基于卡尔曼滤波的高铁接触网目标检测与跟踪方法技术

本发明专利技术公开了一种基于卡尔曼滤波的高铁接触网目标检测与跟踪方法，所述方法包括以下步骤：采集样本图像；对于所述样本图像进行预处理；对于经过预处理后的样本图像，获取水平扫描线上的像素点并对其进行显著性排序，提取得到显著性像素点；基于提取到的显著性像素点，检测经过预处理后的样本图像中的承力索和导线；确定承力索和导线协同跟踪策略，并对承力索和导线进行跟踪；基于Kalman滤波预测目标运动轨迹，修正跟踪结果。本发明专利技术基于Kalman滤波原理，通过对复杂背景下的承力索和导线进行检测与跟踪，实现对接触网的实时监测，对行车途中弓网脱离等突发情况进行有效预警，在一定程度上避免了由于弓网滑脱而引发的意外事故。

【技术实现步骤摘要】

本专利技术属于图像目标检测与跟踪
，尤其是一种基于卡尔曼滤波的高铁接触网目标检测与跟踪方法。
技术介绍
在当代高铁部件模块中，弓网系统负责向动车组提供稳定、持续、可靠的电能，是保障高速铁路动车组运行的核心设备之一。弓网系统主要包括受电弓与接触网。为了实现对弓网系统的视频监控，工程技术人员设定了接触网的一些技术参数，比如线路温度、拉高值、导出值等。接触网主要包括导线和承力索，其位置确定了拉高值与导出值，同时导线与取电弓的接触程度决定了接触网线路的温度，因此对导线和承力索位置和状态的准确判断是保障高铁安全监测的重要方面。目前对于接触网的实时监控数据，主要来源于高铁车厢顶部摄像头的监控图像。由于在高铁运行过程中会出现过隧道、桥梁以及接触网换线等情况，因此视频图像中会出现不可预测的突变和干扰，如光照变化、室内直线阴影干扰、杂乱线路干扰等。在室外环境下，接触网的背景主要以天空为主，即使在夜晚，由于补光灯的照射，前景目标也与背景具有较大的区分度，目标检测跟踪比较容易；室内环境(隧道、桥梁等)下，由于受光照变化、阴影、遮挡和换线等干扰，导致室内环境下接触网检测与跟踪成为难点。传统的目标检测方法通常有背景建模法，帧差法，光流法等。但是在高铁接触网系统中，由于检测导线和承力索目标问题的特殊性，传统的检测算法效果并不理想，所以我们接下来的思路是借助跟踪来获取目标运动趋势，进而优化目标检测的效果。现有的目标跟踪方法主要有以下几种：①基于模型的跟踪(Model-basedTracking)；②基于活动轮廓的跟踪(ActiveContourBasedTracking)；③基于区域的跟踪(Region-basedTracking)；④基于特征的跟踪(Feature-basedTracking)；⑤基于光流的跟踪；⑥基于学习的跟踪。上述方法中应用最广泛的是基于特征的目标跟踪。在本专利技术的实际环境中，由于导线和承力索无显著视觉特征，在出现直线干扰时判别性较弱，因此对其进行跟踪具有一定的难度。
技术实现思路
针对上述问题，本专利技术提出了一种基于卡尔曼(Kalman)滤波的高铁接触网目标检测与跟踪方法，以解决复杂背景下(隧道、桥梁)接触网的目标检测与跟踪问题。该方法主要涉及两部分内容，首先是接触网(导线和承力索)的检测，依据其所处背景环境的不同，可以分为室内和室外两种情况；其次是接触网的跟踪，实现了承力索和导线的协同跟踪。本专利技术根据目标特征不明显这一特点，定义了视觉显著性指标，利用上述对于特殊目标的显著性定义，进行了承力索和导线的检测；在目标跟踪方面，本专利技术的跟踪方法基于Kalman滤波，在目标发生遮挡或者没有检测到等情况，预测下一帧目标的可能出现位置，修正目标跟踪的偏差。本专利技术提出的基于Kalman滤波的高铁接触网目标检测与跟踪方法包括以下步骤：步骤S1：采集样本图像；步骤S2：对于所述样本图像进行预处理；步骤S3：对于经过预处理后的样本图像，获取水平扫描线上的像素点并对其进行显著性排序，提取得到显著性像素点；步骤S4：基于提取到的显著性像素点，检测经过预处理后的样本图像中的承力索和导线；步骤S5：确定承力索和导线协同跟踪策略，并对承力索和导线进行跟踪；步骤S6：基于Kalman滤波预测目标运动轨迹，修正跟踪结果。可选地，所述预处理至少包括灰度化和感兴趣区域提取。可选地，所述步骤S3中，在提取得到的感兴趣区域中，从上至下划出若干条水平扫描线，然后计算沿水平扫描线的像素点灰度值，构成一维信号，绘制灰度图，计算该一维信号的灰度值梯度，梯度值大于一阈值的像素点为显著性像素点。可选地，所述步骤S3还包括：对于所述一维信号进行自身平方、与特定卷积算子作卷积和高斯平滑的步骤。可选地，所述步骤S4包括以下步骤：步骤S41，定义直角坐标系下的主角度，对ROI区域中基于主角度的所有水平扫描线进行聚类，然后拟合显著性较强的像素点，将其匹配为直线；步骤S42，根据先验知识，剔除ROI区域中的杂线和误检测直线。可选地，所述先验知识指：承力索位于导线的左侧；承力索的亮度大于导线的亮度；线目标上的像素点的显著性强于邻近的非线目标上的像素点的显著性。可选地，所述步骤S5包括以下步骤：步骤S51：在ROI区域全局检测全部的线；步骤S52：将检测到的线的特征值指派给相应的追踪器；步骤S53：基于追踪器的特征确定承力索和导线的协同跟踪策略，并对承力索和导线进行跟踪。可选地，所述步骤S6中，首先，通过卡尔曼滤波预测承力索导线的位置状态向量和灰度值状态向量；然后更新位置状态向量和灰度值状态向量。综上所述，针对背景环境复杂，高铁接触网目标特征非常不明显的情况，并且由于阴影、换线等干扰，目标检测很容易发生误检，本专利技术基于Kalman滤波原理，通过k-1时刻的目标观测值来预测k时刻的目标状态值，使得跟踪算法对阴影、换线等干扰更加鲁棒，能够有效解决误检和漏检问题。本专利技术对复杂背景下高铁接触网的跟踪在准确度上明显优于其他的跟踪算法。附图说明图1是根据本专利技术一实施例的基于Kalman滤波的高铁接触网目标检测与跟踪方法的流程图；图2是根据本专利技术一实施例的在ROI区域计算像素点的灰度值梯度并匹配直线的示意图；图3是极坐标规则示意图；图4是根据本专利技术一实施例的承力索导线的检测步骤流程图；图5是根据本专利技术一实施例的ROI全局内各种直线出现的范围示意图；图6是根据本专利技术一实施例的ROI局部区域内承力索、导线合并与分离情形示意图；图7是根据本专利技术一实施例的基于Kalman滤波的承力索、导线协同跟踪步骤流程图；图8是根据本专利技术一实施例的承力索导线协同追踪的实验结果示意图。具体实施方式为使本专利技术的技术方案、实现步骤和跟踪效果更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。本专利技术使用实际观测的数据集为样本集验证算法的有效性。数据集涵盖了高铁行车过程中，接触网观测图像中出现的外界光照变化、阴影、换线等干扰。图1是根据本专利技术一实施例的基于Kalman滤波的高铁接触网目标检测与跟踪方法的流程图，如图1所示，所述基于Kalman滤波的高铁接触网目标检测与跟踪方法包括以下步骤：步骤S1：采集样本图像；该步骤中，将高清摄像机在列车行车过程中采集得到的接触网视频，按一定的帧率采样图像序列，得到样本图像，构成样本集，此样本集包含室内(隧道内、桥下等复杂背景)和室外(户外等简单背景)样本图像，其中隧道内的目标跟踪容易受到导线、承力索以及其他线的阴影的干扰。采集到的样本图像如图2左图所示。步骤S2：对于所述样本图像进行预处理；所述预处理至少包括灰度化和感兴趣区域提取，由于列车相机安装位置和成像角度等原因，受电弓和导线一般位于观测图像的上部，所以需要对样本图像进行切割，切割出感兴趣区域ROI，然后再在ROI区域中检测目标。基于灰度化后的样本图像，可批量获得样本图像的ROI区域，构成后续目标检测与跟踪的操作区域集合。为了便于计算，本专利技术从原始样本图像中截取每一帧样本图像的ROI区域，所述ROI区域包含了待检测目标的全部信息，并且避免了大部分噪声存在于全局图像而造成的干扰，比如对于图2左图所示的原始采集图像，其尺寸为480×640，提取到的ROI区域如图2右上图所示，尺寸统一为100×640。步骤本文档来自技高网...

