还大于第一预设距离,此时中控***发出入侵越界报警,以提醒相应的工作人员注意,以准备采取对应的预备方案。
进一步地,在步骤S32中,当获取到目标行人的位置处于黄线警戒区域,但仅位于第一预设距离和第二预设距离之间时,则该目标行人对于车站安全的威胁性低于在步骤S31中所描述的目标行人的威胁性。同时,若该目标行人不仅仅是短暂的越过了第二预设距离,并且逗留时间超过了第一预设时间,则***可以对其进行标定,即启动徘徊报警跟踪。其中上述徘徊报警跟踪,可以是启动车站内的所有监控设备,实时掌握该目标行人的举动和行动,也可以进一步地跟公安***的治安摄像装置进行数据交互,对该目标行人离开车站后的行为进行跟踪、上报。
本发明实施例提供的针对站台黄线入侵越界人员的检测方法,通过对站台检测视频进行实时处理,根据对位于黄线警戒区域内的目标行人位置的不同,采取相应地安保措施,有效的保障了列车进站安全,同时可对黄线警戒区域内可疑人员的精准定位和实时追踪,提高了车站的自动化水平,提高了车站相关工作人员的作业效率。
基于上述实施例的内容,作为一种可选实施例,在获取黄线警戒区域内的目标行人位置之前,还包括但不限于:判断是否满足检测条件,若满足则开始获取所述黄线警戒区域内的目标行人位置;该检测条件包括:接收到列车到发信号且列车处于停稳前的第二预设时间段内。
具体地,由于列车站台、列车车次数量多,且在列车进站前没有必要对站台区域黄线入侵越界人员进行检测,因此为了节约检测的成本,提高检测的效率,在本申请实施例中,可以在接收到列车到发信号后,并且列车处于停稳前的第二预设时间段内,开始对获取的站台检测视频画面进行处理,以获取到黄线警戒区域内的目标行人位置,并进一步地根据目标行人位置所处的区域判断出该目标行人对于车站安全的威胁性,以便于在列车开门前,及时的采取预备方案,保证乘客以及列车的安全。
其中,检测过程可以采取图2所示的方法,当接收到列车的到发信号后,开始检测站台指定区域内的行人,并对站台黄线进行检测(即获取黄线边界位置及黄线警戒区域);然后在第二预设时间段内,判断列车停稳信息,如果确定列车已停稳则停止检测区域内的行人,否则持续检测直到收到列车停稳信号位置。其中,第二预设时间可以根据实际需要进行设置,例如可以是1分钟或者30秒。
本发明实施例通过设置获取所述黄线警戒区域内的目标行人位置的触发条件,有效的减小了针对站台黄线入侵越界人员的检测方法的数据处理量,调高了检测的效率。
基于上述实施例的内容,作为一种可选实施例,在获取所述黄线警戒区域内的目标行人位置之后,还包括:对所述目标行人位置进行黄线距离归一化,具体为:将目标行人双脚中心点与黄线边界位置之间的距离乘以归一化矩阵。
具体地,在通过对检测视频画面处理,获取到目标行人位置以及黄线警戒区域及黄线边界位置后,由于拍摄角度、拍摄装置以及拍摄距离等的不同,在对目标行人位置与黄线边界位置进行计算,并根据计算结果进行判断从而确定下一步采取的措施时,在本发明实施例中,是通过将目标行人的两脚间的中心与黄线边线之间的距离根据归一化矩阵进行转换,以将距离进行归一化表征,方便判断,例如可以采用均方差归一化矩阵来进行距离归一化。
本发明实施例,通过利用归一化矩阵来处理目标行人与光纤边界位置之间的距离,有效的提高了检测的精度。
基于上述实施例的内容,作为一种可选实施例,获取所述黄线警戒区域内的目标行人位置,包括但不限于:将站台检测视频画面输入至预先训练好的检测网络模型中,获取黄线警戒区域内的行人特征图;结合候选区域生成网络,获取行人特征图的目标行人概率;若目标行人概率大于预设概率值,则获取目标行人位置。
具体地,上述检测网络模型可以是基于卷积神经网络建立的神经网络模型,首先通过卷积获取待检测视频图像的行人语义特征和行人位置特征,从而得到行人特征图和多个候选区域,其中行人特征图包括整个待检测视频图像的行人特征。进一步的,利用预先建立的候选区域生成网络(该候选区域生成网络也可以是基于卷积神经网络建立的)对上述多个候选区域进行筛选,以进一步的确定出可能存在行人的候选区域。然后,将可能存在行人的候选区域结合上述特征图进行融合对比,计算出各个可能存在行人的候选区域的存在行人的目标行人概率。最后,对该目标行人概率进行判断,当目标行人概率大于预设概率值时,则判断目标行人位置位于目标行人概率值最大的候选区域内。其中预设概率值可以设置为0.5,在允许的范围内,当预设概率值设置越大,则获取的行人位置目标位置约精确。
进一步地,如图3所示,本发明实施例还提供一种对目标行人位置进行跟踪的方法,包括但不限于:通过上述实施例中检测网络模型(例如卷积神经网络模型),获取包括目标行人所在候选区域图像(即图中的行人检测结果)和相邻帧的检测视频图像(即图中的下一帧原始图像);将所在候选区域图像输入至卷积神经网络中,获取到目标行人的行人特征信息,并同时将下一帧原始图像输入至卷积神经网络中,获取到全局行人特征信息;最后,经过比对,在全局行人特征信息中获取到包含目标行人的行人特征信息的区域,作为该目标行人在下一帧图像中的位置。依次对每一帧图像进行上述处理,则可以获取到该目标行人的运动轨迹,完成对其的位置跟踪。
