張鶴慶 張金鑫

摘 要：基于機(jī)器視覺的地鐵站臺門與列車門間異物檢測方法對保障地鐵安全運(yùn)營，甚至對列車自動駕駛都具有較強(qiáng)的指導(dǎo)意義。為此，文章就此類方法所涉及的檢測設(shè)備安裝和核心檢測流程進(jìn)行綜述。首先對用于拍攝站臺門與列車門間燈帶的攝像機(jī)的安裝位置及成像角度進(jìn)行歸納總結(jié);然后根據(jù)檢測異物時參照對象的不同將現(xiàn)有方法進(jìn)行分類分析;最后對基于機(jī)器視覺的地鐵站臺門與列車門間異物檢測方法進(jìn)行展望。

關(guān)鍵詞：地鐵;站臺門;列車門;機(jī)器視覺;成像;異物檢測方法

近年來，隨著社會的不斷加速發(fā)展，城市規(guī)模、人口數(shù)量也隨之?dāng)U大，提升城市交通的質(zhì)量勢在必行;而地鐵在城市各類交通工具中具有準(zhǔn)時、快捷、方便的獨(dú)特優(yōu)勢，因此，其建設(shè)順勢而為。在地鐵安全運(yùn)營中，保障乘客安全候車、安全乘車成為地鐵工作者與研究者重點(diǎn)關(guān)注的方向之一。地鐵站臺門是保障乘客安全候車的一種重要設(shè)備，但在列車出站時，乘客或者物體可能會被夾住。因此，為保障乘客的人身和財(cái)產(chǎn)安全，在列車出站前對地鐵站臺門與列車門間是否存在異物進(jìn)行檢測十分重要。

1 概述

當(dāng)前，國內(nèi)外地鐵站臺的設(shè)計(jì)一般分為地下站臺、地上站臺和高架站臺。此外，根據(jù)調(diào)研發(fā)現(xiàn)，地鐵站臺一般為直線形，但受地形、地質(zhì)、水文等條件影響，部分城市的地鐵站臺被設(shè)計(jì)成曲線形，如上海、重慶的部分地鐵車站。由于地鐵站臺的位置、布局設(shè)計(jì)不同，因此對檢測地鐵站臺門與列車門間是否存在異物的方法也不同。目前，除了人工檢測（即通過在列車頭瞭望列車尾處燈帶的完整性，判斷站臺門與列車門間是否存在異物）外，還有自動檢測異物的方法，其大致可分為物理檢測和機(jī)器視覺檢測2種類型。

1.1 物理檢測

根據(jù)物理原理的異物檢測方法有激光探測式、紅外光幕式和激光掃描式等。其中，激光探測式檢測方法為：在站臺列車尾端門外的地面上安裝激光發(fā)射裝置，在站臺列車頭端門外的地面上安裝激光接收裝置，待地鐵站臺門關(guān)閉后，檢測是否有直線形的激光被阻斷，進(jìn)而判斷站臺門與列車門間有無異物，其安裝示意圖如圖1所示。紅外光幕式檢測方法類似激光探測式，即通過紅外光發(fā)射器發(fā)射紅外光線，由紅外光接收器接收紅外光線并將接收的信號反饋至主機(jī)，從而實(shí)現(xiàn)檢測站臺門與列車門間有無異物的功能。激光掃描式異物檢測方法不同于上述2種檢測方法，該方法一般應(yīng)用于曲線站臺，即在單個或多個站臺門頂部的上方安裝激光發(fā)射器和接收器，由發(fā)射器發(fā)出一束光線（一般為單層或多層的扇形面），通過站臺門底部防踏空膠條處的燈帶反射回接收器，通過測算反射時間判斷站臺門與列車門間是否存在異物，其檢測裝置安裝示意圖如圖2所示。

1.2 機(jī)器視覺檢測

基于機(jī)器視覺的地鐵站臺門與列車門間異物檢測可以大致描述為：首先利用攝像機(jī)采集列車頭/尾處端門外垂直燈帶或者站臺門底部防踏空膠條處燈帶的圖像，獲取包含完整燈帶的原始圖像數(shù)據(jù)，然后利用各類機(jī)器視覺的方法檢測其原始圖像內(nèi)燈帶的完整性，最終自動判斷地鐵站臺門與列車門間有無異物存在。

