基于改进混合高斯模型的铁轨异物入侵检测方法*

宁 正， 牛宏侠， 张肇鑫

(1.兰州交通大学自动控制研究所,甘肃 兰州 730070；2.甘肃省高原交通信息工程及控制重点实验室，甘肃 兰州 730070)

0 引 言

随着计算机和多媒体技术的发展，机器视觉已在工业、农业、安全等各个领域得到广泛应用[1]。运动目标跟踪作为计算机视觉研究的热点关键技术，在安全系统、交通控制等领域得到了广泛的应用[2,3]。随着中国高速铁路的发展，铁路的安全性越来越受到铁路安全部门的重视。任何侵入铁路限界的异物都会严重威胁铁路运营的安全，准确检测侵限异物是高速铁路安全运营的基本保障[4]。混合高斯模型(Gaussian mixture model,GMM)[4～7]是一种半参数的估计方法，通过新的学习分布替代旧的高斯分布，是研究运动目标检测的最有效方法之一[8]，而背景模型建立的好坏直接影响运动目标检测率的高低[9]。程健等人利用粒子群算法优化高斯混合模型，实现视频背景分离[10]。刘冬提出了一种动态背景建模方法，降低了模型复杂度和解决前景消融问题[11]。文献[12]利用空间邻域像素相关性实现了动态背景更新，取得了较好的检测效果。张学武等人[13]提出一种改进的具有一定自适应功能的高斯背景建模法，并成功运用于交通流检测中。上述算法都是在特定环境下进行的，由于铁路场景的复杂性，轨道周边设备电磁噪声以及雨雪等恶劣的自然气候的干扰，使得前景目标检测不完整，消融前景目标，限制了混合高斯模型在铁路场景的直接应用。

本文提出了基于改进的混合高斯背景模型的异物入侵检测算法，并应用于室外轨道异物检测和室内环境目标检测。……