基于上述实施例的内容,作为一种可选实施例,在启动入侵越界报警或所述启动徘徊报警跟踪之后,还包括:将目标行人的图像与图像数据库中的重点人员图像进行比对。
具体地,由于目标行人具有流动性,当如上述实施例中记载的,判断出目标行人位置在黄线警戒区域后,启动了入侵越界报警;或者该目标行人进一步的靠近黄线并越过了第一预设距离时,触发了徘徊报警跟踪,此时通过检测视频画面获取到该目标人员的图像,并将该图像与预先存储的重点人员图像进行比对。其中,重点人员图像可以是公安人像库中的重点人员之类的,对此本发明实施例不作具体地限定。
基于上述实施例的内容,作为一种可选实施例,其中第一预设距离为10cm,所述第二预设距离为5cm;第一预设时间为10秒。
具体地,考虑到黄线边界位置距离列车的实际距离,将上述第一预设距离以及第二预设距离设置为10cm和5cm,也可以设置为其它的距离。其中第一预设距离大于第二预设距离。
基于上述实施例的内容,作为一种可选实施例,其中第二预设时间段为5分钟。由于***对获取的站台检测视频画面的处理需要一定的时间,另外,如果判断出目标行人位置大于第一预设距离时,需要现场工作人员立即采取对应措施(包括制止目标行人进一步靠近列车等)均需要一定的处理时间,因此,将第二预设时间设置为5分钟较为合理,也可以根据实际情况另行设置。
如图4所示,本发明实施例提供的又一针对站台黄线入侵越界人员的检测方法,包括但不限于以下步骤:
首先获取到站台检测视频画面,将该站台检测视频画面作为输入图像输入至预先训练好的卷积神经网络中,获取到目标行人的特征图以及多个候选区域;将两者进行结合,计算出每个猴拳区域中具有目标行人的概率值。当该概率值大于预设概率值(比如为0.5),则可以确定出目标行人的所在的候选区域在,并将其认定为目标行人的具***置。
将目标行人的具***置与所述黄线边界位置进行比较,若两者之间的距离大于第一预设距离(如10cm),则启动入侵越界报警;若两者之间的距离大于第二预设距离,但小于第一预设距离,则启动徘徊报警跟踪(即进行行人跟踪监测);若小于第二预设距离时,则判断出该目标行人的行为是正常行为,此时不采取措施。
如图5所示,本发明实施例提供一种针对站台黄线入侵越界人员的检测***,包括但不限于以下结构:至少一个摄像装置501、图像处理单元502和报警跟踪单元503。
其中,摄像装置501用于获取站台检测视频画面;图像处理单元502用于确定站台检测视频画面中的黄线警戒区域及黄线边界位置,并获取黄线警戒区域内的目标行人位置。
若所述目标行人位置与所述黄线边界位置的距离大于第一预设距离,则通过报警跟踪单元503启动入侵越界报警;
若所述目标行人位置与所述黄线边界位置的距离在第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则报警跟踪单元503启动徘徊报警跟踪。
具体地,结合图6所示,本发明实施例提供的针对站台黄线入侵越界人员的检测***在运行时,主要执行以下步骤:
首先,***根据是否接收到的列车到发信号,并进一步根据接收到列车到发信号后是否接收到列车的停稳信息,即***判断是否满足检测条件,若满足则开始进入黄线区域行人识别程序;其中,检测条件主要包括:接收到列车到发信号且列车处于停稳前的第二预设时间段内。
黄线区域行人识别程序主要包括:通过根据站台处设置的摄像装置501获取到站台检测视频画面;并通过图像处理单元502确定站台检测视频画面中包含的黄线警戒区域以及黄线警戒区域内的目标行人位置,并判断目标行人是否在黄线警戒区域内。
若目标行人是位于黄线警戒区域内,则进一步的利用图像处理单元502进行黄线边界位置识别;并对目标行人与黄线边界位置之间的距离进行距离归一化。进一步的,将归一化的黄线距离与设定阈值进行越界检测,以判断该目标行人是否对列车安全构成威胁。
具体地,若归一化的黄线距离大于第一设定距离(如10cm),则发送驱动信号至报警跟踪单元,使报警跟踪单元启动入侵越界报警;若归一化的黄线距离小于第一设定距离但大于第二设定距离(如5cm),则发送另一驱动信号至报警跟踪单元,使报警跟踪单元启动徘徊报警跟踪。其中,还可以是若获取到目标行人至黄线的距离小于第一设定距离但大于第二设定距离时,先进行行人跟踪,此时若该目标行人在此区域内逗留时间超过了第一预设时间(如10S),则进一步的启动徘徊报警跟踪,并根据该目标行人的下一步行动轨迹确定是否采取对应的处理方案。若该目标行人在此区域内逗留时间未达到第一预设时间(如10S),也可以判断该目标行人为正常。