2 檢測成像角度

針對直線形和曲線形2種類型的地鐵站臺，在利用機(jī)器視覺進(jìn)行地鐵站臺門與列車門間異物檢測時，對攝像機(jī)的安裝位置和角度提出不同的要求。由于攝像機(jī)拍攝地鐵站臺門底部防踏空膠條處的燈帶或者列車頭/尾部站臺門內(nèi)側(cè)（靠近列車）垂直燈帶的過程中，其拍攝角度對采集的圖像質(zhì)量、異物檢測準(zhǔn)確性均具有較大影響，因此本文介紹以下3種攝像機(jī)的安裝位置。

2.1 水平式

此類安裝是在列車頭位置的站臺門與列車門之間垂直安裝2臺攝像機(jī)，拍攝列車尾位置的燈帶，安裝方便。其攝像機(jī)安裝示意圖如圖3所示。

2.2 垂直式

此類安裝是在每扇站臺門頂部中間位置安裝1臺攝像機(jī)（靠近列車門一側(cè)），拍攝站臺門底部防踏空膠條處的燈帶，適用于曲線型站臺。其攝像機(jī)安裝示意圖如圖4所示。

2.3 對角式

此類安裝是在列車頭的頂部和列車尾的下部且靠近站臺門側(cè)各安裝1臺攝像機(jī)，分別拍攝車頭處與車尾處的燈帶，檢測區(qū)域內(nèi)無盲區(qū)。其攝像機(jī)安裝示意圖如圖 5所示。

3 檢測方法

基于機(jī)器視覺的地鐵站臺門與列車門間異物檢測示例如圖6所示。根據(jù)最終判斷檢測結(jié)果內(nèi)是否存在異物時參照對象的不同，將現(xiàn)有基于機(jī)器視覺的地鐵站臺門與列車門間異物檢測方法大致歸為2大類：①基于原始數(shù)據(jù)的檢測方法;②基于特定模板的檢測方法。

3.1 基于原始數(shù)據(jù)的異物檢測方法

此類異物檢測方法的主要依據(jù)為：根據(jù)輸入原始圖像的數(shù)據(jù)，對其進(jìn)行各類降噪、細(xì)化、均值化、混合高斯模型建模等操作，最后依據(jù)原始數(shù)據(jù)圖像的檢測結(jié)果，即依據(jù)燈帶的完整性、連續(xù)性，判斷地鐵站臺門與列車門間是否存在異物。下面介紹幾種典型的此類檢測方法。

3.1.1 基于 Hough 變換的異物檢測方法

該檢測方法的具體過程為：①獲取包含燈帶區(qū)域的原始數(shù)據(jù)圖像;②對其進(jìn)行降噪、灰度處理等操作，得到預(yù)處理圖像;③對預(yù)處理圖像進(jìn)行二值化處理，并采用Hough變換進(jìn)行直線檢測;④依據(jù)原始檢測信息判斷站臺門與列車門之間是否存在異物。

3.1.2 基于改進(jìn) Hough 變換算法的異物檢測方法

該檢測方法的具體過程為：①對獲取的原始圖像進(jìn)行類似上述方法的預(yù)處理;②對預(yù)處理圖像的目標(biāo)區(qū)域進(jìn)行分割并細(xì)化處理;③根據(jù)原始圖像的顏色直方圖信息，對細(xì)化后圖像內(nèi)的相鄰像素點(diǎn)進(jìn)行聚類分析;④利用感知分類對聚類后的圖像再次分組;⑤根據(jù)基于顏色信息的Hough變換對每一組進(jìn)行直線（燈帶）擬合檢測;⑥依據(jù)原始檢測信息判斷地鐵站臺門與列車門間是否存在異物。其檢測流程如圖7所示。

3.1.3 基于差分圖像的異物檢測方法

該檢測方法的具體過程為：①利用混合高斯模型對地鐵站臺門與列車門之間無異物狀態(tài)下的圖像進(jìn)行建模，得到該區(qū)域的重構(gòu)背景圖像;②獲取地鐵站臺門關(guān)閉后相鄰幾幀待檢測圖像，并對其進(jìn)行疊加后求平均，得到均值化圖像;③將均值化圖像進(jìn)行灰度化處理并與背景圖像做差，得到包含目標(biāo)區(qū)域的差分圖像;④對差分圖像進(jìn)行閾值化處理，得到二值化圖像;⑤對其圖像進(jìn)行相關(guān)形態(tài)學(xué)操作;⑥根據(jù)檢測信息判斷地鐵站臺門與列車門間有無異物。其檢測流程如圖8所示。

