(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210845459.6 (22)申请日 2022.07.19 (71)申请人 辽宁鼎汉奇辉电子系统工程有限公 司 地址 110000 辽宁省沈阳市铁西区北一西 路52甲号(10 01) 申请人 中国铁路上海局集团有限公司 (72)发明人 田吉远　陈兴来　王毅　冯云森　 李正倩　赫一光　林梅　厉劲松　 童鹏程　 (74)专利代理 机构 沈阳晨创科技专利代理有限 责任公司 210 01 专利代理师 张晨 (51)Int.Cl. G06V 20/52(2022.01)G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 40/10(2022.01) G06V 40/20(2022.01) G08B 19/00(2006.01) G08B 31/00(2006.01) H04N 7/18(2006.01) (54)发明名称 一种铁路货场天眼智能预警系统 (57)摘要 一种铁路货场天眼智能预警系统， 是一种能 够实时智能识别并进一步规范装卸作业的系统， 实现了多算法的统一管理， 配合货场中的摄像头 数据采集， 采用模块化统筹式的智能分析单元， 能够对货场仓库内、 仓库汽车侧、 仓库火车侧、 货 场红牌监测处等作业进行实时动态的监管和预 警分析， 实现货场作业智 能巡查和监督。 本发明 优点： 能根据需要具体的识别子算法进行分析， 分析效率高， 分析结果准确性高。 能快速准确的 定位事故现场， 判断监控画面中的异常情况， 并 以最快和最佳的方式发出警报或触发其它动作； 可以根据需要具体的识别子算法进行分析， 分析 效率高， 分析结果准确性高， 提高视频监控的利 用率， 进而提升货场作业效率， 提高货场安全管 理水平。 权利要求书3页 说明书8页 附图3页 CN 115359416 A 2022.11.18 CN 115359416 A 1.一种铁路货场天眼智能预警系统， 其特征在于， 所述的铁路货场天眼智能预警系统， 包括： 图像信息管理单元， 所述图像信息管理单元连接数据终端， 用于处理和分类采集到的 图像信息， 所述图像信息管理单元还用于连接客户端， 用于数据输出， 所述图像信息管理单 元传输图像信息至智能识别管理单元， 调用智能识别管理单元的项点识别子算法对图像信 息进行智能分析处 理， 所述图像信息管理单 元还用于连接服 务端， 用于数据存 储； 智能识别管理单元， 所述智能识别管理单元中设置项点智能识别模块， 所述项点智能 识别模块用于管理各项点的自学习样本训练模型以及执行各项点识别子算法， 所述项点识 别子算法包括： 人员巡视识别算法、 未穿工装识别算法、 货位占用识别算法、 重点货位识别 算法、 装卸车识别算法、 红牌识别算法、 站台越界识别算法、 吸烟识别算法、 非标准开关门识 别算法、 叉 车超速算法， 项点识别过程至少使用其中的一种算法。 2.根据权利要求1所述的一种铁路货场天眼智能预警系统， 其特征在于： 所述人员巡视 识别算法具体为： S11： 分析数据终端采集到的图像， 采用yolov4网络对图像中的人员进行目标检测， 获 取人员目标的外 接矩形框， 左上顶点 坐标和宽高； S12： 对人员目标进行跟踪， 获取 人员目标id； S13： 根据人员定位结果框提取人员部位图像， 进行着装类别(工装， id＝0、 制服， id＝ 1)的目标检测， 过滤掉非制服(id！ ＝1)的结果， 将大于置信度阈值(confidence>0.8)的结 果中置信度最高的作为当前帧的识别结果； 如果识别到制服目标， 则将该目标结果设为1， 否则为0； S14： 将具有相同目标id的制服检测结果保存在同一个结果队列中； 结果队列中会保存 固定帧数最 新的检测结果； 将结果 值进行累加， 判断是否超过阈值； S15： 如果超过阈值则返回报警值至图像信息管理单 元； 所述未穿工装识别算法具体为： S21： 分析数据终端采集到的图像， 采用yolov4网络对图像中的人员进行目标检测， 获 取人员目标的外 接矩形框， 左上顶点 坐标和宽高； S22： 对人员目标进行跟踪， 获取 人员目标id； S23： 根据人员定位结果框提取人员部位图像， 进行着装类别(工装， id＝0、 制服， id＝ 1)的目标检测， 过滤低于置信度阈值(confi dence<0.8)的结果； 如果没有识别到制服或工 装， 则将该目标 结果设为1， 否则为0； S24： 将具有相同目标id的制服检测结果保存在同一个结果队列中； 结果队列中会保存 固定帧数最 新的检测结果； 将结果 值进行累加， 判断是否超过阈值； S25： 如果超过阈值则返回报警值至图像信息管理单 元。 3.根据权利要求1所述的一种铁路货场天眼智能预警系统， 其特征在于： 所述货位占用 识别算法具体为： S31： 分析数据终端采集到的图像， 将图像与预设的检测区域进行掩膜操作， 生成除检 测区域外全部 置黑的检测图像； S32： 使用Mask ‑Rcnn网络对检测图形进行货物的实例分割， 根据计算货物占货位的百 分比， 判断其是否超过阈值；权　利　要　求　书 1/3 页 2 CN 115359416 A 2S33： 根据检测区域的四个坐标点和货位的实际长宽对检测区域部分的实例分割图像 进行透视变换； S34： 计算透 视变换图像中货物实例占货位 面积的百分比； S35： 将检测的结果反馈 至图像信息管理单 元。 4.根据权利要求1所述的一种铁路货场天眼智能预警系统， 其特征在于： 所述重点货位 识别算法具体为： S41： 分析数据终端采集到的图像， 将图像与预设的检测区域进行掩膜操作， 生成除检 测区域外全部 置黑的检测图像； S42： 检测图像中识别人员和叉车的目标， 若出现人员或叉车目标则返回检测结果， 执 行报警； S43： 若待检测区域没有人员和叉车的目标， 则使用混合高斯模型对图像进行前景和背 景的分割； S44： 对前景图像进行 形态学开、 闭操作， 去除孤立的噪点， 提取 前景轮廓； S45： 根据轮廓面积对前景轮廓进行过滤， 将低于面积低阈值和高于高阈值的轮廓删 除； S46： 保留下来的轮廓则视作检测区域内发生变化的位置， 将检测的结果反馈至图像信 息管理单 元。 5.根据权利要求1所述的一种铁路货场天眼智能预警系统， 其特征在于： 所述装卸车识 别算法具体为： S51： 分析数据终端采集到的图像， 使用yolov4网络对图像中的火车、 单个车门、 车门间 空洞、 车号 等进行目标定位； S52： 根据目标在检测区域内的占比判断检测出的目标 结果是否在预设的检测区域内； S53： 提取车号部位图像， 进行 数字识别， 过 滤图像左上位置和重 叠的识别结果； S54： 判断保留的车号个数是否为7个， 若满足条件， 对数字从左到右排序， 按顺序组合 成车号字符串返回给 上层； S55： 对在检测区域内的单个车门和车门空洞目标进行完整车门的整合， 提取车门部位 图像， 并判断车门开关状态； S56： 若组合在一 起的车门中含有车门空洞， 则车门状态为 开， 否则为关； S57： 若车门状态为 开， 对其进行 叉车和货物的目标检测； S58： 若车门状态为关， 对其进行施封锁的目标检测； S59： 将检测的结果反馈 至图像信息管理单 元。 6.根据权利要求1所述的一种铁路货场天眼智能预警系统， 其特征在于： 所述红牌识别 算法具体为： S61： 根据多个红牌检测区域 坐标， 提取检测区域图像； S62： 输入到yo lov4网络模型进行红牌的目标检测； S63： 将多个 检测区域中有无红牌结果反馈 至图像信息管理单 元。 7.根据权利要求1所述的一种铁路货场天眼智能预警系统， 其特征在于： 所述站台越 界 识别算法具体为： S71： 使用yo lov4网络对图像中的人员进行目标检测；权　利　要　求　书 2/3 页 3 CN 115359416 A 3