摘要：在高速鐵路領(lǐng)域，目前已構(gòu)建了較完善的視頻監(jiān)控網(wǎng)絡(luò)和智能化的高鐵線路環(huán)境安全管控平臺。相比之下，普速鐵路沿線的外部環(huán)境情況則顯得更為錯綜復雜，因此針對普速鐵路沿線外部環(huán)境的視頻分析系統(tǒng)應(yīng)用研究變得尤為迫切。本文通過智能視頻分析邊緣計算裝置分析鐵路沿線監(jiān)控視頻發(fā)生的異常情況，將既有的手持終端推送給附近的巡護人員，提高鐵路沿線異常情況的主動預警和突發(fā)情況處置效率。文章從設(shè)計原則、系統(tǒng)架構(gòu)、核心模塊、效果評估4個方面進行介紹，并通過現(xiàn)場實際運用驗證其有效性和實用性。

關(guān)鍵詞：普速鐵路沿線外部環(huán)境；視頻分析邊緣計算裝置；中心平臺；App智能推送

1引言

普速鐵路沿線的彩鋼瓦房、塑料大棚、取土挖沙、違法施工等對鐵路的正常運營造成了嚴重的安全隱患，威脅著鐵路運輸?shù)陌踩c穩(wěn)定。當前，鐵路巡檢普遍采用以徒步為主的人工分段巡查模式，在人力和時間方面都受到限制，作業(yè)效率低^［1］。隨著各巡護人員年齡層次老化，退休人員逐步增加，人均巡防任務(wù)愈發(fā)加重；同時還存在沿線山體、河流、溝渠較多，高大喬木遮擋，交通繁忙路段阻隔等問題，人工巡防檢查的方式繁重且低效。此外，隨著新建的鐵路線路不斷增多，以紙質(zhì)拍照為主的巡檢資料缺乏數(shù)字支撐、協(xié)同共享程度不高等問題越發(fā)突出。因此，當事件發(fā)生的第一時間對危險源進行定位，通過視頻監(jiān)控預警周界入侵行為，告知相關(guān)人員，及時消除隱患，避免事故發(fā)生，就顯得尤為迫切。

近年來，國鐵集團專門開展了線路安全環(huán)境管控平臺課題，通過運用高鐵線路較為完善的視頻監(jiān)控網(wǎng)絡(luò)，研發(fā)出高鐵線路環(huán)境安全管控平臺，有效助力鐵路巡防工作高效開展。通過運用普速鐵路沿線視頻監(jiān)控，加強普速鐵路周邊環(huán)境及重點地段的安防巡護作業(yè)，實現(xiàn)提前預警，形成持續(xù)有效的定位追蹤，實時掌握事件現(xiàn)場的情況，提高應(yīng)急處置效率，亟待進一步研究解決。

2設(shè)計原則

普速鐵路沿線外部環(huán)境視頻分析系統(tǒng)應(yīng)用研究基于計算機視覺技術(shù)和深度學習算法，通過分析普速鐵路沿線的視頻流，提取相關(guān)特征信息并進行判別，實時監(jiān)測普速鐵路沿線外部環(huán)境的異常事件和潛在風險。

（1）利用計算機視覺算法。從視頻流中提取感興趣的特征信息，能夠自動識別異常事件，包括異物入侵、人員闖入等。

（2）深度學習算法。通過訓練深度神經(jīng)網(wǎng)絡(luò)，實現(xiàn)對特征信息的分類，分析評估異常事件的嚴重程度并觸發(fā)相應(yīng)的預警級別。

（3）實時監(jiān)測分析。將視頻流實時傳輸至中央處理單元，進行快速處理和分析，并提供實時的外部環(huán)境數(shù)據(jù)，將分析結(jié)果及時傳遞給相關(guān)人員。

3系統(tǒng)架構(gòu)

