唐 雯,吳興華,楊 棟,王建超,王椿鈞
(1.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所,北京 100081;2.北京經(jīng)緯信息技術(shù)有限公司,北京 100081)
隨著高速鐵路建設(shè)的全面推進(jìn),客流量持續(xù)攀升,大客流已經(jīng)成為許多鐵路客運(yùn)車(chē)站的常態(tài)。為了及時(shí)排查各類(lèi)安全隱患,預(yù)防安全事件的發(fā)生,在旅客進(jìn)入客運(yùn)車(chē)站乘車(chē)時(shí)會(huì)對(duì)旅客自身及其物品進(jìn)行安全檢查。鐵路客運(yùn)安全檢查一直是我國(guó)鐵路客運(yùn)、鐵路警察及相關(guān)公安部門(mén)關(guān)注的重點(diǎn)。
目前,我國(guó)鐵路客運(yùn)的安檢方式仍存在一些問(wèn)題:(1)各安檢口單獨(dú)作業(yè),沒(méi)有聯(lián)網(wǎng),安檢過(guò)程信息化水平低,安檢記錄多為紙質(zhì)版、信息孤島現(xiàn)象嚴(yán)重,缺乏集中管理;(2)安檢質(zhì)量與安檢作業(yè)人員的工作經(jīng)驗(yàn)直接相關(guān),判圖完全依賴(lài)于人工,導(dǎo)致整體安檢質(zhì)量受個(gè)體影響較大;(3)禁限物品的擺放位置和角度不同會(huì)造成辨識(shí)困難。所以,重視大客流條件下的鐵路旅客運(yùn)輸安檢查危工作,開(kāi)發(fā)一個(gè)基于信息技術(shù)的客運(yùn)安檢查危系統(tǒng),是保證鐵路旅客運(yùn)輸安全的關(guān)鍵[1]。
智能客運(yùn)車(chē)站旅客服務(wù)與生產(chǎn)管控平臺(tái)(簡(jiǎn)稱(chēng):管控平臺(tái))是在現(xiàn)代鐵路管理、服務(wù)理念和信息技術(shù)基礎(chǔ)上,實(shí)現(xiàn)鐵路客運(yùn)車(chē)站智能出行服務(wù)、智能安全保障、智能生產(chǎn)組織、智能綠色節(jié)能的生產(chǎn)服務(wù)系統(tǒng)[2]。該平臺(tái)實(shí)現(xiàn)了系統(tǒng)專(zhuān)用網(wǎng)絡(luò)間的安全互聯(lián)、資源復(fù)用、業(yè)務(wù)融合、數(shù)據(jù)共享,滿(mǎn)足車(chē)站客運(yùn)管理、旅客服務(wù)、設(shè)備監(jiān)控、應(yīng)急處置等需求,提高了旅客服務(wù)質(zhì)量與旅客運(yùn)輸生產(chǎn)指揮效率[3]。
鐵路客運(yùn)安檢查危系統(tǒng)作為管控平臺(tái)的一部分,可以實(shí)現(xiàn)與鐵路其他相關(guān)系統(tǒng)的互聯(lián)互通,解決既有安檢方式中信息孤島的問(wèn)題,實(shí)現(xiàn)鐵路旅客進(jìn)站安檢與服務(wù)信息的集成共享。在降低漏報(bào)率、誤報(bào)率的同時(shí),通過(guò)系統(tǒng)中建立的客運(yùn)安檢培訓(xùn)考試知識(shí)庫(kù)及遠(yuǎn)程學(xué)習(xí)機(jī)制,提升安檢隊(duì)伍素質(zhì)。
本文主要從系統(tǒng)架構(gòu)、功能設(shè)計(jì)、核心模塊、關(guān)鍵技術(shù)及應(yīng)用效果等方面介紹鐵路客運(yùn)安檢查危系統(tǒng)。
