铁路道口机车检测图像预警系统 【技术领域】
本发明涉及图像预警系统，特别涉及一种铁路道口机车检测图像预警系统。
背景技术
铁路道口机车检测图像预警系统通常基于两个目的而开发的，其一是通过动态检测系统更好的管理铁路道口；其二是为了弥补当前监控系统的不足之处，提高系统智能化处理能力。
铁路道口一直以来都是铁路安全的薄弱环节，道口事故的频发，直接威胁到人民的生命财产安全和国家的经济运输命脉。在铁路提速后的今天，铁路道口安全越来越成为限制铁路运输能力的一个瓶颈问题。本系统的主要任务就是针对道口安全问题，提出了对铁路道口进行图像监控的设计方案，通过实时地运动检测技术来判断铁路道口有无险情或违规事件，然后将分析判断后的数据传送给监测人员。
传统电视监控技术只能达到“千里眼”的作用，即把远程的目标图像(原始数据)传送到监控中心，由监控人员根据目视到的视频图像对现场情况做出判断。
智能化视频监控的目的是将视频原始数据转化为足够量的可供监控人员决策的有用信息。
运动检测是指从背景图像中检测出运动物体。运动检测的目的是准确地从序列图像中提取出运动区域。在智能监控系统中，首先判断序列图像中是否存在运动目标。若存在，则将运动区域从背景图像中正确地提取出来，并将分割出来的运动区域的二值图像传送给跟踪模块。智能监控系统中的后续处理都仅仅对检测出来的运动区域进行，譬如目标识别、运动跟踪、行为分析和理解等，因此运动目标的有效检测对这些后续处理具有非常重要的意义。目前，运动检测技术研究仍存在很大的局限性，仍在不断的发展。对于某类目的研究在实验室进行时可能检测效果很好，但在实际环境中，由于背景图像的动态变化，如噪声、光照、阴影、背景全局运动等影响，使得运动检测的精确度不是十分理想。
图像预警系统必须对目标图象进行处理，目前常用于图像处理的算法主要以下几个：
背景减除(Background Subtraction)方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化，如光线照射情况和外来无关事件的干扰等也特别敏感。
时间差分(Temporal Difference又称相邻帧差)方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。在一般情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。只有在有前景移动目标的部分相邻帧的像素差异比较大。
三帧差分(Three Frame Difference)利用连续的图像序列中两个或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相当程度的变化(及大于设定的阈值时)，我们便确定该像素属于运动目标。时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象，只能够检测到目标的边缘。而且，当运动目标停止运动时，一般时间差分方法便失效。
基于光流方法(Optical Flow)的运动检测采用了运动目标随时间变化的光流特性，如Meyer等作者通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在所摄场所运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，且抗噪性能差，如果没有特别地硬件装置则不能被应用于全帧视频流的实时处理。
运动向量检测法，它适合于多维变化的环境，能消除背景中的振动像素，使某一方向的运动对象更加突出的显示出来。但是，运动向量检测法也不能精确地分割出对象。
上述图像处理的算法各有其优缺点，单一的算法都不能获得满意的效果，因此要使图像处理达到铁路道口机车检测图像预警的需要，仍有改进和创新的空间。
【发明内容】
本发明的目的就是为克服现有技术的不足，针对铁路道口机车检测图像预警需要，提供一种动态视频目标抓拍技术方案，本系统是在发现动态目标后在特征区域和全景区域进行抓拍，将一个事件抓拍三幅图像，更便于日后的查询。
本发明是通过这样的技术方案实现的：铁路道口机车检测图像预警系统包括主要由硬盘录象机(计算机)、监控摄像机、监视器硬件组成的硬件部分和预置计算机中的智能分析系统软件部分，其特征是，系统硬件部分包括图像采集模块、图像处理模块和动态目标检测模块，由图像采集模块将采集的图像存入计算机数据库中，由图像处理模块对图像进行消除噪声、灰度化处理、图像增强处理；由动态目标检测模块按程序对处理后的图片进行相关计算，从而获得预警结果，所述预警结果的获得是根据如下方法实现的：
步骤1：进行动态目标检测判断，采用邻域平均法消除噪声；
设f(i，j)为给定含有噪声的图像，经过平滑处理后为g(i，j)；
公式为：G(i，j)＝∑f(i，j)/M
步骤2：根据目标检测判断结果，对目标图像灰度化处理；
步骤3：用频率域法和空间域法对目标图像增强处理；
步骤4：将三幅图像目标图像存入数据库；
步骤5：对存入数据库三幅图像进行算法分析；
步骤6：获得预警结果。
本发明的有益效果是：铁路道口机车检测图像预警系统为监测人员提供有效数据，减少了监测人员的主观判断，从而大大提高了工作效率与决策的正确性；可大大提高铁路道口的安全性，降低道口事故发生率，尤其在铁路大提速之后，本系统的将智能交通控制系统用于铁路道口，解决了交通运输中的瓶颈问题，本系统优点表现为结构简单，投入少，易实施，维护简单，因此本发明更具有实用和推广的价值。
【附图说明】
图1，铁路道口机车检测图像预警系统结构图并作为摘要附图；
图2，铁路道口机车检测图像预警系统流程图。
【具体实施方式】
