CN114401387A - 轨道交通线路异物入侵监测***和方法 - Google Patents

轨道交通线路异物入侵监测***和方法 Download PDF

Info

Publication number
CN114401387A
CN114401387A CN202210119932.2A CN202210119932A CN114401387A CN 114401387 A CN114401387 A CN 114401387A CN 202210119932 A CN202210119932 A CN 202210119932A CN 114401387 A CN114401387 A CN 114401387A
Authority
CN
China
Prior art keywords
monitoring
area
track
image
time
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.)
Pending
Application number
CN202210119932.2A
Other languages
English (en)
Inventor
芮易
陈建荣
张昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yaguan Smart Rail Transit Technology Co ltd
Original Assignee
Shanghai Yaguan Smart Rail Transit Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Yaguan Smart Rail Transit Technology Co ltd filed Critical Shanghai Yaguan Smart Rail Transit Technology Co ltd
Priority to CN202210119932.2A priority Critical patent/CN114401387A/zh
Publication of CN114401387A publication Critical patent/CN114401387A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了轨道交通线路异物入侵监测***和方法,包括监测数据库建立模块、区域图像获取分析模块和异常分析模块;监测数据库建立模块预先建立监测数据库,监测区域包括轨道覆盖区域和轨道周边区域;区域图像获取分析模块用于获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,异常分析模块用于监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。

Description

轨道交通线路异物入侵监测***和方法
技术领域
本发明涉及监测***技术领域,具体为轨道交通线路异物入侵监测***和方法。
背景技术
在我国轨道交通快速发展的同时,在已经布设好的轨道上,会时常出现外部入侵现象,包括人员入侵和外物入侵,例如行人安全意识淡薄,沿着轨道行走,或者是网以及铁片等物品在大风的天气下,吹到了铁轨上,在上述两种入侵现象发生的同时,恰好通过该路径的运行的列车,便很容易引发行车安全事故,影响轨道交通运营安全,収生故障将造成通信中断。由于轨道行程过长,想要实现小区段外部入侵监测的难度非常大,更无法实现实时的外部入侵监测,正是在这样的背景下,提出了轨道交通线路异物入侵监测***和方法。
发明内容
本发明的目的在于提供轨道交通线路异物入侵监测***和方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:轨道交通线路异物入侵监测***,包括监测数据库建立模块、区域图像获取分析模块和异常分析模块;所述监测数据库建立模块预先建立监测数据库,所述监测数据库用于存储监测区域,该监测区域包括轨道覆盖区域和轨道周边区域;该轨道覆盖区域包括第一轨道区域和第二轨道区域(两者区别:在于可能发生轨道异物入侵的可能性),该轨道周边区域为轨道覆区域以外的区域;该区域图像获取分析模块用于获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,如果该频率比值大于等于***设定轨道交通频率阈值,那么对该区域进行第一监控时长的图像采集,如果该频率比值小于***设定轨道交通频率阈值,那么对该区域进行第二时长的图像采集,其中第一时长大于第二时长;该异常分析模块用于监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。