鐵路客運(yùn)安檢查危系統(tǒng)采用集中部署、三級(jí)應(yīng)用的系統(tǒng)架構(gòu)。在中國(guó)國(guó)家鐵路集團(tuán)有限公司(簡(jiǎn)稱(chēng):國(guó)鐵集團(tuán))主數(shù)據(jù)中心部署國(guó)鐵集團(tuán)級(jí)系統(tǒng)應(yīng)用,與管控平臺(tái)共用硬件資源;在鐵路局集團(tuán)公司級(jí)部署前置服務(wù)設(shè)備;在客運(yùn)車(chē)站級(jí)部署前端邊緣分析服務(wù)設(shè)備。系統(tǒng)總體架構(gòu)如圖1 所示。
圖1 鐵路客運(yùn)安檢查危系統(tǒng)總體架構(gòu)
在客運(yùn)車(chē)站級(jí)部署的前端邊緣分析設(shè)備通過(guò)標(biāo)準(zhǔn)接口與既有的安檢查危儀對(duì)接,獲取安檢圖像信息,存儲(chǔ)檢出的禁限物品圖像信息并上傳至鐵路局集團(tuán)公司級(jí)前置服務(wù)器,實(shí)現(xiàn)對(duì)客運(yùn)車(chē)站安檢圖像信息的集中存儲(chǔ)與轉(zhuǎn)發(fā);前置服務(wù)器將各車(chē)站的禁限物品圖像信息上傳至國(guó)鐵集團(tuán)主數(shù)據(jù)中心。
系統(tǒng)技術(shù)架構(gòu)如圖2 所示。
圖2 鐵路客運(yùn)安檢查危系統(tǒng)技術(shù)架構(gòu)
1.2.1 感知層
不限定安檢查危儀的品牌、型號(hào),可快速適配符合鐵路客運(yùn)安檢查危系統(tǒng)接口標(biāo)準(zhǔn)的安檢查危儀,前端邊緣分析設(shè)備通過(guò)標(biāo)準(zhǔn)接口采集安檢查危儀的圖像信息。人臉采集設(shè)備實(shí)現(xiàn)人臉信息的采集和輸入,禁限物品錄入設(shè)備支持禁限物品信息的錄入。
1.2.2 邊緣計(jì)算層
前端邊緣分析設(shè)備在獲取旅客攜帶品圖像信息后,采用以基于候選區(qū)域的Faster-RCNN(RCNN,Region Convolutional Neural Network)為主要算法模型,以基于回歸的YOLO(You Only Look Once)V3 與YOLO V5 為輔助算法模型的多算法融合目標(biāo)檢測(cè)技術(shù),實(shí)現(xiàn)對(duì)禁限物品的智能識(shí)別。
1.2.3 服務(wù)層
采用集中部署的技術(shù)路線(xiàn),B/S 架構(gòu)模式。系統(tǒng)后臺(tái)服務(wù)采用Spring 框架,基于HTTPS、WebSocket等技術(shù)實(shí)現(xiàn)信息交互,前端頁(yè)面主要采用HTML、JSON、XML 等技術(shù)實(shí)現(xiàn),Web 服務(wù)的發(fā)布采用Nginx代理。此外,服務(wù)層還支持深度學(xué)習(xí),對(duì)禁限物品的圖像信息進(jìn)行集中訓(xùn)練,實(shí)現(xiàn)模型的優(yōu)化及動(dòng)態(tài)更新。
1.2.4 應(yīng)用層
主要實(shí)現(xiàn)信息的交互展示,可以同步展示智能識(shí)別后的禁限物品圖像,在畫(huà)面中標(biāo)注禁限物品的位置和名稱(chēng),實(shí)現(xiàn)對(duì)禁限物品的智能識(shí)別和監(jiān)測(cè)。
實(shí)現(xiàn)對(duì)禁限物品的識(shí)別、監(jiān)測(cè)和管理,對(duì)安檢通道、安檢設(shè)備、安檢電子化臺(tái)賬的管理,以及安檢培訓(xùn)管理等功能。
2.1.1 禁限物品識(shí)別檢測(cè)
