浅析基于图像处理的铁路沿线视频监控算法设计

引言
　　近些年来，在很多涉及生命财产安全的行业中，安全监控越来越引起人们的重视。铁路行业的安全监控一直以来是铁道部和国家关注的重点项目，随着我国火车的不断提速，安全问题不容忽视，如何保证行车安全和行人安全直接关系到整个铁路行业的发展。
　　本文设计的铁路沿线视频监控方法是通过一种基于视频图像处理实现对于行人穿越铁路线的监控。当被监视区域中出现目标后可以自动报警并且存储相应的故障照片，为事后的工作提供可靠的依据。算法设计的最大特点是提出一种以图像处理为核心的安全监控设计，通过图像处理可以自动判断有无危险情况发生并自动报警，特别是在监控人员不在时能够发挥很大的作用。
1.视频监控系统中背景的提取
　　背景图像是指视场中没有运动目标的图像，即使视场内有运动目标，背景算法也通过技术处理除去目标而获得没有运动目标的背景图像。目前常规的背景提取的方法有统计直方图法、统计中值法、多帧图像平均法和连续帧差法等。
　　以上四种方法分别有各自的缺点。统计直方图法存在的问题是随着统计帧数的增加，得到的背景图像效果并不明显；统计中值法存在的问题与统计直方图法也相差无几，此外该算法实现时计算量较大，占用计算机内存较大，处理较慢；多帧图像平均法得到背景图像受目标运动量的影响比较大，随着平均帧数的增加，噪声消除才会有所改善；连续帧差法静止的背景图像不能直接获得，其关键是如何在有目标运动的情况下获得良好的背景图像，由于该算法并没有对帧差分本身进一步处理，存在的问题是易把纹理相似的前景交叠区域误认为背景。
　　综合考虑以上四种背景提取方法，本文采用结合多帧图像平均法和连续帧差法这两种方法来进行视频序列背景的提取。考虑到运动目标的多样性，有目标经过视场而引起的变化长时间内可忽略不计。多帧图像平均法时将运动目标看作为噪声，用累加平均的方法消除噪声，利用目标运行一段时间的序列图像进行平均而得到视场背景图像。连续帧差算法是通过当前帧的图像与前一帧图像的差值找到运动区域，对运动区域的背景保持不变，而非运动区域的背景则用当前帧进行更新，经过一段时间的迭代便可提取出背景。两种方法的结合可以很好地弥补各自的缺点，能够适应铁路沿线周边环境的要求，对存在运动目标的背景能够提取出质量较高的背景图像。具体过程如下：
　　只考虑三帧的情况下，首先从视频序列中随便提取三帧，如图1(a)～图1(c)所示。然后对提取出来的三帧图像分别转换为灰度图并求出它们的灰度平均图像，以灰度平均图像作为连续帧差法的第一帧图像(即原始图像)。通过原始图像和提取的三帧图像来做连续帧差法，得到的背景图像经过灰度图如图1(d)所示。


　　图像二值化后的结果如图2(a)所示，得到的最终结果如图2(b)所示。从两幅图像的对比可以看出，图像经过一系列处理后，基本标定了危险区域。对于得到的图2(b)，图中白色的区域为铁道双轨内部即设定的危险区域。应用此种方法得到的结果图像在光照条件充足情况下能够得到更好的效果，不适用于光照条件不足和夜间的危险区域标定。


　　对每一帧都做上述处理，经过一段时间的监测后，系统会自动保存一些危险情况存在时的图像(灰度图形式)。图像自动保存方法流程图如图3所示。
　　从监控结果来看，得到的是一幅幅危险情况存在时的图像，图像自动保存的部分结果如图4所示。这些图像是从10 min的视频数据中自动抽取出来的，从这些图像中可以分析整个设计的识别率，识别率的高低影响着算法设计和程序编写的好坏。

4 .一种目标识别算法
　　铁路上运动目标主要分为：行人、车辆、小动物和其他。
　　在对目标进行识别前先要对危险情况存在时灰度图图像自动保存的结果进行必要的图像处理，目的是为后续的目标识别奠定基础，使经过处理后的图像更加方便地应用于目标识别。在这里图像预处理主要包括增强图像对比度、中值滤波和平滑处理等。目标识别算法的流程图如图5所示。

5 .结语
　　本文首先对拍摄到的视频进行背景提取，根据提取到的背景经过一系列的图像处理最终对视场中危险区域进行划定。然后系统自动监测视频数据，自动以灰度图的形式保存危险情况存在时的图像，目的是为了后续的目标识别。最后根据铁路沿线上可能出现的运动目标，提出了一种运动目标识别算法。从监控结果可以看出，整个算法设计具有一定的可行性，可以作为基于图像处理的铁路沿线视频监控的一种算法，有一定的参考价值。