基于PCA和随机Hough变换的调车信号灯检测

路正凤，王思明，吕国强，汪芳莉

(1.兰州交通大学自动化与电气工程学院，兰州 730070;2.青藏铁路公司西宁机务段，西宁 860001)

基于PCA和随机Hough变换的调车信号灯检测

路正凤1，王思明1，吕国强2，汪芳莉2

(1.兰州交通大学自动化与电气工程学院，兰州 730070;2.青藏铁路公司西宁机务段，西宁 860001)

针对传统信号灯检测方法中存在的弊端，提出了一种主成分分析(Principal Component Analysis，PCA)和圆拟合与分段随机Hough变换(Randomized Hough Transform，RHT)圆检测相结合的信号灯检测方法。该方法利用主成分分析结合圆拟合来简化图像的复杂背景，然后通过随机Hough变换进行分段圆检测，得到信号灯的准确位置，最后结合线路特征及信号灯的颜色特点，确定本股道有显示的调车信号灯。对调车信号灯图像进行仿真实验，结果表明，该方法检测准确度高，实时性好，并对有颜色信号灯的检测具有良好的检测效果，适合于对复杂环境中调车信号灯的准确检测和定位。

调车信号灯;圆检测;随机Hough变换;主成分分析;圆拟合

1 概述

调车作业的安全防护是铁路运输中的一项重要任务。STP-yh型无线调车机车信号和监控系统是目前我国站内专用调车机车安全防护系统，其设备较多，成本高，适用于复杂的、作业繁多的车站，对于大量的小站调车作业，则需要简化的方案［1－3］。随着图像处理等技术的发展，使得基于机器视觉的车载系统代替司机的视觉工作成为可能［4］。基于机器视觉的调车安全防护系统具有设备简单，投资成本低和不影响调车机车的既有设备等优点，适用于大量的小站调车作业和车站中无码线路调车作业的安全防护。因此，对于基于机器视觉的铁路调车安全防护系统的研究很有必要。

基于机器视觉的铁路调车安全防护系统的关键技术之一就是调车信号灯的准确定位。国内学者已在这方面进行了研究。文献［5］利用信号灯显示颜色的特点，图像经过边缘检测、膨胀、腐蚀和填充得到目标区域。对于动态视频监控，目标的大小会随着距离的变化而变化，当距离较大时，信号灯区域较小，经过腐蚀会使目标消失。同时，无法得到信号灯的确切位置。文献［6－8］根据信号灯的形状特点，采用“三点共圆”的方法来实现目标检测。该方法在目标清晰的情况下，具有较好的检测结果。但是，对于有残缺的线段检测结果不太理想［9］。因此，该方法对于复杂环境中的调车信号灯的检测还存在着一定的局限性。

针对以上方法存在的问题，依据调车信号灯的形状和颜色特征，提出基于主成分分析和圆拟合的分段随机Hough变换的调车信号灯检测方法，来实现复杂背景中调车信号灯的准确检测。通过主成分分析结合圆拟合的方法对原始线段进行分析和保留，可以简化图像，然后采用分段随机Hough变换对简化的图像进行圆检测，实现调车信号灯区域的准确定位，最后结合铁路线路特征及信号灯的颜色特征，确认出本股道显示的调车信号灯。

2 调车信号灯的检测原理

调车信号灯的检测原理:首先，对原图像进行边缘检测得到边缘图像并除去交叉次数较多的边缘点，在边缘图像中标记并提取出满足一定长度的连续线段;其次，利用主成分分析对连续线段进行方向分析，保留类圆曲线段;然后，利用带约束的最小二乘法对类圆曲线段按照标记顺序依次进行圆拟合，初步得到有效粗略圆参数，利用粗略圆参数保留原图像中满足一定误差范围的有效曲线段;最后，利用随机Hough变换对有效曲线段进行分段圆检测，得到精确圆参数并更新图像空间，直到所有的有效曲线段检测完毕，确认本股道显示的调车信号灯。见图1。

图1 调车信号灯检测原理

3 调车信号灯的检测

3.1 检测类圆曲线段

主成分分析是一种对原始数据进行分析，通过线性变换将高维空间中的样本数据投影到低维空间中，有效找出数据中最主要的元素和结构，去除噪声和冗余，分析出尽可能好地代表原始数据的简单结构的技术。通过对数据进行统计分析得到协方差矩阵，进而得到其特征值和特征向量，即数据的主成分［10－12］。通过对线段依次进行主成分分析，获得其协方差矩阵的特征值，并对其进行分析来保留类圆曲线段。