實(shí)現(xiàn)禁限物品的智能識(shí)別和自動(dòng)標(biāo)注,輔助安檢作業(yè)人員判圖。通過(guò)將誤報(bào)、漏報(bào)禁限物品圖像信息上傳至國(guó)鐵集團(tuán)主數(shù)據(jù)中心,在主數(shù)據(jù)中心進(jìn)行模型的優(yōu)化升級(jí)和更新迭代,不斷提高對(duì)禁限物品的智能識(shí)別能力。
2.1.2 安檢預(yù)警管理
當(dāng)檢測(cè)到禁限物品時(shí),系統(tǒng)在實(shí)時(shí)報(bào)警主窗口動(dòng)態(tài)展示禁限物品報(bào)警詳情,根據(jù)禁限物品不同的分類(lèi)及等級(jí),觸發(fā)安檢查危預(yù)警,為安檢作業(yè)人員提供實(shí)時(shí)語(yǔ)音提示、屏幕實(shí)時(shí)彈窗提示等功能。
2.2.1 禁限物品登記
按照不同禁限物品的種類(lèi)和危險(xiǎn)等級(jí),建立禁限物品分類(lèi)管理庫(kù)和禁限物品管理電子臺(tái)賬。
2.2.2 禁限物品處置
建立禁限物品處置機(jī)制,對(duì)禁限物品的處置狀態(tài)進(jìn)行標(biāo)記,形成禁限物品登記—處置—認(rèn)領(lǐng)—銷(xiāo)號(hào)的完整閉環(huán)處置流程,實(shí)現(xiàn)禁限物品自動(dòng)上報(bào)。
2.2.3 禁限物品查詢(xún)
基于禁限物品管理電子臺(tái)賬,實(shí)現(xiàn)禁限物品信息的多維度精確追溯查詢(xún),不同權(quán)限用戶(hù)可根據(jù)需要對(duì)特定安檢禁限物品進(jìn)行查詢(xún)追溯,快速找到禁限物品存放位置與處置狀態(tài),提高安檢處置流程效率。
2.3.1 安檢通道管理
對(duì)客運(yùn)車(chē)站安檢通道進(jìn)行集中管理,支持安檢通道信息的添加、修改、刪除、查詢(xún)功能,包括安檢通道所屬鐵路局集團(tuán)公司、所屬車(chē)站、使用位置、使用狀態(tài)等信息。支持客運(yùn)車(chē)站安檢通道的數(shù)據(jù)統(tǒng)計(jì)與列表展示等功能。
2.3.2 安檢設(shè)備管理
對(duì)安檢儀等設(shè)備進(jìn)行規(guī)范化管理,支持安檢儀等設(shè)備的電子化臺(tái)賬錄入,包括安檢儀所屬通道、品牌型號(hào)、唯一編碼、使用位置、運(yùn)行狀態(tài)、投入使用時(shí)間等基礎(chǔ)信息。
2.3.3 安檢電子臺(tái)賬
對(duì)重要的安檢臺(tái)賬信息進(jìn)行集中管理,支持文件的上傳、下載、編輯、刪除及在線(xiàn)預(yù)覽;支持臺(tái)賬標(biāo)題、所屬鐵路局集團(tuán)公司、所屬車(chē)站、文檔名稱(chēng)等條件的模糊查詢(xún)。
2.4.1 培訓(xùn)考試管理
建立客運(yùn)安檢培訓(xùn)考試知識(shí)庫(kù),存儲(chǔ)旅客攜帶禁限物品圖像信息、安檢作業(yè)規(guī)范、安檢作業(yè)試題、操作流程等學(xué)習(xí)資料,對(duì)一線(xiàn)安檢作業(yè)人員進(jìn)行在線(xiàn)培訓(xùn),研發(fā)安檢培訓(xùn)考試App,通過(guò)隨機(jī)練習(xí)、模擬考試、錯(cuò)題整理等多種自主學(xué)習(xí)模式提高安檢作業(yè)人員的業(yè)務(wù)能力,提升安檢隊(duì)伍素質(zhì)。
2.4.2 遠(yuǎn)程學(xué)習(xí)機(jī)制