系統(tǒng)以視頻分析邊緣計算裝置、中心平臺和智能App為三大支柱，構(gòu)筑了穩(wěn)固的物理和技術(shù)框架。其系統(tǒng)架構(gòu)劃分為邊緣層、平臺層及應(yīng)用層，各層次相互獨立又緊密聯(lián)系，支撐系統(tǒng)穩(wěn)定高效運作，如圖1所示。

3.1邊緣層

邊緣層中，視頻分析邊緣計算裝置作為核心硬件基礎(chǔ)，為系統(tǒng)提供算力、算法的核心支撐。

（1）目標檢測和識別。自動檢測并識別視頻中的目標，通過對目標特征的提取和比對，實現(xiàn)快速、準確的識別，為后續(xù)的應(yīng)用提供基礎(chǔ)數(shù)據(jù)。

（2）異常檢測和預警。通過分析視頻中的圖像和行為，自動檢測異常情況，如煙霧、火焰、人員闖入等。一旦發(fā)現(xiàn)異常情況，算法層能夠立即發(fā)出預警信息，通知相關(guān)人員采取措施，進一步提升安全防范的及時性和有效性。

（3）數(shù)據(jù)挖掘和智能分析。對大量的視頻數(shù)據(jù)進行挖掘和分析，提取出有用的信息和知識，能夠幫助用戶更好地了解場景和事件。

3.2平臺層

平臺層在系統(tǒng)中扮演著橋梁紐帶作用，負責整合邊緣層的資源和成果，確保系統(tǒng)的整體協(xié)調(diào)和高效運作。

（1）業(yè)務(wù)邏輯與數(shù)據(jù)管理。平臺層負責處理數(shù)據(jù)交換、存儲和業(yè)務(wù)邏輯轉(zhuǎn)換，包括賬號、日志、設(shè)備、中間件、消息中心和用戶管理服務(wù)器等^［2］。

（2）系統(tǒng)協(xié)同與整合。平臺層確保邊緣層資源與系統(tǒng)組件的協(xié)同工作，維護整體功能的穩(wěn)定性和完整性。

（3）資源與API服務(wù)。平臺層提供豐富的資源工具和API，通過調(diào)用邊緣層的計算能力和數(shù)據(jù)資源，為系統(tǒng)提供高效、穩(wěn)定的支持，并通過接口優(yōu)化提升系統(tǒng)性能。

3.3應(yīng)用層

應(yīng)用層作為系統(tǒng)架構(gòu)的最上層，直接面向用戶提供服務(wù)，以直觀、便捷的方式向用戶展示分析結(jié)果，及時發(fā)送警報信息，并提供豐富的交互功能。

（1）用戶管理。通過應(yīng)用層，系統(tǒng)管理員可以方便地管理和控制系統(tǒng)用戶的賬戶及其權(quán)限，保證系統(tǒng)的安全性和可靠性。

（2）界面展示。以可視化的方式通過界面呈現(xiàn)視頻、目標軌跡、異常情況等方便日常監(jiān)控和管理。

（3）交互操作。提供模糊檢索、條件提取、軌跡回放等豐富的交互操作功能，對視頻數(shù)據(jù)進行操作和處理，滿足不同場景下的應(yīng)用需求。

4核心模塊

系統(tǒng)通過邊緣層的視頻分析邊緣計算裝置，利用數(shù)據(jù)處理和算法分析，實時分析鐵路沿線的視頻畫面，自動檢測和識別人員、車輛等各種目標，并提取出目標特征信息，對可疑視頻畫面進行深入分析，尋找煙霧、火焰或未經(jīng)許可入侵的異常行為，觸發(fā)預警機制，通過中心平臺或智能App，以直觀、便捷的方式向相關(guān)人員發(fā)送警報信息，實現(xiàn)對鐵路沿線外部環(huán)境的全面監(jiān)測和智能分析。