假设令线段点集内像素点的个数为N，任一像素点的坐标为(xi，yi)，则

根据主成分分析技术的基本原理，特征值的个数和大小分别代表了线段主方向的个数和各个主方向的主要分布情况，可用于线段形状的判定:

(1)λ1或λ2=0，则线段为直线，因为只有一个主方向;

(2)λ1=λ2则线段为完整的圆，因为有2个分布情况相同的主方向;

(3)λ1＞λ2＞0，则线段为除圆以外的曲线段，因为有2个分布不均的主方向。

若线段点集内为理想圆，那么λ1=λ2。但是由于图像中圆受噪声的影响或者类圆的存在，边缘像素的位置具有不确定性，因此λ1≥λ2。经过分析曲线主元分布方向，设置λ1/λ2合适的门限。特征值 λ1/λ2的大小反应曲线段主方向的长度与宽度方向的比值，比值太大，反应曲率较小，曲线接近直线，这不符合圆检测的一般条件，而比值较大，对于一些类似于椭圆的曲线段不能过滤掉，因此实验中设置一个范围来约束曲线段的选择。实验表明，比值在范围内都有效，而1.5对于这个实验效果比较好，因此本文中实验设定的比值为1.5，可以限制背景图像中的直线和类似于椭圆的曲线段。利用线段PCA方向分析法得到的初始圆参数误差较大，因此，初步保留图像中的类圆曲线段。

3.2 保留有效曲线段

为了进一步得到有效曲线段，在线段PCA方向分析的基础上，对保留下来的类圆曲线段进行圆拟合，得到初步的粗略圆参数来保留有效曲线段。

本文利用带约束的最小二乘法对保留下来的类圆曲线段进行圆拟合，来得到类圆曲线段的粗略圆参数。

保留下来的类圆曲线段点集为(xi，yi)(i=1，2，…，m)，设其理想圆的圆心和半径分别为P0(x0，y0)和r，则类圆曲线段上的点到圆的代数距离方程为

其中，(x，y)∈{(xi，yi)|i=1，2，…，m}。

对(7)式进行变形简化推导可得

函数F(x)表示点P(x，y)到二次曲线F(x)=0的代数距离，则所有测量点的代数距离平方和为

为了利用最小二乘法拟合出圆，采用文献［13］中用带约束的最小二乘圆拟合法。该方法引入了系数约束条件b21+b22－4ac=1，它可表示为

通过求解式(12)得到4个广义特征向量，然后应用式(11)选择使D达到最小值得到广义特征向量，然后应用式(9)、(10)求解圆心坐标及圆半径，初步得到图像中圆的粗略参数，利用该粗略参数保留原图像中的类圆曲线段。

3.3 分段随机Hough变换圆检测

Hough变换是目前广泛采用的圆形状检测方法。为减少计算量，提高实时性，本文引入了分段检测的思想［14］。其基本原理是:图像通过主成分分析和圆拟合后保留得到一些没有公共点的曲线段，因一个圆上的点必存在于用一条曲线上，对每条曲线分别进行随机

因此，带约束的最小二乘圆拟合法可表达为:在μTCμ=1的约束下，使D最小，C为约束矩阵。

对参数二次约束时，最小距离平方的问题，通过引入Lagrange乘子λ同时求导，可得到Hough变换，便可减少无效的数据累计，从而减少时间消耗。

设D为保留下来的图像边缘点集，对有效曲线段进行标记，按照标记顺序依次进行随机Hough变换:从曲线段Li点集中随机选取3个点，确定一个候选圆参数l，通过证据积累计算曲线段点集中落在该候选圆上的点数Ml，若其大于圆所必需的最小点数Mmin，则确认该候选圆为真实圆，从D中删除该圆上的点，然后继续进行下一个圆的检测，直到所有的曲线段Li检测完毕。

3.4 显示调车信号灯的确认

由于铁路车站内环境复杂，相向驶来的机车灯光、其他轨道信号灯等，很容易也被分割出来，因此需要更进一步确认该信号灯是否是本股道的信号灯。

信号灯一般出现在轨道左侧路边，调车信号灯必有一个是有颜色显示的，用来提示司机安全驾驶。故本股道显示的调车信号灯是有颜色的且其圆心距离股道中心线最近的一个圆，以此作为本股道调车信号灯确认的判定条件。大部分情况下，站内机车近似于直线行驶，故将图像中心线作为股道中心线来进行判定。