进一步的,该异常分析模块包括区域类型判定模块、深层分析模块和警报传输模块;该区域类型判断模块用于获取重点监控区域的所属区域,在重点监控区域所属区域为第一轨道区域和第二轨道区域时,该区域类型判断模块传输信号给该警报传输模块;在重点监控区域所属区域为轨道周边区域时,该深层分析模块监测该区域的图像颜色变化及范围以及对应监控时间情况判断是否传输信号给警报传输模块;该警报传输模块用于传输报警信息。
进一步的,该监测数据库建立模块包括区域划分模块、轨道密度指数分析模块、异动比例指数分析模块和人员入侵指数分析模块;
该区域划分模块预先将轨道所属的区域平均划分为若干个监测区域;
该轨道密度指数分析模块采集各个监测区域内轨道的中心位置以及不同轨道间中心位置间的直线距离l,该中心位置为两条轨道间垂直距离的中点,该轨道密度指数分析模块获取各个监测区域内轨道中心位置的平均距离h,计算得出某个监测区域内的轨道密度指数为n=l/h;在某个监测区域内的轨道密度指数大于等于轨道密度参考阈值时,令该监测区域为第一轨道区域,在某个监测区域内的轨道密度指数小于轨道密度参考阈值时,该异动比例指数分析模块采集该监测区域内的振动信号以及产生振动信号时刻下对应异常分析模块中的图像数据,该异动比例指数分析模块记录产生振动信号的次数为x,以及每次振动监测到的振动时长ki和振动时刻监测图像中产生颜色异常的次数g,其中i={1,2,......p},该异动比例指数分析模块计算异动比例指数为
Figure BDA0003498042980000021
在该监测区域内的异动比例指数大于等于异动比例参考阈值时,该异动比例指数分析模块令该监测区域为第一轨道区域,当该监测区域内的异动比例指数小于异动比例参考阈值时,该人员入侵指数分析模块采集该监测区域内维修人员与入侵人员的人员入侵指数q,当人员入侵指数q小于1时,该监测区域为第一轨道区域,当人员入侵指数大于等于1时,该监测区域为第二轨道区域。
进一步的,该深层分析模块包括图像处理模块和车辆时间分析模块;
该图像处理模块采集轨道的实时监测图像并将列车正常行使前监测区域内的图像数据作为参考图像,并对获取的所有图像进行灰度二值化处理,且将参考图像上的像素处理为灰度值为0的图像、实时监测图像上出现异常的图像数据处理为灰度值为255的图像;该图像数据处理模块将参考图像进行处理,以轨道间的距离为半径、轨道间垂直距离的中点为圆心做圆得到第一监测区域的面积为S1,该监测区域内除去第一监测区域的面积设为第二监测区域S2;当灰度值为255的图像出现在第一监测区域时,该车辆时间分析模块获取该趟列车出发时间和预计到达该监测区域的时间t1,且时间t1大于列车行使该路段的参考阈值时间时,该深层分析模块传输信号给该警报传输模块进行异常处理,时间t1小于等于列车行使该路段的参考阈值时间时,该车辆时间分析模块采用第一时长进行该路段的下次监测并传输给该警报传输模块进行车辆的缓停;当灰度值为255的图像出现在第二监测区域时,该车辆时间分析模块获取第二时长对该区域进行监测。
轨道交通线路异物入侵监测方法,包括以下过程:
预先建立监测数据库,该监测数据库用于存储监测区域,该监测区域包括轨道覆盖区域和轨道周边区域;该轨道覆盖区域包括第一轨道区域和第二轨道区域,该轨道周边区域为轨道覆区域以外的区域;第一轨道区域时相比于第二轨道区域更有可能发生轨道交通线路异物入侵的区域;轨道周边区域是对轨道上产生异物入侵的一种可能性判断,轨道周边区域设有的无源振动光纤围栏和分布式传感光缆可以接收外界造成的振动信号,从而根据信号进行轨道异物入侵的可能性。
获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,如果该频率比值大于等于***设定轨道交通频率阈值,那么对该区域进行第一监控时长的图像采集;
如果该频率比值小于***设定轨道交通频率阈值,那么对该区域进行第二时长的图像采集,其中第一时长大于第二时长;第一时长和第二时长表示在不同时刻对轨道的监测,因为轨道上列车行使的数量很多,同时大范围的监测工作带来的压力会很大,故对不同监控路段设置不同的监控时长。
