一种高速铁路接触网目标检测与跟踪方法

作者简介：李培云（1995—），女，安徽滁州人，硕士生，主要研究方向为机器视觉，E-mail：1125924814@qq.com。

摘要：实验结果表明：该算法能在大多数情况下实时、准确地检测跟踪接触线，为城市轨道安全运行提供了保障。

0   引言

随着我国电气化铁路不断地往高速、重载方向发展，使接触网- 受电弓在高速运行工作状态下越来越受到关注^[1-2]。由于接触网长期保持和受电弓滑板相互接触，在机车行驶过程中时刻磨损，从而给机车取电的性能带来了很多不可靠的因素，直接影响机车的行驶状态，严重时会导致发生安全事故。因此需要实时检测接触网的运行状态，以保障机车安全行驶。

近年来，国内外对接触网运行状态监测受到了研究学者的广泛关注。文献^[3]基于识别出接触线的导高、拉出值以及硬点部位，提出了一种基于图像处理的铁路接触网检测系统。文献^[4]利用高精度传感器采集线夹温度等参数，提出了一种基于张力与温度的接触网安全状态在线监测系统。文献^[5] 研究了一套牵引供电接触网温度在线监测系统，但只是对接触网某些关键部位进行温度检测。文献^[6]西安理工大学熊磊开发了一套基于红外热像仪的接触网载流温度监测管理系统，对实现自动化监测具有重要意义。

由于机车在行驶过程中遇到道路岔口需要频繁换线，为了解决在行车过程中弓网脱离引发的安全事故，本文提出了一种接触网目标检测与跟踪算法，能够实时、快速地检测接触网，并能准确地跟踪接触线。

1   算法概述

本文算法主要分为接触线检测和参数提取并跟踪两部分。检测部分首先对输入的帧做灰度化处理，然后分别运用OTSU 自适应阈值分割和边缘检测两种方法提取接触网的边缘特征，最后利用Hough 变换连接直线边缘。由于在红外视频图像序列中，接触线和承力索绝大多数都是成双成对出现的，且在视频画面上都是呈直线型的，所以接触线和承力索在视觉上无显著特征，从而对目标接触线的跟踪具有一定的难度。因此，跟踪部分主要是利用Hough 变换提取目标接触线的参数和利用卡尔曼滤波方法跟踪参数两个部分。参数提取部分首先利用Hough 变换法记录候选直线参数，根据采集到的红外视频，发现采集的视频图像中接触网导线出现在画面中近似直线，且一般是2~4 根，所以需要根据直线数目分情况讨论，然后进行判别并提取接触网目标直线参数；参数跟踪部分通过卡尔曼滤波器预测红外图像中接触线的参数，再求取实际接触线的测量参数，并将参数与接触线进行一一配对，最终实现了红外视频中接触线的检测与跟踪。一种接触网目标检测与跟踪算法流程如图1 所示。

2   接触线检测

2.1 图像预处理

首先，将红外图像（见图2a）转换为灰度图像（见图2b），可以增强图像中的特征信息，并提高图像处理的工作效率，同时也便于对图像进一步处理（如：图像去噪、图像分割等）。其次， 利用大津法自适应求得图像阈值，进行分割后得到二值图像（见图2c）。大津法是图像分割中阈值选取的最佳算法^[7]，运算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。最后，为了获取图像的边缘信息， 采用prewitt边缘检测算法^[8]提取接触网的边缘特征信息，得到二值化的边缘图像（见图2d）。Prewitt 边缘检测算子对噪声具有一定的抑制能力，对噪声较多和灰度渐变的图像处理产生了较好的边缘效果。充分利用OTSU 自适应阈值分割和Prewitt 算子在红外图像边缘检测中的各自优势进行特征提取，相比传统的边缘检测算法，具有边缘细节更清晰、背景噪声更小等优点，能够更完整、更精确地提取边缘信息。