我国铁路调车信号机显示主要有红、蓝、白3种颜色，图像是通过安装在调车机车上的摄像机在行驶中摄取获得的，一般为RGB彩色模型，R、G、B分量具有高度的相关性，亮度的变化会引起R、G、B分量的变化，不适合用来判断自然场景下显示信号灯的判断。在HSI彩色空间中，色调(H)、色饱和度(S)、亮度信息(I)分量具有相互独立性。因此，将RGB模型转化到HSI模型，用H、S、I当作特征参数来进行信号灯是否有颜色显示的判断，消除天气的影响。

给定1幅RGB彩色格式的图像，H分量由下式给出

将RGB值归一化为［0，1］范围内，则 S、I值已在［0，1］范围之内。红色和蓝色在HSI空间中的色调值H分别为0°和240°，白色在 HSI空间的亮度 I为1。在自然环境中，由于光照和天气的影响，色调值H与亮度I会在一定的范围内波动。表1给出了在不同条件下拍摄的红色、蓝色、白色统计结果的 H、I取值范围。

表1 调车信号灯颜色H和I取值范围

本文以圆域内颜色的平均值作为该圆是否有颜色的判据，初步对有显示的调车信号灯进行粗略判断。

3.5 算法步骤

调车信号灯检测方法具体步骤为:

(1)输入复杂背景下的调车信号灯图像，用Canny算子进行边缘提取，可以得到一幅包含边缘信息的二值图像，并除去交叉次数较多的点;

(2)对二值图像中的线段进行标记，找到满足长度大于阈值Lthr的连续线段Li;

(3)对每段Li进行线段PCA方向分析，得到λ1，λ2，初步保留 λ1/λ2＜λthr的类圆曲线段 Li;

(4)对每段类圆曲线段Li进行带约束的最小二乘法圆拟合，初步得到粗略圆参数，并用其来保留原图像中满足一定误差范围的有效曲线段;

(5)利用随机Hough变换对保留下来的有效曲线段进行分段圆检测，得到精确的圆参数，检测结束后在图像空间删除对应的像素点，直到所有Li检测完毕;

(6)将所检测圆心到图像中心线距离最短且有颜色显示的圆确定为本股道有显示的调车信号灯。

4 实验仿真与分析

为了检验本文方法的性能，通过与文献［6］中的方法进行比较，做了以下4个实验。

实验1，本文方法对具有复杂背景的信号灯图像进行圆检测实验。如图2所示，对图像进行边缘检测、去除交叉点及小线段、主成分分析和圆拟合保留有效曲线段的过程。由于动态图像的原因，目标的大小跟距离的远近有关，检测需要较好的边缘信息，故采用了Canny边缘检测算子，同时也有利于保证主成分分析及圆拟合顺利进行;去除交叉点和小线段的目的是使连续曲线段分离，减少线段间影响，并利于后续的分段处理。图2(d)是通过线段PCA方向分析和圆拟合得到的粗略圆参数保留下来的有效曲线段，有效地简化了复杂的背景信息，提高了检测精度。

图2 本文方法对信号灯的检测过程

实验2，采用改进Hough变换圆检测法和本文方法进行检测结果的比较。如图3所示，给出了2种方法的检测结果。

图3 改进Hough变换圆检测和本文方法进行圆检测结果

从图3(a)可以看到，改进Hough变换圆检测法对复杂背景中圆的检测还存在着一定的误差，检测到圆的个数不止2个，需要从中进行筛选才能得到想要的目标圆，而从图3(b)可以看到本文方法对复杂背景中圆的检测结果，准确地检测出了信号灯区域。表2给出了本文方法与改进Hough变换的比较结果。

图4 本文方法对夜间信号灯的检测

在图3检测中，图像左上角为原点，X轴为水平向右，Y轴为垂直向下;检测结果中，上面的信号灯为圆1，下面的信号灯为圆2;单位为像素点的个数。

表2 本文算法与改进Hough变换的比较

其中，该调车信号机为白灯显示，圆1和圆2距离图像中心线的距离均为12个像素点，其圆域的亮度值I分别为0.996和0.039，色调H均为无意义。根据本股道显示调车信号灯的判断条件，故圆1为本股道显示的调车信号灯。

实验3，对具有复杂背景的夜间调车信号灯进行显示信号灯的检测，图4所示为检测结果。

从检测结果图4(d)可以看出，本文方法准确地检测出了本股道显示的调车信号灯。通过实验3可以看出本文方法对有颜色圆的检测具有良好的检测效果。

实验4，对一幅站内调车信号灯图像进行检测，如图5所示。从实验可以看出，目标被准确检测出来。

图5 本文方法对站内调车信号灯的检测结果

5 结论

针对调车作业工作环境复杂、噪声大，以及以往对信号灯检测方法中存在的弊端，根据调车信号机的形状和颜色特征，提出基于主成分分析和圆拟合的分段随机Hough变换的调车信号灯检测方法。该方法有如下特点。