监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。
进一步的,该重点监控区域的分类包括以下过程:
在重点监控区域所属区域为第一轨道区域和第二轨道区域时,***传输报警信号;
在重点监控区域所属区域为轨道周边区域时进行进一步的分析。
进一步的,该对重点监控区域进行分析包括以下过程:
获取实时监测图像并将列车正常行使前监测区域内的图像数据作为参考图像,并对获取的所有图像进行灰度二值化处理,且将参考图像上的像素处理为灰度值为0的图像、实时监测图像上出现异常的图像数据处理为灰度值为255的图像;
列车正常行使前的图像表明列车在无干扰状态下行使,记录此时刻图像进行分析刻画无异物时的图像数据用于比较分析产生异物时的图像;
将参考图像进行处理,以轨道间的距离为半径、轨道间垂直距离的中点为圆心做圆得到第一监测区域的面积为S1,该监测区域内除去第一监测区域的面积设为第二监测区域S2;将图像化为两个监测区域是为了区分轨道上异物的危险程度;
当灰度值为255的图像数据出现在第一监测区域内时,获取该趟列车出发时间和预计到达该监测区域的时间t1,且时间t1大于列车行使该路段的参考阈值时间时,传输信号给进行异常处理;时间t1小于等于列车行使该路段的参考阈值时间时,采用第一时长进行该路段的下次监测并传输信号控制车辆缓停;
当第一监测区域内出现异物,分析时长是为了判断留给管理人员处理该异物的时间是否充足,在充足和不充足情况下进行不用方式的处理,且在不充足时更换监测时间保证下次此情况的发生能够及时处理。
当灰度值为255的图像出现在第二监测区域时,该车辆时间分析模块获取第二时长对该区域进行监测。
出现在第二监测区域时,说明该异物对轨道的影响较小,利用第二时长减缓***对轨道的监测压力。
进一步的,该预先建立监测数据库包括以下过程:
预先将轨道所属的区域平均划分为若干个监测区域;
采集各个监测区域内轨道的中心位置以及不同轨道间中心位置间的直线距离l,中心位置为两条轨道间垂直距离的中点,获取各个监测区域内轨道中心位置的平均距离h,计算得出某个监测区域内的轨道密度指数为n=l/h;
获取轨道的分布密度是因为在轨道密度较大的监测区域,如果产生异物对轨道的影响是很大的,因为影响的不仅仅是一条轨道;
在某个监测区域内的轨道密度指数大于等于轨道密度参考阈值时,令该监测区域为第一轨道区域;
在某个监测区域内的轨道密度指数小于轨道密度参考阈值时,采集该监测区域内的振动信号以及产生振动信号时刻下对应异常分析模块中的图像数据,该异动比例指数分析模块记录产生振动信号的次数为x,以及每次振动监测到的振动时长ki和振动时刻监测图像中产生颜色异常的次数g,其中i={1,2,......p},该异动比例指数分析模块计算异动比例指数为
Figure BDA0003498042980000051
在该监测区域内的异动比例指数大于等于异动比例参考阈值时,令该监测区域为第一轨道区域;在轨道的周边往往会安置一些传感装置,比如无源振动光纤围栏和分布式传感光缆,将这些装置接收到的异动信号与摄像装置监控到的图像数据进行综合分析可以得出在某个监测区域的发生异物入侵的可能性较大;振动次数说明了异常的总频率,且对应每次异常记录下得图像数据中是否出现颜色异常,表明了监测到的振动是异物的入侵还是普通的风吹或者其他不对轨道产生影响的振动,确定在真正影响振动的比例后,结合每次振动的时长作为比例指数的评估标准,进而判断该监测区域发生异物入侵的可能性大小。
该监测区域内的异动比例指数小于异动比例参考阈值时,采集该监测区域内维修人员与入侵人员的人员入侵指数q,当人员入侵指数q小于1时,该监测区域为第一轨道区域,当人员入侵指数大于等于1时,该监测区域为第二轨道区域。监控人员是因为轨道上经常会出现一些维修人员以及一些失误闯入的人员,当维修人员的数目大于误入的人员时候,会降低轨道发生以外的可能。
与现有技术相比,本发明所达到的有益效果是:本发明从轨道的分布密度、轨道周边接收到的振动信号以及图像和进入轨道区域的人员进行分析,从不同角度对轨道容易发生入侵的监测区域进行判断并做出相应的实施措施,在监测轨道的同时,合理根据监测数据对监测时长进行调控实现智能化监测,多方面实现了对轨道异物入侵的合理预防及危险响应。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明轨道交通线路异物入侵监测***的结构示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
