一種高速鐵路接觸網(wǎng)目標(biāo)檢測與跟蹤方法

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

摘要：實驗結(jié)果表明：該算法能在大多數(shù)情況下實時、準(zhǔn)確地檢測跟蹤接觸線，為城市軌道安全運行提供了保障。

0   引言

隨著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)下越來越受到關(guān)注^[1-2]。由于接觸網(wǎng)長期保持和受電弓滑板相互接觸，在機(jī)車行駛過程中時刻磨損，從而給機(jī)車取電的性能帶來了很多不可靠的因素，直接影響機(jī)車的行駛狀態(tài)，嚴(yán)重時會導(dǎo)致發(fā)生安全事故。因此需要實時檢測接觸網(wǎng)的運行狀態(tài)，以保障機(jī)車安全行駛。

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

由于機(jī)車在行駛過程中遇到道路岔口需要頻繁換線，為了解決在行車過程中弓網(wǎng)脫離引發(fā)的安全事故，本文提出了一種接觸網(wǎng)目標(biāo)檢測與跟蹤算法，能夠?qū)崟r、快速地檢測接觸網(wǎng)，并能準(zhǔn)確地跟蹤接觸線。

1   算法概述

本文算法主要分為接觸線檢測和參數(shù)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(yīng)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 變換連接直線邊緣。由于在紅外視頻圖像序列中，接觸線和承力索絕大多數(shù)都是成雙成對出現(xiàn)的，且在視頻畫面上都是呈直線型的，所以接觸線和承力索在視覺上無顯著特征，從而對目標(biāo)接觸線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(biāo)接觸線的參數(shù)和利用卡爾曼濾波方法跟蹤參數(shù)兩個部分。參數(shù)提取部分首先利用Hough 變換法記錄候選直線參數(shù)，根據(jù)采集到的紅外視頻，發(fā)現(xiàn)采集的視頻圖像中接觸網(wǎng)導(dǎo)線出現(xiàn)在畫面中近似直線，且一般是2~4 根，所以需要根據(jù)直線數(shù)目分情況討論，然后進(jìn)行判別并提取接觸網(wǎng)目標(biāo)直線參數(shù)；參數(shù)跟蹤部分通過卡爾曼濾波器預(yù)測紅外圖像中接觸線的參數(shù)，再求取實際接觸線的測量參數(shù)，并將參數(shù)與接觸線進(jìn)行一一配對，最終實現(xiàn)了紅外視頻中接觸線的檢測與跟蹤。一種接觸網(wǎng)目標(biāo)檢測與跟蹤算法流程如圖1 所示。

2   接觸線檢測

2.1 圖像預(yù)處理

首先，將紅外圖像（見圖2a）轉(zhuǎn)換為灰度圖像（見圖2b），可以增強(qiáng)圖像中的特征信息，并提高圖像處理的工作效率，同時也便于對圖像進(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(yīng)求得圖像閾值，進(jìn)行分割后得到二值圖像（見圖2c）。大津法是圖像分割中閾值選取的最佳算法^[7]，運算簡單，不受圖像亮度和對比度的影響，因此在數(shù)字圖像處理上得到了廣泛的應(yīng)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(yīng)閾值分割和Prewitt 算子在紅外圖像邊緣檢測中的各自優(yōu)勢進(jìn)行特征提取，相比傳統(tǒng)的邊緣檢測算法，具有邊緣細(xì)節(jié)更清晰、背景噪聲更小等優(yōu)點，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(yù)處理效果圖示

2.2 接觸線的邊緣連接

圖像采集的視頻是由紅外攝像機(jī)拍攝的，采集的圖像容易受自然界中的光照和機(jī)車運行過程中的強(qiáng)電流、電壓磁場等干擾，導(dǎo)致獲取的圖像具有很多噪聲。由于接觸網(wǎng)導(dǎo)線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邊緣出現(xiàn)中斷或者產(chǎn)生了很多偽邊緣。因此，常見的做法是在邊緣檢測后緊跟著做邊緣連接^[9]，形成連續(xù)的、有意義的邊緣。由于接觸線和承力索基本上都是成雙成對出現(xiàn)，且絕大部分情況都是呈直線型地呈現(xiàn)在視頻畫面中，因此本文選用Hough 變換[10-12]連接接觸線的邊緣，優(yōu)點是對噪聲不敏感，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(jié)果如圖3 所示。

