一种高铁站台越界检测方法，可以根据需要设置监测区域范围，监测在白线外侧红色地砖区域，当旅客在站台候车时，如果进入站台监控区域，系统自动发出提示报警，提醒接车列车员和旅客请远离危险区域。另外由于采用了实时背景更新的技术，本发明能够克服昼夜光照变化和一年四季日常天气变化等外界环境影响，避免自然条件变化对检测造成干扰。
1.一种高铁站台越界检测方法，其特征在于，包括以下步骤：A、检测开始，载入系统参数；
D、对图像进行背景建模，确定站台区域的检测范围：根据实际需要检测的区域位置和大小在视频图像上点选相应的连接点；将所选择的点顺序连接，确认所标记的区域；标定站台上的白色安全线位置，标定人在站台上的预测投影范围；将区域标定点、白色安全线和人预测投影范围的图像坐标相结合，作为检测区域的系统参数，当重新加载系统参数时，根据检测区域的参数坐标自动生成检测区域的图像模板，实现对检测区域的实际图像提取；
F、判断图像中的前景物体是否为检测目标，即是否为站台上的人；
G、火车未进站停车时，跟踪前景中的检测目标，当图像中有目标进入到上述检测区域中，即站台上有人越界时，系统进行越界报警；当火车进站停止后，检测区域转为可进入区域，越界检测停止，系统不再报警；
其中，检测区域的参数标定公式为：I(x，y)＝α*I′(x，y)+δ，此公式中I(x，y)是图像中坐标，I′(x，y)是实际站台坐标，α是变换系数，δ是经验参数；
检测区域的实际空间坐标在坐标系Z′＝0的平面上，检测区域由一组标记点连接组成，记为I′i(xi，yi),同时在相机图像坐标系Z中找到对应的标记点Ii(xi，yi)，并记录坐标值，经过坐标变换计算出坐标变换系数α。
2.根据权利要求1所述的高铁站台越界检测方法，其特征在于：对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时针对前景进行分析。
3.根据权利要求2所述的高铁站台越界检测方法，其特征在于：自适应高斯背景建模包括以下步骤：a、每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内|Xt-μi，t-1|≤2.5σi，t-1
b、如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
c、各模式权值按如下公式更新，公式中α是学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化；
wk，t＝(1-α)*wk，t-1+α*Mk，td、未匹配模式的均值μ与标准差σ不变，匹配模式的参数按照如下公式更新：ρ＝α*η(Xt|μk，σk)
e、如果第a步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素，标准差为初始化较大值，权重为较小值；
f、各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前；
g、选前B个模式作为背景，B满足下式，参数T表示背景所占比例，
高铁站台越界检测方法
技术领域
[0001] 本发明涉及图片识别的技术领域，具体说是一种高铁站台越界检测方法。
背景技术
[0002] 高铁站台检测主要对站台边缘的红色地砖区域进行监控，由于高铁站台比站台内高铁轨道要高，所以当有旅客靠近该区域是容易发生从站台滑落到轨道上的危险，同时，在高铁到站时，旅客进入这个区域也容易造成碰撞危险。高铁站台从旅客候车的站台区域到站内轨道区域依次分为，站台候车区，黄色盲道区，越界警示白线，候车禁止进入红色地砖区域和站台火车轨道区域。
发明内容
[0003] 本发明要解决的技术问题是提供一种高铁站台越界检测方法。
[0004] 本发明为解决公知技术中存在的技术问题所采取的技术方案是:
[0005] 本发明的高铁站台越界检测方法，包括以下步骤：
[0006] A、检测开始，载入系统参数；
[0007] B、载入图像，进行相机对图像进行自调整判断；
[0008] C、图像预处理，建立图像缓冲；
[0009] D、对图像进行背景建模，确定站台区域的检测范围：根据实际需要检测的区域位置和大小在视频图像上点选相应的连接点；将所选择的点顺序连接，确认所标记的区域；标定站台上的白色安全线位置，标定人在站台上的预测投影范围，由于环境中存在光照，人影的范围需要从图像处理中被排除，所以需要预测投影范围；将区域标定点、白色安全线和人预测投影范围的图像坐标相结合，作为检测区域的系统参数，当重新加载系统参数时，根据检测区域的参数坐标自动生成检测区域的图像模板，实现对检测区域的实际图像提取；
[0010] E、对图像进行前景提取；
[0011] F、判断图像中的前景物体是否为检测目标，即是否为站台上的人；
[0012] G、火车未进站停车时，跟踪前景中的检测目标，当图像中有目标进入到上述检测区域中，即站台上有人越界时，系统进行越界报警；当火车进站停止后，检测区域转为可进入区域，越界检测停止，系统不再报警。
[0013] 本发明还可以采用以下技术措施：
[0014] 所述的检测区域参数标定公式为：I(x，y)＝α*I′(x，y)+δ，
[0015] I(x，y)是图像中坐标，I′(x，y)是实际站台坐标，α是变换系数，δ是经验参数。
[0016] 假设检控区域的实际空间坐标在坐标系Z′＝0的平面上，检测区域由一组标记点连接组成，记为I′i(xi，yi)，同时在相机图像坐标系Z中找到对应的标记点Ii(xi，yi)并记录坐标值，经过坐标变换计算出坐标变换系数α。
[0017] 对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时针对前景进行分析。
[0018] 所述的高斯背景建模包括以下步骤：
[0019] a、每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内
[0020] |Xt-μi，t-1|≤2.5σi，t-1