请参阅图1,本发明提供技术方案:轨道交通线路异物入侵监测***,包括监测数据库建立模块、区域图像获取分析模块和异常分析模块;所述监测数据库建立模块预先建立监测数据库,所述监测数据库用于存储监测区域,该监测区域包括轨道覆盖区域和轨道周边区域;该轨道覆盖区域包括第一轨道区域和第二轨道区域,该轨道周边区域为轨道覆区域以外的区域;该区域图像获取分析模块用于获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,如果该频率比值大于等于***设定轨道交通频率阈值,那么对该区域进行第一监控时长的图像采集,如果该频率比值小于***设定轨道交通频率阈值,那么对该区域进行第二时长的图像采集,其中第一时长大于第二时长;该异常分析模块用于监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。
该异常分析模块包括区域类型判定模块、深层分析模块和警报传输模块;该区域类型判断模块用于获取重点监控区域的所属区域,在重点监控区域所属区域为第一轨道区域和第二轨道区域时,该区域类型判断模块传输信号给该警报传输模块;在重点监控区域所属区域为轨道周边区域时,该深层分析模块监测该区域的图像颜色变化及范围以及对应监控时间情况判断是否传输信号给警报传输模块;该警报传输模块用于传输报警信息。
该监测数据库建立模块包括区域划分模块、轨道密度指数分析模块、异动比例指数分析模块和人员入侵指数分析模块;
该区域划分模块预先将轨道所属的区域平均划分为若干个监测区域;
该轨道密度指数分析模块采集各个监测区域内轨道的中心位置以及不同轨道间中心位置间的直线距离l,该中心位置为两条轨道间垂直距离的中点,该轨道密度指数分析模块获取各个监测区域内轨道中心位置的平均距离h,计算得出某个监测区域内的轨道密度指数为n=l/h;在某个监测区域内的轨道密度指数大于等于轨道密度参考阈值时,令该监测区域为第一轨道区域,在某个监测区域内的轨道密度指数小于轨道密度参考阈值时,该异动比例指数分析模块采集该监测区域内的振动信号以及产生振动信号时刻下对应异常分析模块中的图像数据,该异动比例指数分析模块记录产生振动信号的次数为x,以及每次振动监测到的振动时长ki和振动时刻监测图像中产生颜色异常的次数g,其中i={1,2,......p},该异动比例指数分析模块计算异动比例指数为
Figure BDA0003498042980000061
在该监测区域内的异动比例指数大于等于异动比例参考阈值时,该异动比例指数分析模块令该监测区域为第一轨道区域,当该监测区域内的异动比例指数小于异动比例参考阈值时,该人员入侵指数分析模块采集该监测区域内维修人员与入侵人员的人员入侵指数q,当人员入侵指数q小于1时,该监测区域为第一轨道区域,当人员入侵指数大于等于1时,该监测区域为第二轨道区域。
该深层分析模块包括图像处理模块和车辆时间分析模块;
该图像处理模块采集轨道的实时监测图像并将列车正常行使前监测区域内的图像数据作为参考图像,并对获取的所有图像进行灰度二值化处理,且将参考图像上的像素处理为灰度值为0的图像、实时监测图像上出现异常的图像数据处理为灰度值为255的图像;该图像数据处理模块将参考图像进行处理,以轨道间的距离为半径、轨道间垂直距离的中点为圆心做圆得到第一监测区域的面积为S1,该监测区域内除去第一监测区域的面积设为第二监测区域S2;当灰度值为255的图像出现在第一监测区域时,该车辆时间分析模块获取该趟列车出发时间和预计到达该监测区域的时间t1,且时间t1大于列车行使该路段的参考阈值时间时,该深层分析模块传输信号给该警报传输模块进行异常处理,时间t1小于等于列车行使该路段的参考阈值时间时,该车辆时间分析模块采用第一时长进行该路段的下次监测并传输给该警报传输模块进行车辆的缓停;当灰度值为255的图像出现在第二监测区域时,该车辆时间分析模块获取第二时长对该区域进行监测。
轨道交通线路异物入侵监测方法,包括以下过程:
预先建立监测数据库,该监测数据库用于存储监测区域,该监测区域包括轨道覆盖区域和轨道周边区域;该轨道覆盖区域包括第一轨道区域和第二轨道区域,该轨道周边区域为轨道覆区域以外的区域;第一轨道区域时相比于第二轨道区域更有可能发生轨道交通线路异物入侵的区域;轨道周边区域是对轨道上产生异物入侵的一种可能性判断,轨道周边区域设有的无源振动光纤围栏和分布式传感光缆可以接收外界造成的振动信号,从而根据信号进行轨道异物入侵的可能性。
