铁路视频监控智能分析系统检测技术

冯燕媛

（中国铁路通信信号上海工程集团有限公司，上海 200436）

1 概述

近年来铁路综合视频监控系统的设置和推广的力度不断加快，系统规模日渐扩大，如何有效地对监控系统进行管理成为当前棘手问题。由于前期的系统缺少实时管理和处理上万乃至几十万摄像机每天所采集到的监控图像的能力，导致相当部分的视频监控系统变成视频录像系统，其最大功能只是提供事后的查询作用，无法满足安全防范系统以预防为主的功能目标。

为了更有效地满足行车安全要求，铁路综合视频监控系统对智能视频分析功能的要求日益明显，也直接推动了智能分析系统的大规模发展。但伴随着发展所带来的是设备技术水平的良莠不齐，导致系统使用效果存在明显差异。针对智能分析系统在整个视频监控系统中的重要性，本文提出了对智能分析系统评测的基本方法及检测参数的选择，并且结合检测结果对系统设备的选择等工作提出建议。

2 智能分析技术的概念及分类

2.1 智能分析系统的概念

从狭义上来说，智能视频是对视频画面进行分析，从而在画面中截取一些有用的信息，它在某程度上代替监控人员，节省了人力资源。换句话说，智能视频最重要的是如何在画面中截取有用的信息。那么，这就必须首先定义“何为有用或说有价值的信息”。如果一个监控画面中没有任何画面的变化，那么它是一个价值不高或没有必要立刻关注的画面。反之，如果画面有变化就必须马上被监视到并进行分析判断。

从广义上来说，也可以把智能视频分析定性为基本运算功能，起到对视频画面进行分类、比对或识别的作用。另一方面，它可以对画面进行分析，对画质进行某些优化，提供更好的画质以供监控人员观看。因此，智能分析一般包括视频分析（内容分析）类、视频识别类、视频改良类。

2.2 智能分析系统的原理

智能分析系统最早的开发，其应用场合以及目的就是移动侦测系统，其原理是在画面中用前一帧的画面减去现在这一帧的画面，从而找出两者的差异。然后通过差异占总体画面的百分比产生报警信号。但采用这种方式往往误报率十分高，因为画面容易因外界因素而产生细微或大幅度的变化，例如下雨、日光下的光线变化等外界环境因素等。因此，这种方式不能在大规模、大场景下采用。严格来说，移动侦测不能定性为智能视频，但它确实是智能视频的最早体现模式。

现代的智能视频系统大多采用场景维护的方法来解决移动侦测误报问题。这样，智能视频系统往往会利用其软件，自动学习场景的细微变化，从而建立并维护一个实时更新的背景环境，这个背景环境会根据环境的细微变化而变化。再将背景以外的东西从中抽离，从而形成画面上的物件。由于每样物件可以从背景中抽离，并可给出物件在画面中相对应的像素坐标，便可根据其坐标位置进行特定的报警处理。同时，由于背景本身是会根据环境的变化而不断自动学习，这样便可大大降低系统的误报率。

2.3 智能分析技术的分类

随着技术的发展，智能分析技术也有了长足的进步，现代智能分析技术分类，如表1所示，类别中又大致分为一些功能模块，如表2所示。

表1 智能分析技术分类表

表2 智能分析技术主要功能模块表

3 铁路综合视频监控智能分析系统检测方法

目前，铁路综合视频监控系统需要表1所列的视频分析类技术，并且铁路的线路长，从运输安全角度来说，严格禁止人或其他动物、异物侵入铁路限界，对于表2中分析的入侵检测这一功能模块的需求特别大，铁路相关文件中对视频内容分析的测试要求中，也以入侵检测C级为入门级测试，因此本文就从入侵检测入手进行分析。

入侵检测的定义：在摄像机监视的场景范围内，根据监控需要和目的设置警戒区域。系统可以自动检测入侵到警戒区域内的运动目标及其行为，一旦发现有满足预设警戒条件，则自动产生报警信息，并用告警框标示出进入警戒区的目标，同时标识出其运动轨迹。

从上述定义入手，进行分析如下。

3.1 分析模式判断

现有技术中主流分析系统主要分为两种，即硬件分析与软件分析。硬件分析指的是使用带分析芯片的硬件设备对视频内容进行分析，软件分析指的是使用后台软件分析的形式。

3.2 检测要素判断

对于智能分析系统的检测，从铁路综合视频监控系统功能及性能两方面的需求来选择检测要素。

1）功能检测需求

①入侵检测功能：对于闯入布防区域的人或者规则范围的事情进行告警。

②多防区设置功能：对于监控画面中的多布防区域进行分别布防。

③告警时间间隔调整功能：对于告警后的设定时间内继续出现的入侵人或者物，不再重复告警。

④告警录像存储功能：根据告警时间、地点、级别、类别进行分类存储，以方便工作人员进行报警数据的方便查询。

2）性能检测需求

①告警漏报率：指的是在监控点发生安全威胁时，该威胁没有被监控系统或安全人员发现的概率。

②告警误报率：指的是位于监控点的安全活动被误认为是安全威胁，从而产生错误的报警。

③告警灵敏度：可疑活动出现、判定到告警的时间间隔。

对于智能分析系统的上述检测要素来说，传统的单一视频序列无法满足铁路的复杂环境对智能分析系统的要求，如何选取最适合的测试视频序列关系到整个测试结果的有效性和有用性。因此本文分析的重点之一就是如何选取视频测试序列。

