基于PCA和隨機Hough變換的調車信號燈檢測

路正鳳，王思明，呂國強，汪芳莉

(1.蘭州交通大學自動化與電氣工程學院，蘭州 730070;2.青藏鐵路公司西寧機務段，西寧 860001)

基于PCA和隨機Hough變換的調車信號燈檢測

路正鳳1，王思明1，呂國強2，汪芳莉2

(1.蘭州交通大學自動化與電氣工程學院，蘭州 730070;2.青藏鐵路公司西寧機務段，西寧 860001)

針對傳統信號燈檢測方法中存在的弊端，提出了一種主成分分析(Principal Component Analysis，PCA)和圓擬合與分段隨機Hough變換(Randomized Hough Transform，RHT)圓檢測相結合的信號燈檢測方法。該方法利用主成分分析結合圓擬合來簡化圖像的復雜背景，然后通過隨機Hough變換進行分段圓檢測，得到信號燈的準確位置，最后結合線路特征及信號燈的顏色特點，確定本股道有顯示的調車信號燈。對調車信號燈圖像進行仿真實驗，結果表明，該方法檢測準確度高，實時性好，并對有顏色信號燈的檢測具有良好的檢測效果，適合于對復雜環境中調車信號燈的準確檢測和定位。

調車信號燈;圓檢測;隨機Hough變換;主成分分析;圓擬合

1 概述

調車作業的安全防護是鐵路運輸中的一項重要任務。STP-yh型無線調車機車信號和監控系統是目前我國站內專用調車機車安全防護系統，其設備較多，成本高，適用于復雜的、作業繁多的車站，對于大量的小站調車作業，則需要簡化的方案［1－3］。隨著圖像處理等技術的發展，使得基于機器視覺的車載系統代替司機的視覺工作成為可能［4］。基于機器視覺的調車安全防護系統具有設備簡單，投資成本低和不影響調車機車的既有設備等優點，適用于大量的小站調車作業和車站中無碼線路調車作業的安全防護。因此，對于基于機器視覺的鐵路調車安全防護系統的研究很有必要。

基于機器視覺的鐵路調車安全防護系統的關鍵技術之一就是調車信號燈的準確定位。國內學者已在這方面進行了研究。文獻［5］利用信號燈顯示顏色的特點，圖像經過邊緣檢測、膨脹、腐蝕和填充得到目標區域。對于動態視頻監控，目標的大小會隨著距離的變化而變化，當距離較大時，信號燈區域較小，經過腐蝕會使目標消失。同時，無法得到信號燈的確切位置。文獻［6－8］根據信號燈的形狀特點，采用“三點共圓”的方法來實現目標檢測。該方法在目標清晰的情況下，具有較好的檢測結果。但是，對于有殘缺的線段檢測結果不太理想［9］。因此，該方法對于復雜環境中的調車信號燈的檢測還存在著一定的局限性。

針對以上方法存在的問題，依據調車信號燈的形狀和顏色特征，提出基于主成分分析和圓擬合的分段隨機Hough變換的調車信號燈檢測方法，來實現復雜背景中調車信號燈的準確檢測。通過主成分分析結合圓擬合的方法對原始線段進行分析和保留，可以簡化圖像，然后采用分段隨機Hough變換對簡化的圖像進行圓檢測，實現調車信號燈區域的準確定位，最后結合鐵路線路特征及信號燈的顏色特征，確認出本股道顯示的調車信號燈。

2 調車信號燈的檢測原理

調車信號燈的檢測原理:首先，對原圖像進行邊緣檢測得到邊緣圖像并除去交叉次數較多的邊緣點，在邊緣圖像中標記并提取出滿足一定長度的連續線段;其次，利用主成分分析對連續線段進行方向分析，保留類圓曲線段;然后，利用帶約束的最小二乘法對類圓曲線段按照標記順序依次進行圓擬合，初步得到有效粗略圓參數，利用粗略圓參數保留原圖像中滿足一定誤差范圍的有效曲線段;最后，利用隨機Hough變換對有效曲線段進行分段圓檢測，得到精確圓參數并更新圖像空間，直到所有的有效曲線段檢測完畢，確認本股道顯示的調車信號燈。見圖1。

圖1 調車信號燈檢測原理

3 調車信號燈的檢測

3.1 檢測類圓曲線段

主成分分析是一種對原始數據進行分析，通過線性變換將高維空間中的樣本數據投影到低維空間中，有效找出數據中最主要的元素和結構，去除噪聲和冗余，分析出盡可能好地代表原始數據的簡單結構的技術。通過對數據進行統計分析得到協方差矩陣，進而得到其特征值和特征向量，即數據的主成分［10－12］。通過對線段依次進行主成分分析，獲得其協方差矩陣的特征值，并對其進行分析來保留類圓曲線段。

