一种用于轨道交通的视频监控系统技术方案

本发明专利技术涉及一种用于轨道交通的视频监控系统，包括视频训练模块，提取监控视频设备的监控视频段；视频检测模块，提取监控视频设备当前的监控视频段；交通调度模块，针对当前视频的检测结果与监控视频训练库中的具体比对结果，对轨道上运行的交通进行合理调度；应急预警模块，发出报警信息并采取紧急制动方案。通过上述的轨道交通视频监控系统，针对轨道内部的和站台内部的视频信息进行实时和历时信息的比，对视频内容进行多方面分析，决策车辆的调度信息，特别是针对同一轨道不同车辆的调度信息，此外，针对视频内部的特征分析，找出预警特征，将轨道内部和站台内部的潜在危险信息及时识别并处理，完善轨道交通的处理应急方案。

A video surveillance system for rail traffic

The invention relates to a video surveillance system for rail traffic, including video training module, extracting monitoring video segment of monitoring video equipment, video detection module, extracting monitoring video segment of monitoring video equipment, traffic scheduling module, specific video detection results and monitoring video training library. Compared with the result, the traffic on the track is reasonably dispatcher; the emergency warning module sends out the alarm information and adopts the emergency braking scheme. Through the aforementioned rail traffic video surveillance system, the video information in the orbit and the platform is compared to the real-time and diachronic information. The video content is analyzed in many aspects, and the scheduling information of the vehicle is made, especially for the scheduling information of the different vehicles on the same track, in addition, the features of the video internal. Analysis, identify the characteristics of early warning, identify and process potential hazards inside and outside the track, and improve the emergency response plan for rail transit.

