视频中货运列车车厢自动检测方法技术

本发明专利技术公开了一种视频中货运列车车厢前景的自动检测方法，该方法基于计算机视觉技术，对货运列车车厢进行自动视频检测，其包括以下步骤：分割得到视频每一帧图像中列车车厢的运动前景；根据不同帧图像中车厢边界的变化，估计列车的行驶速度；根据所述列车的行驶速度对所述步骤1得到的列车车厢前景图像进行拼接，得到所述列车车厢的全景图像，完成视频中对于列车车辆的自动检测。本发明专利技术具有易于实现、鲁棒性强、精确度高、实时性强等优点，可以为智能火车视频监控系统中货运列车车厢装载情况的检测和识别提供可靠的关键技术。

【技术实现步骤摘要】

本专利技术属于视频监控
，尤其是一种，本专利技术利用计算机视觉技术，结合视频图像的频域信息和空间域信息，对货运列车车厢进行自动地前景分割、速度检测和前景拼接。
技术介绍
随着视频监控技术的发展，视频摄像机已经被广泛用来对各种环境、区域和目标进行实时监控和检测。在智能铁路运输系统中，视频传感器已经用于对列车车厢、轮轴和铁轨的监控和检测。货运列车是由一节一节的集装箱车厢组成的，每节集装箱车箱长约35-40米，一辆列车一般由几十节车厢组成，这样一辆列车的长度往往超过I公里。这种火车的速度可以达到100-120千米/小时。由于具有如此长的长度和如此高的行驶速度，每两节车厢之间的空隙会带来很强的空气阻力，从而造成巨大的燃料消耗。但是，由于火车的长度太长、车厢太多，人工地检查装载的情况是非常费时费力的。因此，研发一种自动、可靠和有效的集装箱装载模式检测方法是非常有意义和应用价值的工作。经对现有技术文献的检索发现，目前在视频中检测运动目标的方法主要分为三类一类是基于高斯混合模型(Gaussian Mixture Model)的方法，如C. Stauffer和W.E. L. Grimsonl999年发表在〈〈Proceedings of IEEE Conference on Computer Vision andPattern Recognition (IEEE计算机视觉和模式识别会议论文集)》中的论文“Adaptivebackground mixture models for real-time tracking(用于实时跟踪的自适应背景混合模型)”。对于这种方法来说，由于火车车厢经常包含与背景相似的颜色像素，因此车厢的部分区域经常会被分类成背景区域，从而产生误检。一类是能量最小化方法，如Y.Boykov 等人 2001 年发表在〈〈IEEE Transactions on Pattern Analysis and MachineIntelligence (IEEE模式分析与机器智能会刊)》中的论文“Fast approximate energyminimization via graph cuts (通过图切割的快速近似能量最小化)”。这种方法虽然能获得比较高的检测准确率，但是其优化过程需要耗费大量的计算时间，因此不能满足快速检测系统的应用需求。最后一类是基于边缘检测的方法，如A. Kumar等人2007年发表在((Proceedings of IEEE Workshop on Applications of Computer Vision (IEEE 计算机视觉应用研讨会论文集)》中的论文“A vision system for monitoring intermodal freighttrains (用于监控联邦货运列车的视觉系统)”。这种方法所检测出来的边缘特征不总是所需的车厢与背景之间的边缘，还经常包含车厢表面图案和纹理的边缘特征，准确地区分开它们是非常困难的，因此也达不到所要求的检测准确率和鲁棒性。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种货运列车车厢的自动视频检测方法，能在背景转换、光照变化、检测噪声等实际工程应用的复杂环境下，实时准确地检测出货运列车车厢，得以实现对车厢装载情况的自动监控和识别。为实现上述目的，本专利技术提出一种，该方法包括以下步骤步骤1，分割得到视频每一帧图像中列车车厢的运动前景；步骤2，根据不同帧图像中车厢边界的变化，估计列车的行驶速度；步骤3，根据所述列车的行驶速度对所述步骤I得到的列车车厢前景图像进行拼接，得到所述列车车厢的全景图像，完成视频中对于列车车辆的自动检测。本专利技术与现有技术相比的显著效果在于不需要对摄像机镜头进行事先标定，对实际监控视频中所出现的背景改变、光照变化、摄像机抖动、检测噪声等干扰同时具有较高的鲁棒性。由于克服了这些现有技术在实际工程应用方面难以解决的困难，因此真正实现了对视频中货运列车车厢的自动检测。本专利技术针对智能火车视频监控系统中自动检测货运列车车厢的需要，利用计算机视觉技术，实现了对货运列车车厢的自动检测，具有不需要人工参与、精确度高、鲁棒性强等优点。特别是不需要事先对摄像机镜头进行标定，自动实现车厢检测，克服了以往技术方法都难以克服的难点，也消除了实现真正工程应用的主要障碍。本专利技术使用计算机视觉理论中的运动目标前景分割技术，实现了货运列车车厢的自动检测，最终为智能火车视频监控系统中货运列车车厢装载情况的检测和识别提供了可靠的关键技术。附图说明图1是本专利技术检测方法的流程图。图2是根据本专利技术一实施例的区域B中某位置像素的时间序列值及其功率谱。图3是根据本专利技术一实施例的车厢区域检测流程及结果。图4是根据本专利技术一实施例的背景窗选择及其灰度特征提取示意图。图5是根据本专利技术一实施例的背景检测与去除示意图。图6是根据本专利技术一实施例的单层集装箱检测示意图。图7是根据本专利技术一实施例检测得到的三种车厢的全景图像。具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚明白，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。为了更好地理解本专利技术所提出的方法，接下来选取一段监控摄像机拍摄的视频片段为例对本专利技术的检测方法进行说明，所述视频片段中有一列货运列车从视域中经过，这段视频中记录了这辆列车从车头进入该监控场景开始，到车尾离开该场景为止的全过程，所述视频图像的大小为640 X 480，帧率为15帧/秒。图1是本专利技术检测方法的流程图，如图1所示，所述检测方法包括以下步骤步骤1，分割得到视频每一帧图像中列车车厢的运动前景；所述步骤I进一步包括以下步骤步骤11，利用列车车厢所经过区域的像素值变化的周期性特征来检测每一帧图像中列车的运动区域；由于视频的每一帧图像中列车车厢所经过的区域的像素与背景区域的像素呈现出不同的周期变化规律，因此该步骤可利用列车车厢所经过区域的像素值变化的周期性特征来检测得到列车的运动区域。如图2(a)所示，图中，区域B为列车车厢在视频图像中的运动区域，该区域的视频图像像素值呈周期性变化；区域A为像素值不呈周期性变化的其它像素区域。具体地，所述步骤11进一步包括以下步骤:步骤111，随着视频的播放，记录每一帧视频图像中每一个像素位置上的像素的灰度值，得到与每一帧视频图像对应的一个时间序列信号，如图2(b)所示。令I (i，j) (t)表示第t帧视频图像第i行、第j列位置上像素的灰度值，由于视频图像的尺寸为MXN(比如640X480)，且每一个像素位置上都可以获得一个时间序列信号，这样就得到MXN个时间序列信号。步骤112，利用下式对所述时间序列信号进行滤波，以去除其中的噪声:本文档来自技高网...

