楊新頁

摘 要：本文首先分析了計(jì)算機(jī)視覺以及圖像處理技術(shù)的工作原理以及框架特征，然后從軌道、扣件以及接觸網(wǎng)等幾個方面分別論述了該技術(shù)相比較傳統(tǒng)技術(shù)所體現(xiàn)出來的優(yōu)勢，希望能夠給其他單位提供參考。

關(guān)鍵詞：計(jì)算機(jī)視覺;圖像處理;技術(shù)應(yīng)用

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2020）10-0090-02

0 引言

基于計(jì)算機(jī)技術(shù)和生物技術(shù)之上催生了新的計(jì)算機(jī)視覺以及圖像處理技術(shù)，該技術(shù)能夠直接應(yīng)用于傳統(tǒng)的地鐵軌道安全檢測工作中，不僅提升檢測效率，同時能夠節(jié)省大量的經(jīng)濟(jì)成本，因此下文對于該技術(shù)在地鐵安全檢測中的應(yīng)用進(jìn)行了詳細(xì)分析。

1 計(jì)算機(jī)視覺以及圖像處理技術(shù)研究

計(jì)算機(jī)圖像處理技術(shù)主要是通過利用各種視頻采集技術(shù)代替?zhèn)鹘y(tǒng)視覺感官的一種技術(shù)集合。計(jì)算機(jī)視覺處理技術(shù)能夠通過各種視頻傳感器獲取空間中物體的各種信息，并且作出相應(yīng)的判斷。

1.1 計(jì)算機(jī)視覺檢測技術(shù)

計(jì)算機(jī)視覺檢測技術(shù)主要對于一些黑白、彩色、深度灰色等圖形數(shù)據(jù)進(jìn)行檢測，利用超聲波、X射線等技術(shù)進(jìn)行優(yōu)化分析。同時這個過程中通常還會應(yīng)用到PCB視覺算法通過樹法、剪影法等手段判斷檢測目標(biāo)是否具有普通的工作特性。在CAD/CAM的技術(shù)基礎(chǔ)上，描述檢測物體的基本模型，因此在未來具有比較廣闊的發(fā)展空間[1]。

1.2 圖像處理技術(shù)

計(jì)算機(jī)視覺處理系統(tǒng)需要依賴大量的圖片處理技術(shù)，具體主要表現(xiàn)在如下三個方面：首先通過對比圖像的局部位置，改善其中的核心細(xì)節(jié)，從而提高視頻的質(zhì)量。其次在圖像傳輸、運(yùn)用和處理的過程中往往會受到外部環(huán)境的影響發(fā)生形變。例如在光電轉(zhuǎn)換中原件的靈敏度不夠，在模擬過程中產(chǎn)生過大的噪音或者傳輸過程中信息出現(xiàn)嚴(yán)重的失真。所以在處理信息的過程中需要盡可能地提取有用的信息，并且盡可能用平滑的信息處理技術(shù)去還原圖像本身的面目，最后為了能夠提高圖像的整體細(xì)節(jié)效果以及凸顯輪廓，需要根據(jù)圖像顏色、頻譜、紋理以及空間特征進(jìn)行分類，圖像的分類例如染色分類、井管分類、計(jì)算機(jī)分類等，需要工作人員能夠掌握分類方法。這些圖片在經(jīng)過提取、識別以及處理之后，其視覺效果能夠得到極大的提高。

1.3 物體的移動以及提取方法

物體的移動以及跟蹤往往需要進(jìn)行不斷分析和觀察。當(dāng)前主要需要結(jié)合計(jì)算機(jī)功能，人工智能對視頻圖形進(jìn)行分析和了解，從中選擇有效的圖形信息。該過程主要可以分為如下三個不同的階段：