（a）紅外圖像

（b）Otsu+Prewitt邊緣檢測

（c）邊緣連接結(jié)果

（d）邊緣連接的局部放大圖

圖3 邊緣連接實驗結(jié)果圖

3   接觸線跟蹤

視頻圖像中接觸網(wǎng)安全運行是機(jī)車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(jù)非常重要的位置。由于接觸線和承力索絕大多數(shù)都是成雙成對出現(xiàn)且判別性較弱，在接觸線跟蹤過程中出現(xiàn)道岔口需要換線或者橫支架部分遮擋等情況時，對目標(biāo)接觸線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 變換檢測直線的優(yōu)勢來提取接觸線的參數(shù)，進(jìn)而使用Kalman 濾波實現(xiàn)對接觸線參數(shù)一幀幀地持續(xù)跟蹤，從而彌補接觸線和承力索在視覺上無顯著特征的不足。

3.1 接觸線的參數(shù)提取

Hough 變換是一種估計直線參數(shù)的方法，其抗噪性能力強(qiáng) , 對直線斷裂、局部遮擋等缺陷不敏感^[13]。接觸線的檢測問題，經(jīng)過Hough 變換變成了對參數(shù)空間中半徑ρ 參數(shù)和角度θ 參數(shù)的求取過程。通過對候選直線參數(shù)的ρ 和θ 進(jìn)行分析，發(fā)現(xiàn)圖像中直線對應(yīng)的點皆在第一象限中，且目標(biāo)接觸線的ρ 和θ 在參數(shù)空間（極坐標(biāo)系）中的數(shù)值是最大值。根據(jù)采集到的紅外視頻中受電弓與接觸線的運行狀態(tài)，發(fā)現(xiàn)采集的視頻圖像中接觸網(wǎng)導(dǎo)線出現(xiàn)在畫面中呈直線型，且直線數(shù)目一般是2-4根，所以需要根據(jù)直線數(shù)目分情況討論，然后進(jìn)行判別并提取目標(biāo)直線參數(shù)即接觸線參數(shù)。由此可知，可以將圖像空間中較為困難的全局檢測問題轉(zhuǎn)化為參數(shù)空間中相對容易解決的局部峰值檢測問題^[14]。

3.2 接觸線的參數(shù)跟蹤

本文利用卡爾曼濾波器^[15]預(yù)測接觸線的參數(shù)來估計出其目標(biāo)接觸線的軌跡位置并對得到的參數(shù)數(shù)據(jù)進(jìn)行修正。在采集的紅外視頻幀中，將目標(biāo)接觸線理解為一個包含參數(shù)空間中半徑和角度的向量，從當(dāng)前幀通過協(xié)方差矩陣推測出下一幀的參數(shù)預(yù)測值，即估計出下一幀中接觸線的軌跡位置。確定卡爾曼增益系數(shù)對參數(shù)的估計值和預(yù)測誤差進(jìn)行修正，接著進(jìn)入下一次迭代過程。卡爾曼濾波預(yù)測接觸線軌跡算法流程如圖4 所示。

假設(shè)紅外視頻中目標(biāo)接觸線在s 幀的參數(shù)可以用一個向量Peak(s,:) 來表示，其中rho_max 表示其接觸線參數(shù)的極坐標(biāo)系下半徑最大值，theta_max 表示其接觸線參數(shù)的極坐標(biāo)系下角度最大值。

如果已知s-1 幀目標(biāo)接觸線的參數(shù)預(yù)測矩陣即將向量Peak 測量值賦值給x，s 幀接觸線的參數(shù)觀測矩陣可以用以下公式來表示

式中：x1(s,:) 是在第s 幀接觸線參數(shù)的預(yù)測矩陣，A 表示由s-1 幀最優(yōu)估計x(s-1) 推測出第s 幀接觸線軌跡的參數(shù)觀測矩陣，w 為預(yù)測模型的過程噪聲，B 為控制矩陣，表示控制量w 如何作用于當(dāng)前狀態(tài)。由于是對紅外視頻中目標(biāo)接觸線參數(shù)的預(yù)測，這里通過一個均值為0 的高斯噪聲來模擬預(yù)測時產(chǎn)生的誤差。視頻中每一幀的不確定性都是通過狀態(tài)噪聲協(xié)方差矩陣來表示，預(yù)測參數(shù)時必定是不準(zhǔn)確的，本文通過狀態(tài)噪聲協(xié)方差矩陣Q 來表示預(yù)測過程中產(chǎn)生的誤差，該誤差包含一些不確定因素，預(yù)測誤差協(xié)方差矩陣為