(1)算法主要利用PCA对图像边缘进行线段方向分析，保留类圆曲线段，再通过圆拟合得到的粗略圆参数保留图像中的有效曲线段，简化了图像背景，适用于复杂图像的检测。

(2)采用抗干扰能力较强的随机Hough变换进行分段圆检测，减少了时间消耗。

(3)与文献［6］的方法比较可知，该方法准确率高，而且对有颜色圆的检测具有良好的检测效果，适用于对显示调车信号灯的检测。

(4)根据铁路线路特征及信号灯的颜色特征，采用HSI颜色空间对显示调车信号灯进行了确认。

因此，该方法适合于对复杂环境中调车信号灯的准确检测和定位。在信号灯准确定位的基础上，将对信号灯颜色的识别和列车距信号灯距离的测量进行研究，为调车司机提供参考。

［1］曹桂均，程君．适用于正线机车的无线调车机车信号和监控系统的研究与试验［J］．中国铁道科学，2012，33(4):91－98．

［2］纳勇，韩波．STP-yh无线调车机车信号和监控系统常见问题处理［J］．铁道通信信号，2012，48(5):44－46．

［3］Guijun C， Tongyuan L．New Equipment for Station Shunting Operation Safety Protection-Signal and Monitoring System of Shunting Locomotive［J］．Railway Signalling＆Communication Engineering，2006(2):7－10，26．

［4］许贵阳，史天运，任盛伟．基于计算机视觉的车载轨道巡检系统研制［J］．中国铁道科学，2013，34(1):139－144．

［5］赵志帅，杨春金．基于图像处理的信号灯自动识别［OL］．http://www．paper．edu．cn，2009(4)．

［6］王小琦，王哲，刘东，等．改进Hough变换在调车信号灯识别中的应用［J］．铁路通信信号工程技术，2008，5(1):18－20．

［7］王哲．站场调车信号识别系统研究［D］．成都:西南交通大学，2007．

［8］苏岗．基于机器视觉的铁路调车信号识别研究［J］．自动化信息，2009(10):51－52．

［9］孙亦南，刘伟军，王越超，等．一种用于圆检测的改进Hough变换方法［J］．计算机工程与应用，2003(20):35－37．

［10］ Jung S，Sen A，Marron JS．Boundary behavior in high dimension，low sample size asymptotics of PCA ［J］．Journal of Multivariate Analysis，2012．

［11］ GURU D S，SHEKAR B H，NAGABHUSHAN P．A simple and robust line detection algorithm based on smalleigenvalue analysis［J］．Pattern Recognition，2004，25(1):1－13．

［12］牛晓霞，胡正平，杨苏．局部PCA参数约束的Hough多椭圆分层检测算法［J］．计算机应用，2009，29(5):1365－1368．

［13］刘元朋，张定华，桂元坤等．用带约束的最小二乘法拟合平面圆曲线［J］．计算机辅助设计与图形学学报，2004，16(10):1382－1385．

［14］徐培智，徐贵力，黄鑫．基于随机Hough变换的人头检测［J］．计算机工程，2012，38(1):199－200．

Shunting Signal Lam p Detection Based on PCA and Random ized Hough Transform

LU Zheng-feng1，WANG Si-ming1，LV Guo-qiang2，WANG Fang-li2

(1．School of Automation and Electrical Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China;2．Locomotive Department，Qinghai-Tibet Railway Company，Xining 860001，Qinghai Province，China)

In this paper，to overcome the disadvantages of traditionalmethods of signal lamp detection，a new method of signal lamp detection was proposed，which is based on principal component analysis(PCA)and circle fitting，aswell as segmented circle detection of randomized Hough transform(RHT)．In thismethod，the principal component analysis and circle fitting should be carried out to simplify the complex background of image first，and then segmented circle detection should be conducted by the use of randomized Hough transform so as to ascertain the accurate position of signal lamp;finally in combination with line's characteristics and signal lamp's color，the displayed shunting signal lamps on this line can be determined．Moreover，a simulation experiment on the images of shunting signal lamp was carried out in this paper，and the results show that this method is of high accuracy，good real-time performance，good detection effect on the colored signal lamps，therefore suitable for accurate detection and positioning of shunting signal lamps in complex environment．

shunting signal lamp;circle detection;randomized Hough transform;principal component analysis;circle fitting

TP391.4

A

10．13238/j．issn．1004－2954．2014．03．031

1004－2954(2014)03－0130－05

2013－07－08;

2013－07－19

路正凤(1988—)，女，硕士研究生，E-mail:13659425516@139．com。