（a）红外图像

（b）灰度图像

（c）Otsu分割

（d）Prewitt算子

（e）log算子

（f）sobel算子

（g）kirsch算子

（h）roberts算子

图2 红外图像预处理效果图示

2.2 接触线的边缘连接

图像采集的视频是由红外摄像机拍摄的，采集的图像容易受自然界中的光照和机车运行过程中的强电流、电压磁场等干扰，导致获取的图像具有很多噪声。由于接触网导线和受电弓滑板相互摩擦产生磨损等原因，使得边缘检测后的直线边缘出现中断或者产生了很多伪边缘。因此，常见的做法是在边缘检测后紧跟着做边缘连接^[9]，形成连续的、有意义的边缘。由于接触线和承力索基本上都是成双成对出现，且绝大部分情况都是呈直线型地呈现在视频画面中，因此本文选用Hough 变换[10-12]连接接触线的边缘，优点是对噪声不敏感，能较好地处理图像中局部被遮挡和覆盖的情况。Hough 变换法边缘连接结果如图3 所示。

（a）红外图像

（b）Otsu+Prewitt边缘检测

（c）边缘连接结果

（d）边缘连接的局部放大图

图3 边缘连接实验结果图

3   接触线跟踪

视频图像中接触网安全运行是机车行驶的可靠性和安全性的关键，在电气化铁路高速、重载发展中占据非常重要的位置。由于接触线和承力索绝大多数都是成双成对出现且判别性较弱，在接触线跟踪过程中出现道岔口需要换线或者横支架部分遮挡等情况时，对目标接触线的跟踪具有一定的难度。因此，提出在红外视频的各帧中利用Hough 变换检测直线的优势来提取接触线的参数，进而使用Kalman 滤波实现对接触线参数一帧帧地持续跟踪，从而弥补接触线和承力索在视觉上无显著特征的不足。

3.1 接触线的参数提取

Hough 变换是一种估计直线参数的方法，其抗噪性能力强 , 对直线断裂、局部遮挡等缺陷不敏感^[13]。接触线的检测问题，经过Hough 变换变成了对参数空间中半径ρ 参数和角度θ 参数的求取过程。通过对候选直线参数的ρ 和θ 进行分析，发现图像中直线对应的点皆在第一象限中，且目标接触线的ρ 和θ 在参数空间（极坐标系）中的数值是最大值。根据采集到的红外视频中受电弓与接触线的运行状态，发现采集的视频图像中接触网导线出现在画面中呈直线型，且直线数目一般是2-4根，所以需要根据直线数目分情况讨论，然后进行判别并提取目标直线参数即接触线参数。由此可知，可以将图像空间中较为困难的全局检测问题转化为参数空间中相对容易解决的局部峰值检测问题^[14]。

3.2 接触线的参数跟踪

本文利用卡尔曼滤波器^[15]预测接触线的参数来估计出其目标接触线的轨迹位置并对得到的参数数据进行修正。在采集的红外视频帧中，将目标接触线理解为一个包含参数空间中半径和角度的向量，从当前帧通过协方差矩阵推测出下一帧的参数预测值，即估计出下一帧中接触线的轨迹位置。确定卡尔曼增益系数对参数的估计值和预测误差进行修正，接着进入下一次迭代过程。卡尔曼滤波预测接触线轨迹算法流程如图4 所示。

假设红外视频中目标接触线在s 帧的参数可以用一个向量Peak(s,:) 来表示，其中rho_max 表示其接触线参数的极坐标系下半径最大值，theta_max 表示其接触线参数的极坐标系下角度最大值。

如果已知s-1 帧目标接触线的参数预测矩阵即将向量Peak 测量值赋值给x，s 帧接触线的参数观测矩阵可以用以下公式来表示

式中：x1(s,:) 是在第s 帧接触线参数的预测矩阵，A 表示由s-1 帧最优估计x(s-1) 推测出第s 帧接触线轨迹的参数观测矩阵，w 为预测模型的过程噪声，B 为控制矩阵，表示控制量w 如何作用于当前状态。由于是对红外视频中目标接触线参数的预测，这里通过一个均值为0 的高斯噪声来模拟预测时产生的误差。视频中每一帧的不确定性都是通过状态噪声协方差矩阵来表示，预测参数时必定是不准确的，本文通过状态噪声协方差矩阵Q 来表示预测过程中产生的误差，该误差包含一些不确定因素，预测误差协方差矩阵为

式中，p1(s,:) 为下一帧接触线位置参数的预测误差协方差矩阵，p(s-1,:) 为前一帧位置参数最优估计的观测误差协方差矩阵，A 为上一帧最优估计预测第s 帧接触线轨迹的参数转移矩阵的转置矩阵。在红外视频中，接触线在实际检测中无论如何都避免不了误差，通过Hough 变换检测的接触线严格来说也只是对接触线参数的预测估计。Kalman 由预测过程和测量修正两部分组成，估计过程中包含接触线当前位置参数的预测和误差协方差的预测。滤波器修正部分主要是对预测状态的更新，包括Kalman 滤波增益的更新，利用K(s) 对位置参数值和协方差修正。

