[发明专利]一种用于轨道交通的视频监控系统

权利要求书

1.一种用于轨道交通的视频监控系统，其特征在于，包括：

视频训练模块，提取轨道交通的监控视频设备的监控视频段，建立特征训练集，存入监控训练视频库中；

视频检测模块，提取轨道交通的监控视频设备当前的监控视频段，检测视频段，提取视频特征；

交通调度模块，针对当前视频的检测结果与监控视频训练库中的具体比对结果，对轨道上运行的交通进行合理调度；

应急预警模块，如果当前的视频检测结果与监控视频训练库中的具体比对结果满足预警条件，发出报警信息并采取紧急制动方案；

所述的视频训练模块，还被配置为执行以下步骤：

取一段历史的站台监控视频和轨道监控视频作为训练部分并分割处理；

针对各监控分割段内的首帧，通过帧间差和背景差提取站台乘客流动区域，提取流动区域的边缘信息，再在边缘信息中依据等距帧提取流动特征点；对于各监控分割段内的首帧后的每一帧对流动特征点通过流动评价进行跟踪，得到特征点在各监控分割段内的流动参数；对监控分割段内每一帧的特征点计算八方向流动方向直方图、八区间流动速度直方图以及九维特征点坐标直方图作为该帧的特征；所述九维特征点坐标直方图是将每一帧分割成3*3的网格，特征点所在的网格即为该特征点的坐标；将监控分割段内全部帧的特征串联起来作为该监控分割段的流动特征；

建立基于BP神经网络表示流动特征诊断的输入层为3个节点，输出层为1个节点的神经网络模型，基于BP神经网络流动特征诊断虚化层神经元数目使用经验参考公式确定虚化层神经元数的范围，计算与试验得出虚化层中，神经元的数目选择3，训练时间、算法精度同时得到保证，将算法迭代次数置为500，学习率选择1e-3，输出选择0.01；设输入P表示乘客流动特征向量，输出T为流动特征类型，虚化层神经元对应的函数垂向中心为

C＝P′，

确定虚化层神经元阈值，Q个虚化层神经元对应的阈值为

b1＝[b₁₁ b₁₂…b_1q]；

其中，b₁₁＝b₁₂＝b_1q＝0.836/speed，speed为函数垂向的扩展速度；

确定虚化层与输出层间权值，虚化层神经元的函数垂向中心及阈值确定后，虚化层神经元的输出为

a¹＝exp(-||C-p_i||²)，i＝1，2，...Q

其中，p_i＝[p_i1 p_i2…p_iR]为第i个训练样本向量；虚化层与输出层间的连接权值W为训练集输出矩阵即：

W＝t

输出层神经元输出计算：

nⁱ＝LW_2，1aⁱ，i＝1，2...Q

yⁱ＝compet(nⁱ)，i＝1，2...Q

建立基于BP神经网络表示流动特征诊断，将函数垂向的扩展速度设为0.1；

基于输出的神经元将诊断后的训练部分的每段视频的流动特征组成特征训练集，对特征训练集采用高斯概率密度函数模型，利用最大后验概率多次递归得到高斯概率密度函数模型的模型参数；模型参数包括协方差矩阵和条件概率；将根据高斯概率密度函数模型的模型参数计算得到的特征后验概率存入监控训练视频库中；

所述视频检测模块，还被配置为执行以下步骤：

取实时的站台监控视频和轨道监控视频进行分割；

针对监控分割段内的首帧，通过帧间差和背景差提取站台乘客流动区域，提取流动区域的边缘信息，再在边缘信息中依据等距帧提取流动特征点；对于各监控分割段内的首帧后的每一帧对流动特征点通过流动评价进行跟踪，得到特征点在各监控分割段内的流动参数；对监控分割段内每一帧的特征点计算八方向流动方向直方图、八区间流动速度直方图以及九维特征点坐标直方图作为该帧的特征；所述九维特征点坐标直方图是将每一帧分割成3*3的网格，特征点所在的网格即为该特征点的坐标；将监控分割段内全部帧的特征串联起来作为该监控分割段的流动特征；待测的视频段的流动特征输入高斯概率密度函数模型得到当前流动特征的后验概率，再根据当前流动特征的后验概率计算的发生的概率与监控训练视频库中历史流动特征的后验概率计算的发生的概率进行比较，当前者与后者的偏差值>10％时，认定当前流动特征在监控训练视频库中不存在训练样本，将当前流动特征存入监控训练视频库作为训练样本，否则，返回历史流动特征的状态值；

