機(jī)車司機(jī)視野擴(kuò)展系統(tǒng)及路軌障礙物檢測的研究.pdf

1、鐵路運輸在我國交通運輸領(lǐng)域一直都占主導(dǎo)地位，在經(jīng)濟(jì)社會發(fā)展中具有特殊重要的作用。近年來，隨著鐵路的大面積提速調(diào)圖，使得鐵路的行車安全問題顯得更加突出。尤其是，我國將長期以來一直實施的正、副司機(jī)操縱列車模式改為單司機(jī)值乘模式后，司機(jī)很難同時兼顧行車信號確認(rèn)、列車的操縱及路面狀況的瞭望等。
　　針對這種現(xiàn)狀，本文提出了機(jī)車司機(jī)視野擴(kuò)展系統(tǒng)的框架及設(shè)計方案。雖然目前已有一些成熟的智能公路交通技術(shù)可以直接使用于鐵路交通領(lǐng)域，但鐵路智能監(jiān)控

2、視頻有其自身突出的特點：鐵路軌道部分有枕木、碎石道砟，不似公路路面那么干凈；背景復(fù)雜，且在行車過程當(dāng)中隨時會改變等。本系統(tǒng)旨在通過利用鐵路路軌特點實時的分析火車視頻監(jiān)控圖像序列，檢測、跟蹤并分析威脅火車安全行駛的路障目標(biāo)，達(dá)到減少事故發(fā)生率、提高鐵路運輸安全的目的。
　　系統(tǒng)整體設(shè)計思路是將鐵路靜態(tài)路軌障礙物的檢測和智能視頻監(jiān)控序列中動態(tài)障礙物的檢測、跟蹤相分開來。對于靜態(tài)路軌障礙物的檢測，主要運用了特征提取和特征匹配的算法。該算

3、法將鐵路障礙物的檢測范圍限制在圖像鐵軌部分，對檢測窗內(nèi)圖像的紋理和灰度特征進(jìn)行分析，從而判定障礙物的存在與否。而動態(tài)障礙物的檢測是通過對運動目標(biāo)的提取、運動目標(biāo)的跟蹤和目標(biāo)的運動軌跡分析等部分展開。用光流背景建模方法提取運動目標(biāo)，而后用Kalman+Mean shift算法對其進(jìn)行實時跟蹤，在跟蹤的過程當(dāng)中分析目標(biāo)的運動軌跡。
　　論文按系統(tǒng)框架、算法設(shè)計及系統(tǒng)仿真的順序?qū)C(jī)車司機(jī)視野擴(kuò)展系統(tǒng)進(jìn)行詳細(xì)介紹。首先，提出機(jī)車司機(jī)視野擴(kuò)