一種高速鐵路接觸網(wǎng)目標檢測與跟蹤方法

作者簡(jiǎn)介：李培云（1995—），女，安徽滁州人，碩士生，主要研究方向為機器視覺(jué)，E-mail：1125924814@qq.com。

摘要：實(shí)驗結果表明：該算法能在大多數情況下實(shí)時(shí)、準確地檢測跟蹤接觸線(xiàn)，為城市軌道安全運行提供了保障。

0   引言

隨著(zhù)我國電氣化鐵路不斷地往高速、重載方向發(fā)展，使接觸網(wǎng)- 受電弓在高速運行工作狀態(tài)下越來(lái)越受到關(guān)注^[1-2]。由于接觸網(wǎng)長(cháng)期保持和受電弓滑板相互接觸，在機車(chē)行駛過(guò)程中時(shí)刻磨損，從而給機車(chē)取電的性能帶來(lái)了很多不可靠的因素，直接影響機車(chē)的行駛狀態(tài)，嚴重時(shí)會(huì )導致發(fā)生安全事故。因此需要實(shí)時(shí)檢測接觸網(wǎng)的運行狀態(tài)，以保障機車(chē)安全行駛。

近年來(lái)，國內外對接觸網(wǎng)運行狀態(tài)監測受到了研究學(xué)者的廣泛關(guān)注。文獻^[3]基于識別出接觸線(xiàn)的導高、拉出值以及硬點(diǎn)部位，提出了一種基于圖像處理的鐵路接觸網(wǎng)檢測系統。文獻^[4]利用高精度傳感器采集線(xiàn)夾溫度等參數，提出了一種基于張力與溫度的接觸網(wǎng)安全狀態(tài)在線(xiàn)監測系統。文獻^[5] 研究了一套牽引供電接觸網(wǎng)溫度在線(xiàn)監測系統，但只是對接觸網(wǎng)某些關(guān)鍵部位進(jìn)行溫度檢測。文獻^[6]西安理工大學(xué)熊磊開(kāi)發(fā)了一套基于紅外熱像儀的接觸網(wǎng)載流溫度監測管理系統，對實(shí)現自動(dòng)化監測具有重要意義。

由于機車(chē)在行駛過(guò)程中遇到道路岔口需要頻繁換線(xiàn)，為了解決在行車(chē)過(guò)程中弓網(wǎng)脫離引發(fā)的安全事故，本文提出了一種接觸網(wǎng)目標檢測與跟蹤算法，能夠實(shí)時(shí)、快速地檢測接觸網(wǎng)，并能準確地跟蹤接觸線(xiàn)。

1   算法概述

本文算法主要分為接觸線(xiàn)檢測和參數提取并跟蹤兩部分。檢測部分首先對輸入的幀做灰度化處理，然后分別運用OTSU 自適應閾值分割和邊緣檢測兩種方法提取接觸網(wǎng)的邊緣特征，最后利用Hough 變換連接直線(xiàn)邊緣。由于在紅外視頻圖像序列中，接觸線(xiàn)和承力索絕大多數都是成雙成對出現的，且在視頻畫(huà)面上都是呈直線(xiàn)型的，所以接觸線(xiàn)和承力索在視覺(jué)上無(wú)顯著(zhù)特征，從而對目標接觸線(xiàn)的跟蹤具有一定的難度。因此，跟蹤部分主要是利用Hough 變換提取目標接觸線(xiàn)的參數和利用卡爾曼濾波方法跟蹤參數兩個(gè)部分。參數提取部分首先利用Hough 變換法記錄候選直線(xiàn)參數，根據采集到的紅外視頻，發(fā)現采集的視頻圖像中接觸網(wǎng)導線(xiàn)出現在畫(huà)面中近似直線(xiàn)，且一般是2~4 根，所以需要根據直線(xiàn)數目分情況討論，然后進(jìn)行判別并提取接觸網(wǎng)目標直線(xiàn)參數；參數跟蹤部分通過(guò)卡爾曼濾波器預測紅外圖像中接觸線(xiàn)的參數，再求取實(shí)際接觸線(xiàn)的測量參數，并將參數與接觸線(xiàn)進(jìn)行一一配對，最終實(shí)現了紅外視頻中接觸線(xiàn)的檢測與跟蹤。一種接觸網(wǎng)目標檢測與跟蹤算法流程如圖1 所示。

