基于視頻追蹤的雨棚結(jié)構(gòu)震動(dòng)監(jiān)測(cè)方法探討

范登科，李 明

（1.鐵道第三勘察設(shè)計(jì)院集團(tuán)有限公司，天津 300251；2.武漢大學(xué) 遙感信息工程學(xué)院，湖北 武漢 430079）

基于視頻追蹤的雨棚結(jié)構(gòu)震動(dòng)監(jiān)測(cè)方法探討

范登科1，李 明2

（1.鐵道第三勘察設(shè)計(jì)院集團(tuán)有限公司，天津 300251；2.武漢大學(xué) 遙感信息工程學(xué)院，湖北 武漢 430079）

提出一種通過(guò)快速處理視頻數(shù)據(jù)，精確獲取高鐵站臺(tái)雨棚震動(dòng)幅值及頻率信息的方案。該方案采用特征提取、目標(biāo)追蹤、曲線修正等計(jì)算機(jī)圖形圖像學(xué)技術(shù)輔助人工處理分析組成視頻文件的各幀圖像，提高了生產(chǎn)效率和成果精度，降低了誤差干擾引起的不確定性。經(jīng)業(yè)務(wù)化實(shí)施驗(yàn)證及對(duì)比分析，體現(xiàn)出較高的應(yīng)用價(jià)值。

特征提取；目標(biāo)追蹤；曲線修正

對(duì)高鐵站臺(tái)雨棚開(kāi)展穩(wěn)定性和安全性監(jiān)測(cè)的方案有3種：采用地面SAR掃描儀；借助專(zhuān)業(yè)高速相機(jī)配合全站儀測(cè)量像控點(diǎn)；利用準(zhǔn)專(zhuān)業(yè)相機(jī)高清攝像配合全站儀激光照準(zhǔn)的近景非地形攝影測(cè)量技術(shù)。本文采用第3種，采集到多組全站儀激光照準(zhǔn)仰角和測(cè)距數(shù)據(jù)，以及直觀反映雨棚震動(dòng)幅度和頻率的視頻數(shù)據(jù)。

雨棚震動(dòng)軌跡的曲線是一項(xiàng)耗時(shí)耗力的數(shù)據(jù)處理工作，傳統(tǒng)作業(yè)方法是首先通過(guò)解碼工具將視頻按幀分解為數(shù)字圖像，然后選擇視頻中雨棚震動(dòng)劇烈部位某一顯著特征作為監(jiān)測(cè)對(duì)象，在各幀圖像上手工標(biāo)記該對(duì)象位置，并記錄其坐標(biāo)，最終通過(guò)建立縱坐標(biāo)值與時(shí)刻二者間的對(duì)應(yīng)關(guān)系，得到雨棚震動(dòng)軌跡曲線。本文提出一種基于計(jì)算機(jī)視覺(jué)算法的視頻數(shù)據(jù)處理方案，能自動(dòng)提取和分析監(jiān)測(cè)目標(biāo)的位置，修正采集過(guò)程中引入的誤差，快速、準(zhǔn)確地分析，得出可靠性高的震動(dòng)監(jiān)測(cè)曲線成果。

1 震動(dòng)數(shù)據(jù)采集與曲線計(jì)算

以一臺(tái)佳能5D Mark II套機(jī)和一臺(tái)Leica全站儀組合構(gòu)成一套震動(dòng)監(jiān)測(cè)設(shè)備。其中前者經(jīng)過(guò)專(zhuān)業(yè)改造，由專(zhuān)業(yè)設(shè)備（三軸螺栓固定云臺(tái)）將其與測(cè)量三腳架連接固定，后者則直接與測(cè)量三腳架連接固定，從而實(shí)現(xiàn)2 臺(tái)儀器的對(duì)中整平，以確保觀測(cè)和采集結(jié)果的穩(wěn)定性。在與雨棚震動(dòng)劇烈部位垂直方向上的站臺(tái)進(jìn)行設(shè)站，震動(dòng)監(jiān)測(cè)設(shè)備與待監(jiān)測(cè)雨棚的相對(duì)位置關(guān)系如圖1所示。

