基于机器视觉的地铁曲线型站台异物检测算法

谭飞刚, 刘开元

（深圳信息职业技术学院交通与环境学院，广东 深圳 518172）

基于机器视觉的地铁曲线型站台异物检测算法

谭飞刚, 刘开元

（深圳信息职业技术学院交通与环境学院，广东 深圳 518172）

地铁站台屏蔽门与车门之间的空隙因夹人夹物而容易造成运营事故。为了消除该隐患，直线型地铁站台则利用司机在站台瞭望车尾灯带的完整性来排除空隙夹人夹物的风险，然而，在曲线型地铁站台上司机无法瞭望到整个车身空隙。因此，需要借助其他设技术辅助完成开车前空隙中是否存在异物的检查。此文提出了一种基于机器视觉的曲线型地铁站台异物检测算法。通过实验表明，所提算法不仅可以准确的检测出各种异物，而且对光照变化具有较好的鲁棒性。

异物检测；曲线型站台；机器视觉；屏蔽门；颜色差分

近年来，我国城市轨道交通处于飞速发展阶段，目前全国各地许多城市都在新建地铁来缓解城市日益增长的交通拥堵压力。为了防止乘客跌落站台，同时也为乘客提供舒适的候车环境，几乎所有的地铁站台都安装了屏蔽门。然而，列车进站后，列车的车门与屏蔽门之间存在一定距离的空隙（如图1所示），并且该空隙容易夹人夹物而导致地铁运营事故。例如2014年北京地铁五号线上乘客被夹在车门与屏蔽门之间，列车启动驶出站台后坠轨身亡；2010年上海地铁二号线上一位女乘客在灯闪铃响的情况下抢入而被夹在车门与屏蔽门之间并最终造成死亡。因此，如何利用先进的科学技术来辅助司机完成开车前的安全检查已经成为了城市轨道运营的一个研究热点[1,2]。

目前随着计算机和图像处理技术的不断发展，机器视觉已成为智能领域中的重点研究方向，并且许多技术已在实际生活中得到了广泛的应用。例如智能视频监控[3]、行人检测及异常行为识别等[4,5]。在地铁站台异物检测方面，黄文华等[1]利用图像处理技术来处理直线站台车门与屏蔽门间异物检测。吴卫海等[2]则通过在滑动门下方的安装蓝色灯带做参考物来完成曲线型站台车门与屏蔽门间异物检测。这种通过安装参考物的方法在实际应用中存在一些缺陷，如灯珠损坏后导致光线变化而造成误检。本文在查阅相关文献的基础上提出了一种基于机器视觉的地铁曲线型站台异物检测算法。该算法通过对图像进行叠加降噪后，利用背景差分技术来完成空隙间异物检测。

本文后续结构安排如下：第二部分阐述本文所提算法，实验及结果分析将在第三部分进行叙述，第四部分对本文进行了总结。

图1 屏蔽门与车门间空隙Fig.1 The gap between PSD and door

1 算法介绍

本文所提算法的整体流程如图2所示。首先是利用混合高斯模型构建背景图像，然后对待检测图像进行叠加求取平均图像来减少空隙两侧光照变化带来的影响。第三将平均图像灰度化并与背景图像进行相减得到差分图像，第四对差分图像进行阈值化处理得到二值图像，最后对二值图像进行形态学操作后进行异物判断和输出最终的检测结果。

1.1 混合高斯背景建模

摄像机从屏蔽门顶部向下拍摄，由于摄像机安装高度、拍摄角度等因素影响使得拍摄图像中存在噪声和包含车门与屏蔽门空隙以外的信息，如车门、站台等，因此在进行图像处理前首先需要进行降噪和设置感兴趣区域来排除其他信息的干扰。然后，利用混合高斯函数对空隙无异物的时候的图像构建背景图像。

图2 算法流程图Fig.2 Algorithm flowchart

1.2 二值化图像

当车门与屏蔽门之间空隙的背景构建完成后，算法对摄像机拍摄的待检测图像首先根据感兴趣区域设置提取空隙部分。然后利用式（1）将两幅图像相减得到差分图像。

地铁站台旁乘客上下车以及乘客在站台候车都会对空隙间光照变化产生影响。为了进一步增加算法对光照变化的鲁棒性，本文在得到的差分图像的基础上对图像进行二值化处理，从而可以避免一定范围内光照变化。其二值化处理如式（2）所示。

其中th表示判断阈值。

1.3 异物判断

利用式（2）得到的二值化图像一般会存在一些噪声干扰，因此，本文通过对其进行形态学腐蚀操作来消除这些噪声的干扰。经过腐蚀操作后，二值化图像中存在异物的部分因与背景具有较大的差异变化而突出显示出来。此时，可以根据二值化图像物体面积大小来判断是否存在异物，从而进一步增强对外界光照变化的鲁棒性。其判断过程如式（3）所示。

