史时喜
轨道交通工程信息化国家重点实验室（中铁一院），陕西 西安〓710043)
摘要：在全自动驾驶车辆基地的车辆日常维护作业中，保障无人驾驶区的列检作业安全和有人驾驶区的登顶作业安全是非常重要的环节。针对目前轨道交通车辆各类维修作业中，涉及作业安全区域的门禁实行一人一卡的通行方式存在尾随违规进入的隐患，设计了一种基于视频检测的防尾随算法，通过采集人员进出门时的视频录像，提取视频帧中的作业人员，利用YOLO检测算法，实现了自动化尾随判定，提高了作业的安全性和可靠性。通过实验验证和现场应用验证，其预警准确率达到99%，且在实际工况中系统运行稳定，未出现尾随未被发现的情况。
关键词：车辆检修；运动行人检测；视频分析；防尾随
中图分类号：U231+.96〓〓〓文献标识码：A〓〓〓文章编号：2095-509X(2021)11-0091-07

全自动驾驶车辆基地车辆的日常维护需要作业人员在列检库进行列检作业，列检库属于无人驾驶区，只有在列车禁动时作业人员才能进入；对于登顶作业，由于距离接触网很近，因此必须确保作业人员登顶时接触网无电，或者三层平台无人后才可以给接触网合闸供电，以保证登顶作业人员的人身安全［1］。目前车辆基地使用的安全联锁系统可以实现作业人员身份及权限管理、作业门禁卡控管理，作业人员在列车禁动或接触网无电的情况下持卡刷开门禁，所有门禁卡归还后可以对隔离开关进行合闸操作给接触网供电［2］。然而由于作业人员的惰性及侥幸心理，存在一卡多人尾随进入无人驾驶区或三层平台的现象，这使得所有作业卡回收后无法保证作业区域内无人，存在安全隐患。目前的作业门禁处设有摄像头，但靠人工时刻盯控困难较大。基于这种情况，本文提出一种基于视频图像处理的防尾随报警算法，并给出了系统原型，该系统能对存在作业尾随的情况进行实时报警，辅助管理人员实时监控门禁情况。

1〓防尾随预警方案设计
本文通过采集作业人员进出门禁的视频进行分析，以门禁开放信号和门禁关闭信号作为一个分析周期，对视频进行截取。对获取的视频帧中作业人员头部使用改进的YOLO算法进行检测，得到作业人员在第t帧视频中头部在X轴的位置信息，并制作成数据集。通过轨迹拟合算法进行轨迹点的拟合，分析出作业人员是否存在尾随现象。系统算法的基本原理和总体执行逻辑如图1所示。首先构建检修人员头部检测模型，然后利用该模型进行检测人员的实时头部检测，随后利用轨迹拟合算法进行运动轨迹拟合，最后采用尾随事件判定策略进行决策和预警。

2〓基于HOG+SVM的人员检测分类器
SVM（支持向量机）是一个类分类器，在样本特征空间中使用超平面将不同样本进行分割。自1964年被提出以来，SVM在后续的几十年间被逐步理论化并完善改进，成为模式识别、机器学习等领域不可或缺的重要部分［3-6］。SVM在小样本监督学习中有着出色的表现，其搭配图像的HOG（方向梯度直方图）特征进行行人分类检测也有着不错的效果［7-9］。
在完成样本图像的HOG特征向量提取之后，需要根据获取的特征向量以及向量所属的标签训练一个二分类的SVM。考虑到特征向量维度较大，故选择线性核函数，同时为了避免过拟合的问题，加入正则化项，这样SVM损失函数loss可写为


基金项目：陕西省科研项目(2020GY-182)
作者简介：史时喜（1983—），男，高级工程师，硕士，主要研究方向为城市轨道交通地铁车辆段工程设计及场段信息化管控，