圖1 監(jiān)測(cè)設(shè)備與監(jiān)測(cè)目標(biāo)的相對(duì)位置及觀測(cè)構(gòu)象關(guān)系示意圖

佳能相機(jī)采用中心投影構(gòu)象方式，并調(diào)節(jié)到最大焦距，則雨棚實(shí)際的震動(dòng)曲線方程H（t）可表示為：式中，Cp為相機(jī)所拍攝視頻圖像中單個(gè)像元對(duì)應(yīng)傳感器實(shí)際物理尺寸長(zhǎng)度；h（t）表示幀圖像上待監(jiān)測(cè)目標(biāo)垂直方向上位移隨時(shí)間t變化的規(guī)律；L代表攝影中心到觀測(cè)目標(biāo)的距離，通過(guò)全站儀激光照準(zhǔn)后量測(cè)獲得；f是相機(jī)鏡頭焦距。通過(guò)量測(cè)視頻中雨棚上顯著特征目標(biāo)的震動(dòng)情況，確定曲線h（t）的形式。

2 視頻監(jiān)測(cè)自動(dòng)化處理

2.1 總體處理方案

視頻監(jiān)測(cè)總體處理流程如圖2所示，將視頻數(shù)據(jù)進(jìn)行解碼后分解，提取第一幀G1（或任意一幀Gi）圖像，在點(diǎn)特征提取算法輔助下通過(guò)點(diǎn)擊獲取初始的追蹤目標(biāo)點(diǎn)P1（Pi）；以P1（Pi）、幀圖像G1（Gi）和相鄰一幀圖像G2（Gi+1）為輸入，采用目標(biāo)追蹤算法在幀圖像G2（Gi+1）上自動(dòng)匹配出相對(duì)應(yīng)的同名特征點(diǎn)P2（Pi+1）；將P2（Pi+1）作為下一次光流場(chǎng)運(yùn)算的輸入，結(jié)合幀圖像G2（Gi+1）與相鄰的下一幀圖像，重復(fù)上述過(guò)程，直到追蹤得到特征點(diǎn)P在所有幀圖像上的位置信息。根據(jù)特征點(diǎn)圖像坐標(biāo)反映的局部震動(dòng)極值，確定建筑結(jié)構(gòu)的起震中心，分段擬合出表達(dá)起震中心位置隨時(shí)間變化的二次曲線f（t）。最后根據(jù)該二次曲線方程修正特征點(diǎn)的位置偏移，并將起震中心歸一化到橫軸，輸出得到震動(dòng)時(shí)序變化監(jiān)測(cè)結(jié)果曲線Sm。

圖2 雨棚建筑結(jié)構(gòu)震動(dòng)視頻監(jiān)測(cè)處理流程

2.2 特征提取和標(biāo)記

為了在單幀圖像上標(biāo)記出用于震動(dòng)監(jiān)測(cè)的顯著特征點(diǎn)，本文采用人工預(yù)判所處鄰域范圍結(jié)合點(diǎn)特征提取算法的方式精確定位目標(biāo)點(diǎn)，以確保所選監(jiān)測(cè)目標(biāo)的唯一性和一致性。首先在幀圖像上預(yù)先判斷出顯著特征點(diǎn)所處的最可能范圍C，然后提取該范圍內(nèi)的圖像IC，應(yīng)用Harris點(diǎn)特征提取算法，獲取IC內(nèi)特征描述符取得極值時(shí)對(duì)應(yīng)的像素點(diǎn)，作為最終選擇的待監(jiān)測(cè)對(duì)象。

在具體實(shí)現(xiàn)過(guò)程中，通過(guò)對(duì)圖像IC計(jì)算等效評(píng)價(jià)函數(shù)：并判斷其取值滿足“是范圍C內(nèi)極大值”的條件。式中Ix、Iy表示幀圖像中水平、垂直方向上的一階差分。

2.3 監(jiān)測(cè)目標(biāo)追蹤

在具有時(shí)序先后關(guān)系的多幀圖像上，以計(jì)算機(jī)視覺(jué)代替人眼識(shí)別運(yùn)動(dòng)目標(biāo)的位置變化規(guī)律是當(dāng)前實(shí)現(xiàn)目標(biāo)追蹤的主要方式。本文采用Lucas Kanade光流場(chǎng)算法監(jiān)測(cè)特征點(diǎn)在視頻中不同幀圖像上的運(yùn)動(dòng)軌跡，其相似度運(yùn)算函數(shù)為：

式中，wx和wy表示以（x，y）為中心的鄰域窗口半徑。可以看出，當(dāng)相似度函數(shù)ε取得最小值時(shí)，像素集合I（u）和J（v）最相似，得到的d=（dx， dy）反映了位置u=（ux，uy）處的光流大小，也表示了特征點(diǎn)在時(shí)間序列上I和J兩幀圖像中的位移變化量。