2   接觸線(xiàn)檢測

2.1 圖像預處理

首先，將紅外圖像（見(jiàn)圖2a）轉換為灰度圖像（見(jiàn)圖2b），可以增強圖像中的特征信息，并提高圖像處理的工作效率，同時(shí)也便于對圖像進(jìn)一步處理（如：圖像去噪、圖像分割等）。其次， 利用大津法自適應求得圖像閾值，進(jìn)行分割后得到二值圖像（見(jiàn)圖2c）。大津法是圖像分割中閾值選取的最佳算法^[7]，運算簡(jiǎn)單，不受圖像亮度和對比度的影響，因此在數字圖像處理上得到了廣泛的應用。最后，為了獲取圖像的邊緣信息， 采用prewitt邊緣檢測算法^[8]提取接觸網(wǎng)的邊緣特征信息，得到二值化的邊緣圖像（見(jiàn)圖2d）。Prewitt 邊緣檢測算子對噪聲具有一定的抑制能力，對噪聲較多和灰度漸變的圖像處理產(chǎn)生了較好的邊緣效果。充分利用OTSU 自適應閾值分割和Prewitt 算子在紅外圖像邊緣檢測中的各自?xún)?yōu)勢進(jìn)行特征提取，相比傳統的邊緣檢測算法，具有邊緣細節更清晰、背景噪聲更小等優(yōu)點(diǎn)，能夠更完整、更精確地提取邊緣信息。

（a）紅外圖像

（b）灰度圖像

（c）Otsu分割

（d）Prewitt算子

（e）log算子

（f）sobel算子

（g）kirsch算子

（h）roberts算子

圖2 紅外圖像預處理效果圖示

2.2 接觸線(xiàn)的邊緣連接

圖像采集的視頻是由紅外攝像機拍攝的，采集的圖像容易受自然界中的光照和機車(chē)運行過(guò)程中的強電流、電壓磁場(chǎng)等干擾，導致獲取的圖像具有很多噪聲。由于接觸網(wǎng)導線(xiàn)和受電弓滑板相互摩擦產(chǎn)生磨損等原因，使得邊緣檢測后的直線(xiàn)邊緣出現中斷或者產(chǎn)生了很多偽邊緣。因此，常見(jiàn)的做法是在邊緣檢測后緊跟著(zhù)做邊緣連接^[9]，形成連續的、有意義的邊緣。由于接觸線(xiàn)和承力索基本上都是成雙成對出現，且絕大部分情況都是呈直線(xiàn)型地呈現在視頻畫(huà)面中，因此本文選用Hough 變換[10-12]連接接觸線(xiàn)的邊緣，優(yōu)點(diǎn)是對噪聲不敏感，能較好地處理圖像中局部被遮擋和覆蓋的情況。Hough 變換法邊緣連接結果如圖3 所示。

（a）紅外圖像

（b）Otsu+Prewitt邊緣檢測

（c）邊緣連接結果

（d）邊緣連接的局部放大圖

圖3 邊緣連接實(shí)驗結果圖

3   接觸線(xiàn)跟蹤

視頻圖像中接觸網(wǎng)安全運行是機車(chē)行駛的可靠性和安全性的關(guān)鍵，在電氣化鐵路高速、重載發(fā)展中占據非常重要的位置。由于接觸線(xiàn)和承力索絕大多數都是成雙成對出現且判別性較弱，在接觸線(xiàn)跟蹤過(guò)程中出現道岔口需要換線(xiàn)或者橫支架部分遮擋等情況時(shí)，對目標接觸線(xiàn)的跟蹤具有一定的難度。因此，提出在紅外視頻的各幀中利用Hough 變換檢測直線(xiàn)的優(yōu)勢來(lái)提取接觸線(xiàn)的參數，進(jìn)而使用Kalman 濾波實(shí)現對接觸線(xiàn)參數一幀幀地持續跟蹤，從而彌補接觸線(xiàn)和承力索在視覺(jué)上無(wú)顯著(zhù)特征的不足。

3.1 接觸線(xiàn)的參數提取

Hough 變換是一種估計直線(xiàn)參數的方法，其抗噪性能力強 , 對直線(xiàn)斷裂、局部遮擋等缺陷不敏感^[13]。接觸線(xiàn)的檢測問(wèn)題，經(jīng)過(guò)Hough 變換變成了對參數空間中半徑ρ 參數和角度θ 參數的求取過(guò)程。通過(guò)對候選直線(xiàn)參數的ρ 和θ 進(jìn)行分析，發(fā)現圖像中直線(xiàn)對應的點(diǎn)皆在第一象限中，且目標接觸線(xiàn)的ρ 和θ 在參數空間（極坐標系）中的數值是最大值。根據采集到的紅外視頻中受電弓與接觸線(xiàn)的運行狀態(tài)，發(fā)現采集的視頻圖像中接觸網(wǎng)導線(xiàn)出現在畫(huà)面中呈直線(xiàn)型，且直線(xiàn)數目一般是2-4根，所以需要根據直線(xiàn)數目分情況討論，然后進(jìn)行判別并提取目標直線(xiàn)參數即接觸線(xiàn)參數。由此可知，可以將圖像空間中較為困難的全局檢測問(wèn)題轉化為參數空間中相對容易解決的局部峰值檢測問(wèn)題^[14]。

