地铁中计算机视觉和图像处理技术的应用

杨新页

摘 要：本文首先分析了计算机视觉以及图像处理技术的工作原理以及框架特征，然后从轨道、扣件以及接触网等几个方面分别论述了该技术相比较传统技术所体现出来的优势，希望能够给其他单位提供参考。

关键词：计算机视觉;图像处理;技术应用

中图分类号：TP391.41 文献标识码：A 文章编号：1671-2064（2020）10-0090-02

0 引言

基于计算机技术和生物技术之上催生了新的计算机视觉以及图像处理技术，该技术能够直接应用于传统的地铁轨道安全检测工作中，不仅提升检测效率，同时能够节省大量的经济成本，因此下文对于该技术在地铁安全检测中的应用进行了详细分析。

1 计算机视觉以及图像处理技术研究

计算机图像处理技术主要是通过利用各种视频采集技术代替传统视觉感官的一种技术集合。计算机视觉处理技术能够通过各种视频传感器获取空间中物体的各种信息，并且作出相应的判断。

1.1 计算机视觉检测技术

计算机视觉检测技术主要对于一些黑白、彩色、深度灰色等图形数据进行检测，利用超声波、X射线等技术进行优化分析。同时这个过程中通常还会应用到PCB视觉算法通过树法、剪影法等手段判断检测目标是否具有普通的工作特性。在CAD/CAM的技术基础上，描述检测物体的基本模型，因此在未来具有比较广阔的发展空间[1]。

1.2 图像处理技术

计算机视觉处理系统需要依赖大量的图片处理技术，具体主要表现在如下三个方面：首先通过对比图像的局部位置，改善其中的核心细节，从而提高视频的质量。其次在图像传输、运用和处理的过程中往往会受到外部环境的影响发生形变。例如在光电转换中原件的灵敏度不够，在模拟过程中产生过大的噪音或者传输过程中信息出现严重的失真。所以在处理信息的过程中需要尽可能地提取有用的信息，并且尽可能用平滑的信息处理技术去还原图像本身的面目，最后为了能够提高图像的整体细节效果以及凸显轮廓，需要根据图像颜色、频谱、纹理以及空间特征进行分类，图像的分类例如染色分类、井管分类、计算机分类等，需要工作人员能够掌握分类方法。这些图片在经过提取、识别以及处理之后，其视觉效果能够得到极大的提高。

1.3 物体的移动以及提取方法

物体的移動以及跟踪往往需要进行不断分析和观察。当前主要需要结合计算机功能，人工智能对视频图形进行分析和了解，从中选择有效的图形信息。该过程主要可以分为如下三个不同的阶段：

1.3.1 移动物体的信息获取

提取移动物体的基本信息主要目的在于减少检测区域中其他物体的因素影响，提取方法主要分为信息获取、噪音消除以及整合三个过程。首先在第一个环节中需要通过一定的技术对原始图像进行处理以及检测，逐步发现系统中会随着时间变化的区域。该步骤的算法主要是通过建立背景模型实现的。在噪音过滤环节主要目的在于消除外部光线对于摄像机造成的影响，这种影响因素还可能是来自于外部环境的信号干扰。最后在整合过程中需要工作人员将搜集到的图形进行重新的调整以及优化加工，将关键部分的信息特征描述出来[2]。

1.3.2 目标物体的跟踪

对于目标物体进行跟踪前提在于能够实现计算机系统内部的智能化应用，因为系统需要自身能够明白追踪物体是什么，何时会发生，并且会持续多久等关键特征。跟踪算法种类较多，有的算法侧重于跟踪物体的具体位置、颜色;有的方法则侧重于物体的运动方程，并且建立正确的计算模型。但是所有的跟踪方法最终目的全部都是在于通过计算和记录物体的速度、移动方向来判断物体下一步的运动轨迹，最终确定物体下一个阶段的运动状态，然后方便在下一个阶段进行处理。

1.3.3 移动物体的识别

移动物体的识别需要经过两个过程，首先计算机系统内部需要存储一定的学习资料，即对于先前行为的学习，另外计算机系统在学习之后能够对即将出现的目标物体进行准确测量，因此需要在安装测试程序之后强化平常的训练工作。周期性、规律性的训练能够使得计算机测试系统对于目标物体有良好的辨别能力，利用已有的知识体系进行判断。用于平常的训练学习系统种类较多，通常主要聚集在物体颜色、大小、形状等方面。系统在采集一个新的目标物体之后往往会建立新的模型和已有的数据模型进行对比，然后找到最为合适的标签进行配对[3]。

2 计算机视觉与图像处理技术框架展示

计算机视觉系统并不是单一独立的静态数字图像，不仅存在独特的空间特性，同时图像的排列也会存在时间上的差异。计算机视觉实现需要经过两个基本的环节，首先视频图形的压缩，传输处理环节可以理解为对于视频图像内部信息的处理分析，获取有效的信息，具体的视觉框架可以转换成电脑信息流程图展示在工程师手中。

3 计算机视觉处理图像技术在地铁工作中的应用

早在10年之前西方一些发达国家已经能够成功将视频分析技术应用在网络安全之中，并且取得了有效的使用效果。目前我国在这个方面的研究中还是处于一个初级的起步阶段，随着经济的不断发展和进步，目前已经在如下几个方面取得了比较有效的应用和推广。