1.3.1 移動物體的信息獲取

提取移動物體的基本信息主要目的在于減少檢測區(qū)域中其他物體的因素影響，提取方法主要分為信息獲取、噪音消除以及整合三個過程。首先在第一個環(huán)節(jié)中需要通過一定的技術(shù)對原始圖像進(jìn)行處理以及檢測，逐步發(fā)現(xiàn)系統(tǒng)中會隨著時間變化的區(qū)域。該步驟的算法主要是通過建立背景模型實(shí)現(xiàn)的。在噪音過濾環(huán)節(jié)主要目的在于消除外部光線對于攝像機(jī)造成的影響，這種影響因素還可能是來自于外部環(huán)境的信號干擾。最后在整合過程中需要工作人員將搜集到的圖形進(jìn)行重新的調(diào)整以及優(yōu)化加工，將關(guān)鍵部分的信息特征描述出來[2]。

1.3.2 目標(biāo)物體的跟蹤

對于目標(biāo)物體進(jìn)行跟蹤前提在于能夠?qū)崿F(xiàn)計(jì)算機(jī)系統(tǒng)內(nèi)部的智能化應(yīng)用，因?yàn)橄到y(tǒng)需要自身能夠明白追蹤物體是什么，何時會發(fā)生，并且會持續(xù)多久等關(guān)鍵特征。跟蹤算法種類較多，有的算法側(cè)重于跟蹤物體的具體位置、顏色;有的方法則側(cè)重于物體的運(yùn)動方程，并且建立正確的計(jì)算模型。但是所有的跟蹤方法最終目的全部都是在于通過計(jì)算和記錄物體的速度、移動方向來判斷物體下一步的運(yùn)動軌跡，最終確定物體下一個階段的運(yùn)動狀態(tài)，然后方便在下一個階段進(jìn)行處理。

1.3.3 移動物體的識別

移動物體的識別需要經(jīng)過兩個過程，首先計(jì)算機(jī)系統(tǒng)內(nèi)部需要存儲一定的學(xué)習(xí)資料，即對于先前行為的學(xué)習(xí)，另外計(jì)算機(jī)系統(tǒng)在學(xué)習(xí)之后能夠?qū)磳⒊霈F(xiàn)的目標(biāo)物體進(jìn)行準(zhǔn)確測量，因此需要在安裝測試程序之后強(qiáng)化平常的訓(xùn)練工作。周期性、規(guī)律性的訓(xùn)練能夠使得計(jì)算機(jī)測試系統(tǒng)對于目標(biāo)物體有良好的辨別能力，利用已有的知識體系進(jìn)行判斷。用于平常的訓(xùn)練學(xué)習(xí)系統(tǒng)種類較多，通常主要聚集在物體顏色、大小、形狀等方面。系統(tǒng)在采集一個新的目標(biāo)物體之后往往會建立新的模型和已有的數(shù)據(jù)模型進(jìn)行對比，然后找到最為合適的標(biāo)簽進(jìn)行配對[3]。

2 計(jì)算機(jī)視覺與圖像處理技術(shù)框架展示

計(jì)算機(jī)視覺系統(tǒng)并不是單一獨(dú)立的靜態(tài)數(shù)字圖像，不僅存在獨(dú)特的空間特性，同時圖像的排列也會存在時間上的差異。計(jì)算機(jī)視覺實(shí)現(xiàn)需要經(jīng)過兩個基本的環(huán)節(jié)，首先視頻圖形的壓縮，傳輸處理環(huán)節(jié)可以理解為對于視頻圖像內(nèi)部信息的處理分析，獲取有效的信息，具體的視覺框架可以轉(zhuǎn)換成電腦信息流程圖展示在工程師手中。

3 計(jì)算機(jī)視覺處理圖像技術(shù)在地鐵工作中的應(yīng)用

早在10年之前西方一些發(fā)達(dá)國家已經(jīng)能夠成功將視頻分析技術(shù)應(yīng)用在網(wǎng)絡(luò)安全之中，并且取得了有效的使用效果。目前我國在這個方面的研究中還是處于一個初級的起步階段，隨著經(jīng)濟(jì)的不斷發(fā)展和進(jìn)步，目前已經(jīng)在如下幾個方面取得了比較有效的應(yīng)用和推廣。