2 实验

本文实验所使用的实验数据是通过在某曲线型地铁站台的滑动门顶部安装摄像机拍摄而得到的真实环境下的视频数据。本文实验环境配置如下：windows10的操作系统，2GB内存，AMD A6-4400M的CPU，500GB硬盘，软件开发平台为Visual Studio 2015，编程语言为C++。由于实验数据采集过程中，基本上不存在夹人夹物现象，因此，本文通过人为放置物体来模拟空隙中存在异物，进而检验本文所提算法的有效性。本文实验参数设置如下：混合高斯背景建模帧数为100，th取值为55，取值为30。本文所提方法对所录像视频中模拟异物都能检测出来其准确率为100%。如图3所示为本文实验的部分检测效果图，其中视频中蓝色矩形框为感兴趣区域，右边红色有标记表示存在异物，绿色无标记表示无异物。从试验的结果中，不难发现乘客随身携带的手提包、雨伞等都能被很好的检测出来。

图3 部分模拟试验检测结果Fig.3 Results of partial simulation test

3 结论

本文借助先进的计算机技术和图像处理技术提出了一种基于机器视觉的地铁曲线型站台车门与屏蔽门间空隙异物检测算法，从而辅助列车司机和站务人员在发车前对空隙夹人夹物的检测，进而提高地铁运营效率和增强运营安全保障。因此，本文所研究内容具有非常重要的社会效益和经济效益。本文所提算法与已公布的地铁站台异物自动检测算法相比，具有直观性好、盲区小、检测精度高等优点。通过真实环境的模拟视频数据进行实验，其结果表明本文算法可以很好的检测出夹在空隙中的异物。

[1] 黄华文, 刘伟铭, 李军,等. 地铁屏蔽门与车门间异物自动检测技术[J]. 铁路计算机应用, 2015(12):62-65. HUANG Wenhua, LIU Weiming, LI Jun, et.al. Automatic foreign object detection technology between PSD and subway doors[J]. Railway Computer Application, 2015(12):62-65.(in Chinese)

[2] 吴卫海, 刘伟铭, 李海玉,等. 一种新的地铁曲线站台异物检测系统研究[J]. 城市公共交通, 2015(9):33-36. WU Weihai, LIU Weiming, LI Haiyu, et.al. Foreign objects detection system based on color feature on curve platform[J]. Urban Public Transport, 2015(9):33-36.(in Chinese)

[3] 谭飞刚, 刘伟铭. 多部件验证的双层行人检测算法[J]. 华南理工大学学报:自然科学版, 2015, 43(1):79-86. TAN Feigang, LIU Weiming. Two-Stages Pedestrian Detection Algorithm Based on Multi-Com ponent Validation[J]. Journal of South China University of Technology (Natural Science Edition), 2015, (9):88-94. (in Chinese)

[4] 谭飞刚, 刘伟铭, 黄玲,等. 基于加权欧氏距离度量的目标再识别算法[J]. 华南理工大学学报:自然科学版, 2015(9):88-94. TAN Feigang, LIU Weiming, HUANG Ling, et.al. Object Re-Identification Algorithm Based on Weighted Euclidean Distance Metric [J]. Journal of South China Univers ity of Technology (Natural Science Edition), 2015, (9):88-94. (in Chinese)

[5] Tan F, Liu W, Huang L, et al. Pedestrian tracking algorithm with adaptive feature fusion[J]. Journal of Computational Information Systems, 2015, 117(3):585-606.

Foreign Objects Detection based on Computer Vision in Curved Subway Station

TAN Feigang, LIU Kaiyuan
（School of Traffic and Environment, ShenZhen Institute of Information technology, Shenzhen 518172, P.R. China）

The gap between train door and platform screen door eas ily clips persons or other things and causes operational accident. To eliminate the risk, the driver will look at the integrity of the light at the end of the gap to exclude the risk of clipping persons or things in linear subway station. However, the driver can not look at all the gap in curved subway station. Therefore, we need to use other techniques to assist driver to check whether the presence of foreign objects before driving. We propose a foreign objects detection based on computer vision technology in curved subway station. Experiments show that the proposed algorithm not only detect a variety of foreign objects accurately, but also has better robustness for illumination change.

foreign objects detection; curved subway station; computer vision;platform screen door; color difference

TP391.4

：A

1672-6332（2017）01-0075-03

【责任编辑：高潮】

2016-11-25

谭飞刚（1987-），男（汉），湖南永州人，博士，助教，主要研究方向：智能交通系统，城市轨道交通，机器视觉。E-mail：tanfeigang@qq.com。