基于多目機器視覺的城市軌道交通自動化監(jiān)控系統(tǒng)設計

王天予，彭再云，梁修惠，梁修書

（1.重慶交通大學 交通運輸學院，重慶 402260；2.重慶交通大學 數學與統(tǒng)計學院，重慶 402260；3.重慶航天職業(yè)技術學院 電子信息與通信工程學院，重慶 400000；4.重慶市江津區(qū)教師發(fā)展中心，重慶 402260）

城市軌道交通自動化監(jiān)控系統(tǒng)是保障城市軌道交通安全的手段之一[1]，該系統(tǒng)可實現(xiàn)城市軌道交通調度、數據管理以及與其他相關子系統(tǒng)進行互動，其不僅可針對城市軌道交通存在的風險進行識別，還可實現(xiàn)多個子系統(tǒng)聯(lián)動[2]，為城市軌道交通安全管理提供有效途徑。多目機器視覺技術是通過3個或3 個以上攝像機采集目標，并對目標圖像進行處理的技術，其采集目標范圍較廣，涵蓋目標細節(jié)較多，目前多目視覺技術在交通、醫(yī)學、軍事等多個領域應用較為廣泛[3]。在此以多目機器視覺技術為基礎，設計基于多目機器視覺的城市軌道交通自動化監(jiān)控系統(tǒng)，提升城市軌道交通自動化監(jiān)控技術水平。

1 城市軌道交通自動化監(jiān)控系統(tǒng)

1.1 系統(tǒng)總體結構

設計城市軌道交通自動化監(jiān)控系統(tǒng)，系統(tǒng)總體結構如圖1 所示。

圖1 城市軌道交通自動化監(jiān)控系統(tǒng)總體結構Fig.1 Overall structure of urban rail transit automation monitoring system

在城市軌道交通自動化監(jiān)控系統(tǒng)中，用戶通過交互層多目視覺圖像采集功能向圖像采集與傳輸層下發(fā)多目視覺圖像采集指令，圖像采集與傳輸層的同步控制卡接收到指令后，控制多目視覺圖像采集模塊采集城市軌道交通多目視覺圖像后，通過通信接口、PDO/ODBC 接口將視覺圖像保存到關系數據庫內，再通過ZigBee 傳感網絡將視覺圖像發(fā)送到邏輯運算層內。邏輯運算層接收到視覺圖像后，對其進行清晰化預處理后，通過交通軌道異物侵限檢測模塊檢測當前城市軌道交通是否存在侵限情況，同時邏輯運算層通過外部通信接口與軌道交通工作站、環(huán)控電控室、大屏幕系統(tǒng)等子系統(tǒng)相連，通過聯(lián)動執(zhí)行服務與實時數據管理模塊實現(xiàn)聯(lián)動管理互動和數據管理邏輯運算，然后將城市軌道交通侵限檢測結果以及數據管理等結果傳輸到交互層內，交互層通過軌道交通異物侵限結果展示模塊實時展示多目視覺監(jiān)控畫面，為用戶呈現(xiàn)城市軌道交通自動化監(jiān)控結果。

1.2 多目機器視覺模塊硬件設計

多目機器視覺模塊負責采集城市軌道交通當前運行狀態(tài)圖像，其是城市軌道交通自動化監(jiān)控的基礎硬件設備，設計多目機器視覺模塊，結構如圖2所示。

圖2 多目機器視覺模塊硬件結構Fig.2 Hardware structure of the multiocular machine vision module

多目機器視覺模塊硬件結構由若干個CCD 相機、圖像采集卡和下位機組成，下位機與ZigBee 傳感網絡和同步控制卡相連，再通過RS485 總線連接若干個圖像采集卡，通過同步控制卡控制圖像采集卡向若干個CCD 相機發(fā)出城市軌道交通多目機器視覺圖像采集指令并將采集到的多目機器視覺圖像回傳到下位機。

1.3 多目機器視覺圖像同步控制卡設計

多目機器視覺圖像同步控制卡可控制多個CCD 相機同時采集城市軌道交通視覺圖像，其關鍵同步問題是多個CCD 相機同步觸發(fā)同一個編碼器的信號輸出[4]，在此使用鎖相環(huán)電路對CCD 相機編碼器的信號進行精密細分，鎖相環(huán)電路如圖3所示。