3.1 軌道檢測中的應(yīng)用

地鐵軌道是列車運(yùn)行的主要基礎(chǔ)結(jié)構(gòu)，直接決定列車上人員的生命安全。在列車軌道的檢測工作中通過在上面安裝計(jì)算機(jī)視覺檢測技術(shù)能夠及時發(fā)現(xiàn)日常運(yùn)行中出現(xiàn)的磨損、配件損壞等現(xiàn)象，通過技術(shù)人員的及時處理能夠降低風(fēng)險幾率。當(dāng)前我國國內(nèi)地鐵數(shù)量不斷增多，列車和鐵軌之間的摩擦程度不斷加大，因此軌道的使用壽命有限，每隔幾年就需要進(jìn)行徹底的維護(hù)處理。對鋼鐵列車軌道進(jìn)行計(jì)算機(jī)視覺檢測處理能夠在不影響列列車運(yùn)行速度、不損壞鋼鐵軌道質(zhì)量的前提下提高內(nèi)部人員的安全幾率。當(dāng)前流行三種檢測方法，第一種通過梯度法檢測目標(biāo)鋼軌的圖像灰度變化，從而發(fā)現(xiàn)軌道的表面磨損情況，但是這種方法需要較長的觀察時間以及較高的技術(shù)設(shè)備要求[4]。

其次還可以利用顏色區(qū)分不同的彩色照相機(jī)通過圖形光譜的不同采集軌道圖形，這種方法在檢測軌道裂痕、溝痕等方面具有很大的優(yōu)勢，但是唯一的缺點(diǎn)在于采集設(shè)備比較特殊，需要專門配置。最后一種檢測方式主要針對鋼軌褶皺損傷現(xiàn)象而應(yīng)用的紋理分析法，很多的實(shí)踐證明紋理分析法能夠通過小波轉(zhuǎn)換獲取最優(yōu)的紋理特征，對于保證褶皺安全性具有很大的幫助和提升。

在軌道鋼扣件的檢測中，計(jì)算機(jī)視覺檢測技術(shù)同樣能夠取得比較良好的工作效果。扣件主要負(fù)責(zé)將軌道固定在軌枕上面，很多的地鐵軌道檢測人員一般都是通過人工檢測的方式進(jìn)行質(zhì)量結(jié)構(gòu)檢測，這種傳統(tǒng)的檢測方式不僅效率低下，同時可控風(fēng)險范圍較小。如果將數(shù)字掃描攝像機(jī)安裝在行駛列車的底部通過列車的不斷運(yùn)動可以搜集到長度較為滿意的序列視頻。該過程中的影響因素較多，例如外部采光角度，模型的形變大小以及內(nèi)存狀況都會對于檢測的效果造成影響，因此在計(jì)算機(jī)內(nèi)部引入專業(yè)的數(shù)學(xué)算法能夠保證檢測效果的準(zhǔn)確性[5]。

3.2 地鐵接觸網(wǎng)中的應(yīng)用

接觸網(wǎng)是構(gòu)成地鐵的重要部分，相關(guān)參數(shù)的規(guī)范程度也會影響到列車的運(yùn)行安全。接觸網(wǎng)通常出現(xiàn)的問題主要表現(xiàn)在導(dǎo)線磨損方面，在長時間的使用下導(dǎo)線會逐漸變細(xì)，因此接觸導(dǎo)線的工作效果下降，同時如果導(dǎo)線的拉出值大于標(biāo)準(zhǔn)范圍，還會出現(xiàn)刮弓現(xiàn)象。

當(dāng)前為了能夠解決上述問題，利用高速攝像機(jī)拍攝導(dǎo)線的變化情況，然后在外部設(shè)置光源使得觀察效果更加明顯。在系統(tǒng)進(jìn)行圖像的分析以及處理之后，導(dǎo)線在使用過程中的磨損值以及實(shí)際寬度會顯示出來，這些參數(shù)最終通過數(shù)據(jù)報(bào)表反映。當(dāng)前我國接觸網(wǎng)檢測的主要技術(shù)還是借助于德國計(jì)算機(jī)視覺技術(shù)的接觸網(wǎng)檢測系統(tǒng)。通過模糊圖像識別以及圖像處理技術(shù)能夠?qū)佑|網(wǎng)中各個部分、各個階段的參數(shù)進(jìn)行分析，在具體應(yīng)用的過程中一般都是在頂部或者水平的兩側(cè)位置安裝攝像機(jī)，并且借助自適應(yīng)的控制技術(shù)實(shí)現(xiàn)有效的跟蹤和識別[4]。