4.1視頻分析裝置

為了適應(yīng)國產(chǎn)化替代需求，邊緣層的視頻分析裝置選用基于國產(chǎn)化架構(gòu)的瑞芯微RK3399處理器，該處理器具備4個核心，每個核心主頻為1.5 GHz。同時搭載4 GB內(nèi)存和32 GB存儲空間，單路最大支持16個算法并行處理，算力達到4TOPS INT8（每秒執(zhí)行4萬億次INT8類型操作），實現(xiàn)8路視頻流解碼和結(jié)構(gòu)化分析，確保了視頻數(shù)據(jù)分析的效率和實時性，如圖2所示。

4.2核心算法

在邊緣層中，視頻分析邊緣計算裝置提供算力硬件基礎(chǔ)和算法支持，通過組合運用背景減除法、目標跟蹤算法、異常檢測算法，實時分析采集的鐵路沿線外部環(huán)境視頻數(shù)據(jù)。

（1）背景減除法用于從視頻中提取前景物體。通過檢測和分析背景圖像的動態(tài)變化來去除背景噪聲，得到前景物體的圖像，為后續(xù)的目標跟蹤和異常檢測提供基礎(chǔ)數(shù)據(jù)。

（2）目標跟蹤算法用于在視頻和圖像序列中跟蹤特定物體。通過使用SIFT、SURF特征檢測和提取技術(shù)識別、跟蹤目標對象。此外，為提高跟蹤的準確性、穩(wěn)定性和魯棒性，通過跟蹤算法融合粒子濾波器、卡爾曼濾波器優(yōu)化技術(shù)，為異常檢測提供目標對象的位置和運動信息。

（3）異常檢測算法用于檢測視頻和圖像序列中的異常行為或事件。通過與目標跟蹤算法相結(jié)合，基于機器學習或深度學習技術(shù)對正常行為的模式進行學習，跟蹤目標對象的位置和運動信息，進一步識別出與正常行為模式不符的異常事件。

通過對三種算法的有效綜合運用，實現(xiàn)對預處理后的圖像進行深入的目標檢測和特征提取，極大地優(yōu)化了算法協(xié)同作用，大幅提高了異常事件的識別準確率和處理速度，達到了業(yè)內(nèi)優(yōu)秀標準。

4.3展示終端

4.3.1中心平臺展示

中心平臺系統(tǒng)大屏采用虛擬現(xiàn)實和實景視頻相結(jié)合的方式，以實景地圖標注的方法直觀展現(xiàn)監(jiān)控點位的狀態(tài)、預警信息、實際位置以及移動端人員實時位置信息，更加便捷地協(xié)助巡護人員工作，如圖3所示?？梢暬瘜崟r展示外部環(huán)境數(shù)據(jù)和預警信息，用戶可以通過界面進行數(shù)據(jù)查詢、設(shè)置報警規(guī)則等操作，提高整體系統(tǒng)的易用性。在監(jiān)測過程中，檢測到有異常行為出現(xiàn)時，系統(tǒng)會彈窗提示報警，顯示其具體情況，確保信息的準確傳達和及時響應(yīng)，以達到安全防范的作用。

4.3.2智能App推送

根據(jù)不同報警信息的緊急程度和地理位置等因素，通過報警信息智能推送技術(shù)，實現(xiàn)報警信息的定向推送。依據(jù)線路巡護人員的位置信息，將報警信息推送給最近的巡護人員。App首頁展示界面下發(fā)的預警處理信息以及實時預警信息，巡護人員可以在App端解除預警，并將處理信息反饋到中心管理平臺，也可以在手機上的視頻分析App界面隨時查看權(quán)限內(nèi)的監(jiān)控視頻，如圖4所示。

5效果評估

為準確評估系統(tǒng)性能，通過沿線視頻監(jiān)控設(shè)備在普速鐵路周邊環(huán)境和重點地段收集了包含人員入侵、濃煙、明火等多種場景和復雜環(huán)境中的現(xiàn)場行為事件樣本，樣本包含10 000個正常行為事件和5 000個異常行為事件的視頻片段，用于進行訓練和測試，以確保覆蓋可能出現(xiàn)的各種現(xiàn)場情況，有效確保評估的全面性和準確性。