圖3 編碼器信號精密細分鎖相環(huán)電路Fig.3 Encoder signal precision subdivision of PCL circuit

當用戶下發(fā)城市軌道交通多目機器視覺圖像指令時，編碼器接收指令信號后，將其輸送至分頻器1/M 內，指令信號通過分頻處理后利用鑒相器將信號相位誤差發(fā)送給環(huán)路濾波器，利用環(huán)路濾波器消除相位誤差后[5]，將指令信號發(fā)送到壓控振蕩器內，通過壓控振蕩器輸出信號并將該信號反饋給分頻器1/N 內，與分頻器1/M 輸出的信號進行比較，再對相位誤差進行環(huán)路濾波循環(huán)，通過編碼器信號精密細分鎖相環(huán)電路后，實現(xiàn)CCD 相機編碼器信號細分。

CCD 相機編碼器信號細分后，將其輸入到同步控制卡內，通過同步控制卡輸出行同步信號和幀同步信號，實現(xiàn)若干個CCD 相機同步采集多目機器視覺圖像。同步控制卡結構如圖4 所示。

圖4 多目機器視覺圖像同步控制卡結構Fig.4 Multiocular machine vision image synchronization control card structure

多目機器視覺圖像同步控制卡以無線射頻芯片作為核心控制器，該控制器通過RS485 總線與下位機相連。將編碼器原始差分信號輸入到同步控制卡內，經過對信號進行隔離、變換和整形處理后[11-12]，將信號輸入到PLL 倍頻電路內，通過驅動芯片輸出LVDS 行同步信號和LVDS 幀同步信號，實現(xiàn)若干個CCD 相機同時采集城市軌道交通多目機器視覺圖像。

1.4 ZigBee 傳感網絡服務器端節(jié)點設計

ZigBee 傳感網絡是實現(xiàn)城市軌道交通自動化監(jiān)控系統(tǒng)通信傳輸的關鍵，ZigBee 傳感網絡服務器終端節(jié)點負責實現(xiàn)發(fā)現(xiàn)網絡、加入網絡以及發(fā)送各種控制命令等功能[6]，設計ZigBee 傳感網絡服務器端節(jié)點軟件流程如圖5 所示。

圖5 ZigBee 傳感網絡服務器端節(jié)點軟件流程Fig.5 Software flow chart of the server-side node of ZigBee sensor network

ZigBee 傳感網絡服務器端節(jié)點開始運行時，端節(jié)點先上電，將端節(jié)點喚醒后令其執(zhí)行通信任務同時對網絡配置進行初始化，判斷通信是否加入網絡，若否，重新對網絡進行初始化，反之則獲取當前網絡地址并將地址寫入鄰居表內；再判斷網絡是否收到通信指令，若沒收到則返回上一步，收到指令后執(zhí)行指令操作，將通信數據傳輸給父節(jié)點，然后判斷是否發(fā)送成功，沒有發(fā)送成功則返回上一步，發(fā)送成功后判斷當前網絡內是否還有通信任務，如果有則返回端節(jié)點上電步驟，如果當前網絡內沒有通信任務，則節(jié)點休眠并結束通信流程。

1.5 基于多目視覺的軌道異物侵限檢測方法

系統(tǒng)邏輯運算層內交通軌道異物侵限檢測模塊使用基于多目視覺的交通軌道異物侵限檢測方法實現(xiàn)城市軌道交通安全監(jiān)控，其流程如圖6所示。

圖6 基于多目視覺的交通軌道異物侵限檢測方法流程Fig.6 Detection method of foreign matter in traffic rail based on multiocular vision

以經過清晰預處理后的軌道交通多目機器視覺圖像為基礎，建立背景圖像模型后，對城市軌道交通進行消影處理，然后提取軌道，確定軌道檢測范圍后判斷軌道上是否有可疑物，如果有可疑物，對其進行多目立體視覺處理，再判斷是否有異物侵限，若是則發(fā)送侵限告警并報告圖像拍攝位置，然后結束流程[7]。

多目立體視覺處理是軌道異物侵限檢測的關鍵，其通過背景差分和設置像素閾值方式實現(xiàn)軌道異物侵限，其過程如下所述。

令fk（x，y）表示第k 個城市軌道交通多目機器視覺圖像，其背景模型由rk（x，y）表示，對fk（x，y）進行分割，則有：

式中：M（x，y）表示動態(tài)區(qū)域分割的二值矩陣，當該矩陣數值等于1 時，表示當前城市軌道交通多目機器視覺圖像分割到的是前景區(qū)域，當數值等于0時，表示當前城市軌道交通多目機器視覺圖像分割到的是背景區(qū)域；? 表示前景背景分割閾值。