进一步地,在本发明实施例提供的针对站台黄线入侵越界人员的检测***中还可以设置人像比对单元,该人像比对单元存储有人像库资料。当获取到有威胁的目标行人(即触发了入侵越界报警或徘徊报警跟踪的行人)的人像后,将其与人像库资料进行比对。当该目标行人的人像与人像库资料中的任意图像的匹配度超过设定阈值时,则触发联动报警装置;若该目标行人的人像与人像库资料中的任意图像均不匹配时,可以触发跨域跟踪装置,所述跨域跟踪装置可以通公安***的治安摄像装置通信连接。
本发明实施例提供的针对站台黄线入侵越界人员的检测***,通过对站台检测视频进行实时处理,根据对位于黄线警戒区域内的目标行人位置的不同,采取相应地安保措施,有效的保障了列车进站安全,同时可对黄线警戒区域内可疑人员的精准定位和实时追踪,提高了车站的自动化水平,提高了车站相关工作人员的作业效率。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行如下方法:获取站台检测视频画面,并确定站台检测视频画面中的黄线警戒区域及黄线边界位置;获取黄线警戒区域内的目标行人位置;若目标行人位置与黄线边界位置的距离大于第一预设距离,则启动入侵越界报警;若目标行人位置与黄线边界位置的距离在第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则启动徘徊报警跟踪。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,智能存储分析单元,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取站台检测视频画面,并确定站台检测视频画面中的黄线警戒区域及黄线边界位置;获取黄线警戒区域内的目标行人位置;若目标行人位置与黄线边界位置的距离大于第一预设距离,则启动入侵越界报警;若目标行人位置与黄线边界位置的距离在第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则启动徘徊报警跟踪。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,智能存储分析单元,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种针对站台黄线入侵越界人员的检测方法,其特征在于,包括:
获取站台检测视频画面,并确定所述站台检测视频画面中的黄线警戒区域及黄线边界位置;
获取所述黄线警戒区域内的目标行人位置;
若所述目标行人位置与所述黄线边界位置的距离大于第一预设距离,则启动入侵越界报警;
若所述目标行人位置与所述黄线边界位置的距离在所述第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则启动徘徊报警跟踪;
在所述获取所述黄线警戒区域内的目标行人位置之前,还包括:
判断是否满足检测条件,若满足则开始获取所述黄线警戒区域内的目标行人位置;
所述检测条件包括:接收到列车到发信号且列车处于停稳前的第二预设时间段内;
所述获取所述黄线警戒区域内的目标行人位置,包括:
将所述站台检测视频画面输入至预先训练好的检测网络模型中,获取所述黄线警戒区域内的行人特征图和多个候选区域;
将所述行人特征图结合候选区域生成网络,获取每个所述候选区域的目标行人概率;
若所述目标行人概率大于预设概率值,则获取所述目标行人位置;
在所述启动入侵越界报警或所述启动徘徊报警跟踪之后,还包括:
将所述目标行人的图像与图像数据库中的重点人员图像进行比对;
基于所述检测网络模型,获取包括所述目标行人所在候选区域图像和相邻帧的检测视频图像;
将所在候选区域图像输入至卷积神经网络中,获取到所述目标行人的行人特征信息;
将下一帧原始图像输入至所述卷积神经网络中,获取到全局行人特征信息;
经过比对,获取所述全局行人特征信息中所述目标行人的行人特征信息的区域,作为该目标行人在下一帧图像中的位置;
依次对每一帧图像进行上述处理,则获取到该目标行人的运动轨迹,完成对其的位置跟踪。
2.根据权利要求1所述的针对站台黄线入侵越界人员的检测方法,其特征在于,在所述获取所述黄线警戒区域内的目标行人位置之后,还包括:对所述目标行人位置进行黄线距离归一化,具体为:
将目标行人双脚中心点与所述黄线边界位置之间的距离乘以归一化矩阵。
3.根据权利要求1所述的针对站台黄线入侵越界人员的检测方法,其特征在于,
所述第一预设距离为10cm,所述第二预设距离为5cm;所述第一预设时间为10秒。
4.根据权利要求1所述的针对站台黄线入侵越界人员的检测方法,其特征在于,所述第二预设时间段为5分钟。
5.一种针对站台黄线入侵越界人员的检测***,其特征在于,包括:
至少一个摄像装置、图像处理单元和报警跟踪单元;
所述摄像装置用于获取站台检测视频画面;
所述图像处理单元用于确定所述站台检测视频画面中的黄线警戒区域及黄线边界位置,并获取所述黄线警戒区域内的目标行人位置;
