基于视频技术的铁路道口防护区域安全智能识别方法

摘要

本发明公开了一种基于视频技术的铁路道口防护区域安全智能识别方法,包括以YUV模式实时采集铁路道口防护区域的现场视频图像数据，采用具有混合高斯模型特性的工作码本对待分析现场视频图像做运动检测确定目标物体，建立SVM分类器通过SVM分类器对待分析视频图像中的目标物体进行分类，使用多摄像机融合坐标变换矩阵判断目标物体是否为障碍物四个步骤。本发明能对地理环境比较复杂的铁路道口区域进行安全智能识别。

主权项

基于视频技术的铁路道口防护区域安全智能识别方法，该方法所采用的设备包括网络摄像机、具有视频分析处理系统的视频分析主机，其特征在于，采用摄像视角相互错开方式在同一铁路道口架设多个网络摄像机，在管理中心设置具有视频分析处理系统的视频分析主机，将每个网络摄像机与视频分析主机网络连接，将每个网络摄像机的摄像模式设置为YUV模式；每个网络摄像机以YUV模式实时采集铁路道口防护区域的现场视频图像数据并将现场视频图像数据传递给视频分析主机，视频分析主机的视频分析处理系统对现场视频图像数据进行智能识别，通过智能识别判断视频图像中的目标物体是否为障碍物；该方法包括以下步骤：步骤1、以YUV模式实时采集铁路道口防护区域的现场视频图像数据：每台网络摄像机以YUV模式实时采集铁路道口防护区域的现场视频图像数据数据，并通过网络将现场视频图像数据数据传递给视频分析主机，视频分析主机预存接收到的现场视频图像数据，将其作为待分析现场视频图像数据；步骤2、采用具有混合高斯模型特性的工作码本对待分析现场视频图像做运动检测确定目标物体：建立用于分析视频图像数据的混合高斯模型，初始化混合高斯模型得出初始背景图像，将初始背景图像在YUV颜色空间下抽样量化成由码元构成的初始码本，使用多帧待分析视频图像的像素点对初始码本进行匹配性训练学习得出具有混合高斯模型特性的工作码本，采用工作码本对待分析现场视频图像进行处理确定视频图像中的目标物体；步骤3、建立SVM分类器通过SVM分类器对待分析视频图像中的目标物体进行分类：制作包括行人图像、车辆图像、背景物图像的分类训练图像集，创建具有行人特征库、车辆特征库、背景物特征库的SVM分类初始模型，采用分类训练图像集对SVM分类初始模型进行训练学习得到SVM分类器，采用SVM分类器对待分析视频图像中的目标物体进行分析归类；步骤4、使用多摄像机融合坐标变换矩阵判断目标物体是否为障碍物：采用SIFT算法得出不同网络摄像机采集的视频图像之间的SIFT特征关键点对，对以SIFT特征关键点对为样本的SIFT特征关键点对原始样本集使用随机抽样一致RANSAC算法构建多摄像机融合坐标变换矩阵，使用多摄像机融合坐标变换矩阵判断出现在同一铁路道口不同网络摄像机所采集到的视频图像中的目标物体是否为可疑目标物体，使用多摄像机融合坐标变换矩阵通过共面性判断可疑目标物体是否为障碍物。