譚飛剛, 劉開元

（深圳信息職業(yè)技術(shù)學(xué)院交通與環(huán)境學(xué)院，廣東 深圳 518172）

基于機器視覺的地鐵曲線型站臺異物檢測算法

譚飛剛, 劉開元

（深圳信息職業(yè)技術(shù)學(xué)院交通與環(huán)境學(xué)院，廣東 深圳 518172）

地鐵站臺屏蔽門與車門之間的空隙因夾人夾物而容易造成運營事故。為了消除該隱患，直線型地鐵站臺則利用司機在站臺瞭望車尾燈帶的完整性來排除空隙夾人夾物的風(fēng)險，然而，在曲線型地鐵站臺上司機無法瞭望到整個車身空隙。因此，需要借助其他設(shè)技術(shù)輔助完成開車前空隙中是否存在異物的檢查。此文提出了一種基于機器視覺的曲線型地鐵站臺異物檢測算法。通過實驗表明，所提算法不僅可以準(zhǔn)確的檢測出各種異物，而且對光照變化具有較好的魯棒性。

異物檢測；曲線型站臺；機器視覺；屏蔽門；顏色差分

近年來，我國城市軌道交通處于飛速發(fā)展階段，目前全國各地許多城市都在新建地鐵來緩解城市日益增長的交通擁堵壓力。為了防止乘客跌落站臺，同時也為乘客提供舒適的候車環(huán)境，幾乎所有的地鐵站臺都安裝了屏蔽門。然而，列車進站后，列車的車門與屏蔽門之間存在一定距離的空隙（如圖1所示），并且該空隙容易夾人夾物而導(dǎo)致地鐵運營事故。例如2014年北京地鐵五號線上乘客被夾在車門與屏蔽門之間，列車啟動駛出站臺后墜軌身亡；2010年上海地鐵二號線上一位女乘客在燈閃鈴響的情況下?lián)屓攵粖A在車門與屏蔽門之間并最終造成死亡。因此，如何利用先進的科學(xué)技術(shù)來輔助司機完成開車前的安全檢查已經(jīng)成為了城市軌道運營的一個研究熱點[1,2]。

目前隨著計算機和圖像處理技術(shù)的不斷發(fā)展，機器視覺已成為智能領(lǐng)域中的重點研究方向，并且許多技術(shù)已在實際生活中得到了廣泛的應(yīng)用。例如智能視頻監(jiān)控[3]、行人檢測及異常行為識別等[4,5]。在地鐵站臺異物檢測方面，黃文華等[1]利用圖像處理技術(shù)來處理直線站臺車門與屏蔽門間異物檢測。吳衛(wèi)海等[2]則通過在滑動門下方的安裝藍(lán)色燈帶做參考物來完成曲線型站臺車門與屏蔽門間異物檢測。這種通過安裝參考物的方法在實際應(yīng)用中存在一些缺陷，如燈珠損壞后導(dǎo)致光線變化而造成誤檢。本文在查閱相關(guān)文獻(xiàn)的基礎(chǔ)上提出了一種基于機器視覺的地鐵曲線型站臺異物檢測算法。該算法通過對圖像進行疊加降噪后，利用背景差分技術(shù)來完成空隙間異物檢測。

本文后續(xù)結(jié)構(gòu)安排如下：第二部分闡述本文所提算法，實驗及結(jié)果分析將在第三部分進行敘述，第四部分對本文進行了總結(jié)。

圖1 屏蔽門與車門間空隙Fig.1 The gap between PSD and door

1 算法介紹

本文所提算法的整體流程如圖2所示。首先是利用混合高斯模型構(gòu)建背景圖像，然后對待檢測圖像進行疊加求取平均圖像來減少空隙兩側(cè)光照變化帶來的影響。第三將平均圖像灰度化并與背景圖像進行相減得到差分圖像，第四對差分圖像進行閾值化處理得到二值圖像，最后對二值圖像進行形態(tài)學(xué)操作后進行異物判斷和輸出最終的檢測結(jié)果。

1.1 混合高斯背景建模

攝像機從屏蔽門頂部向下拍攝，由于攝像機安裝高度、拍攝角度等因素影響使得拍攝圖像中存在噪聲和包含車門與屏蔽門空隙以外的信息，如車門、站臺等，因此在進行圖像處理前首先需要進行降噪和設(shè)置感興趣區(qū)域來排除其他信息的干擾。然后，利用混合高斯函數(shù)對空隙無異物的時候的圖像構(gòu)建背景圖像。

圖2 算法流程圖Fig.2 Algorithm flowchart

1.2 二值化圖像

當(dāng)車門與屏蔽門之間空隙的背景構(gòu)建完成后，算法對攝像機拍攝的待檢測圖像首先根據(jù)感興趣區(qū)域設(shè)置提取空隙部分。然后利用式（1）將兩幅圖像相減得到差分圖像。

地鐵站臺旁乘客上下車以及乘客在站臺候車都會對空隙間光照變化產(chǎn)生影響。為了進一步增加算法對光照變化的魯棒性，本文在得到的差分圖像的基礎(chǔ)上對圖像進行二值化處理，從而可以避免一定范圍內(nèi)光照變化。其二值化處理如式（2）所示。

其中th表示判斷閾值。

1.3 異物判斷

利用式（2）得到的二值化圖像一般會存在一些噪聲干擾，因此，本文通過對其進行形態(tài)學(xué)腐蝕操作來消除這些噪聲的干擾。經(jīng)過腐蝕操作后，二值化圖像中存在異物的部分因與背景具有較大的差異變化而突出顯示出來。此時，可以根據(jù)二值化圖像物體面積大小來判斷是否存在異物，從而進一步增強對外界光照變化的魯棒性。其判斷過程如式（3）所示。