假設令線段點集內像素點的個數為N，任一像素點的坐標為(xi，yi)，則

根據主成分分析技術的基本原理，特征值的個數和大小分別代表了線段主方向的個數和各個主方向的主要分布情況，可用于線段形狀的判定:

(1)λ1或λ2=0，則線段為直線，因為只有一個主方向;

(2)λ1=λ2則線段為完整的圓，因為有2個分布情況相同的主方向;

(3)λ1＞λ2＞0，則線段為除圓以外的曲線段，因為有2個分布不均的主方向。

若線段點集內為理想圓，那么λ1=λ2。但是由于圖像中圓受噪聲的影響或者類圓的存在，邊緣像素的位置具有不確定性，因此λ1≥λ2。經過分析曲線主元分布方向，設置λ1/λ2合適的門限。特征值 λ1/λ2的大小反應曲線段主方向的長度與寬度方向的比值，比值太大，反應曲率較小，曲線接近直線，這不符合圓檢測的一般條件，而比值較大，對于一些類似于橢圓的曲線段不能過濾掉，因此實驗中設置一個范圍來約束曲線段的選擇。實驗表明，比值在范圍內都有效，而1.5對于這個實驗效果比較好，因此本文中實驗設定的比值為1.5，可以限制背景圖像中的直線和類似于橢圓的曲線段。利用線段PCA方向分析法得到的初始圓參數誤差較大，因此，初步保留圖像中的類圓曲線段。

3.2 保留有效曲線段

為了進一步得到有效曲線段，在線段PCA方向分析的基礎上，對保留下來的類圓曲線段進行圓擬合，得到初步的粗略圓參數來保留有效曲線段。

本文利用帶約束的最小二乘法對保留下來的類圓曲線段進行圓擬合，來得到類圓曲線段的粗略圓參數。

保留下來的類圓曲線段點集為(xi，yi)(i=1，2，…，m)，設其理想圓的圓心和半徑分別為P0(x0，y0)和r，則類圓曲線段上的點到圓的代數距離方程為

其中，(x，y)∈{(xi，yi)|i=1，2，…，m}。

對(7)式進行變形簡化推導可得

函數F(x)表示點P(x，y)到二次曲線F(x)=0的代數距離，則所有測量點的代數距離平方和為

為了利用最小二乘法擬合出圓，采用文獻［13］中用帶約束的最小二乘圓擬合法。該方法引入了系數約束條件b21+b22－4ac=1，它可表示為

通過求解式(12)得到4個廣義特征向量，然后應用式(11)選擇使D達到最小值得到廣義特征向量，然后應用式(9)、(10)求解圓心坐標及圓半徑，初步得到圖像中圓的粗略參數，利用該粗略參數保留原圖像中的類圓曲線段。

3.3 分段隨機Hough變換圓檢測

Hough變換是目前廣泛采用的圓形狀檢測方法。為減少計算量，提高實時性，本文引入了分段檢測的思想［14］。其基本原理是:圖像通過主成分分析和圓擬合后保留得到一些沒有公共點的曲線段，因一個圓上的點必存在于用一條曲線上，對每條曲線分別進行隨機

因此，帶約束的最小二乘圓擬合法可表達為:在μTCμ=1的約束下，使D最小，C為約束矩陣。

對參數二次約束時，最小距離平方的問題，通過引入Lagrange乘子λ同時求導，可得到Hough變換，便可減少無效的數據累計，從而減少時間消耗。

設D為保留下來的圖像邊緣點集，對有效曲線段進行標記，按照標記順序依次進行隨機Hough變換:從曲線段Li點集中隨機選取3個點，確定一個候選圓參數l，通過證據積累計算曲線段點集中落在該候選圓上的點數Ml，若其大于圓所必需的最小點數Mmin，則確認該候選圓為真實圓，從D中刪除該圓上的點，然后繼續進行下一個圓的檢測，直到所有的曲線段Li檢測完畢。

3.4 顯示調車信號燈的確認

由于鐵路車站內環境復雜，相向駛來的機車燈光、其他軌道信號燈等，很容易也被分割出來，因此需要更進一步確認該信號燈是否是本股道的信號燈。

信號燈一般出現在軌道左側路邊，調車信號燈必有一個是有顏色顯示的，用來提示司機安全駕駛。故本股道顯示的調車信號燈是有顏色的且其圓心距離股道中心線最近的一個圓，以此作為本股道調車信號燈確認的判定條件。大部分情況下，站內機車近似于直線行駛，故將圖像中心線作為股道中心線來進行判定。