在主數(shù)據(jù)中心建立遠(yuǎn)程學(xué)習(xí)機(jī)制,在旅客人流量不大,不影響安檢作業(yè)人員正常作業(yè)前提下,不定期從國(guó)鐵集團(tuán)主數(shù)據(jù)中心禁限物品圖像庫(kù)下發(fā)圖像至培訓(xùn)考試管理模塊,在線(xiàn)考核當(dāng)班安檢作業(yè)人員禁限物品檢出情況。管理人員可根據(jù)安檢作業(yè)人員對(duì)遠(yuǎn)程下發(fā)的禁限物品圖像的識(shí)別情況,判斷安檢作業(yè)人員的業(yè)務(wù)能力。
該模塊主要由人臉識(shí)別設(shè)備和預(yù)警裝置組成。在旅客放置攜帶品到安檢查危儀前,對(duì)所有旅客進(jìn)行人臉識(shí)別,判斷旅客的安檢風(fēng)險(xiǎn)等級(jí),從而動(dòng)態(tài)調(diào)整安檢工作,進(jìn)一步提高對(duì)行包丟失、風(fēng)險(xiǎn)管控預(yù)警、禁限物品溯源的管理能力。
該模塊由視頻接入裝置、邊緣分析設(shè)備及顯示終端組成。安檢儀輸出的行包原始圖像,通過(guò)視頻接入裝置的標(biāo)準(zhǔn)化接口接入邊緣分析設(shè)備,邊緣分析設(shè)備采用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法和基于多算法融合的目標(biāo)檢測(cè)技術(shù),實(shí)現(xiàn)對(duì)禁限物品的檢測(cè)標(biāo)注和提示。
該模塊由開(kāi)包臺(tái)綜合信息處理終端和旅客信息錄入裝置組成,主要滿(mǎn)足客運(yùn)車(chē)站旅客行李開(kāi)包核驗(yàn)、安檢信息快速錄入、預(yù)先設(shè)置禁限物品處理流程和禁限物品出入庫(kù)管理等需求。
基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法[4],為禁限物品智能識(shí)別提供了技術(shù)支撐。主要為基于候選區(qū)域的目標(biāo)檢測(cè)算法和基于回歸的目標(biāo)檢測(cè)算法。
4.1.1 基于候選區(qū)域的目標(biāo)檢測(cè)算法
該算法是將目標(biāo)檢測(cè)分成兩個(gè)階段:(1)產(chǎn)生候選區(qū)域,利用圖像中的邊緣、紋理等特征,判斷目標(biāo)可能在圖中會(huì)出現(xiàn)的位置;(2)對(duì)這些候選的區(qū)域進(jìn)行目標(biāo)分類(lèi)及坐標(biāo)位置修正。這種方法的識(shí)別率較高,但檢測(cè)速度一般,其代表是Shaoqing Ren 等人提出的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)[5]及其優(yōu)化算法模型Fast-RCNN[6]和Faster-RCNN[7]。
Faster-RCNN由于實(shí)現(xiàn)了端對(duì)端的訓(xùn)練且檢測(cè)精度高,被廣泛應(yīng)用于現(xiàn)實(shí)場(chǎng)景中,其算法原理如圖3所示。將禁限物品的圖像信息輸入卷積神經(jīng)網(wǎng)絡(luò),經(jīng)過(guò)卷積運(yùn)算和池化運(yùn)算,提取圖像的特征圖譜信息,通過(guò)候選區(qū)域的推薦與糾正,實(shí)現(xiàn)目標(biāo)檢測(cè)。
圖3 Faster-RCNN 算法原理
4.1.2 基于回歸的目標(biāo)檢測(cè)算法