3.1 轨道检测中的应用

地铁轨道是列车运行的主要基础结构，直接决定列车上人员的生命安全。在列车轨道的检测工作中通过在上面安装计算机视觉检测技术能够及时发现日常运行中出现的磨损、配件损坏等现象，通过技术人员的及时处理能够降低风险几率。当前我国国内地铁数量不断增多，列车和铁轨之间的摩擦程度不断加大，因此轨道的使用寿命有限，每隔几年就需要进行彻底的维护处理。对钢铁列车轨道进行计算机视觉检测处理能够在不影响列列车运行速度、不损坏钢铁轨道质量的前提下提高内部人员的安全几率。当前流行三种检测方法，第一种通过梯度法检测目标钢轨的图像灰度变化，从而发现轨道的表面磨损情况，但是这种方法需要较长的观察时间以及较高的技术设备要求[4]。

其次还可以利用颜色区分不同的彩色照相机通过图形光谱的不同采集轨道图形，这种方法在检测轨道裂痕、沟痕等方面具有很大的优势，但是唯一的缺点在于采集设备比较特殊，需要专门配置。最后一种检测方式主要针对钢轨褶皱损伤现象而应用的纹理分析法，很多的实践证明纹理分析法能够通过小波转换获取最优的纹理特征，对于保证褶皱安全性具有很大的帮助和提升。

在轨道钢扣件的检测中，计算机视觉检测技术同样能够取得比较良好的工作效果。扣件主要负责将轨道固定在轨枕上面，很多的地铁轨道检测人员一般都是通过人工检测的方式进行质量结构检测，这种传统的检测方式不仅效率低下，同时可控风险范围较小。如果将数字扫描摄像机安装在行驶列车的底部通过列车的不断运动可以搜集到长度较为满意的序列视频。该过程中的影响因素较多，例如外部采光角度，模型的形变大小以及内存状况都会对于检测的效果造成影响，因此在计算机内部引入专业的数学算法能够保证检测效果的准确性[5]。

3.2 地铁接触网中的应用

接触网是构成地铁的重要部分，相关参数的规范程度也会影响到列车的运行安全。接触网通常出现的问题主要表现在导线磨损方面，在长时间的使用下导线会逐渐变细，因此接触导线的工作效果下降，同时如果导线的拉出值大于标准范围，还会出现刮弓现象。

当前为了能够解决上述问题，利用高速摄像机拍摄导线的变化情况，然后在外部设置光源使得观察效果更加明显。在系统进行图像的分析以及处理之后，导线在使用过程中的磨损值以及实际宽度会显示出来，这些参数最终通过数据报表反映。当前我国接触网检测的主要技术还是借助于德国计算机视觉技术的接触网检测系统。通过模糊圖像识别以及图像处理技术能够对接触网中各个部分、各个阶段的参数进行分析，在具体应用的过程中一般都是在顶部或者水平的两侧位置安装摄像机，并且借助自适应的控制技术实现有效的跟踪和识别[4]。

3.3 地铁客运站检测工作中的应用

随着客流量的不断增加，地铁站台区域的伤亡事故发生几率大大增加，因此需要强化地铁站台区域的环境检测工作。传统地铁检测中常常都是采取人工巡查和闭路检测系统结合的方式进行轮班交替，每一年都需要投入大量的人力和物力，随着计算机视觉以及图像技术水平的不断发展，计算机视觉系统能够根据闭路电视中的人口信息提取基本的人口密度，然后在神经网络中进行分析，最后在广大的数据信息库中利用全面搜索的方法对人口密度进行估计。

利用摄像头对目标区域进行监控，检测该区域是否具备一般的报警条件，达到条件之后，系统会及时地向中心发生报警信息从而采取准时的处理措施。该技术在铁路安全中主要具有如下几个方面的应用：首先系统入侵报警功能会在外人入侵系统或者闯入禁止区域之后自动发出警报，例如列车行驶的轨道错误。其次在上下电梯中，如果有行人出现逆行的情况在出口或者进口的位置则会给出提示。最后在疫情期间如果发现大规模的群众聚集行为影响到当地的安全秩序，也会及时发出警报。随着计算机数字图像技术的不断发展，对于站台进行自动化的有效检测已经成为未来发展的主要趋势。

4 结语

技术的发展进步会不断促进其他领域的生产力发展，计算机视觉图形技术的产生对于地铁线路的正常安全运行具有很大的推动作用，虽然我国在这个方面的起步较晚，但是凭借经济、人才力量的优势在这个方面取得了很大的发展和突破，因此希望未来的研究人员能够再接再厉，争创辉煌。

参考文献

[1] 雍志强.计算机视觉和图像处理技术及其在地铁中的应用研究[J].信息系统工程，2012（12）：105-107.

[2] 吴传国，焦永和，肖陶.计算机视觉和图像处理技术及其在汽车零件检测中的应用[J].城市车辆，2003（4）：52-54.

[3] 吴丰盛.计算机视觉图像处理技术在茶领域中的运用[J].福建茶叶，2018（10）：25-25.

[4] 刘洁，冯贵玉，张汗灵.一种图像处理和计算机视觉的开发工具[J].计算机仿真，2006（11）：305-307+344.

[5] 潘长安.视觉图像处理技术在车辆定位系统中的应用分析[J].数字技术与应用，2015（11）：67-68.