3.2 基于特定模板的異物檢測方法

與基于原始數(shù)據(jù)異物檢測方法的主要區(qū)別在于，該檢測方法依據(jù)檢測結(jié)果中燈帶的邊長（長與寬）與原始完整燈帶的邊長（長與寬）之間的差值確定目標(biāo)區(qū)域內(nèi)是否存在異物。下面介紹幾種典型的此類檢測方法。

3.2.1 普通特定模板異物檢測方法

當(dāng)前，在基于特定模板的異物檢測方法中有一種較為普通、基本的異物檢測方法，該方法可分為2個階段。第1階段：采集站臺無列車情況下的燈帶圖像，利用均值建模技術(shù)重構(gòu)出均勻、完整燈帶的模板圖像。第 2階段：①采集地鐵站臺門關(guān)閉且列車未出站時目標(biāo)（燈帶）區(qū)域的原始圖像;②對其原始圖像進(jìn)行降噪等簡單的預(yù)處理操作;③提取預(yù)處理圖像內(nèi)最大連通區(qū)域（燈帶）最小外接矩形的邊長等特征;④將其特征和模板圖像與其對應(yīng)的特征進(jìn)行對比，實(shí)現(xiàn)判斷地鐵站臺門與列車門之間是否存在異物的功能。其檢測流程如圖 9 所示。

3.2.2 基于不同優(yōu)化策略的異物檢測方法

該檢測方法與普通特定模板異物檢測方法的不同之處在于第2階段。下面介紹幾種典型的此類檢測方法。

（1）利用形態(tài)學(xué)優(yōu)化的方法。將地鐵站臺門關(guān)閉后采集到的相鄰幾幀圖像相加，并求其平均值實(shí)現(xiàn)降噪，得到包含燈帶且穩(wěn)定、均勻的圖像;對其進(jìn)行二值化操作及形態(tài)學(xué)操作，得到檢測結(jié)果圖像; 根據(jù)對比檢測結(jié)果中燈帶與模板燈帶之間長度的差異，判斷其間是否有異物存在。

（2）利用Hough變換優(yōu)化的方法。對視頻中每一幀圖像進(jìn)行全局分析;檢測并利用Hough變換提取燈帶;對其圖像進(jìn)行降噪、增強(qiáng)圖像對比度等操作;測量提取的直線（燈帶）的長度;將其與模板圖像內(nèi)完整燈帶的長度進(jìn)行對比，進(jìn)而通過閾值判斷實(shí)現(xiàn)異物檢測功能。

（3）利用K-means算法優(yōu)化的方法。將采集到的原始圖像從RGB（紅Red，綠Green，藍(lán)Blue）顏色空間轉(zhuǎn)換為HSV（色調(diào)Hue，飽和度Saturation，明度Value）顏色空間并進(jìn)行比例融合，得到單通道圖像;采用K-means聚類方法計(jì)算二值化的閾值，得到帶有燈帶信息的二值化圖像;采用形態(tài)學(xué)相關(guān)操作去除部分噪聲，得出該圖像內(nèi)的最大連通區(qū)域;計(jì)算最大連通區(qū)域的長和寬，并與模板圖像內(nèi)完整燈帶的長和寬進(jìn)行對比，判斷站臺門與列車門間是否存在異物。其檢測流程如圖10所示。

通過對上述基于機(jī)器視覺地鐵站臺門與列車門間異物檢測方法的總結(jié)分析可以得出，現(xiàn)有的異物檢測方法具有不涉及復(fù)雜檢測流程和算法設(shè)計(jì)的優(yōu)勢，便于對其進(jìn)行復(fù)現(xiàn)，對于初次接觸該領(lǐng)域的其他研究者有較大輔助作用;而其中基于特定模板的異物檢測方法需要提前制定、采集、計(jì)算包含完整燈帶的特定模板的相關(guān)特征信息。

