地鐵曲線站臺空隙異物自動檢測預(yù)警系統(tǒng)研究

譚飛剛，翟 聰

（1. 深圳信息職業(yè)技術(shù)學院 交通與環(huán)境學院，深圳 518172；2. 華南理工大學 土木與交通學院，廣州 510641）

隨著我國城市軌道交通的快速發(fā)展，越來越多的城市開通了城市軌道交通[1]。日益復(fù)雜的線路網(wǎng)可有效緩解上下班高峰或節(jié)假日人們出行壓力，但是大客流也給城市軌道交通運營安全管理帶來了巨大的挑戰(zhàn)。目前，為了防止乘客在候車過程中出現(xiàn)被擠下站臺等威脅乘客安全的事故發(fā)生，我國大部分地鐵車站在站臺軌行區(qū)和候車區(qū)之間安裝了屏蔽門，從而將軌行區(qū)和候車區(qū)進行有效分離[2]。

由于站臺屏蔽門與列車車門之間存在至少10 cm的空隙[3]，如果在列車離站時，該空隙中存在異物會導致嚴重的運營事故。直線型站臺可以通過司機瞭望車門與屏蔽門間空隙實現(xiàn)列車出站前的異物檢查，從而減少或避免車門與屏蔽門間空隙夾人夾物的事故發(fā)生。但是，車站在建設(shè)過程中會受地形等因素的影響而建成曲線型地鐵站臺。在這種曲線型站臺上列車司機無法直接看到整個車門與屏蔽門間空隙。此時，一般的做法都是通過多名站務(wù)員協(xié)同配合來完成出站前空隙異物檢測。這種人工方式易受到視力、精神狀態(tài)等主觀因素干擾，并且成本高。因此，如何利用現(xiàn)有的科學技術(shù)輔助地鐵車站安全運營管理已成為當前研究的熱點問題[4]。

目前，站臺屏蔽門與列車車門之間空隙異物自動檢測方法根據(jù)原理可歸納為基于激光探測的方法、基于紅外光幕探測的方法和基于機器視覺的方法3種。譚飛剛等人[2]對3種方法的優(yōu)缺點進行了分析并闡述了基于機器視覺的方法所具有的優(yōu)勢。機器視覺技術(shù)就是通過攝像機與計算機的結(jié)合來實現(xiàn)計算機對外界事務(wù)的檢測與識別功能。它在許多實際生活場景中得到了廣泛應(yīng)用，如行人檢測、客流估計、跨攝像機行人再識別等[5-6]。黃文華等人[3]針對曲線型地鐵站臺提出了一種基于顏色特征完整性檢測的地鐵車門與屏蔽門間空隙異物自動檢測算法。

通過調(diào)查發(fā)現(xiàn)，車門與屏蔽門之間空隙產(chǎn)生夾人夾物現(xiàn)象主要集中在車門和屏蔽門的閉合處[7-8]。黃文華等人[3]通過在屏蔽門下方踏板處安裝有色燈帶，并通過其上方攝像機拍攝和檢測有色燈帶而形成的彩色光幕的完整性來間接判斷空隙中是否存在異物。該方法具有安裝方便、易于辨別等優(yōu)點，但是其也存在易受外界光照變化以及所夾異物顏色影響等缺點。為了彌補該方法的不足，本文提出了一種基于車門位置定位的曲線站臺空隙異物檢測系統(tǒng)。

1 系統(tǒng)概述

系統(tǒng)對地鐵車門與屏蔽門間空隙異物自動檢測處理流程如圖1所示。列車進站后對車門位置進行檢測與定位，準確定位車門位置后對該區(qū)域進行擴展，所得區(qū)域即為車門的感興趣區(qū)域。當乘客上下車完成，屏蔽門與車門再次關(guān)閉后，該系統(tǒng)對感興趣區(qū)域進行異物檢測。如果存在異物則向司機發(fā)出預(yù)警信息延緩啟動列車，反之，正常啟動列車出站。

圖1 系統(tǒng)處理流程

1.1 車門定位

列車在進站過程中需要對標停車，因進站速度差異導致停車位置存在少許差異，造成列車車門并不是每次都停留在同一位置。為了能夠?qū)囬T和屏蔽門最易產(chǎn)生夾人夾物的區(qū)域進行準確檢測，從而提高系統(tǒng)的安全效果。本文所提算法就是在列車進站停車后且未開車門時對車門進行圖像采樣。然后利用Hough變換原理快速檢測出車門在視頻畫面中的位置。

1.2 感興趣區(qū)域設(shè)置

為了提高算法的處理速度和減少其它背景區(qū)域的干擾，本系統(tǒng)在車門位置確定后會自動對車門位置按照式（1）進行擴展形成一個更大的區(qū)域，即為車門感興趣區(qū)域。

其中， Rup、Rdown、Rleft、Rright表示車門感興趣區(qū)域上下左右的邊界， Dup、Ddown、Dleft、Dright表示車門上下左右的邊界， λ1、λ2分別表示上下部分和左右部分增加的距離。因為車門在停車過程中上下偏移比較少，而左右偏移會比較多，因此，本文將他們的值分別設(shè)置為20像素點和30像素點。