由于視頻中拍攝的雨棚震動(dòng)變化是連續(xù)的，因此在使用Lucas Kanade光流場(chǎng)算法進(jìn)行顯著特征點(diǎn)追蹤和定位時(shí)，以相鄰兩幀圖像以及前一幀圖像上特征點(diǎn)Pi作為算法輸入，追蹤獲取后一幀圖像上相似目標(biāo)點(diǎn)Pi+1的位置，而上一節(jié)中計(jì)算機(jī)輔助人工提取的特征點(diǎn)P0作為目標(biāo)追蹤的初始對(duì)象。

2.4 震動(dòng)曲線修正

觀察視頻可以發(fā)現(xiàn)，由動(dòng)車(chē)經(jīng)過(guò)時(shí)引起的地面晃動(dòng)和氣流沖擊會(huì)使固定相機(jī)的仰角螺栓發(fā)生不易察覺(jué)的松動(dòng)，導(dǎo)致攝影中心位置發(fā)生連續(xù)改變。這使監(jiān)測(cè)后得到的特征點(diǎn)運(yùn)動(dòng)規(guī)律曲線如圖3a，整體起伏狀況十分明顯。這種起伏變化沒(méi)有任何規(guī)律，不能單純地采用任何一種函數(shù)關(guān)系來(lái)描述它。本文提出一種曲線修正的方法：使用相鄰起震中心位置進(jìn)行局部二次曲線擬合，從而對(duì)震動(dòng)每一周期內(nèi)的中心位置變化進(jìn)行分段描述，并根據(jù)擬合出的函數(shù)關(guān)系修正目標(biāo)點(diǎn)位置，最終歸一化起震中心到縱軸0值的位置。

圖3展示了分段二次曲線擬合的過(guò)程。以圖3a中t∈[t1， t2]時(shí)間段為例，該段時(shí)間內(nèi)雨棚經(jīng)歷了一個(gè)周期的震動(dòng)，三次通過(guò)起震中心，起震中心的坐標(biāo)值可由相鄰波峰和波谷的平均值近似替代，則該段時(shí)間內(nèi)起震中心的二次曲線方程參數(shù)可以通過(guò)回歸計(jì)算獲得，如圖3b。類(lèi)似的，其余各個(gè)震動(dòng)周期內(nèi)的參數(shù)也可以通過(guò)獨(dú)立求解獲得。修正歸一化到橫軸后的曲線形式如圖3c。

圖3 震動(dòng)曲線中心位置修正與歸一化處理方法示意圖

由于每3個(gè)起震中心位置點(diǎn)擬合出一段曲線方程，因此無(wú)法保證對(duì)曲線兩端部分的修正精度。而實(shí)際視頻采集中，曲線兩端的起始和終止部分代表了啟動(dòng)和停止拍攝的動(dòng)作，會(huì)引入更加難以描述的相機(jī)抖動(dòng)誤差，可對(duì)其忽略。

3 監(jiān)測(cè)結(jié)果分析

以2012-4-12 G135次列車(chē)通過(guò)天津南站時(shí)位于設(shè)站點(diǎn)G106處監(jiān)測(cè)設(shè)備采集數(shù)據(jù)處理為例，該段監(jiān)測(cè)視頻文件拍攝時(shí)長(zhǎng)為32 s，幀速30 fps，由973幀時(shí)序圖像組成，圖幅大小1 920×1 088，視頻采集所用相機(jī)鏡頭焦距為105 mm，傳感器物理尺寸大小36×24 mm。利用本文方法處理該視頻文件，首先得到以像素單位描述運(yùn)動(dòng)規(guī)律的震動(dòng)曲線h（t）。結(jié)合全站儀激光照準(zhǔn)測(cè)得的斜距L=21.85 m，傳感器參數(shù)Cp計(jì)算值0.022 06 mm/像素，代入式（1）可獲得雨棚實(shí)際震動(dòng)曲線方程為H（t）=4.590 3*f（t），如圖4所示。經(jīng)量測(cè)，曲線的最大正向振幅為7.79 mm，最大負(fù)向振幅為6.93 mm。

圖5展示了對(duì)上述視頻文件手工處理的震動(dòng)監(jiān)測(cè)曲線HO（t）。與圖4對(duì)比發(fā)現(xiàn)，為了降低處理工作量，前者對(duì)全部973幀圖像進(jìn)行了抽樣，利用抽樣得到的79幀進(jìn)行監(jiān)測(cè)，HO反映的震動(dòng)頻率明顯低于本文方法所得震動(dòng)曲線H，同時(shí)受誤差影響，曲線最大正向振幅和最大負(fù)向振幅出現(xiàn)在不同的震動(dòng)周期內(nèi)，與實(shí)際情況不符；對(duì)比圖中虛線包含部分，曲線H描述了高鐵列車(chē)經(jīng)過(guò)時(shí)震動(dòng)3次從產(chǎn)生到劇烈再到消失的過(guò)程，而HO顯然無(wú)法表現(xiàn)這一規(guī)律。