为了更清楚的理解本发明，结合附图和实施例详细描述本发明：
动态视频目标抓拍技术，在传统监控系统中，这一功能是和视频监控系统相独立的系统，本系统是在发现动态目标后在特征区域和全景区域进行抓拍，一个事件抓拍三幅图像，这样更便于日后的查询。
本系统是一种集视频摄像和计算机算法分析的综合应用设备，能监控铁路道口特定区域的运动目标。将摄像机安装在将要监控的铁路道口，工作人员选定需要检测的区域即可全天候得到被检测地区的动态目标所有活动，并提供相关目标在特征通道和全景通道的三幅照片，达到对铁路道口进行监测的目的，为交通管理提供必需的分析数据。本项目研究开发的重点是如何在存在强干扰情况下正确的检测动态目标。
铁路道口机车检测系统把相关功能集于一体，实现了对过往火车的道口进行运动检测的功能，系统在有火车到达时通过动态检测算法识别火车的行驶方向，并在红灯亮时对过往车辆进行监控，如发现违章车辆则会根据动态目标检测技术启动图像抓拍功能，系统会在特征通道抓拍两张图像、在全景通道抓拍一张图像。这样交通管理人员可以不必通过回放视频录像即可大概了解违章现场情况，如有必要再查录像数据库，这样可以节省大量时间。
系统提供的数据库允许大数据量存储，并可实时更新。本装置软件的设计采用基于本机数据库的模块化设计结构。运用计算机图像处理技术和相关的角点探测计算及运动目标检测技术，通过进一步的分析处理，实时、准确的反映铁路道口状况，指导相关监测人员做出处理。
整个软件的系统结构采用模块化设计原则，由数据库系统、计算分析模块和人机界面模块三个两部分组成，具体结构如图1所示；
本装置是结合高级的视频摄像功能与运动目标检测功能于一体的设备，具有为交通管理提供优质的视频监视和进行运动目标抓拍的特性。但是任何一个高性能和高可靠性的监控系统都需要处理误报问题。视频图像中存在的噪声，随风飘动的树叶等等，都会引起目标检测与报警系统的误操作。一个较为可行的消除误报的方法是检查其持续性，因为一个持续出现的检测信号要比偶尔出现一次的信号更有可能成为有效的目标；另外一个可以用来消除误报的方法是检查目标的目的性，来回晃动的树叶并不具备目的性，而运动的人或车辆会向一些特定的目标移动。
主要技术特点及创新点包括选择区域进行动态检测；屏幕菜单式调节(OSD)；对动态目标抓图分析；车辆牌照自动识别；铁路道口机车检测；
创新点主要体现在两点：一方面，铁路道口机车检测图像预警系统设计方案在传统图像监控系统中摄像机-监视器的模式基础上引入智能分析系统，通过运动检测分析来为监测人员提供有效数据，减少了监测人员的主观判断，从而大大提高了工作效率与决策的正确性；
另一个方面是在特殊环境下引入智能控制系统，铁路道口是铁路安全的薄弱环节，道口事故的频发尤其在铁路大提速之后，其安全隐患更是引起了广泛关注。本系统的将智能交通控制系统用于铁路道口，从而解决了这个交通运输中的瓶颈问题。
图像采集就是图像的数字化过程，由该装置获得的图像质量好，清晰度极高。图像的不同区域的视频控制能在控制室内通过连接到处理器的鼠标完成。
前端使用一体化的高集成数字化视频采集模块，简化了系统前端的设计，大大降低了前端成本；其输出信号为模拟图像信号，采用同轴电缆传输；模拟视频信号经过图像采集卡进行A/D转换，成为数字图像，这样就可以利用软件来实现图像处理与分析；最后实现全数字化远程图像监控，提高了系统的灵活性，实现远程铁路道口机车的检测。
图像采集模块的功能主要通过监控设备采集和抓拍图像，先把抓拍到的图像存入到数据库中，同时实时的显示到远程屏幕上。
图像处理模块功能主要包括图像的基本处理，如消除噪声、灰度化处理、图像增强等；
动态目标检测模块功能主要根据图像处理后的图片和相关计算公式。得到监控区域内动态目标的信息。
提取监控区域待检测图像，经过角点探测计算，得到每幅图像中运动目标的特征，通过计算机屏幕显示运动动态。
通过得到的特征信息结合板卡自带功能进行动态目标检测，最大努力消除噪声，实现动态目标报警功能。
图像噪声消除过程：噪声消除称为图像平滑或滤波，针对运动图像的特点，采用邻域平均法消除噪声。设f(i，j)为给定含有噪声的图像，经过平滑处理后为g(i，j)，在数学上可表示为：G(i，j)＝∑f(i，j)/M
图像灰度化处理过程：在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。一般有以下四种方法对彩色图像进行灰度化：
1).分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。
f1(i，j)＝R(i，j) f2(i，j)＝G(i，j) f3(i，j)＝B(i，j) (1)
其中fk(i，.j)(k＝1，2，3)为转换后的灰度图像在(i，j)处的灰度值。
2).最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
f(i，j)＝max(R(i，j)，G(i，j)，B(i，j)) (2)
3).平均值法
将彩色图像中的三分量亮度求平均得到一个灰度图。
f(i，j)＝(R(i，j)+G(i，j)+B(i，j))/3 (3)
4).加权平均法
根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按(4)式对RGB三分量进行加权平均能得到较合理的灰度图像。
f(i，j)＝0.11R(i，j)+0.59G(i，j)+0.3B(i，j) (4)
图像增强过程：图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等，它们可用于去除或减弱噪声。
根据上述说明，结合本领域技术可实现本发明的方案。