[0021] b、如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
[0022] c、各模式权值按如下公式更新，其中α是学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化；
[0023] wk，t＝(1-α)*wk，t-1+α*Mk，t
[0024] d、未匹配模式的均值μ与标准差σ不变，匹配模式的参数按照如下公式更新：
[0025] ρ＝α*η(Xt|μk，σk)
[0026] μt＝(1-ρ)*μt-1+ρ*Xt
[0027]
[0028] e、如果第a步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素，标准差为初始化较大值，权重为较小值；
[0029] f、各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前；
[0030] g、选前B个模式作为背景，B满足下式，参数T表示背景所占比例，[0031]
[0032] 本发明具有的优点和积极效果是:
[0033] 本发明的高铁站台越界检测方法，可以根据需要设置监测区域范围，主要监测在白线外侧红色地砖区域，当旅客在站台候车时，如果进入站台监控区域，系统自动发出提示报警，提醒接车列车员和旅客请远离危险区域。另外由于采用了实时背景更新的技术，本发明能够克服昼夜光照变化和一年四季日常天气变化等外界环境影响，避免自然条件变化对检测造成干扰。
附图说明
[0034] 图1是本发明的高铁站台越界检测方法的流程图。
具体实施方式
[0035] 本发明的高铁站台越界检测方法，包括以下步骤：
[0036] A、检测开始，载入系统参数；
[0037] B、载入图像，进行相机对图像进行自调整判断，通过对红外图像进行图像调整判断，避免由于相机进行图像像素调整而引起的检测错误，如需自调整则调整后重新载入图像；
[0038] C、图像预处理，建立图像缓冲，对红外图像高斯平滑预处理，减少图像噪声对检测算法结果的影响；
[0039] D、对图像进行背景建模，确定站台区域的检测范围：根据实际需要检测的区域位置和大小在视频图像上点选相应的连接点；将所选择的点顺序连接，确认所标记的区域；标定站台上的白色安全线位置，标定人在站台上的预测投影范围；将区域标定点、白色安全线和人预测投影范围的图像坐标相结合，作为检测区域的系统参数，当重新加载系统参数时，根据检测区域的参数坐标自动生成检测区域的图像模板，实现对检测区域的实际图像提取；
[0040] E、对图像进行前景提取；
[0041] F、判断图像中的前景物体是否为检测目标，即是否为站台上的人；
[0042] G、火车未进站停车时，跟踪检测目标，计算出目标的位置和警告区域是否存在空间上的重合，当图像中有目标进入到上述检测区域中，即站台上有人越界时，系统进行越界报警；当火车进站停车后，检测区域转为可进入区域，越界检测停止，系统不再报警。
[0043] 所述的检测区域参数标定公式为：I(x，y)＝α*I′(x，y)+δ，
[0044] I(x，y)是图像中坐标，I′(x，y)是实际站台坐标，α是变换系数，δ是经验参数。
[0045] 假设检控区域的实际空间坐标在坐标系Z＇＝0的平面上，检测区域由一组标记点连接组成，记为I′i(xi，yi)，同时在相机图像坐标系Z中找到对应的标记点Ii(xi，yi)并记录坐标值，经过坐标变换计算出坐标变换系数α。
[0046] 对检测区域进行自适应高斯背景建模，将周界检测区域图像中的前景和背景分开，同时针对前景进行分析。
[0047] 高斯背景建模包括以下步骤：
[0048] a、每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内
[0049] |Xt-μi，t-1|≤2.5σi，t-1
[0050] b、如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
[0051] c、各模式权值按如下公式更新，其中α是学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化；
[0052] wk，t=(1-α)*wk，t-1+α*Mk，t
[0053] d、未匹配模式的均值μ与标准差σ不变，匹配模式的参数按照如下公式更新：
[0054] ρ＝α*η(Xt|μk，σk)
[0055] μt＝(1-ρ)*μt-1+ρ*Xt
[0056]
[0057] e、如果第a步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素，标准差为初始化较大值，权重为较小值；
[0058] f、各模式根据w/α2按降序排列，权重大，标准差小的模式排列靠前；
[0059] g、选前B个模式作为背景，B满足下式，参数T表示背景所占比例；
[0060]
[0061] 由于存在场景光照变化的影响，例如，阴天和晴天站台内亮度不同；白天由于太阳位置不同，所以阳光照射在站台的范围不同；晚间存在由于站台开启照明灯，亮度变高等环境变化。我们采用了实时背景更新的方法，针对检测区域进行自适应高斯模型背景建模，将站台越界检测区域图像中的前景和背景分开，同时，针对前景进行分析。同时，结合检测区域的图像亮度变化调整背景建模过程中的学习速率参数，其中参数的变化范围在0.01～0.001之间，使算法对目标检测的准确性和稳定性大大提高。
[0062] 以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例公开如上，然而，并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当然会利用揭示的技术内容作出些许更动或修饰，成为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。