圖4 G135次列車(chē)通過(guò)時(shí)G106設(shè)站點(diǎn)采集視頻處理后監(jiān)測(cè)曲線結(jié)果

圖5 原始人工標(biāo)記方法對(duì)G135次列車(chē)通過(guò)時(shí)G106設(shè)站點(diǎn)采集視頻處理后監(jiān)測(cè)曲線結(jié)果

4 結(jié) 語(yǔ)

在相同外業(yè)觀測(cè)條件下，利用本文方法處理監(jiān)測(cè)視頻后得到的站臺(tái)雨棚震動(dòng)曲線在詳細(xì)程度、完整性、正確性、異常判斷等方面都優(yōu)于人工處理得到的震動(dòng)曲線，同時(shí)能夠極大地提高視頻數(shù)據(jù)分析和處理的作業(yè)效率。采用計(jì)算機(jī)輔助特征提取和目標(biāo)追蹤后不僅增強(qiáng)了監(jiān)測(cè)數(shù)據(jù)處理的自動(dòng)化程度，同時(shí)削弱了誤差的干擾，確保了監(jiān)測(cè)成果的可靠性和穩(wěn)定性。盡管采用觀測(cè)墩代替全站儀可以提高外業(yè)視頻采集的精度，但是受高鐵車(chē)站特殊環(huán)境制約，在實(shí)際操作中無(wú)法開(kāi)展和實(shí)施，因此在數(shù)據(jù)后處理中采用本文方案以降低全站儀不穩(wěn)定造成的干擾。在該技術(shù)支持下，圓滿完成了高鐵站臺(tái)雨棚震動(dòng)時(shí)序變化監(jiān)測(cè)任務(wù)，驗(yàn)證了全站儀與相機(jī)結(jié)合方法的可行性，為鐵路安全運(yùn)營(yíng)提供了根本保障。

[1] Nixon M S, Aguado A S. Feature Extraction and Image Processing (Second Edition) [M].Delhi : Replika Press Pvt Ltd, 2007

[2] Chen P Y, Arbee L,Chen P.Similarity-basedmotion Trackmanagement for Video Retrieval [J]. Journal of Information Science and Engineering，2006, 22(6):1 519-1 527[3] Li Z, Tao H.Research of Camshift Algorithm Totrack Motion Objects [J].Indonesian Journal of Electrical Engineering, 2013, 11(8): 4 372-4 378

[4] Fonseca P, Brussel H, Sas P.Motion and Vibration Control of a Flexible Structure [C]. International Modal Analysis Conference -IMAC,1999

[5] Thompson W B, Pong T C. Detecting Moving Object [J]. International Journal of Computer Vision, 1990(4):39-57

[6] Wu L D. Computer Vision[M]. 上海: 復(fù)旦大學(xué)出版社, 1993

[7] 李玲玲. 基于Harris-Affine和SIFT特征匹配的圖像自動(dòng)配準(zhǔn)[J]. 華中科技大學(xué)學(xué)報(bào):自然科學(xué)版, 2008, 36(8):13-16

[8] 董穎.基于光流場(chǎng)的視頻運(yùn)動(dòng)檢測(cè)[D].濟(jì)南:山東大學(xué), 2008 [9] 張澤旭, 李金宗, 李寧寧. 基于光流場(chǎng)分割和Canny邊緣提取融合算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].電子學(xué)報(bào),2003,31(9):1 299-1 302 [10] 鄭南寧. 計(jì)算機(jī)視覺(jué)與模式識(shí)別[M]. 北京：國(guó)防工業(yè)出版社, 1998

P234.1

B

1672-4623（2015）03-0145-03

10.3969/j.issn.1672-4623.2015.03.050

范登科，博士，工程師，主要研究方向?yàn)檫b感圖像處理與應(yīng)用。

2015-02-11。

項(xiàng)目來(lái)源：中央高校博士生自主科研資助項(xiàng)目（2012213020206、410500015）；鐵道第三勘察設(shè)計(jì)院集團(tuán)有限公司重點(diǎn)資助項(xiàng)目（721335）。