2 實驗

本文實驗所使用的實驗數(shù)據(jù)是通過在某曲線型地鐵站臺的滑動門頂部安裝攝像機拍攝而得到的真實環(huán)境下的視頻數(shù)據(jù)。本文實驗環(huán)境配置如下：windows10的操作系統(tǒng)，2GB內(nèi)存，AMD A6-4400M的CPU，500GB硬盤，軟件開發(fā)平臺為Visual Studio 2015，編程語言為C++。由于實驗數(shù)據(jù)采集過程中，基本上不存在夾人夾物現(xiàn)象，因此，本文通過人為放置物體來模擬空隙中存在異物，進而檢驗本文所提算法的有效性。本文實驗參數(shù)設(shè)置如下：混合高斯背景建模幀數(shù)為100，th取值為55，取值為30。本文所提方法對所錄像視頻中模擬異物都能檢測出來其準(zhǔn)確率為100%。如圖3所示為本文實驗的部分檢測效果圖，其中視頻中藍(lán)色矩形框為感興趣區(qū)域，右邊紅色有標(biāo)記表示存在異物，綠色無標(biāo)記表示無異物。從試驗的結(jié)果中，不難發(fā)現(xiàn)乘客隨身攜帶的手提包、雨傘等都能被很好的檢測出來。

圖3 部分模擬試驗檢測結(jié)果Fig.3 Results of partial simulation test

3 結(jié)論

本文借助先進的計算機技術(shù)和圖像處理技術(shù)提出了一種基于機器視覺的地鐵曲線型站臺車門與屏蔽門間空隙異物檢測算法，從而輔助列車司機和站務(wù)人員在發(fā)車前對空隙夾人夾物的檢測，進而提高地鐵運營效率和增強運營安全保障。因此，本文所研究內(nèi)容具有非常重要的社會效益和經(jīng)濟效益。本文所提算法與已公布的地鐵站臺異物自動檢測算法相比，具有直觀性好、盲區(qū)小、檢測精度高等優(yōu)點。通過真實環(huán)境的模擬視頻數(shù)據(jù)進行實驗，其結(jié)果表明本文算法可以很好的檢測出夾在空隙中的異物。

[1] 黃華文, 劉偉銘, 李軍,等. 地鐵屏蔽門與車門間異物自動檢測技術(shù)[J]. 鐵路計算機應(yīng)用, 2015(12):62-65. HUANG Wenhua, LIU Weiming, LI Jun, et.al. Automatic foreign object detection technology between PSD and subway doors[J]. Railway Computer Application, 2015(12):62-65.(in Chinese)

[2] 吳衛(wèi)海, 劉偉銘, 李海玉,等. 一種新的地鐵曲線站臺異物檢測系統(tǒng)研究[J]. 城市公共交通, 2015(9):33-36. WU Weihai, LIU Weiming, LI Haiyu, et.al. Foreign objects detection system based on color feature on curve platform[J]. Urban Public Transport, 2015(9):33-36.(in Chinese)

[3] 譚飛剛, 劉偉銘. 多部件驗證的雙層行人檢測算法[J]. 華南理工大學(xué)學(xué)報:自然科學(xué)版, 2015, 43(1):79-86. TAN Feigang, LIU Weiming. Two-Stages Pedestrian Detection Algorithm Based on Multi-Com ponent Validation[J]. Journal of South China University of Technology (Natural Science Edition), 2015, (9):88-94. (in Chinese)

[4] 譚飛剛, 劉偉銘, 黃玲,等. 基于加權(quán)歐氏距離度量的目標(biāo)再識別算法[J]. 華南理工大學(xué)學(xué)報:自然科學(xué)版, 2015(9):88-94. TAN Feigang, LIU Weiming, HUANG Ling, et.al. Object Re-Identification Algorithm Based on Weighted Euclidean Distance Metric [J]. Journal of South China Univers ity of Technology (Natural Science Edition), 2015, (9):88-94. (in Chinese)

[5] Tan F, Liu W, Huang L, et al. Pedestrian tracking algorithm with adaptive feature fusion[J]. Journal of Computational Information Systems, 2015, 117(3):585-606.

Foreign Objects Detection based on Computer Vision in Curved Subway Station

TAN Feigang, LIU Kaiyuan
（School of Traffic and Environment, ShenZhen Institute of Information technology, Shenzhen 518172, P.R. China）

The gap between train door and platform screen door eas ily clips persons or other things and causes operational accident. To eliminate the risk, the driver will look at the integrity of the light at the end of the gap to exclude the risk of clipping persons or things in linear subway station. However, the driver can not look at all the gap in curved subway station. Therefore, we need to use other techniques to assist driver to check whether the presence of foreign objects before driving. We propose a foreign objects detection based on computer vision technology in curved subway station. Experiments show that the proposed algorithm not only detect a variety of foreign objects accurately, but also has better robustness for illumination change.

foreign objects detection; curved subway station; computer vision;platform screen door; color difference

TP391.4

：A

1672-6332（2017）01-0075-03

【責(zé)任編輯：高潮】

2016-11-25

譚飛剛（1987-），男（漢），湖南永州人，博士，助教，主要研究方向：智能交通系統(tǒng)，城市軌道交通，機器視覺。E-mail：tanfeigang@qq.com。