3.2 接觸線(xiàn)的參數跟蹤

本文利用卡爾曼濾波器^[15]預測接觸線(xiàn)的參數來(lái)估計出其目標接觸線(xiàn)的軌跡位置并對得到的參數數據進(jìn)行修正。在采集的紅外視頻幀中，將目標接觸線(xiàn)理解為一個(gè)包含參數空間中半徑和角度的向量，從當前幀通過(guò)協(xié)方差矩陣推測出下一幀的參數預測值，即估計出下一幀中接觸線(xiàn)的軌跡位置。確定卡爾曼增益系數對參數的估計值和預測誤差進(jìn)行修正，接著(zhù)進(jìn)入下一次迭代過(guò)程?？柭鼮V波預測接觸線(xiàn)軌跡算法流程如圖4 所示。

假設紅外視頻中目標接觸線(xiàn)在s 幀的參數可以用一個(gè)向量Peak(s,:) 來(lái)表示，其中rho_max 表示其接觸線(xiàn)參數的極坐標系下半徑最大值，theta_max 表示其接觸線(xiàn)參數的極坐標系下角度最大值。

如果已知s-1 幀目標接觸線(xiàn)的參數預測矩陣即將向量Peak 測量值賦值給x，s 幀接觸線(xiàn)的參數觀(guān)測矩陣可以用以下公式來(lái)表示

式中：x1(s,:) 是在第s 幀接觸線(xiàn)參數的預測矩陣，A 表示由s-1 幀最優(yōu)估計x(s-1) 推測出第s 幀接觸線(xiàn)軌跡的參數觀(guān)測矩陣，w 為預測模型的過(guò)程噪聲，B 為控制矩陣，表示控制量w 如何作用于當前狀態(tài)。由于是對紅外視頻中目標接觸線(xiàn)參數的預測，這里通過(guò)一個(gè)均值為0 的高斯噪聲來(lái)模擬預測時(shí)產(chǎn)生的誤差。視頻中每一幀的不確定性都是通過(guò)狀態(tài)噪聲協(xié)方差矩陣來(lái)表示，預測參數時(shí)必定是不準確的，本文通過(guò)狀態(tài)噪聲協(xié)方差矩陣Q 來(lái)表示預測過(guò)程中產(chǎn)生的誤差，該誤差包含一些不確定因素，預測誤差協(xié)方差矩陣為

式中，p1(s,:) 為下一幀接觸線(xiàn)位置參數的預測誤差協(xié)方差矩陣，p(s-1,:) 為前一幀位置參數最優(yōu)估計的觀(guān)測誤差協(xié)方差矩陣，A 為上一幀最優(yōu)估計預測第s 幀接觸線(xiàn)軌跡的參數轉移矩陣的轉置矩陣。在紅外視頻中，接觸線(xiàn)在實(shí)際檢測中無(wú)論如何都避免不了誤差，通過(guò)Hough 變換檢測的接觸線(xiàn)嚴格來(lái)說(shuō)也只是對接觸線(xiàn)參數的預測估計。Kalman 由預測過(guò)程和測量修正兩部分組成，估計過(guò)程中包含接觸線(xiàn)當前位置參數的預測和誤差協(xié)方差的預測。濾波器修正部分主要是對預測狀態(tài)的更新，包括Kalman 濾波增益的更新，利用K(s) 對位置參數值和協(xié)方差修正。

卡爾曼增益表達式為

式中，k(s) 為第s 幀的卡爾曼濾波常數，R 是參數觀(guān)測噪聲協(xié)方差矩陣，即參數的測量誤差，H 是真實(shí)參數到預測參數的預估觀(guān)測值的參數轉移矩陣。

推測出接觸線(xiàn)下一幀位置參數的最佳估計值的數學(xué)表達式為

式中，x1(s,:) 是第s 幀接觸線(xiàn)實(shí)際軌跡的參數推測值，y(s,:) 是第s 幀接觸線(xiàn)參數的實(shí)際測量值即參數觀(guān)測值。

最后，更新紅外視頻圖像中接觸線(xiàn)的實(shí)際位置參數與檢測位置參數之間的誤差協(xié)方差矩陣，即更新預測誤差協(xié)方差矩陣，數學(xué)表達為

由上面分析可知，卡爾曼濾波所用信息都是時(shí)域內的量, 所以卡爾曼濾波器是在時(shí)域內設計的, 且適用于多維情況。本文采用卡爾曼濾波器預測當前視頻幀接觸線(xiàn)的參數來(lái)估計接觸線(xiàn)的軌跡位置，如果在紅外視頻某一幀中沒(méi)有檢測到接觸線(xiàn)的參數，同時(shí)又沒(méi)有預測到接觸線(xiàn)的參數時(shí)，則舍棄記錄該視頻幀接觸線(xiàn)軌跡位置。

