Page 193 - 铁路车务系统安全管理研究

第四章 铁路车务系统安全管理的创新手段

习，得到这个视频序列中的背景特征，以建立一个动态迭代模型来描述该背景。
检测阶段，以背景模型为基准对需要检测的视频序列进行处理，一般采用背景差
分法，提取出当前图像中与背景模型中性质不同的像素点，这些像素点组成的图
像是运动前景。背景模型建立根据场景特征，通常采用自适应背景建模、混合高

斯背景建模、动态纹理建模及聚类背景分割等算法实现。
对于每一个场景，应预定义这个场景中的异常事件，并将这些场景中的异常
事件视频输入事件提取模型进行参数提取，将事件进行数据化。检测时系统识别
到前景变化时，对变化的前景像素进行计算，获得前景像素的大小、形状、连通

特征、运动速度等参数，在模式识别模型中与预定义事件数据进行智能匹配，如
符合相应的模糊匹配规则，即反馈检出对应的事件并发出预警。模式识别模型的
精度受到异常事件分类定义、模型拟合程度把握及检测结果反馈等因素的影响。
（三）行车安全应用

行车室作业人员在岗作业状态如何、接发列车作业是否规范，直接关系到行
车安全。2019 年 12 月，在 H 站进行了行车作业视频智能识别技术的测试与应用，
取得了良好效果。同时，高铁视频监控智能识别预警系统的应用，进一步提高了
高铁运营的安全可靠性。

1. 行车室值班员作业状态识别
行车室作业人员在岗状态识别需采集大量行车室视频，并对值班员（信号员
或助理）的各种状态进行人工标定，提取各种状态的参数，结合分类算法形成状
态识别模块。通过测试调整状态参数以提高模块的判别精度，实现值班人员状态

的自动识别。
通过视频智能识别技术，可自动识别作业人员的工作状态。例如，指定区域
在预设的时间段内发现关注区域有较大规模的像素运动，则可判断为有人员活动，
识别为“在岗”或“作业正常”，若此区域画面长时间未发生明显变动，则可判

断为无人员活动，识别为“离岗”，并自离岗时刻开始计时，超过一定时间则发
出离岗预警。此功能也可用于夜班值班时瞌睡提醒，是关注区域持续有人员活动
时的视频截图，一个场景可以设置多个关注区域。之后，可结合列车运行数据及
行车作业音频进行智能分析，判别作业人员执行标准化作业程序的情况，并视情

况进行预警。

185