若所述目标行人位置与所述黄线边界位置的距离大于第一预设距离,则所述报警跟踪单元启动入侵越界报警;
若所述目标行人位置与所述黄线边界位置的距离在所述第一预设距离和第二预设距离之间,且逗留时间超过第一预设时间,则所述报警跟踪单元启动徘徊报警跟踪;
在所述获取所述黄线警戒区域内的目标行人位置之前,还包括:
判断是否满足检测条件,若满足则开始获取所述黄线警戒区域内的目标行人位置;
所述检测条件包括:接收到列车到发信号且列车处于停稳前的第二预设时间段内;
所述获取所述黄线警戒区域内的目标行人位置,包括:
将所述站台检测视频画面输入至预先训练好的检测网络模型中,获取所述黄线警戒区域内的行人特征图和多个候选区域;
将所述行人特征图结合候选区域生成网络,获取每个所述候选区域的目标行人概率;
若所述目标行人概率大于预设概率值,则获取所述目标行人位置;
在所述启动入侵越界报警或所述启动徘徊报警跟踪之后,还包括:
将所述目标行人的图像与图像数据库中的重点人员图像进行比对;
基于所述检测网络模型,获取包括所述目标行人所在候选区域图像和相邻帧的检测视频图像;
将所在候选区域图像输入至卷积神经网络中,获取到所述目标行人的行人特征信息;
将下一帧原始图像输入至所述卷积神经网络中,获取到全局行人特征信息;
经过比对,获取所述全局行人特征信息中所述目标行人的行人特征信息的区域,作为该目标行人在下一帧图像中的位置;
依次对每一帧图像进行上述处理,则获取到该目标行人的运动轨迹,完成对其的位置跟踪。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述针对站台黄线入侵越界人员的检测方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述针对站台黄线入侵越界人员的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994518.4A CN110796819B (zh) | 2019-10-18 | 2019-10-18 | 一种针对站台黄线入侵越界人员的检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994518.4A CN110796819B (zh) | 2019-10-18 | 2019-10-18 | 一种针对站台黄线入侵越界人员的检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796819A CN110796819A (zh) | 2020-02-14 |
CN110796819B true CN110796819B (zh) | 2021-07-13 |
Family
ID=69439395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910994518.4A Active CN110796819B (zh) | 2019-10-18 | 2019-10-18 | 一种针对站台黄线入侵越界人员的检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796819B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639765A (zh) * | 2020-05-15 | 2020-09-08 | 视若飞信息科技(上海)有限公司 | 一种使用点轨迹和检测域的交互方法 |
CN112183264B (zh) * | 2020-09-17 | 2023-04-21 | 国网天津静海供电有限公司 | 一种基于空间关系学习的吊车吊臂下有人逗留的判断方法 |
CN112634623B (zh) * | 2020-11-06 | 2022-04-26 | 武汉长江通信智联技术有限公司 | 一种基于入境折返和境内徘徊的车辆防疫防控方法 |
CN112863121A (zh) * | 2021-03-01 | 2021-05-28 | 哈尔滨市科佳通用机电股份有限公司 | 铁路站台端部越线监测方法 |
CN113537007A (zh) * | 2021-07-02 | 2021-10-22 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 应用于铁路站台的非工作人员入侵检测与报警方法和装置 |
CN114283544B (zh) * | 2021-12-10 | 2023-08-01 | 中国电子科技集团公司第三十八研究所 | 一种基于人工智能的铁路站台入侵监测***及方法 |