4   實(shí)驗結果

本文實(shí)驗采用MATLAB R2018a 進(jìn)行仿真，運行環(huán)境為：CPU：Intel Core i5-8250U@ 1.6 GHz 1.8 GHz，內存：8G，Windows10 操作系統。使用MATLAB 仿真實(shí)現MP4 接觸網(wǎng)視頻文件到序列幀的轉換，如圖5 所示。以此序列圖片為例，成功實(shí)現了對接觸線(xiàn)的跟蹤。實(shí)驗結果表明該算法準確性好，跟蹤效果顯著(zhù)，在電氣化鐵路高速發(fā)展及接觸線(xiàn)檢測和跟蹤研究中有較好的應用價(jià)值。

5   結語(yǔ)

由于機車(chē)在行駛過(guò)程中需要頻繁換線(xiàn)從而保證機車(chē)高速安全運行，本文提出了一種高速鐵路接觸線(xiàn)檢測與跟蹤方法，以解決在行車(chē)過(guò)程中弓網(wǎng)脫離而引發(fā)的安全事故，并克服了多個(gè)相似運動(dòng)目標同時(shí)運動(dòng)復雜情況問(wèn)題。為了能夠實(shí)現對紅外視頻中接觸線(xiàn)的準確跟蹤，利用Hough 變換提取直線(xiàn)參數和卡爾曼濾波跟蹤參數，但尚不能做到自適應檢測。Hough 變換檢測速度仍然有上升空間，另外卡爾曼濾波跟蹤參數部分，在接觸線(xiàn)運動(dòng)特征變化不大的情況下跟蹤較為穩定，但在目標位置出現遮擋嚴重等背景復雜情況下跟蹤效果不佳，需要在后續工作中進(jìn)一步研究。

參考文獻：

[1] SINHA A,KIRUBARAJAN T,BAR-SHALOM Y.Application of the Kalman-levy Filter for Tracking Maneuvering Targets[J].IEEE Trans. on Aerospace and Electronic Systems,2007,43(3):1099-1107.

[2] 楊德江.高速鐵路接觸網(wǎng)檢測技術(shù)研究[J].建材與裝飾,2020(02):253-254.

[3] 陳高華,卓東風(fēng),夏錫瑞.基于Hough變換直線(xiàn)檢測中的峰值提取[J].太原科技大學(xué)學(xué)報,2006(04):256-258.

[4] 何正友,程宏波.高速鐵路牽引供電系統健康管理及故障預警體系研究[J].電網(wǎng)技術(shù),2012,36(10):259-264.

[5] 閻玲玲,金立軍,張文豪,等.基于表面溫度法的接觸線(xiàn)磨耗紅外診斷[J].機電工程,2011,28(12):1426-1429.

[6] 熊磊.基于紅外熱像儀的接觸網(wǎng)載流溫度監測管理系統的開(kāi)發(fā)[D].西安:西安理工大學(xué),2017.

[7] CAO J,CHEN L,WANG M,et al.Implementing a Parallel Image Edge Detection Algorithm Based on the Otsu-Canny Operator on the Hadoop Platform[J].Computational Intelligence ＆ Neuroscience,2018(3):1-12.

[8] 安建堯,李金新,孫雙平.基于Prewitt算子的紅外圖像邊緣檢測改進(jìn)算法[J].杭州電子科技大學(xué)學(xué)報(自然科學(xué)版),2018,38(05):18-23+39.

[9] 吳銳,黃劍華,唐降龍,等.基于灰度直方圖和譜聚類(lèi)的文本圖像二值化方法[J].電子與信息學(xué)報.2009,31(10):2460-2464.

[10] SATZODA R K,SATHYANARAYANA S,SRIKANTHAN T,et al.Hierarchical additive hough transform for lane detection[J].IEEE Embedded Systems Letters,2010,2(2):23-26.

[11] 王紹霖,付永生.Hough變換邊緣參數提取算法[J].同濟大學(xué)學(xué)報(自然科學(xué)版),1996(04):471-474.

[12] 劉春閣.基于Hough變換的直線(xiàn)提取與匹配[D].阜新:遼寧工程技術(shù)大學(xué),2009.

[13] 許龍.基于設備維修策略的接觸網(wǎng)管理信息系統的研究[D].成都:西南交通大學(xué),2013.

[14] 王紹霖,付永生.Hough變換邊緣參數提取算法[J].同濟大學(xué)學(xué)報(自然科學(xué)版),1996(04):471-474.

[15] 郭玲紅,李亞立.基于卡爾曼濾波的動(dòng)目標運動(dòng)參數跟蹤測量[J].自動(dòng)化技術(shù)與應用,2012,31(08):20-23.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2021年1月期）