【技术保护点】
一种基于卡尔曼滤波的高铁接触网目标检测与跟踪方法，其特征在于，所述方法包括以下步骤：步骤S1：采集样本图像；步骤S2：对于所述样本图像进行预处理；步骤S3：对于经过预处理后的样本图像，获取水平扫描线上的像素点并对其进行显著性排序，提取得到显著性像素点；步骤S4：基于提取到的显著性像素点，检测经过预处理后的样本图像中的承力索和导线；步骤S5：确定承力索和导线协同跟踪策略，并对承力索和导线进行跟踪；步骤S6：基于Kalman滤波预测目标运动轨迹，修正跟踪结果。

【技术特征摘要】
1.一种基于卡尔曼滤波的高铁接触网目标检测与跟踪方法，其特征在于，所述方法包括以下步骤：步骤S1：采集样本图像；步骤S2：对于所述样本图像进行预处理；步骤S3：对于经过预处理后的样本图像，获取水平扫描线上的像素点并对其进行显著性排序，提取得到显著性像素点；步骤S4：基于提取到的显著性像素点，检测经过预处理后的样本图像中的承力索和导线；步骤S5：确定承力索和导线协同跟踪策略，并对承力索和导线进行跟踪；步骤S6：基于Kalman滤波预测目标运动轨迹，修正跟踪结果。2.如权利要求1所述的方法，其特征在于，所述预处理至少包括灰度化和感兴趣区域提取。3.如权利要求2所述的方法，其特征在于，所述步骤S3中，在提取得到的感兴趣区域中，从上至下划出若干条水平扫描线，然后计算沿水平扫描线的像素点灰度值，构成一维信号，绘制灰度图，计算该一维信号的灰度值梯度，梯度值大于一阈值的像素点为显著性像素点。4.如权利要求3所述的方法，其特征在于，所述步骤S3还包括：对于所述一维信号进行自身平...

【专利技术属性】
技术研发人员：张文生，陈东杰，胡文锐，杨叶辉，杨阳，何泽文，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11