CN116012787A (zh) * | 2023-01-10 | 2023-04-25 | 山东高速建设管理集团有限公司 | 一种基于高空气球与无人机蜂群的安全监测方法及*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100618203B1 (ko) * | 2006-05-19 | 2006-09-06 | (주) 한백종합기술공사 | 안개지역 도로를 위한 도로 주행 안전장치. |
CN101048806A (zh) * | 2004-08-27 | 2007-10-03 | 新加坡科技劲力私人有限公司 | 多传感器入侵探测*** |
CN101577006A (zh) * | 2009-06-15 | 2009-11-11 | 北京中星微电子有限公司 | 视频监控中的徘徊检测方法和*** |
CN101835035A (zh) * | 2010-06-04 | 2010-09-15 | 天津市亚安科技电子有限公司 | 实时区域入侵检测方法 |
CN105260719A (zh) * | 2015-10-16 | 2016-01-20 | 南京工程学院 | 铁路站台越线检测方法 |
CN106128053A (zh) * | 2016-07-18 | 2016-11-16 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人员逗留徘徊报警方法和装置 |
CN107437314A (zh) * | 2017-07-19 | 2017-12-05 | 成都华安视讯科技有限公司 | 人员入侵检测检测*** |
CN107818651A (zh) * | 2017-10-27 | 2018-03-20 | 华润电力技术研究院有限公司 | 一种基于视频监控的非法越界报警方法及装置 |
CN108765817A (zh) * | 2018-08-17 | 2018-11-06 | 西南交大(上海)智能***有限公司 | 一种铁路站台入侵报警*** |
CN109368473A (zh) * | 2018-09-19 | 2019-02-22 | 厦门市特种设备检验检测院 | 自动扶梯入口处扶手带防拽爬安全防护装置及其使用方法 |
CN109920186A (zh) * | 2019-04-19 | 2019-06-21 | 沈阳风驰软件股份有限公司 | 一种站台边缘检测与越界报警控制***和方法 |
CN110009857A (zh) * | 2019-05-14 | 2019-07-12 | 沈阳风驰软件股份有限公司 | 一种站台一米线检测与越界报警控制*** |
CN110113580A (zh) * | 2019-06-06 | 2019-08-09 | 天津艾思科尔科技有限公司 | 一种站台越界检测*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000306167A (ja) * | 1999-04-16 | 2000-11-02 | Furukawa Electric Co Ltd:The | 侵入検知線 |
CN104809840B (zh) * | 2015-04-25 | 2017-08-08 | 无锡智感星际科技有限公司 | 一种基于多传感器的入侵检测方法及*** |
CN104992142B (zh) * | 2015-06-03 | 2018-04-17 | 江苏大学 | 一种基于深度学习和属性学习相结合的行人识别方法 |
CN108596040A (zh) * | 2018-03-29 | 2018-09-28 | 中山大学 | 一种基于双目视觉的串联通道融合行人检测方法 |
-
2019
- 2019-10-18 CN CN201910994518.4A patent/CN110796819B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101048806A (zh) * | 2004-08-27 | 2007-10-03 | 新加坡科技劲力私人有限公司 | 多传感器入侵探测*** |
KR100618203B1 (ko) * | 2006-05-19 | 2006-09-06 | (주) 한백종합기술공사 | 안개지역 도로를 위한 도로 주행 안전장치. |
CN101577006A (zh) * | 2009-06-15 | 2009-11-11 | 北京中星微电子有限公司 | 视频监控中的徘徊检测方法和*** |
CN101835035A (zh) * | 2010-06-04 | 2010-09-15 | 天津市亚安科技电子有限公司 | 实时区域入侵检测方法 |
CN105260719A (zh) * | 2015-10-16 | 2016-01-20 | 南京工程学院 | 铁路站台越线检测方法 |