该预先建立监测数据库包括以下过程:
预先将轨道所属的区域平均划分为若干个监测区域;
采集各个监测区域内轨道的中心位置以及不同轨道间中心位置间的直线距离l,中心位置为两条轨道间垂直距离的中点,获取各个监测区域内轨道中心位置的平均距离h,计算得出某个监测区域内的轨道密度指数为n=l/h;
获取轨道的分布密度是因为在轨道密度较大的监测区域,如果产生异物对轨道的影响是很大的,因为影响的不仅仅是一条轨道;
在某个监测区域内的轨道密度指数大于等于轨道密度参考阈值时,令该监测区域为第一轨道区域;
在某个监测区域内的轨道密度指数小于轨道密度参考阈值时,采集该监测区域内的振动信号以及产生振动信号时刻下对应异常分析模块中的图像数据,该异动比例指数分析模块记录产生振动信号的次数为x,以及每次振动监测到的振动时长ki和振动时刻监测图像中产生颜色异常的次数g,其中i={1,2,......p},该异动比例指数分析模块计算异动比例指数为
Figure BDA0003498042980000081
在该监测区域内的异动比例指数大于等于异动比例参考阈值时,令该监测区域为第一轨道区域;在轨道的周边往往会安置一些传感装置,比如无源振动光纤围栏和分布式传感光缆,将这些装置接收到的异动信号与摄像装置监控到的图像数据进行综合分析可以得出在某个监测区域的发生异物入侵的可能性较大;振动次数说明了异常的总频率,且对应每次异常记录下得图像数据中是否出现颜色异常,表明了监测到的振动是异物的入侵还是普通的风吹或者其他不对轨道产生影响的振动,确定在真正影响振动的比例后,结合每次振动的时长作为比例指数的评估标准,进而判断该监测区域发生异物入侵的可能性大小。
该监测区域内的异动比例指数小于异动比例参考阈值时,采集该监测区域内维修人员与入侵人员的人员入侵指数q,当人员入侵指数q小于1时,该监测区域为第一轨道区域,当人员入侵指数大于等于1时,该监测区域为第二轨道区域。监控人员是因为轨道上经常会出现一些维修人员以及一些失误闯入的人员,当维修人员的数目大于误入的人员时候,会降低轨道发生以外的可能。
获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,如果该频率比值大于等于***设定轨道交通频率阈值,那么对该区域进行第一监控时长的图像采集;
如果该频率比值小于***设定轨道交通频率阈值,那么对该区域进行第二时长的图像采集,其中第一时长大于第二时长;第一时长和第二时长表示在不同时刻对轨道的监测,因为轨道上列车行使的数量很多,同时大范围的监测工作带来的压力会很大,故对不同监控路段设置不同的监控时长。
监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。
该重点监控区域的分类包括以下过程:
在重点监控区域所属区域为第一轨道区域和第二轨道区域时,***传输报警信号;
在重点监控区域所属区域为轨道周边区域时进行进一步的分析。
该对重点监控区域进行分析包括以下过程:
获取实时监测图像并将列车正常行使前监测区域内的图像数据作为参考图像,并对获取的所有图像进行灰度二值化处理,且将参考图像上的像素处理为灰度值为0的图像、实时监测图像上出现异常的图像数据处理为灰度值为255的图像;
列车正常行使前的图像表明列车在无干扰状态下行使,记录此时刻图像进行分析刻画无异物时的图像数据用于比较分析产生异物时的图像;
将参考图像进行处理,以轨道间的距离为半径、轨道间垂直距离的中点为圆心做圆得到第一监测区域的面积为S1,该监测区域内除去第一监测区域的面积设为第二监测区域S2;将图像化为两个监测区域是为了区分轨道上异物的危险程度;
当灰度值为255的图像数据出现在第一监测区域内时,获取该趟列车出发时间和预计到达该监测区域的时间t1,且时间t1大于列车行使该路段的参考阈值时间时,传输信号给进行异常处理;时间t1小于等于列车行使该路段的参考阈值时间时,采用第一时长进行该路段的下次监测并传输信号控制车辆缓停;
当第一监测区域内出现异物,分析时长是为了判断留给管理人员处理该异物的时间是否充足,在充足和不充足情况下进行不用方式的处理,且在不充足时更换监测时间保证下次此情况的发生能够及时处理。
当灰度值为255的图像出现在第二监测区域时,该车辆时间分析模块获取第二时长对该区域进行监测。