卡尔曼增益表达式为

式中，k(s) 为第s 帧的卡尔曼滤波常数，R 是参数观测噪声协方差矩阵，即参数的测量误差，H 是真实参数到预测参数的预估观测值的参数转移矩阵。

推测出接触线下一帧位置参数的最佳估计值的数学表达式为

式中，x1(s,:) 是第s 帧接触线实际轨迹的参数推测值，y(s,:) 是第s 帧接触线参数的实际测量值即参数观测值。

最后，更新红外视频图像中接触线的实际位置参数与检测位置参数之间的误差协方差矩阵，即更新预测误差协方差矩阵，数学表达为

由上面分析可知，卡尔曼滤波所用信息都是时域内的量, 所以卡尔曼滤波器是在时域内设计的, 且适用于多维情况。本文采用卡尔曼滤波器预测当前视频帧接触线的参数来估计接触线的轨迹位置，如果在红外视频某一帧中没有检测到接触线的参数，同时又没有预测到接触线的参数时，则舍弃记录该视频帧接触线轨迹位置。

4   实验结果

本文实验采用MATLAB R2018a 进行仿真，运行环境为：CPU：Intel Core i5-8250U@ 1.6 GHz 1.8 GHz，内存：8G，Windows10 操作系统。使用MATLAB 仿真实现MP4 接触网视频文件到序列帧的转换，如图5 所示。以此序列图片为例，成功实现了对接触线的跟踪。实验结果表明该算法准确性好，跟踪效果显著，在电气化铁路高速发展及接触线检测和跟踪研究中有较好的应用价值。

5   结语

由于机车在行驶过程中需要频繁换线从而保证机车高速安全运行，本文提出了一种高速铁路接触线检测与跟踪方法，以解决在行车过程中弓网脱离而引发的安全事故，并克服了多个相似运动目标同时运动复杂情况问题。为了能够实现对红外视频中接触线的准确跟踪，利用Hough 变换提取直线参数和卡尔曼滤波跟踪参数，但尚不能做到自适应检测。Hough 变换检测速度仍然有上升空间，另外卡尔曼滤波跟踪参数部分，在接触线运动特征变化不大的情况下跟踪较为稳定，但在目标位置出现遮挡严重等背景复杂情况下跟踪效果不佳，需要在后续工作中进一步研究。

参考文献：

[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] 杨德江.高速铁路接触网检测技术研究[J].建材与装饰,2020(02):253-254.

[3] 陈高华,卓东风,夏锡瑞.基于Hough变换直线检测中的峰值提取[J].太原科技大学学报,2006(04):256-258.

[4] 何正友,程宏波.高速铁路牵引供电系统健康管理及故障预警体系研究[J].电网技术,2012,36(10):259-264.

[5] 阎玲玲,金立军,张文豪,等.基于表面温度法的接触线磨耗红外诊断[J].机电工程,2011,28(12):1426-1429.

[6] 熊磊.基于红外热像仪的接触网载流温度监测管理系统的开发[D].西安:西安理工大学,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] 安建尧,李金新,孙双平.基于Prewitt算子的红外图像边缘检测改进算法[J].杭州电子科技大学学报(自然科学版),2018,38(05):18-23+39.

[9] 吴锐,黄剑华,唐降龙,等.基于灰度直方图和谱聚类的文本图像二值化方法[J].电子与信息学报.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] 王绍霖,付永生.Hough变换边缘参数提取算法[J].同济大学学报(自然科学版),1996(04):471-474.

[12] 刘春阁.基于Hough变换的直线提取与匹配[D].阜新:辽宁工程技术大学,2009.

[13] 许龙.基于设备维修策略的接触网管理信息系统的研究[D].成都:西南交通大学,2013.

[14] 王绍霖,付永生.Hough变换边缘参数提取算法[J].同济大学学报(自然科学版),1996(04):471-474.

[15] 郭玲红,李亚立.基于卡尔曼滤波的动目标运动参数跟踪测量[J].自动化技术与应用,2012,31(08):20-23.

（本文来源于威廉希尔 官网app 杂志2021年1月期）