【技术实现步骤摘要】
一种用于轨道交通的视频监控系统
本专利技术涉及计算机
，具体地，涉及一种用于轨道交通的视频监控系统，通过视频有效监控轨道线路上的交通运输情况和人员运动情况合理调度交通资源，及时对已有危险和潜在危险情况预警处理。
技术介绍
目前，针对地铁、轻轨、火车等轨道运行交通中的问题层出不穷，一方面，城市内部和城市间的轨道交通极大的方便了人们的出行，另一方面，轨道交通的安全问题时有发生，并且轨道交通的调度情况经常无法合理满足人们的出行需求，或空载现象严重，或车辆内部满员情况严重，轨道交通的满意度经常无法得到保证。轨道交通主要包括地铁、轻轨、火车等类型，日本的新干线、公铁、私铁等线路作为世界轨道交通的先驱者，其运行成熟度已相当高，中国目前仅有上海的轨道交通复杂度可以与之媲美，在这些城市的轨道交通中存在这样一种情况，同一条轨道，可先后经过不同类型的轨道交通车辆，或线路不同，或运营商不同，但对于这些同一线路不同车辆的调度问题亟待解决。基于轨道交通内部的视频监控作为轨道交通调度的重要依据，多方已进行了相关研究，此外，轨道交通内部的视频监控也是危险预警的重要依据，针对危险情况的预警处理，现有技术中，王大伟申请的专利“高速铁路防追尾办法(充要条件)”(申请号：201110256165.1，申请公布号：CN102358329A)公开了一种高铁防追尾的技术方案。该方法通过高铁前后列车司控人员间不间断的直接联络，按规定通报列车运行的即时速度、方向和位置等状况，及时发现相邻两列车之间的异常情况，以避免发生后车追尾。该方法存在的不足是，人工方式不间断的联络，很难做到及时准确。此外，桂林市思奇通信设备有限公司拥有的专利技术“铁路行车安全自动监控系统”(申请号：200720080920.4，授权公告号：CN201214435Y)公开的方法是，通过给监控摄像机指定唯一的路段地址码，自动监控前方3～6公里路况。该专利技术存在的不足是，其自动监控前方3～6公里的距离已不能满足高速列车安全制动的距离要求，而人工给每台监控摄像机指定地址码，也不利于监控摄像机大规模、灵活、简便的布设。由此，现有的轨道交通视频监控技术还存在监控视频数据信息利用不充分，车辆调度不灵活的现象，以及当前的轨道交通的视频监控预警信息准备不足，预警类型单一，不能准确地对轨道交通现状做出正确预警分析。
技术实现思路
为了解决相关技术中存在的对轨道交通视频监控的信息识别不准确和监控预警不充分问题，本公开提供了一种用于轨道交通的视频监控系统，以提高轨道交通视频信息识别的准确性和利用率。具体地，该用于轨道交通的视频监控系统，包括视频训练模块、视频检测模块、交通调度模块、应急预警模块。其中，视频训练模块，提取轨道交通的监控视频设备的监控视频段，建立特征训练集，存入监控训练视频库中；优选地，所述的视频训练模块，还包括：取一段历时的站台监控视频和轨道监控视频作为训练部分并分割处理；针对各监控分割段内的首帧，通过帧间差和背景差提取站台乘客流动区域，提取流动区域的边缘信息，再在边缘信息中依据等距帧提取流动特征点；对于各监控分割段内的首帧后的每一帧对流动特征点通过流动评价进行跟踪，得到特征点在各监控分割段内的流动参数；对监控分割段内每一帧的特征点计算八方向流动方向直方图、八区间流动速度直方图以及九维特征点坐标直方图作为该帧的特征；所述九维特征点坐标直方图是将每一帧分割成3*3的网格，特征点所在的网格即为该特征点的坐标；将监控分割段内全部帧的特征串联起来作为该监控分割段的流动特征；建立基于BP神经网络表示流动特征诊断的输入层为3个结点，输出层为1个节点的神经网络模型。基于BP神经网络流动特征诊断虚化层神经元数目使用经验参考公式确定虚化层神经元数的范围；计算与试验得出虚化层中，神经元的数目选择3时，训练时间、算法精度同时可以得到保证，将算法迭代次数置为500，学习率选择1e-3，输出选择0.01为最佳；设输入P表示乘客流动特征向量，输出T为流动特征类型(代码)，虚化层神经元对应的函数垂向中心为C＝P′，确定虚化层神经元阈值，Q个虚化层神经元对应的阈值为b1＝[b11b12…b1q]；其中，b11＝b12＝b1q＝0.836/speed，speed为函数垂向的扩展速度。确定虚化层与输出层间权值，虚化层神经元的函数垂向中心及阈值确定后，虚化层神经元的输出为a1＝exp(-||C-pi||2)，i＝1，2，…Q其中，pi＝[pi1pi2…piR]为第i个训练样本向量；虚化层与输出层间的连接权值W为训练集输出矩阵即：W＝t输出层神经元输出计算：ni＝LW2，1ai，i＝1，2…Qyi＝compet(ni)，i＝1，2…Q建立基于BP神经网络表示流动特征诊断，只需将函数垂向的扩展速度设为0.1；基于输出的神经元将诊断后的训练部分的每段视频的流动特征组成特征训练集，对特征训练集采用高斯概率密度函数模型，利用最大后验概率多次递归得到高斯概率密度函数模型的模型参数；模型参数包括协方差矩阵和条件概率；将根据高斯概率密度函数模型的模型参数计算得到的特征后验概率存入监控训练视频库中。本系统中的视频检测模块，用于提取轨道交通的监控视频设备当前的监控视频段，检测视频段，提取视频特征；具体地，取实时的站台监控视频和轨道监控视频进行分割；针对控分割段内的首帧，通过帧间差和背景差提取站台乘客流动区域，提取流动区域的边缘信息，再在边缘信息中依据等距帧提取流动特征点；对于各监控分割段内的首帧后的每一帧对流动特征点通过流动评价进行跟踪，得到特征点在各监控分割段内的流动参数；对监控分割段内每一帧的特征点计算八方向流动方向直方图、八区间流动速度直方图以及九维特征点坐标直方图作为该帧的特征；所述九维特征点坐标直方图是将每一帧分割成3*3的网格，特征点所在的网格即为该特征点的坐标；将监控分割段内全部帧的特征串联起来作为该监控分割段的流动特征；待测的视频段的流动特征输入高斯概率密度函数模型得到当前流动特征的后验概率，再根据当前流动特征的后验概率计算的发生的概率与监控训练视频库中历时流动特征的后验概率计算的发生的概率进行比较，当前者与后者的偏差值＞10％时，认定当前流动特征在监控训练视频库中不存在训练样本，将当前流动特征存入监控训练视频库作为训练样本，否则，返回历时流动特征的状态值。本系统的交通调度模块，针对当前视频的检测结果与监控视频训练库中的具体比对结果，对轨道上运行的交通进行合理调度；具体地，所述交通调度模块，针对当前视频的检测结果与监控视频训练库中的具体比对结果，建立流量指标模型，根据当前站台的拥挤情况以及视频库中该站台的乘客流动指标，决策当前站台的列车运行情况，包括列车停靠时长、列车首班车提前或延后发车、变更列车区间运行速度、调整列车越站停车；当流量指标模型显示当前乘客站台拥挤情况处于红色状态时，限制闸机开启，列车停靠时长延长；当流量指标模型显示当前乘客站台拥挤情况处于绿色状态时，闸机开启正常，列车停靠时长缩短；当流量指标模型显示当前乘客站台拥挤情况处于白色状态时，闸机开启正常，列车越站停车，在此站不作停车处理；当流量指标模型显示在列车预定首班车时间发出前乘客站台拥挤情况处于非白色状态时，列车首班车时间提前，首班车提前发车。当流量本文档来自技高网...