3.3 地鐵客運(yùn)站檢測工作中的應(yīng)用

隨著客流量的不斷增加，地鐵站臺區(qū)域的傷亡事故發(fā)生幾率大大增加，因此需要強(qiáng)化地鐵站臺區(qū)域的環(huán)境檢測工作。傳統(tǒng)地鐵檢測中常常都是采取人工巡查和閉路檢測系統(tǒng)結(jié)合的方式進(jìn)行輪班交替，每一年都需要投入大量的人力和物力，隨著計(jì)算機(jī)視覺以及圖像技術(shù)水平的不斷發(fā)展，計(jì)算機(jī)視覺系統(tǒng)能夠根據(jù)閉路電視中的人口信息提取基本的人口密度，然后在神經(jīng)網(wǎng)絡(luò)中進(jìn)行分析，最后在廣大的數(shù)據(jù)信息庫中利用全面搜索的方法對人口密度進(jìn)行估計(jì)。

利用攝像頭對目標(biāo)區(qū)域進(jìn)行監(jiān)控，檢測該區(qū)域是否具備一般的報(bào)警條件，達(dá)到條件之后，系統(tǒng)會及時地向中心發(fā)生報(bào)警信息從而采取準(zhǔn)時的處理措施。該技術(shù)在鐵路安全中主要具有如下幾個方面的應(yīng)用：首先系統(tǒng)入侵報(bào)警功能會在外人入侵系統(tǒng)或者闖入禁止區(qū)域之后自動發(fā)出警報(bào)，例如列車行駛的軌道錯誤。其次在上下電梯中，如果有行人出現(xiàn)逆行的情況在出口或者進(jìn)口的位置則會給出提示。最后在疫情期間如果發(fā)現(xiàn)大規(guī)模的群眾聚集行為影響到當(dāng)?shù)氐陌踩刃?，也會及時發(fā)出警報(bào)。隨著計(jì)算機(jī)數(shù)字圖像技術(shù)的不斷發(fā)展，對于站臺進(jìn)行自動化的有效檢測已經(jīng)成為未來發(fā)展的主要趨勢。

4 結(jié)語

技術(shù)的發(fā)展進(jìn)步會不斷促進(jìn)其他領(lǐng)域的生產(chǎn)力發(fā)展，計(jì)算機(jī)視覺圖形技術(shù)的產(chǎn)生對于地鐵線路的正常安全運(yùn)行具有很大的推動作用，雖然我國在這個方面的起步較晚，但是憑借經(jīng)濟(jì)、人才力量的優(yōu)勢在這個方面取得了很大的發(fā)展和突破，因此希望未來的研究人員能夠再接再厲，爭創(chuàng)輝煌。

參考文獻(xiàn)

[1] 雍志強(qiáng).計(jì)算機(jī)視覺和圖像處理技術(shù)及其在地鐵中的應(yīng)用研究[J].信息系統(tǒng)工程，2012（12）：105-107.

[2] 吳傳國，焦永和，肖陶.計(jì)算機(jī)視覺和圖像處理技術(shù)及其在汽車零件檢測中的應(yīng)用[J].城市車輛，2003（4）：52-54.

[3] 吳豐盛.計(jì)算機(jī)視覺圖像處理技術(shù)在茶領(lǐng)域中的運(yùn)用[J].福建茶葉，2018（10）：25-25.

[4] 劉潔，馮貴玉，張汗靈.一種圖像處理和計(jì)算機(jī)視覺的開發(fā)工具[J].計(jì)算機(jī)仿真，2006（11）：305-307+344.

[5] 潘長安.視覺圖像處理技術(shù)在車輛定位系統(tǒng)中的應(yīng)用分析[J].數(shù)字技術(shù)與應(yīng)用，2015（11）：67-68.