該算法無(wú)需生成候選區(qū)域,直接利用圖像特征信息產(chǎn)生目標(biāo)物體的位置坐標(biāo)和類(lèi)別概率,得到最終的檢測(cè)結(jié)果。由于只進(jìn)行一個(gè)階段的檢測(cè),此類(lèi)方法有著較快的檢測(cè)速度,適用于實(shí)時(shí)監(jiān)測(cè)。常用的算法模型有YOLO[8]和SSD(Single Shot MultiBox Detector)[9]。
為了獲得更高的禁限物品檢出率,需要用大數(shù)據(jù)集來(lái)訓(xùn)練模型。全國(guó)各個(gè)客運(yùn)車(chē)站將禁限物品的相關(guān)信息上傳至國(guó)鐵集團(tuán)主數(shù)據(jù)中心,形成大數(shù)據(jù)集,模型從大數(shù)據(jù)集中獲得信息并轉(zhuǎn)換成相應(yīng)的權(quán)重,通過(guò)對(duì)這些信息的提取與權(quán)重的更新,實(shí)現(xiàn)對(duì)模型的訓(xùn)練和優(yōu)化,從而提高禁限物品識(shí)別率。
多算法融合的目標(biāo)檢測(cè)技術(shù)實(shí)現(xiàn)了多種深度學(xué)習(xí)識(shí)別算法的融合判圖和對(duì)禁限物品的智能識(shí)別。通過(guò)對(duì)多種圖像識(shí)別算法進(jìn)行性能比選和優(yōu)化,明確各種算法的優(yōu)勢(shì)和不足,進(jìn)而構(gòu)建多算法融合的目標(biāo)檢測(cè)技術(shù),實(shí)現(xiàn)對(duì)不同圖像識(shí)別算法的取長(zhǎng)補(bǔ)短。
鐵路客運(yùn)安檢查危系統(tǒng)主要采用以基于候選區(qū)域的Faster-RCNN 模型為主,以基于回歸的YOLO V3與YOLO V5 模型為輔的多算法融合的目標(biāo)檢測(cè)技術(shù)。該技術(shù)可解決單一算法在禁限物品識(shí)別中的瓶頸,滿(mǎn)足現(xiàn)場(chǎng)安檢高精度判別的需求。
目前,鐵路客運(yùn)安檢查危系統(tǒng)先后在張家口客運(yùn)車(chē)站、青島客運(yùn)車(chē)站試點(diǎn)應(yīng)用,系統(tǒng)界面如圖4所示。
圖4 鐵路客運(yùn)安檢查危系統(tǒng)主界面
鐵路客運(yùn)安檢查危系統(tǒng)與管控平臺(tái)互聯(lián),實(shí)現(xiàn)了鐵路旅客進(jìn)站安檢與服務(wù)信息的集成共享,有利于發(fā)現(xiàn)車(chē)站運(yùn)營(yíng)安全風(fēng)險(xiǎn),便于及時(shí)處置和提早防范。試用結(jié)果表明,系統(tǒng)對(duì)不同種類(lèi)禁限物品的識(shí)別率均有顯著提高。此外,系統(tǒng)中建立的客運(yùn)安檢培訓(xùn)考試知識(shí)庫(kù),對(duì)一線(xiàn)安檢作業(yè)人員進(jìn)行在線(xiàn)培訓(xùn),安檢隊(duì)伍的專(zhuān)業(yè)技術(shù)水平也得到了顯著提升。
本文以管控平臺(tái)的技術(shù)路線(xiàn)為研究背景,分析高速鐵路客運(yùn)車(chē)站的安檢查危工作特點(diǎn),介紹鐵路客運(yùn)安檢查危系統(tǒng)的總體架構(gòu)、功能、關(guān)鍵技術(shù)等。該系統(tǒng)與管控平臺(tái)的互聯(lián),實(shí)現(xiàn)了與鐵路其他相關(guān)系統(tǒng)的互聯(lián)互通,并實(shí)現(xiàn)了鐵路旅客進(jìn)站安檢與服務(wù)信息的集成與共享,有利于發(fā)現(xiàn)車(chē)站運(yùn)營(yíng)安全風(fēng)險(xiǎn),提高安檢工作效率,確保車(chē)站安檢工作平穩(wěn)、高效運(yùn)行。