3.3 检测方法

1）功能检测方法

对于铁路综合视频监控系统，其智能分析的分析优劣性，必须以铁路不同场景的视频图像来进行测试，因此，首先需要选取不同场景的测试序列来进行检测。

为此，对铁路综合视频监控典型场景进行分析并归纳为机房、线路、咽喉、维修梯、配电所、隔离开关、分区所、开闭所、基站、站台、广场、候车大厅、出站口和公跨铁。

同时，通过分析、设计场景中的实际入侵情况，归纳典型入侵情况及功能检测目的分类，如表3所示。

表3 典型入侵情况与功能检测目的

①针对上述不同的应用场景，先进行场景选定。

②入侵情况选定。

③通过不同场景和不同入侵情况组合，建立完整测试序列，实现智能分析系统功能检测要素验证。

2）性能检测方法

由于告警灵敏度与误报率、漏报率是相关的，通常情况下，灵敏度越高，误报率越高、漏报率越低。因此检测智能分析系统的性能，应该在规定不同制造商设备达到统一规定的告警灵敏度范围的前提下，统计误报率和漏报率。

通过实际检测分析，发现造成智能分析系统的性能差异，主要是对各种干扰及像素变化不明显情况的系统优化性能。因此，需要模拟多数干扰或者像素变化不明显的视频序列来对智能分析系统的误报率、漏报率和告警灵敏度。

为此，对铁路综合视频监控典型干扰情况分析并归纳为10种干扰：复杂天气（雨雪、大雾、大风）；入侵人物与背景像素变化小；低能见度；夜晚镜头彩转黑；夜晚灯光、光照干扰；镜头抖动；人车重叠入镜；人物快速进入布防区域；多人重叠进入布防区域；移动阴影干扰。

①针对上述10种干扰，逐一选择不同的干扰测试序列进行检测。

②性能统计

漏报率（L）：被测的视频分析设备或软件未能通过的正报样本数量与测试正报样本总数量的比值，计算公式:L=m/n

其中 m:测试时未能通过的正报样本的数量；

n:选取的测试样本中正报样本的总数量。

平均误报数（W）：被测的视频分析设备或软件在测试过程中对每个测试样本发生的误报数量的平均值，计算公式:W=x/y

其中 x：测试时实际产生的误报总数量；

y:选取的测试样本总数量。

③通过测试统计，得出实际的测试结果，实现智能分析系统性能检测要素的验证。

4 铁路综合视频监控智能分析系统检测案例

2010年，铁道部组织并使用此方法对市面主流的智能分析厂商进行了测试，并逐步建立完善了相关的视频内容分析标准测试序列库。列举两个案例对上述方法进行说明。

1）人车分离情况，如图1所示。

如图（a），（b）所示，通过选择不同的测试序列，该视频中的智能分析系统充分分辨出了人和车，并且没有对列车的运行进行误告警。因此在实际应用中，就需要针对此类线路情况的视频告警进行优化，现场检测时，也需要进行相关验证测试。

2）夜间灯光干扰情况，如图2所示。

由图2可以看到，夜间人物手上的电筒灯光，并没有造成干扰，背景中的火车大灯以及周围的路灯，也没有造成系统的误报。通过选择合理的干扰测试序列，检测出这一套智能分析系统的分析灵敏度调整得非常好，满足了夜间监控智能分析的需要。

在实际工程中，根据被监控的内容和要求合理选择系统的灵敏度，并要求设备制造商进行有针对性的系统优化调整，以满足铁路视频监控的具体要求，提高智能分析系统的性能。

综上所述，按照本文的方法选择合适的场景及干扰类型形成完整的测试序列，可以验证智能分析系统的各项功能，客观的评估不同智能分析系统的性能优劣，对铁路综合视频智能分析系统的选型和验证测试，具有实际的应用意义。

5 结束语

铁路综合视频监控智能分析系统的检测技术应随着数字视频技术的发展和铁路内各系统实际需求变化而不断更新，只有依据实际的制造技术水平和参数选型，才能确定合理的系统方案，保障铁路的安全运营和提升服务质量。

[1]运基通信[2010]527号 中华人民共和国铁道部运输局．铁路综合视频监控系统视频内容分析性能测试要求（暂行）[S]．