所述交通调度模块，还被配置为执行以下步骤：

针对当前视频的检测结果与监控视频训练库中的具体比对结果，建立流量指标模型，根据当前站台的拥挤情况以及视频库中该站台的乘客流动指标，决策当前站台的列车运行情况，包括列车停靠时长、列车首班车提前或延后发车、变更列车区间运行速度、调整列车越站停车；

当流量指标模型显示当前乘客站台拥挤情况处于红色状态时，限制闸机开启，列车停靠时长延长；

当流量指标模型显示当前乘客站台拥挤情况处于绿色状态时，闸机开启正常，列车停靠时长缩短；

当流量指标模型显示当前乘客站台拥挤情况处于白色状态时，闸机开启正常，列车越站停车，在此站不作停车处理；

当流量指标模型显示在列车预定首班车时间发出前乘客站台拥挤情况处于非白色状态时，列车首班车时间提前，首班车提前发车；

当流量指标模型显示在列车预定首班车时间发出后乘客站台拥挤情况处于白色状态时，列车首班车时间延后，首班车延后发车；

当流量指标模型显示当前乘客站台流动指标大于预设上阈值时，列车区间运行速度提升，区间运行时长缩短；

当流量指标模型显示当前乘客站台流动指标低于预设下阈值时，列车区间运行速度降低，区间运行时长加长；

所述应急预警模块，还被配置为执行以下步骤：

根据当前的站台的流量指标模型，判定是否已经满足预警条件阈值，包括：

在所述交通调度模块判断列车当前的运行状态后，通过列车运行图调整生成新的列车时刻表，发出调度指令，使列车重新按照调整后的时刻运行，之后，在列车运行时刻出现偏移大于偏移阈值时自动发出偏差报警，并根据列车实际的偏离情况，自动生成调整计划供调度员参考；

在所述交通调度模块判断当前的乘客拥挤状况处于红色状态时，向调度员和闸机发出预警通知，限制闸机开启，同时提醒调度员疏导乘客；

在所述交通调度模块判断乘客站台流动指标大于预设上阈值，发出险情预警，激发轨道监控实时画面传递，当监控画面显示轨道上存在异物时，向即将到站的列车发出急停预警；

在所述视频检测模块判断当前视频内容中存在危险物品时，发出危险品预警；

所述交通调度模块，还被配置为执行以下步骤：

针对同一交通轨道不同车次的交通运输调度，具体为：

针对当前视频同一交通轨道不同车次的检测结果与监控视频训练库中的具体比对结果，建立混合流量指标模型，根据当前站台的拥挤情况以及视频库中该站台的乘客流动指标，决策当前站台的列车运行情况，包括列车发车数量和发车间隔；

当混合流量指标模型显示当前乘客站台拥挤情况处于红色状态时，并且在第一类型车次驶过后，乘客站台拥挤情况状态变为绿色后，加开依次本类型车次；

当混合流量指标模型显示当前乘客站台拥挤情况处于红色状态时，并且在第一类型车次驶过后，乘客站台拥挤情况状态依然为绿色后，延长本类型车次发车间隔；

当混合流量指标模型显示当前乘客站台流动指标大于预设上阈值时，并且在第一类型车次驶入站台后，当前乘客站台流动指标继续上升，则加开依次本类型车次；

当混合流量指标模型显示当前乘客站台流动指标大于预设上阈值时，并且在第一类型车次驶入站台后，当前乘客站台流动指标保持不变，则延长本类型车次发车间隔；

计算方法：

其中，M(t)表示时刻站台多线路乘客拥挤度，C表示站台乘客可承受最大值，Q(t)表示站台流动乘客量，C-Q(t)表示站台剩余乘客量；

站台乘客可承受最大值为站台中各通道最大乘客量之和，站台剩余乘客量为站台中各通道剩余乘客量之和，上式表示为：

其中，N为站台中包含的通道数，C_i表示站台中第i条通道的最大乘客量，Q_i(t)表示第i条通道的实际乘客量；

根据乘客流数据采集的难易度，以及采集数据的精度，C和Q用时间流动率和人流速度进行表示；

当C、Q采用时间流动率表示时，

Q_i(t)＝Occ_i(t)

其中，Occ_i(t)表示站台中第i条通道在t时刻的时间流动率；

当C、Q采用人流速度进行表示时，

其中，q_i(t)表示站台中第i条通道在t时刻的乘客流量，C_i，design表示第i条通道的设计承受能力，v_i表示第i条通道的人流速度，v₅表示人流速度状态指标处于第5类别的最大速度阈值；

此时，Q_i(t)是一个二值函数，当乘客站台拥挤情况属于可接受交通状态时，等于站台的站台流动乘客量；当乘客站台拥挤情况属于不可接受交通状态时，即站台没有站台剩余乘客量。