我國鐵路調車信號機顯示主要有紅、藍、白3種顏色，圖像是通過安裝在調車機車上的攝像機在行駛中攝取獲得的，一般為RGB彩色模型，R、G、B分量具有高度的相關性，亮度的變化會引起R、G、B分量的變化，不適合用來判斷自然場景下顯示信號燈的判斷。在HSI彩色空間中，色調(H)、色飽和度(S)、亮度信息(I)分量具有相互獨立性。因此，將RGB模型轉化到HSI模型，用H、S、I當作特征參數來進行信號燈是否有顏色顯示的判斷，消除天氣的影響。

給定1幅RGB彩色格式的圖像，H分量由下式給出

將RGB值歸一化為［0，1］范圍內，則 S、I值已在［0，1］范圍之內。紅色和藍色在HSI空間中的色調值H分別為0°和240°，白色在 HSI空間的亮度 I為1。在自然環境中，由于光照和天氣的影響，色調值H與亮度I會在一定的范圍內波動。表1給出了在不同條件下拍攝的紅色、藍色、白色統計結果的 H、I取值范圍。

表1 調車信號燈顏色H和I取值范圍

本文以圓域內顏色的平均值作為該圓是否有顏色的判據，初步對有顯示的調車信號燈進行粗略判斷。

3.5 算法步驟

調車信號燈檢測方法具體步驟為:

(1)輸入復雜背景下的調車信號燈圖像，用Canny算子進行邊緣提取，可以得到一幅包含邊緣信息的二值圖像，并除去交叉次數較多的點;

(2)對二值圖像中的線段進行標記，找到滿足長度大于閾值Lthr的連續線段Li;

(3)對每段Li進行線段PCA方向分析，得到λ1，λ2，初步保留 λ1/λ2＜λthr的類圓曲線段 Li;

(4)對每段類圓曲線段Li進行帶約束的最小二乘法圓擬合，初步得到粗略圓參數，并用其來保留原圖像中滿足一定誤差范圍的有效曲線段;

(5)利用隨機Hough變換對保留下來的有效曲線段進行分段圓檢測，得到精確的圓參數，檢測結束后在圖像空間刪除對應的像素點，直到所有Li檢測完畢;

(6)將所檢測圓心到圖像中心線距離最短且有顏色顯示的圓確定為本股道有顯示的調車信號燈。

4 實驗仿真與分析

為了檢驗本文方法的性能，通過與文獻［6］中的方法進行比較，做了以下4個實驗。

實驗1，本文方法對具有復雜背景的信號燈圖像進行圓檢測實驗。如圖2所示，對圖像進行邊緣檢測、去除交叉點及小線段、主成分分析和圓擬合保留有效曲線段的過程。由于動態圖像的原因，目標的大小跟距離的遠近有關，檢測需要較好的邊緣信息，故采用了Canny邊緣檢測算子，同時也有利于保證主成分分析及圓擬合順利進行;去除交叉點和小線段的目的是使連續曲線段分離，減少線段間影響，并利于后續的分段處理。圖2(d)是通過線段PCA方向分析和圓擬合得到的粗略圓參數保留下來的有效曲線段，有效地簡化了復雜的背景信息，提高了檢測精度。

圖2 本文方法對信號燈的檢測過程

實驗2，采用改進Hough變換圓檢測法和本文方法進行檢測結果的比較。如圖3所示，給出了2種方法的檢測結果。

圖3 改進Hough變換圓檢測和本文方法進行圓檢測結果

從圖3(a)可以看到，改進Hough變換圓檢測法對復雜背景中圓的檢測還存在著一定的誤差，檢測到圓的個數不止2個，需要從中進行篩選才能得到想要的目標圓，而從圖3(b)可以看到本文方法對復雜背景中圓的檢測結果，準確地檢測出了信號燈區域。表2給出了本文方法與改進Hough變換的比較結果。

圖4 本文方法對夜間信號燈的檢測

在圖3檢測中，圖像左上角為原點，X軸為水平向右，Y軸為垂直向下;檢測結果中，上面的信號燈為圓1，下面的信號燈為圓2;單位為像素點的個數。

表2 本文算法與改進Hough變換的比較

其中，該調車信號機為白燈顯示，圓1和圓2距離圖像中心線的距離均為12個像素點，其圓域的亮度值I分別為0.996和0.039，色調H均為無意義。根據本股道顯示調車信號燈的判斷條件，故圓1為本股道顯示的調車信號燈。

實驗3，對具有復雜背景的夜間調車信號燈進行顯示信號燈的檢測，圖4所示為檢測結果。

從檢測結果圖4(d)可以看出，本文方法準確地檢測出了本股道顯示的調車信號燈。通過實驗3可以看出本文方法對有顏色圓的檢測具有良好的檢測效果。

實驗4，對一幅站內調車信號燈圖像進行檢測，如圖5所示。從實驗可以看出，目標被準確檢測出來。

圖5 本文方法對站內調車信號燈的檢測結果

5 結論

針對調車作業工作環境復雜、噪聲大，以及以往對信號燈檢測方法中存在的弊端，根據調車信號機的形狀和顏色特征，提出基于主成分分析和圓擬合的分段隨機Hough變換的調車信號燈檢測方法。該方法有如下特點。