出现在第二监测区域时,说明该异物对轨道的影响较小,利用第二时长减缓***对轨道的监测压力。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.轨道交通线路异物入侵监测***,其特征在于,包括监测数据库建立模块、区域图像获取分析模块和异常分析模块;所述监测数据库建立模块预先建立监测数据库,所述监测数据库用于存储监测区域,所述监测区域包括轨道覆盖区域和轨道周边区域;所述轨道覆盖区域包括第一轨道区域和第二轨道区域(两者区别:在于可能发生轨道异物入侵的可能性),所述轨道周边区域为轨道覆区域以外的区域;所述区域图像获取分析模块用于获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,如果该频率比值大于等于***设定轨道交通频率阈值,那么对该区域进行第一监控时长的图像采集,如果该频率比值小于***设定轨道交通频率阈值,那么对该区域进行第二时长的图像采集,其中第一时长大于第二时长;所述异常分析模块用于监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。
2.根据权利要求1所述的轨道交通线路异物入侵监测***,其特征在于:所述异常分析模块包括区域类型判定模块、深层分析模块和警报传输模块;所述区域类型判断模块用于获取重点监控区域的所属区域,在重点监控区域所属区域为第一轨道区域和第二轨道区域时,所述区域类型判断模块传输信号给所述警报传输模块;在重点监控区域所属区域为轨道周边区域时,所述深层分析模块监测该区域的图像颜色变化及范围以及对应监控时间情况判断是否传输信号给警报传输模块;所述警报传输模块用于传输报警信息。
3.根据权利要求1所述的轨道交通线路异物入侵监测***,其特征在于:所述监测数据库建立模块包括区域划分模块、轨道密度指数分析模块、异动比例指数分析模块和人员入侵指数分析模块;
所述区域划分模块预先将轨道所属的区域平均划分为若干个监测区域;
所述轨道密度指数分析模块采集各个监测区域内轨道的中心位置以及不同轨道间中心位置间的直线距离l,所述中心位置为两条轨道间垂直距离的中点,所述轨道密度指数分析模块获取各个监测区域内轨道中心位置的平均距离h,计算得出某个监测区域内的轨道密度指数为n=l/h;在某个监测区域内的轨道密度指数大于等于轨道密度参考阈值时,令该监测区域为第一轨道区域,在某个监测区域内的轨道密度指数小于轨道密度参考阈值时,所述异动比例指数分析模块采集该监测区域内的振动信号以及产生振动信号时刻下对应异常分析模块中的图像数据,所述异动比例指数分析模块记录产生振动信号的次数为x,以及每次振动监测到的振动时长ki和振动时刻监测图像中产生颜色异常的次数g,其中i={1,2,......p},所述异动比例指数分析模块计算异动比例指数为
Figure FDA0003498042970000021
在该监测区域内的异动比例指数大于等于异动比例参考阈值时,所述异动比例指数分析模块令该监测区域为第一轨道区域,当该监测区域内的异动比例指数小于异动比例参考阈值时,所述人员入侵指数分析模块采集该监测区域内维修人员与入侵人员的人员入侵指数q,当人员入侵指数q小于1时,该监测区域为第一轨道区域,当人员入侵指数大于等于1时,该监测区域为第二轨道区域。
4.根据权利要求1所述的轨道交通线路异物入侵监测***,其特征在于:所述深层分析模块包括图像处理模块和车辆时间分析模块;
所述图像处理模块采集轨道的实时监测图像并将列车正常行使前监测区域内的图像数据作为参考图像,并对获取的所有图像进行灰度二值化处理,且将参考图像上的像素处理为灰度值为0的图像、实时监测图像上出现异常的图像数据处理为灰度值为255的图像;所述图像数据处理模块将参考图像进行处理,以轨道间的距离为半径、轨道间垂直距离的中点为圆心做圆得到第一监测区域的面积为S1,该监测区域内除去第一监测区域的面积设为第二监测区域S2;当灰度值为255的图像出现在第一监测区域时,所述车辆时间分析模块获取该趟列车出发时间和预计到达该监测区域的时间t1,且时间t1大于列车行使该路段的参考阈值时间时,所述深层分析模块传输信号给所述警报传输模块进行异常处理,时间t1小于等于列车行使该路段的参考阈值时间时,所述车辆时间分析模块采用第一时长进行该路段的下次监测并传输给所述警报传输模块进行车辆的缓停;当灰度值为255的图像出现在第二监测区域时,所述车辆时间分析模块获取第二时长对该区域进行监测。
5.轨道交通线路异物入侵监测方法,其特征在于,包括以下过程:
预先建立监测数据库,所述监测数据库用于存储监测区域,所述监测区域包括轨道覆盖区域和轨道周边区域;所述轨道覆盖区域包括第一轨道区域和第二轨道区域,所述轨道周边区域为轨道覆区域以外的区域;
获取高清摄像头下监测到某一区域轨道上的图像数据,对该区域轨道上的图像数据记录相同时间范围内行使车辆的次数以及整体过往车辆的次数并计算行使频率比,如果该频率比值大于等于***设定轨道交通频率阈值,那么对该区域进行第一监控时长的图像采集;
如果该频率比值小于***设定轨道交通频率阈值,那么对该区域进行第二时长的图像采集,其中第一时长大于第二时长;
监测区域图像中进行灰度二值化后的图像颜色变化,并记录车辆正常行使前的轨道图像为参考图像,当实时图像中产生不同于参考图像的颜色变化时,设该区域为重点监控区域,并对该重点监控区域进行分析,判断是否传输警报信息。
6.根据权利要求5所述的轨道交通线路异物入侵监测方法,其特征在于:所述重点监控区域的分类包括以下过程:
在重点监控区域所属区域为第一轨道区域和第二轨道区域时,***传输报警信号;
在重点监控区域所属区域为轨道周边区域时进行进一步的分析。
7.根据权利要求5所述的轨道交通线路异物入侵监测方法,其特征在于:所述对重点监控区域进行分析包括以下过程:
获取实时监测图像并将列车正常行使前监测区域内的图像数据作为参考图像,并对获取的所有图像进行灰度二值化处理,且将参考图像上的像素处理为灰度值为0的图像、实时监测图像上出现异常的图像数据处理为灰度值为255的图像;
将参考图像进行处理,以轨道间的距离为半径、轨道间垂直距离的中点为圆心做圆得到第一监测区域的面积为S1,该监测区域内除去第一监测区域的面积设为第二监测区域S2
当灰度值为255的图像数据出现在第一监测区域内时,获取该趟列车出发时间和预计到达该监测区域的时间t1,且时间t1大于列车行使该路段的参考阈值时间时,传输信号给进行异常处理;时间t1小于等于列车行使该路段的参考阈值时间时,采用第一时长进行该路段的下次监测并传输信号控制车辆缓停;
当灰度值为255的图像出现在第二监测区域时,所述车辆时间分析模块获取第二时长对该区域进行监测。
8.根据权利要求6所述的轨道交通路线异物入侵监测方法,其特征在于:所述预先建立监测数据库包括以下过程:
预先将轨道所属的区域平均划分为若干个监测区域;
采集各个监测区域内轨道的中心位置以及不同轨道间中心位置间的直线距离l,中心位置为两条轨道间垂直距离的中点,获取各个监测区域内轨道中心位置的平均距离h,计算得出某个监测区域内的轨道密度指数为n=l/h;
在某个监测区域内的轨道密度指数大于等于轨道密度参考阈值时,令该监测区域为第一轨道区域;
在某个监测区域内的轨道密度指数小于轨道密度参考阈值时,采集该监测区域内的振动信号以及产生振动信号时刻下对应异常分析模块中的图像数据,所述异动比例指数分析模块记录产生振动信号的次数为x,以及每次振动监测到的振动时长ki和振动时刻监测图像中产生颜色异常的次数g,其中i={1,2,......p},所述异动比例指数分析模块计算异动比例指数为
Figure FDA0003498042970000041
在该监测区域内的异动比例指数大于等于异动比例参考阈值时,令该监测区域为第一轨道区域;
该监测区域内的异动比例指数小于异动比例参考阈值时,采集该监测区域内维修人员与入侵人员的人员入侵指数q,当人员入侵指数q小于1时,该监测区域为第一轨道区域,当人员入侵指数大于等于1时,该监测区域为第二轨道区域。
CN202210119932.2A 2022-02-09 2022-02-09 轨道交通线路异物入侵监测***和方法 Pending CN114401387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210119932.2A CN114401387A (zh) 2022-02-09 2022-02-09 轨道交通线路异物入侵监测***和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210119932.2A CN114401387A (zh) 2022-02-09 2022-02-09 轨道交通线路异物入侵监测***和方法

Publications (1)

Publication Number Publication Date
CN114401387A true CN114401387A (zh) 2022-04-26