通過式（1）可將城市軌道交通多目機器視覺圖像劃分為2 個灰度類，分別為

式中：H0、H1均表示城市軌道交通多目機器視覺圖像灰度類別，該兩類的類間方差δ2（?）計算公式如下：

式中：δ0、δ1分別表示類H0和H1出現(xiàn)的概率均值；δ表示類的概率值；P0、P1分別表示類H0和H1的概率分布。

依據式（4）確定城市軌道交通多目機器視覺圖像灰度類別閾值，得到城市軌道交通多目機器視覺圖像前景和背景局部最大閾值 zi、zj，選擇之間的最低點 zk，然后測試當前城市軌道交通多目機器視覺圖像灰度的平坦性，當 zk＜? 時，將zk作為分割閾值，反之? 則為分割閾值。依據選擇好的分割閾值，可得到城市軌道交通多目機器視覺圖像灰度梯度突變的閾值變量方程，通過該方程可判斷當前軌道是否存在異物，對城市軌道交通多目機器視覺圖像進行像素點統(tǒng)計比較后，可得到異物所在位置，再設定異物位置閾值后，將異物所在位置與位置閾值作差，可得到異物所在坐標范圍和是否侵限。

2 實驗結果與分析

以某城市軌道交通作為實驗對象，該城市軌道交通車站總數為44 座，軌道路線長度54.96 km，軌道數2 個，軌道標準為54.96 mm，日最大客流量已超100 萬人次。使用本文系統(tǒng)對該城市軌道交通展開自動化監(jiān)控，測試本文系統(tǒng)實際應用效果。

同步采集城市軌道交通圖像是其監(jiān)控的基礎，驗證本文系統(tǒng)同步采集城市軌道交通能力。以10個CCD 相機作為實驗對象，向該10 個CCD 相機發(fā)送多目機器視覺圖像采集命令，以延遲時間作為衡量指標。測試結果如表1 所示。分析表1 可知，應用本文系統(tǒng)采集城市軌道交通多目視覺圖像時，其最大延遲時間僅為0.03 ms，圖像同步能力較強。

表1 采集多目機器視覺圖像延遲時間Tab.1 Acquisition multiocular machine vision image delay time

以某幅城市軌道交通多目機器視覺圖像作為實驗對象，使用本文系統(tǒng)對其軌道超限進行檢測，檢測結果如圖7 所示。分析圖7 可知，應用本文系統(tǒng)可有效檢測軌道超限情況，并使用標框進行標注，具備較強的軌道超限檢測能力。

圖7 城市軌道交通超限檢測結果Fig.7 Over-limit detection results of urban rail transit

通過系統(tǒng)的耦合度作為衡量系統(tǒng)功能指標，其耦合度數值越高說明系統(tǒng)運行時的穩(wěn)定性能越好，測試本文系統(tǒng)在并發(fā)用戶量不同情況下，系統(tǒng)的耦合度數值變化情況，結果如圖8 所示。分析圖8 可知，本文系統(tǒng)在應用過程中，其耦合度數值隨著并發(fā)用戶的增加而呈現(xiàn)降低趨勢，但降低幅度較小，在并發(fā)用戶數為250 個時，本文系統(tǒng)在應用時的耦合度數值依然高達0.95 左右，說明本文系統(tǒng)在實際應用過程中的耦合度數值較高，系統(tǒng)運行穩(wěn)定性較好，受并發(fā)用戶量影響較小。

圖8 系統(tǒng)耦合度分析Fig.8 System coupling degree analysis

測試本文系統(tǒng)對城市軌道交通的監(jiān)控能力，以4 個CCD 相機作為實驗對象，給出其對應的城市軌道交通監(jiān)控畫面，結果如圖9 所示。分析圖9 可知，利用本文系統(tǒng)可為用戶呈現(xiàn)不同角度的城市軌道交通監(jiān)控畫面，同時也可在該畫面內對自動化監(jiān)控數據進行管理，發(fā)送圖像采集命令等，說明本文系統(tǒng)具備較為全面的自動化監(jiān)控功能，應用效果較好。

圖9 城市軌道交通監(jiān)控畫面Fig.9 Monitoring picture of urban rail transit

3 結語

本文設計基于多目機器視覺的城市軌道交通自動化監(jiān)控系統(tǒng)，在該系統(tǒng)中利用多目機器視覺采集裝置采集城市軌道交通多目機器視覺圖像后，以該圖像為基礎對城市軌道交通侵限進行檢測，保障城市軌道交通在運行過程中行人的安全。經過實驗驗證，本文系統(tǒng)運行時的耦合度數值較高，穩(wěn)定性強，可有效為用戶提供城市軌道交通監(jiān)控畫面，以及軌道超限預警。