式中，p1(s,:) 為下一幀接觸線位置參數(shù)的預(yù)測誤差協(xié)方差矩陣，p(s-1,:) 為前一幀位置參數(shù)最優(yōu)估計的觀測誤差協(xié)方差矩陣，A 為上一幀最優(yōu)估計預(yù)測第s 幀接觸線軌跡的參數(shù)轉(zhuǎn)移矩陣的轉(zhuǎn)置矩陣。在紅外視頻中，接觸線在實際檢測中無論如何都避免不了誤差，通過Hough 變換檢測的接觸線嚴(yán)格來說也只是對接觸線參數(shù)的預(yù)測估計。Kalman 由預(yù)測過程和測量修正兩部分組成，估計過程中包含接觸線當(dāng)前位置參數(shù)的預(yù)測和誤差協(xié)方差的預(yù)測。濾波器修正部分主要是對預(yù)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(shù)值和協(xié)方差修正。

卡爾曼增益表達(dá)式為

式中，k(s) 為第s 幀的卡爾曼濾波常數(shù)，R 是參數(shù)觀測噪聲協(xié)方差矩陣，即參數(shù)的測量誤差，H 是真實參數(shù)到預(yù)測參數(shù)的預(yù)估觀測值的參數(shù)轉(zhuǎn)移矩陣。

推測出接觸線下一幀位置參數(shù)的最佳估計值的數(shù)學(xué)表達(dá)式為

式中，x1(s,:) 是第s 幀接觸線實際軌跡的參數(shù)推測值，y(s,:) 是第s 幀接觸線參數(shù)的實際測量值即參數(shù)觀測值。

最后，更新紅外視頻圖像中接觸線的實際位置參數(shù)與檢測位置參數(shù)之間的誤差協(xié)方差矩陣，即更新預(yù)測誤差協(xié)方差矩陣，數(shù)學(xué)表達(dá)為

由上面分析可知，卡爾曼濾波所用信息都是時域內(nèi)的量, 所以卡爾曼濾波器是在時域內(nèi)設(shè)計的, 且適用于多維情況。本文采用卡爾曼濾波器預(yù)測當(dāng)前視頻幀接觸線的參數(shù)來估計接觸線的軌跡位置，如果在紅外視頻某一幀中沒有檢測到接觸線的參數(shù)，同時又沒有預(yù)測到接觸線的參數(shù)時，則舍棄記錄該視頻幀接觸線軌跡位置。

4   實驗結(jié)果

本文實驗采用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(nèi)存：8G，Windows10 操作系統(tǒng)。使用MATLAB 仿真實現(xiàn)MP4 接觸網(wǎng)視頻文件到序列幀的轉(zhuǎn)換，如圖5 所示。以此序列圖片為例，成功實現(xiàn)了對接觸線的跟蹤。實驗結(jié)果表明該算法準(zhǔn)確性好，跟蹤效果顯著，在電氣化鐵路高速發(fā)展及接觸線檢測和跟蹤研究中有較好的應(yīng)用價值。

5   結(jié)語

由于機(jī)車在行駛過程中需要頻繁換線從而保證機(jī)車高速安全運行，本文提出了一種高速鐵路接觸線檢測與跟蹤方法，以解決在行車過程中弓網(wǎng)脫離而引發(fā)的安全事故，并克服了多個相似運動目標(biāo)同時運動復(fù)雜情況問題。為了能夠?qū)崿F(xiàn)對紅外視頻中接觸線的準(zhǔn)確跟蹤，利用Hough 變換提取直線參數(shù)和卡爾曼濾波跟蹤參數(shù)，但尚不能做到自適應(yīng)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(shù)部分，在接觸線運動特征變化不大的情況下跟蹤較為穩(wěn)定，但在目標(biāo)位置出現(xiàn)遮擋嚴(yán)重等背景復(fù)雜情況下跟蹤效果不佳，需要在后續(xù)工作中進(jìn)一步研究。

參考文獻(xiàn)：

[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(tǒng)健康管理及故障預(yù)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磨耗紅外診斷[J].機(jī)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(jiān)測管理系統(tǒng)的開發(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(shù)提取算法[J].同濟(jì)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(shè)備維修策略的接觸網(wǎng)管理信息系統(tǒng)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(shù)提取算法[J].同濟(jì)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目標(biāo)運動參數(shù)跟蹤測量[J].自動化技術(shù)與應(yīng)用,2012,31(08):20-23.

（本文來源于《電子產(chǎn)品世界》雜志2021年1月期）