Family

ID=81232825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210119932.2A Pending CN114401387A (zh) 2022-02-09 2022-02-09 轨道交通线路异物入侵监测***和方法

Country Status (1)

Country Link
CN (1) CN114401387A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116229672A (zh) * 2022-12-16 2023-06-06 深圳信可通讯技术有限公司 基于大数据的危险区域应急预警救援***及方法
CN117423052A (zh) * 2023-10-20 2024-01-19 山东运泰通信工程有限公司 一种基于数据分析的监控设备调测***及方法
TWI831235B (zh) * 2022-06-06 2024-02-01 仁寶電腦工業股份有限公司 動態影像之處理方法、電子裝置及其連接之終端裝置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI831235B (zh) * 2022-06-06 2024-02-01 仁寶電腦工業股份有限公司 動態影像之處理方法、電子裝置及其連接之終端裝置
CN116229672A (zh) * 2022-12-16 2023-06-06 深圳信可通讯技术有限公司 基于大数据的危险区域应急预警救援***及方法
CN116229672B (zh) * 2022-12-16 2023-12-15 深圳信可通讯技术有限公司 基于大数据的危险区域应急预警救援***及方法
CN117423052A (zh) * 2023-10-20 2024-01-19 山东运泰通信工程有限公司 一种基于数据分析的监控设备调测***及方法

Similar Documents

Publication Publication Date Title
CN114401387A (zh) 轨道交通线路异物入侵监测***和方法
CN110085029B (zh) 基于轨道式巡检机器人的高速公路巡检***与方法
CN108214554B (zh) 一种用于轨道交通智能巡检机器人的自检***
CN101179710B (zh) 铁路道口智能视频监控装置
CN101799985B (zh) 一种公路隧道交通识别方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN103456024B (zh) 一种运动目标越线判断方法
KR102554662B1 (ko) 이동식 무인탐지장치를 이용한 인공지능 기반 안전관리 시스템
CN112633057B (zh) 一种公交车内异常行为智能监控方法
KR101093021B1 (ko) 정보 통합형 철도 시스템
CN109448365A (zh) 一种跨尺度空基平台区域道路交通***综合监视方法
CN109146914B (zh) 一种高速公路基于视频分析的醉酒驾驶行为预警方法
CN109348179B (zh) 一种基于人工智能的道路监控检测***及方法
CN106448180A (zh) 一种长大隧道交通事件实时检测***及其方法
CN112749630A (zh) 一种道路路况智能视频监控方法及***
CN101551935A (zh) 高速铁路地震预警及应急处置***
CN105608822A (zh) 铁路周界入侵振动光纤报警方法及装置
CN101430383A (zh) 障碍物的监测方法及其***
CN105905133A (zh) 一种铁路线路障碍自动监测报警方法及***
CN115600124A (zh) 地铁隧道巡检***及巡检方法
CN115631625A (zh) 一种基于大数据平台的智慧矿山管控***
CN105391578A (zh) 车站行为分析方法及***
CN110827497A (zh) 一种边界防护告警监测***
CN205584337U (zh) 一种行车记录仪智能视频识别***
CN107016820A (zh) 一种用于渣土车举升监测的视频识别方法

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