【技术保护点】
1.一种用于轨道交通的视频监控系统，其特征在于，包括：视频训练模块，提取轨道交通的监控视频设备的监控视频段，建立特征训练集，存入监控训练视频库中；视频检测模块，提取轨道交通的监控视频设备当前的监控视频段，检测视频段，提取视频特征；交通调度模块，针对当前视频的检测结果与监控视频训练库中的具体比对结果，对轨道上运行的交通进行合理调度；应急预警模块，如果当前的视频检测结果与监控视频训练库中的具体比对结果满足预警条件，发出报警信息并采取紧急制动方案。

【技术特征摘要】
1.一种用于轨道交通的视频监控系统，其特征在于，包括：视频训练模块，提取轨道交通的监控视频设备的监控视频段，建立特征训练集，存入监控训练视频库中；视频检测模块，提取轨道交通的监控视频设备当前的监控视频段，检测视频段，提取视频特征；交通调度模块，针对当前视频的检测结果与监控视频训练库中的具体比对结果，对轨道上运行的交通进行合理调度；应急预警模块，如果当前的视频检测结果与监控视频训练库中的具体比对结果满足预警条件，发出报警信息并采取紧急制动方案。2.一种如权利要求1所述的轨道交通的视频监控系统，其特征在于：所述的视频训练模块，还包括：取一段历时的站台监控视频和轨道监控视频作为训练部分并分割处理；针对各监控分割段内的首帧，通过帧间差和背景差提取站台乘客流动区域，提取流动区域的边缘信息，再在边缘信息中依据等距帧提取流动特征点；对于各监控分割段内的首帧后的每一帧对流动特征点通过流动评价进行跟踪，得到特征点在各监控分割段内的流动参数；对监控分割段内每一帧的特征点计算八方向流动方向直方图、八区间流动速度直方图以及九维特征点坐标直方图作为该帧的特征；所述九维特征点坐标直方图是将每一帧分割成3＊3的网格，特征点所在的网格即为该特征点的坐标；将监控分割段内全部帧的特征串联起来作为该监控分割段的流动特征；建立基于BP神经网络表示流动特征诊断的输入层为3个结点，输出层为1个节点的神经网络模型。基于BP神经网络流动特征诊断虚化层神经元数目使用经验参考公式确定虚化层神经元数的范围。计算与试验得出虚化层中，神经元的数目选择3时，训练时间、算法精度同时可以得到保证，将算法迭代次数置为500，学习率选择1e-3，输出选择0.01为最佳。设输入P表示乘客流动特征向量，输出T为流动特征类型(代码)，虚化层神经元对应的函数垂向中心为C＝P′，确定虚化层神经元阈值，Q个虚化层神经元对应的阈值为b1＝[b11b12…b1q]；其中，b11＝b12＝b1q＝0.836/speed，speed为函数垂向的扩展速度。确定虚化层与输出层间权值，虚化层神经元的函数垂向中心及阈值确定后，虚化层神经元的输出为a1＝exp(-||C-pi||2)，i＝1，2，...Q其中，pi＝[pi1pi2…piR]为第i个训练样本向量；虚化层与输出层间的连接权值W为训练集输出矩阵即：W＝t输出层神经元输出计算：ni＝LW2，1ai，i＝1，2...Qyi＝compet(ni)，i＝1，2...Q建立基于BP神经网络表示流动特征诊断，只需将函数垂向的扩展速度设为0.1；基于输出的神经元将诊断后的训练部分的每段视频的流动特征组成特征训练集，对特征训练集采用高斯概率密度函数模型，利用最大后验概率多次递归得到高斯概率密度函数模型的模型参数；模型参数包括协方差矩阵和条件概率；将根据高斯概率密度函数模型的模型参数计算得到的特征后验概率存入监控训练视频库中。3.一种如权利要求1所述的轨道交通的视频监控系统，其特征在于：所述视频检测模块，还包括：取实时的站台监控视频和轨道监控视频进行分割；针对控分割段内的首帧，通过帧间差和背景差提取站台乘客流动区域，提取流动区域的边缘信息，再在边缘信息中依据等距帧提取流动特征点；对于各监控分割段内的首帧后的每一帧对流动特征点通过流动评价进行跟踪，得到特征点在各监控分割段内的流动参数；对监控分割段内每一帧的特征点计算八方向流动方向直方图、八区间流动速度直方图以及九维特征点坐标直方图作为该帧的特征；所述九维特征点坐标直方图是将每一帧分割成3＊3的网格，特征点所在的网格即为该特征点的坐标；将监控分割段内全部帧的特征串联起来作为该监控分割段的流动特征；待测的视频段的...

【专利技术属性】
技术研发人员：熊凯，何群，赵振全，
申请(专利权)人：常州高清信息技术有限公司，
类型：发明
国别省市：江苏,32