4 結(jié)束語

目前國內(nèi)外大部分城市的地鐵運(yùn)營，仍然依靠人工目視瞭望燈帶的完整性判斷地鐵站臺門與列車門間是否存在異物，此種方式對地鐵安全運(yùn)營帶來一定的安全隱患。雖然自動檢測地鐵站臺門與列車門間異物的方法已取得一定效果，其中物理檢測方法簡單易操作，不涉及復(fù)雜算法，但對設(shè)備的安裝工藝要求較高，同時在檢測過程中存在明顯的盲區(qū)現(xiàn)象;而基于機(jī)器視覺進(jìn)行異物檢測的方法具有智能化高、準(zhǔn)確性高等優(yōu)勢，可為地鐵列車的自動駕駛提供重要的技術(shù)支撐，但對于此類方法在地鐵車站的適用性仍需進(jìn)一步研究。

參考文獻(xiàn)

[1]朱穎，任磊，蘇智慧. 鄭州市郊鐵路運(yùn)營方案研究[J].城市軌道交通研究，2019，22（4）：39-41，47.

[2]趙宗建. 地鐵列車與站臺空隙的安全風(fēng)險分析及防控措施[J].現(xiàn)代城市軌道交通，2016（4）：71-74.

[3]劉偉銘，陳綱梅，李海玉，等. 地鐵風(fēng)險空間分析及異物檢測系統(tǒng)技術(shù)要求[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2019， 63（10）： 168-176.

[4]黎卓虹. 屏蔽門防夾人激光探測裝置安裝方案探討[J].中國高新技術(shù)企業(yè)，2009（19）： 46-47.

[5]解銳恒. 屏蔽門與車門間隙檢測系統(tǒng)的研究與設(shè)計(jì)[J].科技創(chuàng)新與應(yīng)用，2016（7）：59.

[6]葛學(xué)仁. 地鐵站臺安全防護(hù)系統(tǒng)設(shè)計(jì)簡析[J].現(xiàn)代城市軌道交通，2010（4）：65-66.

[7]王瑞峰，楊子河，孔維珍. 紅外光幕在地鐵屏蔽門障礙物探測中的研究[J].傳感器與微系統(tǒng)，2013，32（3）：25-28.

[8]韓靈山，李孝普，孫康萌，等. 地鐵列車與站臺門間隙紅外探測安全防護(hù)系統(tǒng)設(shè)計(jì)[J].機(jī)電技術(shù)， 2019（5）：36-38，60.

[9]朱韻琳，徐曉. 基于激光掃描系統(tǒng)的機(jī)車車頂異物檢測[J].激光雜志，2016，37（5）：60-63.

[10] 黃華文，劉偉銘，李軍，等. 地鐵屏蔽門與車門間異物自動檢測技術(shù)[J].鐵路計(jì)算機(jī)應(yīng)用，2015（12）：62-65.

[11] 吳衛(wèi)海，劉偉銘，李海玉，等. 一種新的地鐵曲線站臺異物檢測系統(tǒng)研究[J].城市公共交通，2015（9）： 33-36.

[12] 李雪，胡振超. 基于視頻檢測的屏蔽門安全監(jiān)測系統(tǒng)[J].中國新通信，2018，20（8）：141.

[13] 饒美婉. 新型地鐵站臺門與車門之間頂置式防夾人自動探測系統(tǒng)的設(shè)計(jì)[J].城市軌道交通研究，2017，20（5）： 143-146.

[14] 譚飛剛，汪洋，劉開元. 一種無盲區(qū)的地鐵站臺異物自動檢測設(shè)想[J].深圳信息職業(yè)技術(shù)學(xué)院學(xué)報， 2017，15（3）：25-28.

[15] 雷煥宇. 基于機(jī)器視覺的戶外站臺列車和屏蔽門之間異物檢測系統(tǒng)研究[D]. 廣東廣州：華南理工大學(xué)， 2018.

[16] 鄭兆鵬，張祥福. 基于改進(jìn)Hough算法的地鐵屏蔽門與列車間異物自動檢測技術(shù)[J].內(nèi)蒙古科技與經(jīng)濟(jì)， 2015（14）： 78-80，82.

[17] 王曉陽. 城市軌道交通站臺門系統(tǒng)絕緣方案研究與探討[J].現(xiàn)代城市軌道交通，2019（2）：14-18.

[18] 萬鑫. 淺談地鐵屏蔽門與車門異物的自動檢測技術(shù)[J].華東科技：學(xué)術(shù)版，2016（4）：36.

收稿日期? 2019-11-28

責(zé)任編輯? 黨選麗