本發(fā)明涉及軌道交通安全監(jiān)測(cè)領(lǐng)域，具體地，涉及一種軌道交通線路環(huán)境安全智能監(jiān)測(cè)方法和裝置。

背景技術(shù)：

鐵路作為國(guó)家重要的基礎(chǔ)設(shè)施、城市間彼此聯(lián)系的紐帶以及國(guó)民經(jīng)濟(jì)的大動(dòng)脈，在完善交通設(shè)施、加快經(jīng)濟(jì)增長(zhǎng)和提高人民生活水平方面等起著至關(guān)重要的作用。同樣，鐵路運(yùn)營(yíng)過程中所產(chǎn)生的災(zāi)害同樣不可忽視，否則會(huì)使國(guó)有資產(chǎn)和人身安全造成重大損失。

對(duì)鐵路行車安全產(chǎn)生危害的因素主要包括雨、雪、風(fēng)、水災(zāi)、地震等自然災(zāi)害，以及線路軟土下沉、線路邊坡崩塌、落石落物、人畜穿行等施工質(zhì)量和人為災(zāi)害，嚴(yán)重危及鐵路運(yùn)輸安全。因此，準(zhǔn)確及時(shí)地檢測(cè)侵入軌道限界的異物是保證軌道交通安全運(yùn)營(yíng)的關(guān)鍵。

許多國(guó)家在異物侵限自動(dòng)監(jiān)測(cè)領(lǐng)域都有了比較完善的理論體系，也研發(fā)了比較成熟的異物侵限自動(dòng)報(bào)警系統(tǒng)。各國(guó)在監(jiān)測(cè)異物侵限，保障鐵路正常、安全運(yùn)行方面都做出了重大貢獻(xiàn)。

現(xiàn)有技術(shù)中對(duì)于軌道區(qū)域入侵異物的監(jiān)測(cè)還存在很多問題，例如，當(dāng)通過觀察紅外線是否被遮擋來判斷是否有異物入侵時(shí)，設(shè)備受環(huán)境、天氣等因素影響較大，實(shí)用性不強(qiáng)。當(dāng)基于立體拍攝的異物侵限監(jiān)測(cè)系統(tǒng)進(jìn)行監(jiān)測(cè)時(shí)，由于算法復(fù)雜性，導(dǎo)致了算法移植困難，實(shí)時(shí)性不高，同時(shí)該方法對(duì)系統(tǒng)硬件配置要求也很苛刻。當(dāng)利用雙目視覺檢測(cè)侵限異物時(shí)，相機(jī)覆蓋范圍較小，不適合廣泛應(yīng)用，只能用于特殊路段，而且特征匹配算法較繁瑣，快速性和準(zhǔn)確性較差。

現(xiàn)有技術(shù)中存在的需求是，國(guó)內(nèi)不少線路上都安裝有攝像機(jī)用于監(jiān)控線路異常，但這些相機(jī)大部分都是需要人工觀察，工作量大且效率低，漏報(bào)情況嚴(yán)重。雖然國(guó)內(nèi)外已有不少學(xué)者研究、設(shè)計(jì)異物侵限自動(dòng)報(bào)警系統(tǒng)，但這些系統(tǒng)基本都是基于固定相機(jī)實(shí)現(xiàn)的，監(jiān)測(cè)區(qū)域固定，對(duì)侵限異物的尺寸大小要求較高，對(duì)于車站內(nèi)部等情況復(fù)雜區(qū)域就更加難以達(dá)到預(yù)期的應(yīng)用效果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于解決上述技術(shù)問題中的至少一個(gè)技術(shù)問題，具體地，本發(fā)明中基于云臺(tái)的可轉(zhuǎn)動(dòng)可調(diào)焦相機(jī)進(jìn)行異物侵限檢測(cè)方法可以在很大程度上解決固定相機(jī)的缺點(diǎn)與不足。

本發(fā)明提供了一種軌道交通線路環(huán)境安全智能監(jiān)測(cè)方法，該方法包括步驟：(1)通過相機(jī)獲得所述軌道交通線路環(huán)境的大視野圖像作為匹配模板圖像；(2)在所述匹配模板圖像中界定至少一個(gè)危險(xiǎn)區(qū)域，在所述模板圖像中檢測(cè)出初始特征點(diǎn)；(3)自動(dòng)檢測(cè)所述相機(jī)當(dāng)前監(jiān)控視野中的視野特征點(diǎn)，基于所述當(dāng)前監(jiān)控視野中的視野特征點(diǎn)與所述模板圖像中的初始特征點(diǎn)的匹配，確定所述相機(jī)的當(dāng)前監(jiān)控視野與所述模板圖像的映射關(guān)系，利用該映射關(guān)系將所述匹配模板圖像中的危險(xiǎn)區(qū)域映射到所述相機(jī)的當(dāng)前監(jiān)控視野中，生成所述相機(jī)的當(dāng)前監(jiān)控危險(xiǎn)區(qū)；(4)判斷所述相機(jī)的狀態(tài)是否變化，如果否，則所述相機(jī)利用已經(jīng)生成的所述當(dāng)前監(jiān)控危險(xiǎn)區(qū)檢測(cè)異物；如果是，則執(zhí)行步驟(3)。

進(jìn)一步地，所述步驟(4)包括：利用幀差法，通過相位和焦距中的至少一個(gè)來判斷所述相機(jī)的狀態(tài)是否變化。

進(jìn)一步地，步驟(1)中的所述相機(jī)是帶云臺(tái)的調(diào)焦相機(jī)或者定焦槍機(jī)，所述相機(jī)為云臺(tái)相機(jī)時(shí)，所述模板圖像的生成方式是：(a)轉(zhuǎn)動(dòng)不同的方位角，在每個(gè)方位角時(shí)，所述相機(jī)在小焦距大視野條件下獲取相同場(chǎng)景不同時(shí)段的圖像，將獲得的所有不同時(shí)段的圖像進(jìn)行配準(zhǔn)并融合得到所述匹配模板圖像；(b)將分時(shí)段或在不同姿態(tài)及焦距條件下采集的圖像直接作為所述匹配模板圖像。

進(jìn)一步地，所述相機(jī)為定焦槍機(jī)時(shí)，所述匹配模板圖像的生成方式是：通過不同時(shí)刻采集圖像的融合獲得匹配模板圖像，或者將不同時(shí)刻采集的圖像直接作為匹配模板。

進(jìn)一步地，在所述步驟(3)中，通過映射而生成一相機(jī)監(jiān)控危險(xiǎn)區(qū)的步驟包括：計(jì)算得到所述模板圖像與所述相機(jī)當(dāng)前監(jiān)控視野圖像之間的一坐標(biāo)變換矩陣，再將所述危險(xiǎn)區(qū)域的關(guān)鍵點(diǎn)位置的坐標(biāo)通過所述坐標(biāo)變換矩陣進(jìn)行計(jì)算，得到所述當(dāng)前監(jiān)控視野下對(duì)應(yīng)的位置坐標(biāo)，進(jìn)而生成所述相機(jī)的當(dāng)前監(jiān)控危險(xiǎn)區(qū)。

進(jìn)一步地，所述危險(xiǎn)區(qū)域的關(guān)鍵點(diǎn)位置是所述危險(xiǎn)區(qū)域的邊界上的端點(diǎn)。

進(jìn)一步地，計(jì)算所述坐標(biāo)變換矩陣的步驟包括：分別檢測(cè)所述匹配模板圖像中的初始特征點(diǎn)和所述當(dāng)前監(jiān)控視野中的視野特征點(diǎn)，然后在所述初始特征點(diǎn)和所述視野特征點(diǎn)中尋找具有相同特征矢量的特征點(diǎn)，獲得多個(gè)匹配點(diǎn)對(duì)，從所述多個(gè)匹配點(diǎn)對(duì)中剔除誤匹配點(diǎn)，獲得多個(gè)有效匹配點(diǎn)對(duì)，根據(jù)所述有效匹配點(diǎn)對(duì)而得到所述坐標(biāo)變換矩陣。

進(jìn)一步地，所述配準(zhǔn)并融合的步驟包括：在所述白天圖像的中心獲得一個(gè)小圖像，在所述夜間圖像的相同位置的周圍小范圍內(nèi)的區(qū)域內(nèi)找到相關(guān)度最高的位置，得到兩幅圖像的運(yùn)動(dòng)矢量，根據(jù)所述運(yùn)動(dòng)矢量完成運(yùn)動(dòng)補(bǔ)償，利用補(bǔ)償后的圖像完成圖像融合。

進(jìn)一步地，獲得匹配模板圖像后，危險(xiǎn)區(qū)域的確定通過手工劃定或者自動(dòng)識(shí)別，該自動(dòng)識(shí)別的過程進(jìn)一步包括：a.進(jìn)行小波分析；

b.進(jìn)行形態(tài)學(xué)預(yù)處理和連通域標(biāo)記；c.進(jìn)行hough變換，從多根直線鋼軌中檢測(cè)到至少兩根直線鋼軌；d.確定所述至少兩根直線鋼軌中任意兩根直線鋼軌的消隱點(diǎn)；e.極向投影，準(zhǔn)確確定所述多根直線鋼軌中的未檢測(cè)到的其他直線鋼軌的位置；f.利用檢測(cè)到的直線鋼軌來確定所述危險(xiǎn)區(qū)域，優(yōu)選地，利用檢測(cè)到的最外側(cè)兩條鋼軌確定所述危險(xiǎn)區(qū)域。

根據(jù)本發(fā)明的另一方面，還提供一種軌道交通線路環(huán)境安全智能監(jiān)測(cè)裝置，該裝置包括：至少一臺(tái)相機(jī)，所述相機(jī)是云臺(tái)相機(jī)或則定焦槍機(jī)，所述云臺(tái)相機(jī)的方位角和焦距能夠被調(diào)整，通過所述相機(jī)獲得所述軌道交通線路環(huán)境的模板圖像，在所述模板圖像中界定至少一個(gè)危險(xiǎn)區(qū)域，在模板圖像中檢測(cè)初始特征點(diǎn)；監(jiān)測(cè)裝置，連接至各個(gè)所述相機(jī)，所述監(jiān)測(cè)裝置配置成：自動(dòng)檢測(cè)所述相機(jī)的當(dāng)前監(jiān)控視野中的視野特征點(diǎn)，基于所述當(dāng)前視野特征點(diǎn)與所述模板圖像中初始特征點(diǎn)的匹配，確定所述相機(jī)的當(dāng)前監(jiān)控視野與模板圖像的映射關(guān)系，利用該映射關(guān)系將所述危險(xiǎn)區(qū)域映射到所述相機(jī)的當(dāng)前監(jiān)控視野中，生成一相機(jī)當(dāng)前監(jiān)控危險(xiǎn)區(qū)；當(dāng)判斷所述相機(jī)的狀態(tài)沒有變化時(shí)，則所述相機(jī)利用已經(jīng)生成的所述相機(jī)當(dāng)前監(jiān)控危險(xiǎn)區(qū)檢測(cè)異物的出現(xiàn)；如果所述相機(jī)的狀態(tài)發(fā)生變化，則重新生成所述相機(jī)當(dāng)前監(jiān)控危險(xiǎn)區(qū)，進(jìn)而檢測(cè)異物的出現(xiàn)。

進(jìn)一步地，所述相機(jī)配置成，在不同的方位角獲取匹配模板，匹配模板采用不同時(shí)間段圖像的融合獲得，或者直接利用采集的圖像作為匹配模板。

本發(fā)明通過上述技術(shù)方案，實(shí)現(xiàn)的優(yōu)于現(xiàn)有技術(shù)的有益技術(shù)效果包括：實(shí)現(xiàn)異物的實(shí)時(shí)自動(dòng)檢測(cè)，工作量大為減少且效率顯著提高，減少漏報(bào)情況。本發(fā)明中基于云臺(tái)的可轉(zhuǎn)動(dòng)可調(diào)焦相機(jī)進(jìn)行異物侵限檢測(cè)方法可以在很大程度上解決現(xiàn)有技術(shù)中的固定相機(jī)的缺點(diǎn)與不足。本發(fā)明基于可轉(zhuǎn)動(dòng)可調(diào)焦的云臺(tái)相機(jī)實(shí)現(xiàn)鐵路異物侵限檢測(cè)，旨在通過有效可行的處理算法實(shí)現(xiàn)相機(jī)轉(zhuǎn)動(dòng)和調(diào)焦后鐵路限界區(qū)域的自動(dòng)判斷，進(jìn)而通過圖像檢測(cè)算法實(shí)現(xiàn)該場(chǎng)景下異物的自動(dòng)檢測(cè)。

附圖說明

圖1示出了根據(jù)本申請(qǐng)的識(shí)別限界區(qū)域流程圖；

圖2示出了根據(jù)本發(fā)明的匹配示意圖；

圖3示出了根據(jù)本發(fā)明的原圖中標(biāo)記的限界區(qū)域；

圖4示出了根據(jù)本發(fā)明的相機(jī)姿態(tài)變化后重新標(biāo)記的限界區(qū)域。

圖5(a)－5(d)示出了haar小波變換結(jié)果，分別是ll、hl、lh、hh。

圖6示出了二值圖像。

圖7(a)－7(c)示出了二值圖像中鋼軌的斷線重連，分別是原圖、膨脹結(jié)果、和再腐蝕結(jié)果。

圖8示出了連通域標(biāo)記示意圖。

圖9(a)和9(b)示出連通域標(biāo)記處理結(jié)果，分別是(a)篩選前和(b)篩選后。

圖10示出了消隱點(diǎn)成像模型。

圖11示出了hough變換檢測(cè)結(jié)果。

圖12示出了極向投影示意圖。

圖13示出了極向投影曲線。

圖14(a)和14(b)示出了六條鋼軌的位置。

具體實(shí)施方式

本發(fā)明的核心在于限界區(qū)域自動(dòng)判斷方法的設(shè)計(jì)，尤其是相機(jī)方位角和焦距調(diào)整后限界區(qū)域的自動(dòng)匹配生成方法。本發(fā)明針對(duì)可轉(zhuǎn)動(dòng)可調(diào)焦的云臺(tái)相機(jī)，與固定相機(jī)相比適用范圍更廣，通過云臺(tái)帶動(dòng)相機(jī)調(diào)整方位角，可以實(shí)現(xiàn)更大范圍場(chǎng)景內(nèi)物體的檢測(cè)，也可以通過調(diào)節(jié)焦距實(shí)現(xiàn)對(duì)可疑目標(biāo)的放大，進(jìn)而對(duì)目標(biāo)進(jìn)行確認(rèn)。車站內(nèi)及鐵路重點(diǎn)區(qū)域已安裝有大量云臺(tái)相機(jī)，但目前這些相機(jī)基本都只能用于實(shí)時(shí)監(jiān)控，均沒有自動(dòng)分析與檢測(cè)功能，通過本發(fā)明的方法可以為這類相機(jī)增加自動(dòng)分析和自動(dòng)檢測(cè)功能，對(duì)提高鐵路限界安全具有重要意義。

相比于傳統(tǒng)的預(yù)先標(biāo)記報(bào)警區(qū)域，本發(fā)明算法首先分別在最小焦距、最大視野下獲取相同場(chǎng)景下的白天和晚上各一幀圖像，配準(zhǔn)后將兩幅圖像融合得到一副新圖像。當(dāng)相機(jī)方位角或焦距發(fā)生變化以后，能在新圖像中利用變換矩陣將原監(jiān)測(cè)區(qū)域自動(dòng)映射到新圖像中。整個(gè)算法只需識(shí)別一次限界區(qū)域，后續(xù)通過匹配完成新的圖像的區(qū)域標(biāo)記，可以很大程度上減少誤檢、漏檢狀況，而且可以節(jié)約程序運(yùn)行時(shí)間，能夠極大的減少設(shè)備安裝、調(diào)試過程的時(shí)間成本，滿足實(shí)時(shí)性要求。

整個(gè)系統(tǒng)的工作過程如下：

1、使用的云臺(tái)及電動(dòng)調(diào)焦鏡頭能夠設(shè)置一個(gè)或幾個(gè)預(yù)置位，可以通過通信接口由計(jì)算機(jī)控制云臺(tái)轉(zhuǎn)動(dòng)到預(yù)置位，確保相機(jī)方向、焦距發(fā)生變化后點(diǎn)擊預(yù)置位相機(jī)姿態(tài)可準(zhǔn)確恢復(fù)到原來的狀態(tài)。

2、為保證在所有光線條件下都能完成后續(xù)匹配識(shí)別，針對(duì)某臺(tái)可轉(zhuǎn)動(dòng)可調(diào)焦相機(jī)分別在不同光線(例如：白天、夜間等)在最小焦距條件下各采集一幅圖像，為防止由于風(fēng)等因素造成的相機(jī)的輕微晃動(dòng)，先對(duì)兩幀圖像做配準(zhǔn)，然后根據(jù)匹配結(jié)果將圖像融合，得到的新圖像包含兩張圖像的信息，與白天和晚上的圖像均能很好的匹配。

3、在第2步獲得的融合圖像中手動(dòng)劃定限界區(qū)域或通過鋼軌自動(dòng)識(shí)別方法完成最大場(chǎng)景圖像中限界區(qū)域的自動(dòng)生成，提取第2步圖像中的特征點(diǎn)作為初始特征點(diǎn)進(jìn)行標(biāo)記，相機(jī)算法自動(dòng)識(shí)別出監(jiān)控視野中的限界區(qū)域，并做好標(biāo)記，記錄區(qū)域關(guān)鍵點(diǎn)坐標(biāo)。

4、各相機(jī)根據(jù)幀差法不斷檢測(cè)相機(jī)狀態(tài)是否發(fā)生變化，如果沒有發(fā)生變化，則繼續(xù)使用自動(dòng)標(biāo)記出的危險(xiǎn)報(bào)警區(qū)域，若相機(jī)狀態(tài)(方位角或焦距)發(fā)生改變，從圖像中提取新的特征點(diǎn)，并與最小焦距條件下獲得的圖像進(jìn)行配準(zhǔn)和特征點(diǎn)對(duì)準(zhǔn)，計(jì)算從原始融合圖像到新圖像的坐標(biāo)轉(zhuǎn)換矩陣，利用該矩陣將原始圖像中的限界區(qū)域映射到新圖像中，取新圖像中映射的限界區(qū)域作為新的限界區(qū)域進(jìn)行異物侵限報(bào)警判斷；

當(dāng)有異物入侵到標(biāo)記出的限界區(qū)域時(shí)，首先標(biāo)記出物體位置，進(jìn)而利用軌距常數(shù)作為基準(zhǔn)大致估計(jì)侵限物體尺寸，該方法通過獲得各軌枕延長(zhǎng)線的消隱點(diǎn)，再依據(jù)鋼軌軌距常數(shù)估計(jì)異物尺寸大小，工作人員可以根據(jù)異物大小的不同采取不同的應(yīng)對(duì)措施，保證能夠在最短時(shí)間內(nèi)解決問題，保障行車安全。

根據(jù)本申請(qǐng)的一個(gè)實(shí)施例，提供了一種軌道交通線路環(huán)境安全智能監(jiān)測(cè)方法，該方法包括步驟：

(1)通過相機(jī)獲得所述軌道交通線路環(huán)境的大視野圖像作為匹配模板圖像；

(2)在所述匹配模板圖像中界定至少一個(gè)危險(xiǎn)區(qū)域，在所述模板圖像中檢測(cè)出初始特征點(diǎn)；

(3)自動(dòng)檢測(cè)所述相機(jī)當(dāng)前監(jiān)控視野中的視野特征點(diǎn)，基于所述當(dāng)前監(jiān)控視野中的視野特征點(diǎn)與所述模板圖像中的初始特征點(diǎn)的匹配，確定所述相機(jī)的當(dāng)前監(jiān)控視野與所述模板圖像的映射關(guān)系，利用該映射關(guān)系將所述匹配模板圖像中的危險(xiǎn)區(qū)域映射到所述相機(jī)的當(dāng)前監(jiān)控視野中，生成所述相機(jī)的當(dāng)前監(jiān)控危險(xiǎn)區(qū)；

(4)判斷所述相機(jī)的狀態(tài)是否變化，如果否，則所述相機(jī)利用已經(jīng)生成的所述當(dāng)前監(jiān)控危險(xiǎn)區(qū)檢測(cè)異物；如果是，則執(zhí)行步驟(3)。

在根據(jù)本申請(qǐng)的實(shí)施例的上述方法中，可選地，在步驟(4)中可以利用幀差法，通過相位和焦距中的至少一個(gè)來判斷所述相機(jī)的狀態(tài)是否變化。

優(yōu)選地，在一個(gè)實(shí)施例中，所述相機(jī)可以是帶云臺(tái)的調(diào)焦相機(jī)，也可以是定焦槍機(jī)。

當(dāng)相機(jī)為云臺(tái)相機(jī)時(shí)，所述模板圖像的生成方式如下：(a)相機(jī)轉(zhuǎn)動(dòng)不同的方位角，在每個(gè)方位角時(shí)，所述相機(jī)在小焦距大視野條件下獲取相同場(chǎng)景不同時(shí)段的圖像，將獲得的所有不同時(shí)段的圖像進(jìn)行配準(zhǔn)并融合得到所述匹配模板圖像；(b)將分時(shí)段或在不同姿態(tài)及焦距條件下采集的圖像直接作為所述匹配模板圖像。

優(yōu)選地，根據(jù)本申請(qǐng)的一個(gè)實(shí)施例，所述相機(jī)為定焦槍機(jī)時(shí)，所述匹配模板圖像的生成方式是：通過不同時(shí)刻采集圖像的融合獲得匹配模板圖像，或者將不同時(shí)刻采集的圖像直接作為匹配模板。

優(yōu)選地，在所述步驟(3)中，通過映射而生成一相機(jī)監(jiān)控危險(xiǎn)區(qū)的步驟包括：計(jì)算得到所述模板圖像與所述相機(jī)當(dāng)前監(jiān)控視野圖像之間的一坐標(biāo)變換矩陣，再將所述危險(xiǎn)區(qū)域的關(guān)鍵點(diǎn)位置的坐標(biāo)通過所述坐標(biāo)變換矩陣進(jìn)行計(jì)算，得到所述當(dāng)前監(jiān)控視野下對(duì)應(yīng)的位置坐標(biāo)，進(jìn)而生成所述相機(jī)的當(dāng)前監(jiān)控危險(xiǎn)區(qū)。

優(yōu)選地，所述危險(xiǎn)區(qū)域的關(guān)鍵點(diǎn)位置是所述危險(xiǎn)區(qū)域的邊界上的端點(diǎn)。

優(yōu)選地，在本申請(qǐng)的實(shí)施例中，計(jì)算所述坐標(biāo)變換矩陣的步驟可以包括：分別檢測(cè)所述匹配模板圖像中的初始特征點(diǎn)和所述當(dāng)前監(jiān)控視野中的視野特征點(diǎn)，然后在所述初始特征點(diǎn)和所述視野特征點(diǎn)中尋找具有相同特征矢量的特征點(diǎn)，獲得多個(gè)匹配點(diǎn)對(duì)，從所述多個(gè)匹配點(diǎn)對(duì)中剔除誤匹配點(diǎn)，獲得多個(gè)有效匹配點(diǎn)對(duì)，根據(jù)所述有效匹配點(diǎn)對(duì)而得到所述坐標(biāo)變換矩陣。

優(yōu)選地，所述配準(zhǔn)并融合的步驟可以包括：在所述白天圖像的中心獲得一個(gè)小圖像，在所述夜間圖像的相同位置的周圍小范圍內(nèi)的區(qū)域內(nèi)找到相關(guān)度最高的位置，得到兩幅圖像的運(yùn)動(dòng)矢量，根據(jù)所述運(yùn)動(dòng)矢量完成運(yùn)動(dòng)補(bǔ)償，利用補(bǔ)償后的圖像完成圖像融合。

優(yōu)選地，在本申請(qǐng)的實(shí)施例中，在獲得匹配模板圖像后，所述危險(xiǎn)區(qū)域的確定通過手工劃定或者自動(dòng)識(shí)別，所述自動(dòng)識(shí)別的過程可以進(jìn)一步包括：a.進(jìn)行小波分析；b.進(jìn)行形態(tài)學(xué)預(yù)處理和連通域標(biāo)記；c.進(jìn)行hough變換檢測(cè)鋼軌直線；d.確定任意兩根鋼軌的消隱點(diǎn)；e.極向投影準(zhǔn)確確定其他鋼軌位置；f.利用鋼軌確定所述危險(xiǎn)區(qū)域。

根據(jù)本發(fā)明的另一方面，提供一種軌道交通線路環(huán)境安全智能監(jiān)測(cè)裝置，該裝置包括：至少一臺(tái)相機(jī)，所述相機(jī)是云臺(tái)相機(jī)或是定焦槍機(jī)，所述云臺(tái)相機(jī)的方位角和焦距能夠被調(diào)整，通過所述相機(jī)獲得所述軌道交通線路環(huán)境的模板圖像，在所述模板圖像中界定至少一個(gè)危險(xiǎn)區(qū)域，在模板圖像中檢測(cè)初始特征點(diǎn)；監(jiān)測(cè)裝置，連接至各個(gè)所述相機(jī)，所述監(jiān)測(cè)裝置配置成：自動(dòng)檢測(cè)所述相機(jī)的當(dāng)前監(jiān)控視野中的視野特征點(diǎn)，基于所述當(dāng)前視野特征點(diǎn)與所述模板圖像中初始特征點(diǎn)的匹配，確定所述相機(jī)的當(dāng)前監(jiān)控視野與模板圖像的映射關(guān)系，利用該映射關(guān)系將所述危險(xiǎn)區(qū)域映射到所述相機(jī)的當(dāng)前監(jiān)控視野中，生成一相機(jī)當(dāng)前監(jiān)控危險(xiǎn)區(qū)；當(dāng)判斷所述相機(jī)的狀態(tài)沒有變化時(shí)，則所述相機(jī)利用已經(jīng)生成的所述相機(jī)當(dāng)前監(jiān)控危險(xiǎn)區(qū)檢測(cè)異物的出現(xiàn)；如果所述相機(jī)的狀態(tài)發(fā)生變化，則重新生成所述相機(jī)當(dāng)前監(jiān)控危險(xiǎn)區(qū)，進(jìn)而檢測(cè)異物的出現(xiàn)。

優(yōu)選地，在一個(gè)實(shí)施例中，所述相機(jī)配置成，在不同的方位角獲取匹配模板，匹配模板或者不同時(shí)間段圖像的融合獲得，或者利用采集的圖像作為匹配模板。

為方便理解檢測(cè)入侵異物的具體過程，現(xiàn)對(duì)應(yīng)用到的算法程序進(jìn)行具體說明。

鐵路場(chǎng)景的限界區(qū)域可以界定為鋼軌區(qū)域和鋼軌以外的一定區(qū)域，當(dāng)有異物侵入到限界區(qū)域時(shí)，如果有列車恰好通過該區(qū)域，便可能發(fā)生嚴(yán)重事故。因此，自動(dòng)識(shí)別限界區(qū)域關(guān)鍵在于自動(dòng)檢測(cè)出視頻場(chǎng)景中的鋼軌。因?yàn)樵婆_(tái)相機(jī)方位角和焦距不定時(shí)發(fā)生變化，如果每變化一次都檢測(cè)一次鋼軌，有可能造成較大誤差，從而影響后續(xù)的異物侵限檢測(cè)，而且會(huì)導(dǎo)致程序運(yùn)行時(shí)間加長(zhǎng)，不滿足實(shí)時(shí)性的要求。

因此，本發(fā)明采取的方法是只在初始時(shí)檢測(cè)并通過特征點(diǎn)標(biāo)定限界區(qū)域一次，當(dāng)相機(jī)角度和焦距發(fā)生變化后，當(dāng)前幀圖像與首幀圖像特征進(jìn)行匹配，利用匹配點(diǎn)確定的變換矩陣將原圖中的限界區(qū)域變換到當(dāng)前圖像中，即采用一次檢測(cè)，多次匹配的方法進(jìn)行處理。整個(gè)限界區(qū)域確定過程主要分為兩步：原圖中確定限界區(qū)域，參見圖3，和當(dāng)前圖像中匹配重新標(biāo)記區(qū)域，參見圖4。

1)原圖中確定限界區(qū)域

為了確定限界區(qū)域，首要需要檢測(cè)出圖像中的鋼軌。為了能夠在后續(xù)幀中準(zhǔn)確的匹配得到鋼軌區(qū)域，初次檢測(cè)時(shí)必須在最小焦距、最大視野的場(chǎng)景圖像上進(jìn)行，將此條件下獲取的圖像定義為原圖，并在該圖上通過自動(dòng)檢測(cè)鋼軌完成限界區(qū)域的自動(dòng)識(shí)別。實(shí)際使用中發(fā)現(xiàn)，當(dāng)夜晚圖像與白天圖像做匹配時(shí)，由于光照的影響，晚上圖像與白天圖像差別很大，幾乎沒有任何匹配點(diǎn)，也就不能準(zhǔn)確的找到限界區(qū)域。因此，為了提高算法的實(shí)用性，必須找到一個(gè)統(tǒng)一的、與任何狀態(tài)下的圖像都能夠匹配的模板。

本發(fā)明采用的方法是設(shè)置相機(jī)預(yù)置位(經(jīng)過實(shí)驗(yàn)，在無其他外界因素干擾的情況下，通過預(yù)置位，云臺(tái)相機(jī)能夠準(zhǔn)確的恢復(fù)到原來的方向、焦距)，首先在天氣良好、光照充足的白天保存一張圖像，夜間時(shí)，使相機(jī)恢復(fù)到預(yù)置位，獲得一張夜間的、光照不足的圖像。由于可能存在風(fēng)等外界因素的干擾，導(dǎo)致相機(jī)在預(yù)置位上發(fā)生輕微抖動(dòng)，白天和晚上兩幅圖像場(chǎng)景發(fā)生少量變化，因此需要對(duì)兩圖像做配準(zhǔn)。

優(yōu)選地，作為實(shí)例，配準(zhǔn)的方法是在白天圖像中心獲得一個(gè)100＊100的小圖像，搜索夜間圖像相同位置的周圍小范圍內(nèi)的區(qū)域，找到相關(guān)度最高的位置，得到兩幅圖像的運(yùn)動(dòng)矢量，根據(jù)運(yùn)動(dòng)矢量完成運(yùn)動(dòng)補(bǔ)償，利用補(bǔ)償后的圖像完成圖像融合。算法流程如圖1所示。

融合后的圖像如果直接檢測(cè)鋼軌，會(huì)有許多的誤檢情況，本設(shè)計(jì)采用的處理方式是對(duì)原始圖像進(jìn)行小波分析，提取出其不同高低頻情況下的分量圖，通過實(shí)驗(yàn)比較發(fā)現(xiàn)，在其水平方向高頻、豎直方向低頻的分量圖中，鋼軌特征保留最明顯，而且可以很大程度上降低噪聲影響，因此利用其水平方向高頻、豎直方向低頻的分量圖進(jìn)行后續(xù)處理。圖像預(yù)處理階段主要包括直方圖均衡化、二值化以及形態(tài)學(xué)操作等，直方圖均衡化和二值化可以使鋼軌特征更明顯，形態(tài)學(xué)操作中分別做一次一個(gè)像素單位的膨脹和腐蝕，這樣可以修補(bǔ)二值圖像中鋼軌的細(xì)小斷裂缺口。

由于在最小焦距下，鋼軌大部分都是直軌，因此采用經(jīng)典的直線檢測(cè)算法hough變換檢測(cè)圖像中鋼軌。此時(shí)的檢測(cè)結(jié)果中會(huì)存在我們所期望的鋼軌以及誤檢出的鋼軌上方的接觸網(wǎng)。

本發(fā)明中，作為實(shí)例，優(yōu)選地，將角度在(0°，90°)，(－90°，0°)的直線分別存放，比較兩個(gè)直線集合中第一條直線起點(diǎn)的縱坐標(biāo)，只保留縱坐標(biāo)較大(更靠近地面)的一個(gè)直線集合，即為檢測(cè)出的鋼軌位置。對(duì)檢測(cè)出的代表鋼軌的直線像兩端延伸，近端可在保持直線斜率不變的基礎(chǔ)上直接延伸至圖像邊緣，遠(yuǎn)端則做一次區(qū)域生長(zhǎng)，首先將直線終點(diǎn)標(biāo)記為種子點(diǎn)，判斷二值圖像中直線方向上的第一個(gè)白點(diǎn)與種子點(diǎn)之間的距離是否小于設(shè)定的閾值，如果小于，則把這個(gè)點(diǎn)標(biāo)記為新的種子點(diǎn)，否則標(biāo)記為直線終點(diǎn)。如此檢測(cè)出的兩條直線之間的區(qū)域則為限界區(qū)域，如圖2中原圖像中的紅色區(qū)域，記錄該區(qū)域的關(guān)鍵點(diǎn)坐標(biāo)。

2)當(dāng)前圖像中匹配重新標(biāo)記限界區(qū)域

當(dāng)相機(jī)姿態(tài)或焦距發(fā)生變化后(如圖2中新圖像相對(duì)于原圖像的方位角和焦距均發(fā)生了變化)，通過圖像匹配算法在新圖像中重新標(biāo)記限界區(qū)域。本發(fā)明采用的圖像匹配算法是sift算法。sift經(jīng)典匹配算法首先分別檢測(cè)兩幅圖像中的特征點(diǎn)，然后在兩幅圖像的特征點(diǎn)中尋找到具有相同特征矢量的特征點(diǎn)作為匹配點(diǎn)對(duì)，剔除匹配點(diǎn)對(duì)中的誤匹配點(diǎn)，根據(jù)多對(duì)匹配點(diǎn)(1－1’，2－2’，3－3’，4－4’)計(jì)算得到兩幅圖像間的仿射變換矩陣，再將1)中獲得的限界區(qū)域關(guān)鍵點(diǎn)位置坐標(biāo)通過變換矩陣進(jìn)行計(jì)算，得到新圖像背景下對(duì)應(yīng)的位置坐標(biāo)，進(jìn)而將原圖像中檢測(cè)出的限界區(qū)域在當(dāng)前圖像中自動(dòng)標(biāo)記出來。本發(fā)明的算法在限界區(qū)域自動(dòng)識(shí)別標(biāo)記中效果良好。

作為實(shí)例，如圖2所示，原圖中的限界區(qū)域用紅色線條框出，假設(shè)匹配過程中找到了四對(duì)特征點(diǎn)(1－1’，2－2’，3－3’，4－4’)，利用這四對(duì)特征點(diǎn)可以確定原圖與當(dāng)前圖像的坐標(biāo)變換矩陣，將原圖中的危險(xiǎn)區(qū)域特征點(diǎn)(紅色框的四個(gè)頂點(diǎn))變換到當(dāng)前圖像中為兩條淡藍(lán)色線，這兩條線與當(dāng)前圖像的交集即為當(dāng)前圖像中的限界區(qū)域。圖3和圖4為利用上述方法在原圖和當(dāng)前圖像中自動(dòng)確定的限界區(qū)域。

基于分時(shí)圖像融合的匹配模板生成的過程如下：

當(dāng)ptz相機(jī)姿態(tài)或焦距變化后預(yù)設(shè)的限界區(qū)域?qū)?huì)發(fā)生變化，為了能夠通過特征匹配在新圖像中找到限界，需要維護(hù)一個(gè)匹配模板。由于天氣、光照等自然因素的變化，相機(jī)不同時(shí)刻的圖像質(zhì)量差別很大，不能直接使用某幅圖像作為匹配模板，需要找到一個(gè)在不同光照下都能使用的通用模板用于后續(xù)特征點(diǎn)對(duì)的匹配。

由于ptz相機(jī)可通過軟件設(shè)置“預(yù)置位”，當(dāng)相機(jī)恢復(fù)至“預(yù)置位”時(shí)，相機(jī)的姿態(tài)和焦距即可自動(dòng)恢復(fù)為原來的參數(shù)。本文利用ptz相機(jī)的這一特點(diǎn)通過分時(shí)圖像融合方法得到適合各種復(fù)雜光線條件的匹配模板，并定期進(jìn)行更新，使模板包含更豐富的信息。

為了能在匹配模板中找到對(duì)應(yīng)的匹配點(diǎn)，調(diào)整相機(jī)角度、焦距，使待檢測(cè)的區(qū)域位于相機(jī)焦距最小時(shí)的視野中心位置，此時(shí)的相機(jī)視野最大，并將此時(shí)相機(jī)的姿態(tài)和焦距記錄為“預(yù)置位”。為了使匹配模板能夠適應(yīng)復(fù)雜的光線條件，模板按公式(1)進(jìn)行更新：

m＿i(x，y)＝α＊m＿(i－1)(x，y)+β＊i＿yi(x，y)(1)

其中，m＿i(x，y)是本次更新后的匹配模板，m＿(i－1)(x，y)是上次更新后的匹配模板，i＿yi(x，y)是當(dāng)前時(shí)刻相機(jī)恢復(fù)“預(yù)置位”處采集的圖像，α、β是融合系數(shù)。為進(jìn)一步增強(qiáng)模板的適用性，需根據(jù)實(shí)際光線條件對(duì)融合系數(shù)α、β進(jìn)行調(diào)整。在白天光線充足條件下，適當(dāng)增大α，減小β；在夜間光照不足時(shí)適當(dāng)減小α，增大β。根據(jù)現(xiàn)場(chǎng)實(shí)驗(yàn)經(jīng)驗(yàn)，白天時(shí)取α＝0.8，β＝0.2，夜間時(shí)取α＝0.6，β＝0.4。

初始匹配模板m0的獲得是通過分別在白天和夜間預(yù)置位采集一幅圖像，并將采集到的兩幅圖像按照公式(2)融合實(shí)現(xiàn)的：

m＿0(x，y)＝〖0.25＊i〗＿d(x，y)+〖0.75＊i〗＿n(x，y)(2)

其中，m＿0(x，y)是初始匹配模板，i＿d(x，y)是白天獲取的預(yù)置位圖像，i＿n(x，y)是夜晚獲取的預(yù)置位圖像。圖1為利用白天和夜間圖像按照1：3的比例融合成的初始模板。

獲得初始模板后，將tpz相機(jī)每天白天和夜間定時(shí)獲取一幅預(yù)置位圖像不斷更新匹配模板，該模板圖像包含了不同時(shí)段不同天氣條件下的信息，具有更強(qiáng)的適用性。

在本申請(qǐng)的一個(gè)優(yōu)選實(shí)施例中，基于小波與形態(tài)學(xué)的圖像進(jìn)行預(yù)處理。

由于匹配模板中鐵軌的位置是固定的，因此可以通過檢測(cè)模板中的鋼軌實(shí)現(xiàn)模板圖像限界區(qū)域的自動(dòng)識(shí)別。為了突出圖像中的鋼軌特征，需要對(duì)模板圖像進(jìn)行預(yù)處理操作。本申請(qǐng)采用的預(yù)處理操作主要分為haar小波分析、形態(tài)學(xué)斷線重連和連通域標(biāo)記初步確定鋼軌三個(gè)步驟。

在一個(gè)實(shí)施例中，通過harr小波分析進(jìn)行圖像預(yù)處理。小波分析是對(duì)傅里葉分析的發(fā)展與延伸，在圖像壓縮、圖像增強(qiáng)、圖像去噪和圖像融合等領(lǐng)域有著廣泛的應(yīng)用。小波變換的基本思想是用一組小波函數(shù)或基函數(shù)表示一個(gè)函數(shù)或信號(hào)，獲得其時(shí)間和頻率域的關(guān)系。小波變換通過平移母函數(shù)(motherwavelet)可獲得信號(hào)的時(shí)間信息，通過縮放小波的寬度(尺度)可獲得信號(hào)的頻率特性。小波變換中，近似值是大的縮放因子產(chǎn)生的系數(shù)，表示信號(hào)的低頻分量，細(xì)節(jié)值是小的縮放因子產(chǎn)生的系數(shù)，表示信號(hào)的高頻分量。本文使用haar小波完成圖像分析。

haar基函數(shù)φ(x)定義為

haar小波函數(shù)ψ(x)定義為

如對(duì)一個(gè)包含4個(gè)像素的一維圖像a[a(1)a(2)a(3)a(4)]進(jìn)行haar小波變換得到圖像b，變換過程如下：

其中[b(1)b(2)]是原圖像的近似(低頻)圖，包含圖像a的大部分能量，但是分辨率是原圖像的一半，[b(3)b(4)]是原圖像的細(xì)節(jié)(高頻)圖，能量很少。表1以[11957]為例，展示了2次haar小波變換的結(jié)果。

表1haar小波變換過程

從表中可以看出每進(jìn)行一次小波變換，分辨率減半，因此分辨率為1×4的圖像最多只能進(jìn)行兩次小波變換。本文中首先對(duì)原始圖像逐行完成一次小波變換，再逐列完成一次小波變換，得到原圖像的水平、豎直均近似(ll)，水平近似、豎直細(xì)節(jié)(hl)，水平細(xì)節(jié)、豎直近似(lh)和水平、豎直均細(xì)節(jié)(hh)等4個(gè)分量圖，原圖分辨率為960×1280，小波變換后各分量圖分辨率為480×640。因?yàn)榧?xì)節(jié)分量圖能量很小，不利于直接觀察，因此分別對(duì)hl、lh、hh等3個(gè)分量圖做直方圖均衡化，結(jié)果如圖5(a)－5(d)。

圖中l(wèi)l分量圖保留了原圖的絕大部分能量，與原圖非常相似，對(duì)ll分量圖進(jìn)行處理意義不大。對(duì)比其他3個(gè)細(xì)節(jié)分量圖，發(fā)現(xiàn)hl分量圖在保留部分原圖信息的基礎(chǔ)上，鋼軌特征比較突出，因此選用hl分量圖進(jìn)行后續(xù)操作。

在一個(gè)實(shí)施例中，進(jìn)行形態(tài)學(xué)閉運(yùn)算斷線重連。

為方便后續(xù)處理，對(duì)hl分量圖做二值化操作。觀察發(fā)現(xiàn)，圖像整體偏“白”，為了獲得效果較好的二值化圖像，需設(shè)定較大的二值化閾值，本文選定的二值化閾值為240，二值化操作原理如下：

其中d(x，y)為二值化后點(diǎn)(x，y)處的像素值，hl(x，y)為hl分量圖坐標(biāo)(x，y)處灰度值。二值化結(jié)果如圖6所示。

圖6中鋼軌的某些部分存在“斷裂”情況，這會(huì)對(duì)后期的鋼軌檢測(cè)帶來嚴(yán)重影響。本文通過一次形態(tài)學(xué)閉運(yùn)算解決二值圖像中鋼軌的“斷裂”問題，完成斷線重連。形態(tài)學(xué)閉運(yùn)算是一種重要的形態(tài)運(yùn)算，包括先膨脹后腐蝕兩個(gè)過程。

膨脹是圖像向外擴(kuò)張的過程，可以用于橋接縫隙，填補(bǔ)物體中的細(xì)小空洞，而腐蝕則是向內(nèi)收縮的過程，可以用于消除獨(dú)立的點(diǎn)或小物體。定義集合a為一副圖像，s為進(jìn)行形態(tài)學(xué)操作的結(jié)構(gòu)元素，設(shè)其幾何中心為s[o]s[o]。用s對(duì)a進(jìn)行膨脹可以表示為其中為膨脹算子。膨脹運(yùn)算定義如下：

該式表明膨脹過程就是將結(jié)構(gòu)元素的中心s[o]與圖像a作與操作，若結(jié)果非空，此時(shí)結(jié)構(gòu)元素所在區(qū)域即變?yōu)閳D像a中此處的目標(biāo)區(qū)域，將結(jié)構(gòu)元素s在圖像a內(nèi)平移，遍歷整幅圖像，s掃過的區(qū)域集合即為a中的目標(biāo)區(qū)域。

用s對(duì)a進(jìn)行腐蝕可以表示為a□s，其中□為腐蝕算子。腐蝕運(yùn)算定義如下：

該式表明腐蝕結(jié)果就是將s在a中平移，遍歷整幅圖像，當(dāng)s完全被a包圍時(shí)，s的中心s[o]的集合。

通過先膨脹后腐蝕的形態(tài)學(xué)閉運(yùn)算，完成了目標(biāo)中細(xì)小空洞的填充、相鄰目標(biāo)的連接和目標(biāo)邊緣的平滑，完成了二值圖像中鋼軌的斷線重連，使鋼軌特征更加突出，結(jié)果如圖7(a)至7(c)所示。

在一個(gè)實(shí)施例中，通過連通域標(biāo)記來初步篩選鋼軌。形態(tài)學(xué)閉運(yùn)算后的圖7中仍存在許多獨(dú)立的“白點(diǎn)”，以及一片較大的白色區(qū)域，這些都會(huì)影響后期鋼軌檢測(cè)的效果。本文提出基于8鄰域的連通域標(biāo)記方法降低上述影響。連通域標(biāo)記就是將二值圖像中彼此相鄰(8鄰域)的“白點(diǎn)”(像素值為1)標(biāo)記為同一個(gè)目標(biāo)的過程。

參見圖8，示出了連通域標(biāo)記示意圖。所示連通區(qū)域的標(biāo)記過程如下：

step1：掃描第一行，得到兩個(gè)塊[2，4]和[7，10]，分別標(biāo)記為1和2；

step2：掃描第二行，得到兩個(gè)塊[4，5]和[7]，但是它們分別與上一行的兩個(gè)塊1，2的8鄰域有重疊區(qū)域，所以將[4，5]標(biāo)記為1，將[7]標(biāo)記為2；

step3：掃描第三行，同樣得到兩個(gè)塊[1，2]和[6，7]，[1，2]與上一行被標(biāo)記的塊的8鄰域均沒有重疊區(qū)域，所以將其標(biāo)記為一個(gè)新的塊3，而[6，7]與上一行兩個(gè)塊的8鄰域都有重疊，所以標(biāo)記為兩者中最小的標(biāo)號(hào)，即1，塊1，2實(shí)際為同一個(gè)塊，所以將塊1，2均標(biāo)記為1，將3標(biāo)記為2。

step4：遍歷圖像，直到所有值為1的像素均被標(biāo)記。

完成連通域標(biāo)記后，二值圖像被標(biāo)記為許多不同的目標(biāo)，統(tǒng)計(jì)各目標(biāo)所包含的像素?cái)?shù)。實(shí)驗(yàn)中發(fā)現(xiàn)，像素個(gè)數(shù)小于150的都是一些零散的噪聲，而像素個(gè)數(shù)大于5000的多為反光造成的大片白色區(qū)域，將這些確定不是鋼軌的目標(biāo)剔除能夠很大程度上提高后期算法的檢測(cè)精度，過程如下：

其中，i表示被標(biāo)記的第i個(gè)目標(biāo)，s(i)表示第i個(gè)目標(biāo)包含的像素個(gè)數(shù)。連通域標(biāo)記后利用公式(9)初步篩選的結(jié)果如圖9(a)和9(b)所示，從中可以看出經(jīng)過上述預(yù)處理后鋼軌特征更加突出，便于后期檢測(cè)。

在一個(gè)實(shí)施例中，進(jìn)行基于極向投影的鋼軌檢測(cè)。經(jīng)過上述預(yù)處理后，圖像中的鋼軌特征已非常突出，但仍存在許多干擾噪聲，準(zhǔn)確地檢測(cè)所有鋼軌位置仍面臨挑戰(zhàn)。本文針對(duì)現(xiàn)實(shí)場(chǎng)景中直線鋼軌平行的特點(diǎn)，提出利用hough變換檢測(cè)兩條鋼軌確定消隱點(diǎn)，進(jìn)而利用極向投影檢測(cè)其他鋼軌位置的方法。

通過hough變換確定平行鋼軌消隱點(diǎn)。其中，根據(jù)攝像機(jī)成像模型，經(jīng)過透視投影成像后，空間相互平行的直線將在成像平面中相交于一點(diǎn)，稱為消隱點(diǎn)。圖10為消隱點(diǎn)成像模型，三維場(chǎng)景中的正方形棋盤格經(jīng)過透視投影成像后在圖像平面中如圖所示，其中所有縱向直線相交于o1點(diǎn)，所有橫向直線相交于o2點(diǎn)，這兩個(gè)點(diǎn)分別為兩束平行線的消隱點(diǎn)。由于鐵路直線區(qū)段場(chǎng)景中所有鋼軌都是平行的，利用透視投影關(guān)系可知，這些鋼軌具有相同的消隱點(diǎn)，確定消隱點(diǎn)有助于鋼軌的檢測(cè)。

消隱點(diǎn)可以利用現(xiàn)實(shí)平行線束中任意兩條平行線在圖像中的交點(diǎn)確定，因此只要在鐵路場(chǎng)景圖像中檢測(cè)出兩條鋼軌即可確定平行鋼軌的消隱點(diǎn)。鋼軌檢測(cè)利用hough變換實(shí)現(xiàn)，hough變換是一種由二維空間到參數(shù)空間的映射，常用于圖像空間中的直線特征檢測(cè)。由于二維空間的某一點(diǎn)對(duì)應(yīng)于參數(shù)空間的某條直線，二維空間的共線性對(duì)應(yīng)于參數(shù)空間的共點(diǎn)性，因此可以通過對(duì)參數(shù)空間某個(gè)點(diǎn)對(duì)的計(jì)數(shù)提取二維空間中的直線參數(shù)。本文中利用hough變換檢測(cè)圖像中鋼軌的結(jié)果如圖11所示。

圖中檢測(cè)結(jié)果并不理想，6條鋼軌不能全部準(zhǔn)確檢測(cè)，同時(shí)還檢測(cè)出了許多其他位置的直線，存在誤檢與漏檢情況。由于直線鐵路區(qū)段各股道的鋼軌相互平行，表現(xiàn)在圖像平面上即為各鋼軌直線應(yīng)相交于相同的消隱點(diǎn)。如圖11所示，本申請(qǐng)使用hough變換檢測(cè)直線特征最明顯的兩條直線確定鋼軌消隱點(diǎn)，其位置是通過求解兩條鋼軌直線方程的交點(diǎn)獲得的。

在一個(gè)實(shí)施例中，通過極向投影來確定鋼軌位置。其中，

由于實(shí)際場(chǎng)景中其他鋼軌與檢測(cè)出的兩條鋼軌相互平行，因此，圖像中的其他鋼軌也應(yīng)通過該消隱點(diǎn)。本文提出的極向投影直線檢測(cè)方法就是以消隱點(diǎn)為中心，沿各角度向消隱點(diǎn)做極向投影，統(tǒng)計(jì)各方向上白色像素點(diǎn)的個(gè)數(shù)。若某角度上存在一條鋼軌直線，則該方向上的白色像素累加值必定是一個(gè)峰值?？紤]到鋼軌只存在于消隱點(diǎn)下方，為減小運(yùn)算量，角度范圍取(－180°，0°)，步長(zhǎng)為0.5°。

獲取某方向像素累加值的關(guān)鍵是得到該方向的直線方程，過消隱點(diǎn)(x0，y0)且方向?yàn)棣鹊闹本€截距。

b＝y(tǒng)0-tanθ*x0(10)

則該直線可以表示為：

y＝tanθ*x+b＝tanθ(x-x0)+y0(11)

式(11)即為過消隱點(diǎn)(x0，y0)方向?yàn)棣鹊闹本€方程?？紤]到像素彼此正交的排列方式，大部分像素點(diǎn)并不會(huì)恰好在直線上，實(shí)際以橫坐標(biāo)x為自變量，通過式(11)求得縱坐標(biāo)y，對(duì)y四舍五入求整即可得到位于直線周圍的像素點(diǎn)坐標(biāo)，如圖12所示。

圖12中圓圈代表消隱點(diǎn)，“×”代表橫坐標(biāo)固定情況下直線周圍的像素點(diǎn)，求該方向的極向投影即把圖中所有星號(hào)點(diǎn)的像素值相加。以0.5°步長(zhǎng)遍歷消隱點(diǎn)(－180°，0°)范圍內(nèi)所有方向，極向投影累加公式如下：

其中，(x，y)為角度θ時(shí)由公式(11)確定的像素坐標(biāo)，g(x，y，θ)為對(duì)應(yīng)像素點(diǎn)的數(shù)值，極向投影曲線如圖13所示。

極值點(diǎn)對(duì)應(yīng)的角度上存在著直線，因?yàn)閷?shí)際圖像中存在六條鋼軌，因此極向投影值最大的六個(gè)極值點(diǎn)即為圖像中6條鋼軌的位置，由極值點(diǎn)確定各鋼軌的角度后，利用公式(11)即可求得所有鋼軌直線方程，由此求得的六條鋼軌的位置如圖14(a)所示，圖14(b)即為利用最外圍兩條鋼軌確定的鐵路場(chǎng)景圖像中的限界區(qū)域。

本申請(qǐng)通過上述的技術(shù)方案，實(shí)現(xiàn)了優(yōu)于現(xiàn)有技術(shù)的有益技術(shù)效果，例如，包括實(shí)現(xiàn)異物的實(shí)時(shí)自動(dòng)檢測(cè)，減少工作量且提高效率，減少漏報(bào)情況?；谠婆_(tái)的可轉(zhuǎn)動(dòng)可調(diào)焦相機(jī)進(jìn)行異物侵限檢測(cè)方法解決了現(xiàn)有技術(shù)中的固定相機(jī)的缺點(diǎn)與不足；通過有效可行的處理算法實(shí)現(xiàn)相機(jī)轉(zhuǎn)動(dòng)和調(diào)焦后鐵路限界區(qū)域的自動(dòng)判斷，進(jìn)而通過圖像檢測(cè)算法實(shí)現(xiàn)該場(chǎng)景下異物的自動(dòng)檢測(cè)。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。