地铁屏蔽门与车门间异物自动检测技术

黄华文，刘伟铭，李 军，谭飞刚，路新宇

（1.广州市地下铁道总公司，广州 510335；2.华南理工大学 土木与交通学院，广州 510641）

地铁屏蔽门与车门间异物自动检测技术

黄华文1，刘伟铭2，李 军1，谭飞刚2，路新宇2

（1.广州市地下铁道总公司，广州 510335；2.华南理工大学 土木与交通学院，广州 510641）

目前，国内地铁大都由司机瞭望车尾处光带是否完整来判断车门与屏蔽门之间空隙是否存在异物，该方法误检率高。本文结合地铁车门与屏蔽门之间空隙的特点，从系统性能、安装维护等方面详细比较了目前可能用于地铁屏蔽门与列车之间异物自动检测技术，提出了基于机器视觉的地铁屏蔽门与车门间异物自动检测方法。试验结果证明，该方法具有检测准确率高、设备体积小、安装维护简单、成本低等特点，应用前景广阔。

空隙异物自动检测；地铁站台；红外光幕探测器；激光探测器；视频图像处理

目前，国内大部分地铁站台与列车之间都设置了屏蔽门，将站台空间与隧道分隔开，不但为候车乘客提供可靠的安全保障，还能达到降低噪音和节能的目的，为乘客营造舒适的候车环境。然而，屏蔽门与列车车门之间存在着10～30 cm的间隙。如果乘客或物品被夹在屏蔽门与列车门之间未能及时发现，将产生严重后果[1]。为消除安全隐患，地铁单位大多采取人工检测的方法，即列车司机从车头通过肉眼观察车尾处的“光带”是否完整来间接判断是否有异物滞留在车门与屏蔽门之间。另外，在自动检测方面，有地铁单位尝试使用红外、激光等检测方法，但并未取得理想效果，技术未得到推广。由于地铁站间距离短、发车频率高，司机需要不断重复完成出站、进站、开关车门、瞭望等标准操作项目，易出纰漏且耗时长。因此，人工异物检测的准确率难以保证，特别是在人口密集城市，早晚高峰地铁站内拥挤不堪，虽然目前地铁单位投入越来越多的站台安全员加强对乘客上下车的安全保护，但由于人工检测的失误所导致的夹人夹物事件时有发生，因此，研制一种安装和维护方便的地铁站台屏蔽门与车门之间空隙异物自动检测装置（以下简称：屏蔽门空隙异物检测系统），辅助或代替列车司机进行上述检查具有重要的意义。

1 空间异物自动检测方法

1.1 自动检测方法分类及性能对比

地铁站台屏蔽门与车门之间的空隙具有空间小、距离远和空隙亮度低等特点，空间异物自动检测设备除应满足安装限界要求之外，还需充分考虑振动、气流变化、粉尘等因素对检测精度的影响。目前用于地铁屏蔽门与车门之间空间异物自动检测的方案主要有4种：（1）基于红外光幕的方法[3]；（2）基于激光探测的方法[4～5]；（3）基于激光扫描的方法；（4）基于机器视觉的方法。4种空间异物自动检测系统都有其各自性能上的优点和缺点。基于红外光幕的方法由于聚光效果差而需要多对接力才能完成远距离空隙异物检测。基于激光探测的方法由于聚光效果好而能远距离检测，但是列车行驶产生的振动可能会使激光偏离对应的接受器。在上述分析的基础上，本文从设备体积、安装调试繁琐程度、发散角度、异物大小、异物颜色敏感性、光照变化影响、检测区域、系统成本等方面对4种方法进行了比较，其比较结果如表1所示。通过对比分析，基于机器视觉的方法与其它空隙异物自动检测方法相比，具有设备体积小、安装和维护简单、成本较低、检测范围广等优势。

表1 4种检测方法性能对比

1.2 基于机器视觉的方法

机器视觉就是利用摄像头和计算机来代替人眼做测量和判断，它是目前物体检测领域的一个研究热点[6]，虽然还没有应用到地铁屏蔽门的空隙异物检测中，但是在其它方面得到了广泛的研究，有很强的潜力。例如车站广场的遗留物检测[7]，列车行驶轨道间的异物检测[8～9]，机场跑道异物检测[10～11]等。目前，机器视觉在目标检测、跟踪和识别、空间异物检测等领域存在巨大的应用价值。使用机器视觉进行空间异物检测的一般流程如图1所示：（1）利用摄像机获取外界视频图像；（2）对图像进行相应的预处理（降噪等）；（3）提取图像中的目标描述特征（颜色直方图等）；（4）将提取的特征与模版特征进行比较，如果变化超过阈值则认为异物存在，反之则不存在。

图1 机器视觉异物检测流程

2 机器视觉空隙异物检测方法实现

直线站台基于机器视觉方法搭建的地铁车门与屏蔽门间空隙异物检测的系统方案如图2所示。在车头位置安装两台摄像机，通过车门与屏蔽门间空隙拍摄车尾处的光带，利用图1描述的机器视觉异物检测方法流程来判断空隙中是否存在异物，具体描述如下。

图2 地铁站台车门与屏蔽门空隙检测方案

2.1 光带建模

为了增加系统的智能性，需要在站台无车的时候对站台车尾处光带进行自动检测与定位。由于地铁列车运行过程产生震动以及气流等因素都对提取完整光带模型带来影响，为了增加系统对这些影响因素的鲁棒性，系统采用均值建模的方法构建完整光带模型。如式（1）所示，其中，Fi表示第i帧图像，I表示光带均值图像。

