轨道区间检测与跟踪的智能视频监控方法及系统与流程

本发明涉及轨道监控技术领域，具体地说，特别涉及一种轨道区间检测与跟踪的智能视频监控方法及系统。

背景技术：

随着高铁运营速度提升，高铁覆盖区域的不断扩充及线路延伸，特别是西部的高铁轨道的桥隧比高，运行区间及周边区域环境各种复杂地质构造、地形气候环境的影响及危害，对高铁运营安全构成的威胁也在增大。通常的做法是在可能会产生灾害或危害的区域或场所全天候实施24小时现场有人值守、值班人员定时巡检及人工报告制度，但由于地质灾害、地形气候及雷电雨雾等环境的影响，不能做到实时监控与防范，且危害多在无预兆(或预兆不明显)发生，安全隐患仍然存在，这就要求现场值守与巡查人员无时无刻不提高警惕，早发现，早防备、早处置。

为更好地使高铁安全实现“常态与非常态结合，预防与应急并重”，针对中国中西部地区山前复杂冲断带形成的地质背景(陡边坡、深溪沟)、地质风化等不良地质环境分布的存在，工程地质恶劣、地质灾害频现及气候环境变化复杂的地域。

现有技术无法快速将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。

技术实现要素：

为了解决现有技术的问题，本发明实施例提供了一种轨道区间检测与跟踪的智能视频监控方法及系统。所述技术方案如下：

一方面，提供了一种轨道区间检测与跟踪的智能视频监控方法，包括：

采集目标的视频图像序列；

实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；

根据所述目标的特征参数或运动参数，发出控制指令，同时在监控控制室计算机屏幕上跟踪显示，使得所述目标始终位于屏幕的预设位置。

进一步的，所述实时地分析所述目标的视频图像序列具体为：

通过对波门尺寸的自适应调节设置，有效地排除背景干扰；

运用中值滤波的方法增强图像中的有用信号；

采取自适应阈值法来进行图像的分割。

可选地，还包括：

建立模型特征库，快速对不规则的运动目标进行特征提取和选择。

可选地，还包括：通过使用波门跟踪算法，并采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度。

另一方面，提供了一种检测与跟踪的智能视频监控系统，包括：

摄像模块，用于采集目标的视频图像序列；

处理模块，用于实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；

控制模块，用于根据所述目标的特征参数或运动参数，发出控制指令，同时在监控控制室计算机屏幕上跟踪显示，使得所述目标始终位于屏幕的预设位置。

进一步的，所述处理模块包括：

第一处理单元，用于通过对波门尺寸的自适应调节设置；

第二处理单元，用于运用中值滤波的方法增强图像中的有用信号；

第三处理单元，用于采取自适应阈值法来进行图像的分割。

可选地，还包括：建模单元，用于建立模型特征库，快速对不规则的运动目标进行特征提取和选择。

进一步的，所述控制模块，还用于通过使用波门跟踪算法，并采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度。

本发明实施例提供的技术方案带来的有益效果是：

本发明提供了一种轨道区间检测与跟踪的智能视频监控方法及系统，重点解决采集的图像中目标识别高效处理算法和对目标快速的预测、跟踪算法及实现对监控的目标锁定，同时在监控控制室计算机屏幕上跟踪显示，并将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一的一种轨道区间检测与跟踪的智能视频监控方法流程图；

图2是本发明实施例二的一种轨道区间检测与跟踪的智能视频监控系统示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一

一方面，提供了一种轨道区间检测与跟踪的智能视频监控方法，参见图1，包括：

s100：采集目标的视频图像序列；

s200：实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；

s300：根据所述目标的特征参数或运动参数，发出控制指令，使得所述目标始终位于屏幕的预设位置。

进一步的，所述实时地分析所述目标的视频图像序列具体为：

通过对波门尺寸的自适应调节设置，有效地排除背景干扰，保证在满足跟踪精度的前提下，尽量减少计算量和增强系统的抗干扰能力。

运用中值滤波的方法增强图像中的有用信号，通过降低图像噪声和失真程度，改善图像的质量。

系统采取自适应阈值法来进行图像的分割，保证系统的实时性。

可选地，还包括：

建立模型特征库，快速对不规则的运动目标进行特征提取和选择，方便后续对目标快速准确的识别。

可选地，还包括：使用波门跟踪算法，采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度，同时在监控控制室计算机屏幕上跟踪显示，使目标即使被干扰物短暂阻塞的情况下仍然能正确有效地对目标进行正常跟踪。

实施例二

另一方面，提供了一种轨道区间检测与跟踪的智能视频监控系统，参见图2，包括：

摄像模块100，用于采集目标的视频图像序列；

处理模块200，用于实时地分析所述目标的视频图像序列，对所述目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数；

控制模块300，用于根据所述目标的特征参数或运动参数，发出控制指令，使得所述目标始终位于屏幕的预设位置。

具体而言，视频序列目标跟踪是指对传感器摄取到的图像序列进行处理与分析，充分利用传感器采集得到信息来对目标进行稳定跟踪的过程。一旦目标被确定，就可获得目标的位置、速度、加速度等运动参数，进而获得目标的特征参数。

本实施例中，该系统通过对图像的去噪、对图像进行灰度变换、图像融合、图像增强等处理，可以快速的筛选并提取有用的信息。

应用图像处理技术的红外目标的检测与跟踪实现目的在于以摄像头采集目标的视频图像序列，并通过计算机实时地分析目标，对目标进行轮廓比对和运动态势的锁定，得到目标的特征参数或运动参数，以此作为主要依据控制摄像头始终指向目标，使得目标始终位于屏幕中央附近。系统在检测和监控实践中操作者可以在一定程度上解放出来，去从事其他的工作以提高工作效率。

进一步的，第一处理单元，用于通过对波门尺寸的自适应调节设置，有效地排除背景干扰，保证在满足跟踪精度的前提下，尽量减少计算量和增强系统的抗干扰能力。

第二处理单元，用于运用中值滤波的方法增强图像中的有用信号，通过降低图像噪声和失真程度，改善图像的质量。

第三处理单元，用于采取自适应阈值法来进行图像的分割，保证系统的实时性。

可选地，还包括：建模单元，用于建立模型特征库，快速对不规则的运动目标进行特征提取和选择，方便后续对目标快速准确的识别。

进一步的，所述控制模块，还用于使用波门跟踪算法，采用预测跟踪处理技术，根据所监控区域的目标当前的位置信息和运动状态，用拟合函数预测下一时刻的目标位置和速度，同时在监控控制室计算机屏幕上跟踪显示，使目标即使被干扰物短暂阻塞的情况下仍然能正确有效地对目标进行正常跟踪。

本发明实施例提供的技术方案带来的有益效果是：

本发明提供了一种轨道区间检测与跟踪的智能视频监控方法及系统，重点解决采集的图像中目标识别高效处理算法和对目标快速的预测、跟踪算法及实现对监控的目标锁定，同时在监控控制室计算机屏幕上跟踪显示，并将被锁定目标图像快速高效的识别及对目标准确预测和跟踪的保持。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。