基于圖像處理的鐵路沿線視頻監控算法設計

通過鐵軌的人總數為114人左右，計算機成功識別出的越軌行為有99人、計算機沒有識別出的越軌行為有15人，本身無越軌行為但被計算機識別出的有9人。監控結果的成功率=(99÷114)×100％=86.8％；監控結果的漏報率=(15÷114)×100％=13.2％；監控結果的誤報率=(9÷114)×100％=7.9％。

4 一種目標識別算法

鐵路上運動目標主要分為：行人、車輛、小動物和其他。

在對目標進行識別前先要對危險情況存在時灰度圖圖像自動保存的結果進行必要的圖像處理，目的是為后續的目標識別奠定基礎，使經過處理后的圖像更加方便地應用于目標識別。在這里圖像預處理主要包括增強圖像對比度、中值濾波和平滑處理等。目標識別算法的流程圖如圖5所示。

根據運動目標的分類可知，車輛的周長是最長的，所以首先直接判斷圖像中運動目標的周長，如果大于某一設定好的閾值，則可輕易判斷出視場中目標屬于車輛。余下的目標中，行人比小動物的縱橫軸比值大，設定縱橫軸比閾值，據此可以判斷出目標屬于行人。最后將設定一個面積閾值，面積大于此閾值則可判斷目標屬于小動物，否則目標屬于其他一些環境的干擾。

5 結 語

本文首先對拍攝到的視頻進行背景提取，根據提取到的背景經過一系列的圖像處理最終對視場中危險區域進行劃定。然后系統自動監測視頻數據，自動以灰度圖的形式保存危險情況存在時的圖像，目的是為了后續的目標識別。最后根據鐵路沿線上可能出現的運動目標，提出了一種運動目標識別算法。從監控結果可以看出，整個算法設計具有一定的可行性，可以作為基于圖像處理的鐵路沿線視頻監控的一種算法，有一定的參考價值。