2.2空隙异物检测

在获取摄像机的图像（称为原图像）后，从原图像中提取感兴趣区域（ROI）图像，计算出ROI区域内的连通区域。由于物体受遮挡或其它因素影响，使得光带可能被划分成多个“光带段”，因此，需要寻找最长的连续区域作为光带的候选区域。本文以连通区域最小外接矩形来计算光带的长和宽，那么光带的检测可转化为求最大连通域内的最小外接矩形。本文采用如式（2）所示方法从最小外接矩形集中得到最大的矩形区域。

其中，Q为“光带段”的外接矩阵集合，mi为第i个连通的最小外接矩形。

在得到最长段光带的外接矩形后，分别计算出该外接矩形的长宽与光带模板矩形长宽之间差的绝对值。如果其绝对值小于设定的阈值则认为不存在异物，反之则认为空隙中存在异物。本文设定的判定函数如式（3）所示。

2.3 实验

本文方法开发成检测系统并安装在地铁某站台上进行屏蔽门与车门间异物检测。系统由2台摄像机、2个测距仪、1条光带和1台服务器组成。地铁站台车头处摄像机与车尾处光带距离约120 m，屏蔽门与车门之间的距离约10 cm。实验过程随机选择某个时间段（约2 h）内乘客上下车进行测试，按照上述方法可以将所有经过屏蔽门与车门之间空隙的异物检测出来，检测效果较好，准确率较高，在摄像机拍摄范围内几乎可以达到100%的准确度。实验过程中部分检测效果如图3所示。其中，第1行从左到右分别是光带完整时系统界面，1台摄像机内光带被完全遮挡时检测界面；第2行从左到右依次为1台摄像机光带完整而另1台摄像机光带被部分遮挡时检测结果，2台摄像机内光带都被部分遮挡时的检测结果图。从图中不难看出，当光带被行人或其它物体遮挡时，可以通过检测光带属性变化来间接判断车门与屏蔽门之间是否存在异物。

图3 部分光带检测结果

3 结束语

由于地铁车门与屏蔽门之间空隙具有距离远、光线暗等特点，而列车发车频率高、驾驶员各项操作时间有限使得目前的人工安全检测存在较大的误检。本文分析地铁上使用的空隙异物检测系统和目前研究比较热的机器视觉技术，并对比了它们之间的优劣。在对比分析的基础上，提出基于机器视觉的地铁屏蔽门与车门间空隙异物自动检测方法。通过判断光带长度变化来间接判断车门与屏蔽门之间是否存在异物。通过对地铁真实环境的录像视频进行实验分析，结果表明机器视觉的方法具有较高的准确率，可视性等优点，具有良好的发展前景。

[1] 杨丽杰.地铁屏蔽门系统技术浅谈[J].铁道机车车辆，2002（2）：29-31.

[2] 邓远华,宋瑞刚.地铁站台“二门系统”防夹人事故措施探讨[J].沿海企业与科技，2010（10）：43-44.

[3] 王瑞峰, 杨子河, 孔维珍. 红外光幕在地铁屏蔽门障碍物探测中的研究[J]. 传感器与微系统, 2013， 32（3）： 25-28.

[4] Hai-hui C. Mechanism Design and Mechanics Model of the Platform Screen Doors for Subways [J]. Journal of South ChinaUniversity of Technology (Natural Science), 2004(4): 018.

[5] 朱 宁. 地铁屏蔽门激光防护方案研究[J]. 中国高新技术企业, 2011 （19）： 23-25.

[6] Gall J, Lempitsky V. Class-specific hough forests for object detection[M]. London ：Decision Forests for Computer Vision and Medical Image Analysis, 2013: 143-157.

[7] 汤一平, 富吉勇, 陈耀宇. 基于全方位计算机视觉的遗留物检测系统[J]. 计算机测量与控制，2010 （3）： 517-519.

[8] Redo-Sanchez A, Laman N, Schulkin B, et al. Review of Terahertz Technology Readiness Assessment and Applications[J]. Journal of Infrared, Millimeter, and Terahertz Waves, 2013, 34（9）： 500-518.

[9] 同 磊, 朱力强, 余祖俊, 等. 基于车载前视摄像机的轨道异物检测[J]. 交通运输系统工程与信息, 2012，12（4）：79-83.

[10]李 煜, 肖 刚. 机场跑道异物检测系统设计与研究[J]. 激光与红外, 2011, 41（8）：909-915.

[11] Hogeweg L, Sánchez C I, Melendez J, et al. Foreign object detection and removal to improve automated analysis of chest radiographs[J]. Medical physics, 2013, 40(7): 071901.

[12] 沈阳西东控制技术有限公司.地铁站台屏蔽门与列车门之间激光障碍物监测控制系统[P]. 中国：CN101463691B ，2013-03-20.

[13] Shen J Q and Hau L C. Vehicle sensing method for detecting a pedestrian impact[P]. U.S： US7380633 B2 ，2006-2-14.

责任编辑 王 浩

Automatic foreign object detection technology between PSD and subway doors

HUANG Huawen1, LIU Weiming2, LI Jun1, TAN Feigang2, LU Xinyu2
( 1. Guangzhou Metro, Guangzhou 510335, China; 2. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510641, China )

Drivers always determine whether there is a foreign object between the door and the platform screen door(PSD) through checking the light bar’s completeness in the rear of the subway at Chinese subway. However, there is a big risk of false positives. Based on the characteristics of the gap between the subway door and PSD, the article made a detailed comparison of different foreign object automatic detection from the system performance, installation and maintenance, etc., proposed self-detection method based on machine vision between PSD and the door foreign object. Experimental results showed that the method was with the properties of high detection rate, the equipment was small, simple for installation and maintenance, and low cost.

automatic detection of gap’s foreign objects; subway platform; infrared light curtain detectors; laser detectors ; video image processing

U231.4∶TP39

A

1005-8451（2015）10-0064-04

2015-03-13

黄华文，工程师；刘伟铭，教授。