因為屏蔽門固定在站臺上，因此，屏蔽門以及屏蔽門與車門間空隙所在感興趣區(qū)域可以通過人工來設(shè)置。感興趣區(qū)域一旦設(shè)置完成，系統(tǒng)將只提取感興趣區(qū)域內(nèi)圖像傳遞至后續(xù)步驟處理模塊。由于每趟列車進站停靠的位置存在些許誤差，因此，為了增加算法的魯棒性，每趟列車進站停車后都會對車門感興趣區(qū)域進行檢測。

1.3 異物檢測

異物檢測過程如下：（1）根據(jù)感興趣區(qū)域截取視頻流中圖像；（2）利用混合高斯模型得到列車停站后車門未開啟時的背景圖像。當乘客上下車完成且車門再次關(guān)閉后，系統(tǒng)將截取到的視頻圖像與背景圖像進行比較（即背景差分法），結(jié)合閾值處理得到二值圖像。列車停在站臺隧道里會受氣流和灰塵等影響，因此，采用形態(tài)學的開關(guān)操作對二值圖像進一步處理來減少其它因素的干擾；（3）通過對二值圖像的完整性檢測實現(xiàn)對車門處異物的檢測。

1.4 預(yù)警

車門打開乘客上下車時，系統(tǒng)處于不檢測狀態(tài)。待乘客上下車完成，屏蔽門和車門均關(guān)閉后，系統(tǒng)會對車門和屏蔽門感興趣區(qū)域進行異物檢測。如果檢測結(jié)果為存在異物，則系統(tǒng)會觸發(fā)車頭方向的聲光報警并將拍攝畫面?zhèn)鬟f至車頭供列車司機進行查看和確認。從而防止在空隙中存在異物的情況下啟動列車而發(fā)生運營安全事故。

圖2 系統(tǒng)部分異物檢測效果

2 現(xiàn)場實驗

為了檢驗本文所設(shè)計系統(tǒng)進行異物自動檢測的準確性，通過在某個地鐵曲線站臺的屏蔽門上方安裝微型攝像機，同時錄制現(xiàn)場人工放置傘、塑料瓶等異物進行模擬車門與屏蔽門間夾有異物的視頻錄像，再將所錄視頻離線導入本系統(tǒng)進行實驗測試。本系統(tǒng)開發(fā)所需軟件環(huán)境：.NET Framework 2.0，opencv 2.4.9，visual studio 2015。操作系統(tǒng)為Windows 7，2 GB內(nèi)存，攝像機的分辨率為1 920 ×1 080像素。視頻長約1 h，包含40處異物。

在對測試視頻進行實驗檢測中，本系統(tǒng)能對每列列車的車門進行準確定位并且對存在異物的視頻段都能檢測出來，其準確率達到了100%。視頻檢測過程中的部分實驗效果如圖2所示。從圖中不難看出，本系統(tǒng)可以檢測出所有掉落或者夾在車門或屏蔽門上的異物。此外，實驗結(jié)果也說明了本系統(tǒng)對列車停站位置以及站臺光照環(huán)境具有較好的魯棒性。

3 結(jié)束語

針對目前城市軌道交通運營過程中在曲線型地鐵站臺上列車車門與站臺屏蔽門之間空隙存在夾人夾物的安全隱患現(xiàn)象，提出了一種基于車門位置定位的曲線站臺空隙異物檢測系統(tǒng)。通過真實的地鐵曲線站臺現(xiàn)場錄制視頻進行實驗測試，其結(jié)果表明本文所提系統(tǒng)具有很好的檢測效果。

[1] 中國城市軌道交通協(xié)會. 城市軌道交通2016年度統(tǒng)計和分析報告[R]. 北京：城市軌道交通2016年度統(tǒng)計和分析報告，2017.

[2] 譚飛剛，劉 建. 一種基于計算機視覺的地鐵站臺異物檢測算法[J]. 鐵路計算機應(yīng)用，2017，26（1）：67-69.

[3] 黃華文，劉偉銘，李 軍，等. 地鐵屏蔽門與車門間異物自動檢測技術(shù)[J]. 鐵路計算機應(yīng)用，2015，24（12）：62-65.

[4] 吳衛(wèi)海，劉偉銘，李海玉，等. 一種新的地鐵曲線站臺異物檢測系統(tǒng)研究[J]. 城市公共交通，2015（9）：33-36.

[5] 譚飛剛，黃 玲，翟 聰，等. 一種用于大型交通樞紐的跨攝像機行人再識別算法研究[J]. 鐵道學報，2017（1）：76-82.

[6] Tan F, Huang L, Zhai C, et al. Specific object re-identification across non-overlapping camera views in traffic accidents[J].Transportation Planning and Technology, 2016,39(8):759-767.

[7] 萬 鑫. 淺談地鐵屏蔽門與車門異物的自動檢測技術(shù)[J]. 華東科技：學術(shù)版，2016（4）：36-36.

[8] 施 偉，鄭兆鵬，班 琪. 基于改進Hough算法的地鐵屏蔽門異物檢測技術(shù)[J]. 城市軌道交通研究，2016，19（11）：81-84.