CN106128053A (zh) * | 2016-07-18 | 2016-11-16 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人员逗留徘徊报警方法和装置 |
CN107437314A (zh) * | 2017-07-19 | 2017-12-05 | 成都华安视讯科技有限公司 | 人员入侵检测检测*** |
CN107818651A (zh) * | 2017-10-27 | 2018-03-20 | 华润电力技术研究院有限公司 | 一种基于视频监控的非法越界报警方法及装置 |
CN108765817A (zh) * | 2018-08-17 | 2018-11-06 | 西南交大(上海)智能***有限公司 | 一种铁路站台入侵报警*** |
CN109368473A (zh) * | 2018-09-19 | 2019-02-22 | 厦门市特种设备检验检测院 | 自动扶梯入口处扶手带防拽爬安全防护装置及其使用方法 |
CN109920186A (zh) * | 2019-04-19 | 2019-06-21 | 沈阳风驰软件股份有限公司 | 一种站台边缘检测与越界报警控制***和方法 |
CN110009857A (zh) * | 2019-05-14 | 2019-07-12 | 沈阳风驰软件股份有限公司 | 一种站台一米线检测与越界报警控制*** |
CN110113580A (zh) * | 2019-06-06 | 2019-08-09 | 天津艾思科尔科技有限公司 | 一种站台越界检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN110796819A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796819B (zh) | 一种针对站台黄线入侵越界人员的检测方法及*** | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和*** | |
CN109598885B (zh) | 监控***及其报警方法 | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
KR101748121B1 (ko) | 객체 인지 기반의 실시간 영상 검지 시스템 및 그 방법 | |
CN109993789A (zh) | 一种共享单车的违停判定方法、装置及相机 | |
CN104318578A (zh) | 一种视频图像分析方法及*** | |
CN110675586A (zh) | 一种视频分析和深度学习的机场围界入侵监控方法 | |
CN110674761B (zh) | 一种区域行为预警方法及*** | |
CN112112629A (zh) | 一种钻井作业过程中的安全业务管理***和方法 | |
CN112380892B (zh) | 一种图像识别方法、装置、设备及介质 | |
CN110189355A (zh) | 安全疏散通道占用检测方法、装置、电子设备及存储介质 | |
CN113470374A (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
CN113484858A (zh) | 一种入侵检测方法和*** | |
CN116311727A (zh) | 入侵响应方法、装置、设备及可读存储介质 | |
CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
CN113850995B (zh) | 一种基于隧道雷视数据融合的事件检测方法、装置及*** | |
CN105227918A (zh) | 一种智能监控方法及装置 | |
CN111062238A (zh) | 基于人体骨架信息及多目标跟踪的扶梯流量监测方法及*** | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
Shin et al. | Enhancing Railway Maintenance Safety Using Open‐Source Computer Vision | |
CN113055651A (zh) | 一种人工智能型车辆安防***及计算机可读存储介质 | |
CN116778673A (zh) | 水域安全监控方法、***、终端及存储介质 | |
CN111539254A (zh) | 目标检测方法、装置、电子设备及计算机可读存储介质 | |
CN115019463B (zh) | 基于人工智能技术的水域监管*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |