基于數(shù)字圖像處理的鐵路客車上水防護(hù)方法研究

張 亮，張 念，2

(1.太原科技大學(xué) 交通與物流學(xué)院，太原 030024；2.太原理工大學(xué) 土木工程學(xué)院，太原 030024)

隨著我國鐵路客運事業(yè)的高速發(fā)展，客運量不斷增大，為保證旅客車內(nèi)用水需求，鐵路客車上水作業(yè)尤為重要。然而，上水工作除了時間緊、任務(wù)重之外，上水工還要時刻注意有沒有列車開進(jìn)站臺，當(dāng)列車開進(jìn)站臺時會產(chǎn)生較大的吸力，稍有不慎，則會出現(xiàn)重大安全事故[1]。盡管智能化上水裝置已在部分車站投入使用，但為避免突發(fā)事件發(fā)生，仍會安排一定數(shù)量的上水安全員保證生產(chǎn)作業(yè)正常運行[2]。

為保證列車上水作業(yè)的安全進(jìn)行，作者通過對北京西站、太原站、臨汾站及杭州東站上水作業(yè)的實地調(diào)研，針對目前鐵路上水防護(hù)工作仍依賴人工提醒的現(xiàn)狀，提出了一種自動化水平較高的防護(hù)方法，即采用車站連鎖系統(tǒng)獲取排路信息，通過監(jiān)控視頻進(jìn)行目標(biāo)識別驗證來車股道，如來車股道旁股道正進(jìn)行上水作業(yè)，則對上水工做防護(hù)提醒，反之則不用。

1 現(xiàn)狀分析

目前的上水作業(yè)流程如下：

(1)鐵路總公司發(fā)布上水計劃，并將該計劃下發(fā)至各個路局、站段。

(2)列車長觀察車廂用水情況，如有需要，則向途徑車站發(fā)送上水需求。

(3)車站指揮中心收到上水需求后，提前15 min通知上水工隊進(jìn)入溝道，嚴(yán)格按照上水計劃為途徑本站的列車上水。若旁股道來車，指揮中心會通過對講機(jī)提醒上水工注意防護(hù)。

(4)待上水完成后，上水工有序離開站臺[3]。

由于目前上水防護(hù)仍依賴客運指揮人員通過對講機(jī)人工提醒，當(dāng)遇到大面積晚點，列車更改進(jìn)站股道時，客運指揮部門往往需要加派人手進(jìn)行防護(hù)[4]。從經(jīng)濟(jì)性與安全性角度考慮，上水防護(hù)作業(yè)的自動化水平有待提高。

2 解決方法

針對目前鐵路上水防護(hù)問題，作者通過實地調(diào)研分析，提出將車站聯(lián)鎖系統(tǒng)與圖像處理相結(jié)合的方法，檢測是否需要對上水作業(yè)人員提醒防護(hù)。流程圖如圖1所示。

圖1 方案流程圖

2.1 車站聯(lián)鎖預(yù)警

具備上水條件的車站大都采用計算機(jī)聯(lián)鎖，其利用計算機(jī)對車站作業(yè)人員的操作命令及現(xiàn)場表示的信息進(jìn)行邏輯運算，從而實現(xiàn)對信號機(jī)及道岔等進(jìn)行集中控制，使其達(dá)到相互制約。計算機(jī)聯(lián)鎖系統(tǒng)由硬件設(shè)備和軟件設(shè)備構(gòu)成。軟件設(shè)備是實現(xiàn)進(jìn)路、信號機(jī)和道岔相互制約的核心部分，由兩部分組成：一是參與聯(lián)鎖運算的車站數(shù)據(jù)庫；二是進(jìn)行聯(lián)鎖邏輯運算，完成聯(lián)鎖功能的應(yīng)用程序[5]?，F(xiàn)上水防護(hù)仍由客運指揮人員觀察正在上水股道旁側(cè)股道是否來車，進(jìn)而通知上水工采取防護(hù)。針對此問題，可對聯(lián)鎖軟件進(jìn)行二次開發(fā)。

如圖2所示，假設(shè)2車正在進(jìn)行上水作業(yè)，當(dāng)檢測到3車將要進(jìn)站(股道白色燈帶亮起)，則通過安裝在上水栓附近的信號發(fā)生器自動對上水人員進(jìn)行防護(hù)提醒。通常列車進(jìn)站前10 min會獲取排路信息，若此時提醒上水人員進(jìn)行防護(hù)，則會造成上水作業(yè)時間延長，降低上水效率。因此，仍需較為科學(xué)地設(shè)置提醒時間，避免因過早提醒防護(hù)帶來的上水延誤。

圖2 車站聯(lián)鎖仿真圖

2.2 圖像目標(biāo)識別預(yù)警

近年來，圖像處理技術(shù)不斷發(fā)展，經(jīng)歷了文字識別到數(shù)字圖像處理與識別，再到物體識別，目標(biāo)識別應(yīng)用范圍廣，可靠性強(qiáng)。作者提出將目標(biāo)識別技術(shù)應(yīng)用于上水防護(hù)工作中，配置了python3.6+opencv4.0的實驗環(huán)境，通過對比sobelX，sobelY，canny三種典型的邊緣檢測算子，提出最大類間方差法自動取閾值的方法對canny算子進(jìn)行優(yōu)化[6]，可以實現(xiàn)不同光照條件下對軌道線路的提取，設(shè)置了安全距離，以達(dá)到上水作業(yè)檢測并防護(hù)的目的。

首先讀入需要檢測圖片，原始圖像進(jìn)行灰度處理，圖形灰度化可以去除無用的顏色信息，有效減少后期的計算量，圖像灰度處理結(jié)果及灰度直方圖如圖3、圖4所示。

圖3 灰度圖

圖4 灰度直方圖

對鐵軌的提取采用邊緣檢測算子來實現(xiàn)，本文在研宄過程中選取了sobelX，sobelY，canny三種典型的邊緣檢測算子進(jìn)行試驗。每幀圖像的灰度有差異，通常邊界處會有較為明顯的邊緣，實現(xiàn)分割圖像則可以利用此特征。工程中進(jìn)行圖像分割，一般只用到一階和二階導(dǎo)數(shù)。原理上可以用更高階的導(dǎo)數(shù)，但是，噪聲對導(dǎo)數(shù)影響較大，二階以上導(dǎo)數(shù)尤為明顯，因此三階及以上導(dǎo)數(shù)工程意義并不明顯。由于二階導(dǎo)數(shù)對噪聲也較敏感，處理方法是先對圖像進(jìn)行平滑處理以濾除部分噪聲，再對邊緣進(jìn)行檢測。

Sobel算子含3×3的的橫向模板矩陣及縱向模板矩陣，將其與圖像作平面卷積，橫向及縱向的亮度差分近似值便可獲取[7]。工程應(yīng)用中，針對不同的亮度，可選擇不同模板提取亮度差分近似值，通常用如下模板來檢測圖像邊緣。

檢測水平邊沿橫向模板：

檢測垂直平邊沿縱向模板：

定義G為圖像像素梯度近似值范數(shù)，圖像的每一個像素的橫向及縱向近似值來表示范數(shù)，計算出梯度的大小，如式(1)所示。

(1)

可用式(2)計算梯度方向。

(2)

Sobel算子沒有將圖像所采集的要素與背景嚴(yán)格區(qū)分，適用于要素與背景差異較大的情況，而鐵軌提取的主要干擾在于軌枕及碎石，且要素與背景差異并不明顯。由于Sobel算子沒有基于圖像灰度進(jìn)行處理，故未能嚴(yán)格模擬人的視覺生理特征，所以用于提取軌道線路不能達(dá)到理想效果。效果圖如圖5、圖6所示。

圖5 水平方向邊緣檢測

圖6 垂直方向邊緣檢測

Canny算子是一個具有濾波、增強(qiáng)、檢測的多階段優(yōu)化算子。求邊緣點具體算法如下：首先用高斯濾波器平滑圖像；再用一階偏導(dǎo)有限差分計算梯度幅值和方向；然后，對梯度幅值進(jìn)行非極大值抑制；最后，用雙閾值算法檢測和連接邊緣[8]。

傳統(tǒng)Canny算法需要人工設(shè)置閾值，在視頻檢測工作中，諸如天氣、光照等因素實時發(fā)生變化，設(shè)置固定閾值顯然是不可行的，針對此問題，作者提出利用最大類間方差方法(大津法)自動選取閾值，并將閾值參數(shù)傳送至canny函數(shù)的閾值形參中，即可實現(xiàn)針對不同條件下的邊緣提取。

最大類間方差法的基本思想是：將非極大值抑制后的圖像中像素分為C1，C2，C3類，即非邊緣，偽邊緣，真實邊緣三類，每類中包含的梯度幅值分別為{t1，t2，…，tk}，{tk+1，tk+2，…，tm}，{tm+1，tm+2，…，tL}，求得類間方差最大時的tk，tm，即高閾值Tmax與低閾值Tmin[9].

在求梯度前，首先要先高斯平滑濾波，因為噪聲對求導(dǎo)的干擾很大，必須先做出平滑曲線[10]，如圖7所示。非極大值抑制后，利用類間方差最大法求得高低閾值，結(jié)果如圖8所示。凡邊緣像素點梯度值大于高閾值，則被認(rèn)為是強(qiáng)邊緣點，應(yīng)保留；邊緣梯度值介于高閾值與低閾值之間，則標(biāo)記為弱邊緣點，從該像素的8鄰域的尋找像素梯度值，如果存在像素梯度值高于高閾值，則保留，如果沒有，則舍棄；小于低閾值的點則被抑制。最大類間方差法取閾值后的canny算子處理效果如圖9所示。

圖7 高斯平滑直方圖

圖8 自適應(yīng)雙閾值結(jié)果圖

圖9 大津法取閾值后的canny算子處理效果圖

將邊緣檢測后圖像轉(zhuǎn)換成HLS通道，LUV通道，LAB通道，然后判斷圖像像素值信息及三個通道信息，再選取ROI區(qū)域，將選取的ROI區(qū)域轉(zhuǎn)換成鳥瞰圖，從鳥瞰圖里去進(jìn)行邊緣側(cè)檢測[11]。在實際工程中，鐵路彎軌往往占比較大，而概率霍夫算法檢測僅適用于擬合直線軌道，無法很好擬合彎軌線路，故采用三次函數(shù)擬合軌道線路，并設(shè)置安全距離。

經(jīng)實驗，在天氣狀況良好且光照充足的條件下，檢測軌道長度可達(dá)75 m，設(shè)置軌道兩側(cè)安全距離為1.5 m，如圖10所示，當(dāng)圖中標(biāo)注綠色股道來車時，通過結(jié)合深度學(xué)習(xí)網(wǎng)絡(luò)模型可實時檢測安全距離內(nèi)有無人員，即可判斷上水作業(yè)是否進(jìn)行，并選擇提醒。

圖10 識別效果圖

3 實現(xiàn)目標(biāo)

上水作業(yè)的防護(hù)方法目前主要依靠人工提醒，對人力成本造成了極大浪費，通過對車站計算機(jī)聯(lián)鎖系統(tǒng)二次開發(fā)和圖像目標(biāo)識別技術(shù)的應(yīng)用，可提升上水防護(hù)的自動化水平，減輕客運指揮人員的工作量。

4 結(jié)束語

上水工作苦、臟、累、險，上水作業(yè)的智能化勢在必行，前人通過設(shè)計自動上水裝置減輕了上水工的勞動強(qiáng)度，但并未加強(qiáng)對上水工人的安全防護(hù)。本文提出了將車站聯(lián)鎖系統(tǒng)與圖像目標(biāo)識別相結(jié)合，判定上水股道旁側(cè)股道來車情況，通過圖像處理實驗，驗證了方案的可行性。下一步應(yīng)降低算法的時間復(fù)雜度，并結(jié)合深度學(xué)習(xí)對安全距離內(nèi)的異物檢測，既可滿足上水作業(yè)檢測的實時性要求，又可實現(xiàn)異物侵入報警功能。