【技术保护点】
一种视频中货运列车车厢自动检测方法，其特征在于，该方法包括以下步骤：步骤1，分割得到视频每一帧图像中列车车厢的运动前景；步骤2，根据不同帧图像中车厢边界的变化，估计列车的行驶速度；步骤3，根据所述列车的行驶速度对所述步骤1得到的列车车厢前景图像进行拼接，得到所述列车车厢的全景图像，完成视频中对于列车车辆的自动检测。

【技术特征摘要】
1.一种视频中货运列车车厢自动检测方法，其特征在于，该方法包括以下步骤: 步骤1，分割得到视频每一帧图像中列车车厢的运动前景； 步骤2，根据不同帧图像中车厢边界的变化，估计列车的行驶速度； 步骤3，根据所述列车的行驶速度对所述步骤I得到的列车车厢前景图像进行拼接，得到所述列车车厢的全景图像，完成视频中对于列车车辆的自动检测。2.根据权利要求1所述的方法，其特征在于，所述步骤I进一步包括以下步骤: 步骤11，利用列车车厢所经过区域的像素值变化的周期性特征来检测每一帧图像中列车的运动区域； 步骤12，去除每一帧图像中列车车厢间的背景区域； 步骤13，对于视频中出现单层列车车厢的帧图像进行检测。3.根据权利要求2所述的方法，其特征在于，所述步骤11进一步包括以下步骤: 步骤111，记录每一帧视频图像中每一个像素位置上的像素的灰度值，得到与每一帧视频图像对应的一个时间序列信号； 步骤112，对所述时间序列信号进行滤波，以去除其中的噪声； 步骤113，对每一个经过滤波的时间序列信号进行快速傅立叶变换，得到每个时间序列信号的周期和功率谱； 步骤114，对于每一个时间序列信号只选择功率最大的频率作为其固有频率，得到与每一帧视频图像对应的频率图像； 步骤115，计算所述频率图像像素值的直方图； 步骤116，基于所述像素值的直方图中的频率值，利用阈值法得到每一帧图像中列车所在的运动区域； 步骤117，对所述步骤116得到的列车所在的运动区域进行腐蚀和膨胀处理，将处理后的图像的像素值累加映射到I轴上，得到准确的列车车厢区域。4.根据权利要求2所述的方法，其特征在于，所述步骤12进一步包括以下步骤: 步骤121，在所述视频中截取一帧列车到来前的背景图像，作为背景建模的参考图像； 步骤122，根据所述步骤11得到的列车运动区域，在所述背景图像中对应于所述列车运动区域的天空背景的位置处选择一个矩形背景区域作为检测窗； 步骤123，计算所述背景区域中背景的灰度直方图； 步骤124，利用阈值法获得所述背景区域的主要灰度范围，作为背景模型，以实现对车厢间背景区域的检测； 步骤125，将当前帧图像中与所述背景区域位置相应区域中的像素的灰度值与所述主要灰度范围进行比较，得到当前帧中属于背景的区域； 步骤126，从当前帧图像中去除检测到的属于背景的区域，得到当前帧图像中的列车车厢区域； 步骤127，利...

【专利技术属性】
技术研发人员：王飞跃，孔庆杰，熊刚，朱凤华，周昰昱，李元涛，
申请(专利权)人：东莞中国科学院云计算产业技术创新与育成中心，中国科学院自动化研究所，
类型：发明
国别省市：