基于SVM的地鐵客車空車檢測的研究.pdf

1、城市軌道交通系統(tǒng)作為我國重要的交通運(yùn)輸方式，隨著科學(xué)技術(shù)的進(jìn)步和自動化程度的快速提高，其運(yùn)行模式也隨之發(fā)生變化，地鐵列車由起初的人工駕駛向FAO(Fully Automatic Operation,全自動駕駛)過渡，這對地鐵列車的安全性，可靠性以及服務(wù)水平提出了更高的要求。傳統(tǒng)的無人駕駛列車在進(jìn)行列車停車到站時對車內(nèi)遺留物的檢測工作由工作人員來完成，不僅耗時，而且工作人員的勞動強(qiáng)度高，工作量大。隨著智能視頻、圖像處理和模式識別等技術(shù)的不

2、斷成熟和完善，為實現(xiàn)FAO列車到站停車后的空車檢測工作由機(jī)器完成奠定了可靠的理論基礎(chǔ)。
　　本文在深入分析全自動駕駛地鐵列車的ISCS(Integrated Supervisory Control System,綜合監(jiān)控系統(tǒng))的組成和功能后，利用ISCS采集到的車內(nèi)視頻自動完成地鐵列車停車到站后的空車檢測工作，實現(xiàn)圖像預(yù)處理、背景建模、圖像特征提取和判斷到站后是否有遺留物等功能。論文的主要研究內(nèi)容如下：
　　首先，在圖像預(yù)處

3、理階段，考慮環(huán)境狀況以及采集傳輸設(shè)備對獲取圖像的影響，本文提出基于改進(jìn)的椒鹽噪聲濾波算法用于椒鹽噪聲的消除，以及基于匹配塔形分解的圖像自適應(yīng)增強(qiáng)算法進(jìn)行圖像增強(qiáng)，并從主觀視覺效果和客觀評價標(biāo)準(zhǔn)兩個方面對上述算法的性能做出了分析和比較。
　　其次，在圖像特征提取階段，分析對比了各種特征的優(yōu)缺點(diǎn)，最后選取人體的頭部為特征部位，采用頭部的HOG(Histogram of Oriented Gradients,梯度方向直方圖)特征和臉部的

4、HSV(Hue,Saturation,Value,色調(diào),飽和度,亮度)顏色空間的特征為提取特征進(jìn)行特征提取，并采用PCA(Principal Component Analysis,主成分分析法)對融合后的特征進(jìn)行降維。
　　最后，在空車檢測階段，首先利用均值法進(jìn)行背景建模，利用背景差分法進(jìn)行前景的提取，分別采用LBP(Local Binary Pattern,局部二值模式)特征、HOG特征、PCA降維后的HOG+HSV融合特征分別