(1)算法主要利用PCA對圖像邊緣進行線段方向分析，保留類圓曲線段，再通過圓擬合得到的粗略圓參數保留圖像中的有效曲線段，簡化了圖像背景，適用于復雜圖像的檢測。

(2)采用抗干擾能力較強的隨機Hough變換進行分段圓檢測，減少了時間消耗。

(3)與文獻［6］的方法比較可知，該方法準確率高，而且對有顏色圓的檢測具有良好的檢測效果，適用于對顯示調車信號燈的檢測。

(4)根據鐵路線路特征及信號燈的顏色特征，采用HSI顏色空間對顯示調車信號燈進行了確認。

因此，該方法適合于對復雜環境中調車信號燈的準確檢測和定位。在信號燈準確定位的基礎上，將對信號燈顏色的識別和列車距信號燈距離的測量進行研究，為調車司機提供參考。

［1］曹桂均，程君．適用于正線機車的無線調車機車信號和監控系統的研究與試驗［J］．中國鐵道科學，2012，33(4):91－98．

［2］納勇，韓波．STP-yh無線調車機車信號和監控系統常見問題處理［J］．鐵道通信信號，2012，48(5):44－46．

［3］Guijun C， Tongyuan L．New Equipment for Station Shunting Operation Safety Protection-Signal and Monitoring System of Shunting Locomotive［J］．Railway Signalling＆Communication Engineering，2006(2):7－10，26．

［4］許貴陽，史天運，任盛偉．基于計算機視覺的車載軌道巡檢系統研制［J］．中國鐵道科學，2013，34(1):139－144．

［5］趙志帥，楊春金．基于圖像處理的信號燈自動識別［OL］．http://www．paper．edu．cn，2009(4)．

［6］王小琦，王哲，劉東，等．改進Hough變換在調車信號燈識別中的應用［J］．鐵路通信信號工程技術，2008，5(1):18－20．

［7］王哲．站場調車信號識別系統研究［D］．成都:西南交通大學，2007．

［8］蘇崗．基于機器視覺的鐵路調車信號識別研究［J］．自動化信息，2009(10):51－52．

［9］孫亦南，劉偉軍，王越超，等．一種用于圓檢測的改進Hough變換方法［J］．計算機工程與應用，2003(20):35－37．

［10］ Jung S，Sen A，Marron JS．Boundary behavior in high dimension，low sample size asymptotics of PCA ［J］．Journal of Multivariate Analysis，2012．

［11］ GURU D S，SHEKAR B H，NAGABHUSHAN P．A simple and robust line detection algorithm based on smalleigenvalue analysis［J］．Pattern Recognition，2004，25(1):1－13．

［12］牛曉霞，胡正平，楊蘇．局部PCA參數約束的Hough多橢圓分層檢測算法［J］．計算機應用，2009，29(5):1365－1368．

［13］劉元朋，張定華，桂元坤等．用帶約束的最小二乘法擬合平面圓曲線［J］．計算機輔助設計與圖形學學報，2004，16(10):1382－1385．

［14］徐培智，徐貴力，黃鑫．基于隨機Hough變換的人頭檢測［J］．計算機工程，2012，38(1):199－200．

Shunting Signal Lam p Detection Based on PCA and Random ized Hough Transform

LU Zheng-feng1，WANG Si-ming1，LV Guo-qiang2，WANG Fang-li2

(1．School of Automation and Electrical Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China;2．Locomotive Department，Qinghai-Tibet Railway Company，Xining 860001，Qinghai Province，China)

In this paper，to overcome the disadvantages of traditionalmethods of signal lamp detection，a new method of signal lamp detection was proposed，which is based on principal component analysis(PCA)and circle fitting，aswell as segmented circle detection of randomized Hough transform(RHT)．In thismethod，the principal component analysis and circle fitting should be carried out to simplify the complex background of image first，and then segmented circle detection should be conducted by the use of randomized Hough transform so as to ascertain the accurate position of signal lamp;finally in combination with line's characteristics and signal lamp's color，the displayed shunting signal lamps on this line can be determined．Moreover，a simulation experiment on the images of shunting signal lamp was carried out in this paper，and the results show that this method is of high accuracy，good real-time performance，good detection effect on the colored signal lamps，therefore suitable for accurate detection and positioning of shunting signal lamps in complex environment．

shunting signal lamp;circle detection;randomized Hough transform;principal component analysis;circle fitting

TP391.4

A

10．13238/j．issn．1004－2954．2014．03．031

1004－2954(2014)03－0130－05

2013－07－08;

2013－07－19

路正鳳(1988—)，女，碩士研究生，E-mail:13659425516@139．com。