5.1準確性分析

5.1.1誤報率

在測試過程中，系統(tǒng)共產(chǎn)生了493次誤報，即錯誤地將正常行為判斷為異常行為。因此，誤報率為493/10 000=4.93%。這一結(jié)果表明，系統(tǒng)在保證準確性的同時，也有效地控制了誤報的發(fā)生。為了降低誤報率，采用深度學習算法進行特征提取，并引入多模態(tài)信息融合技術(shù)。這些措施顯著提高了系統(tǒng)的判斷能力，減少了誤報的發(fā)生。

5.1.2漏報率

在測試過程中，系統(tǒng)未能檢測到106次真實的異常行為，即產(chǎn)生了106次漏報。因此，漏報率為106/5 000=2.12%。雖然漏報率相對較低，但仍需進一步優(yōu)化以降低漏報風險。為了降低漏報率，通過采取增加訓練數(shù)據(jù)量、提升模型復雜度等措施，同時引入動態(tài)閾值調(diào)整技術(shù)，在不增加誤報的情況下降低漏報率。

5.2處理速度分析

（1）視頻處理幀率分析。系統(tǒng)平均每秒能夠處理30幀視頻，對于標準的30 fps視頻，系統(tǒng)可以實時分析。

（2）檢測響應(yīng)時間分析。從異常行為發(fā)生到系統(tǒng)發(fā)出報警，平均響應(yīng)時間為0.5 s，表明系統(tǒng)在檢測到異常行為后能夠迅速作出反應(yīng)。

通過實際應(yīng)用數(shù)據(jù)的定量分析與性能評估，發(fā)現(xiàn)相較于高速鐵路，普速鐵路的視頻圖像中，路外人員、車輛等異物入侵，發(fā)現(xiàn)煙火等事件發(fā)生的頻率較高。這些事件主要集中在無人值守的道口，如非法穿越、私家車或貨車違規(guī)停放、動物闖入、垃圾隨意傾倒、野外火災(zāi)擴散、違法焚燒行為和煙蒂引發(fā)火災(zāi)等。經(jīng)過測試驗證，系統(tǒng)在提升監(jiān)控水平與增強安全防范能力方面展現(xiàn)出明顯優(yōu)勢，其處理速度迅捷，準確性高，充分滿足了現(xiàn)場實際應(yīng)用的需求。

6結(jié)語

普速鐵路沿線外部環(huán)境視頻分析系統(tǒng)利用視頻分析邊緣計算裝置對沿線監(jiān)控設(shè)備采集的視頻進行實時分析，并將分析結(jié)果實時推送至中心平臺和智能App，實現(xiàn)了對普速鐵路沿線異常情況的主動預警、實時反饋，有效幫助巡護人員快速響應(yīng)外部環(huán)境變化，及時發(fā)現(xiàn)并預警潛在的安全問題。目前，該系統(tǒng)已在濟南局集團公司濟南線路巡護所管內(nèi)試用，下一步將通過現(xiàn)場試用和收集反饋，不斷完善系統(tǒng)功能，進一步提高視頻流處理效率，以滿足實時監(jiān)測的需求，保障鐵路安全運營。

參考文獻

［1］ 張輝.鐵路沿線外部環(huán)境安全風險識別與評估［J］.中國新技術(shù)新產(chǎn)品，2023（18）：146-148.

［2］ 楊琦，賀文軒，徐成偉，等.鐵路沿線安全環(huán)境治理信息平臺設(shè)計［J］.鐵路計算機應(yīng)用，2023，32（2）：73-77.

作者單位：1.中國鐵路濟南局集團有限公司科學技術(shù)研究所，濟南250031

作者單位：2.中國鐵路濟南局集團有限公司濟南工務(wù)段，濟南250031

作者簡介：葉盛，男，工程師。