轨道交通视频监控系统是运营管理和公共安全保障的重要组成部分，是防范恐怖事件和处理轨道交通突发事件的必要手段。目前国内轨道交通中都实施了相对严密的视频监控系统，通过架设大量各类摄像机以及配套系统来监控轨道交通内的重要场所并配合其他的安全措施，最大限度地避免和应对各种安全事件的发生，同时在轨道交通发生治安和运营事件后提供图像追查记录。以进入网络化运营阶段的上海为例，截止2010年底，网络内车站摄像机总数超过15000个，构成了庞大的轨道交通视频监控系统网络。

　　随着视频监控系统各上层单位管理的车站数量越来越多，其可以调看的图像数目也极为庞大。但是，现有的传统视频监控系统面临着很大的挑战，主要体现在：

　　1.在各管理单位监控室的空间有限，只能通过轮换画面来监视所有的场景，不能同时获知全部视频图像的监控信息。

　　2.视频监控系统仍然受到了一些固有因素的限制，从而导致整个系统在安全性和实用性等方面仍然不能达到人们预期的目标。

　　3.虽然视频监控系统包含的信息量巨大，但现在对信息的利用率极小。

　　因此，有必要研究在轨道交通环境中，如何利用智能视频分析来自动获得相关信息、并挖掘数据，为轨道交通运营管理、应急处置、安全防范等提供支撑和依据。

　　主要研究内容

　　1.智能视频分析应用现状和技术原理

　　智能视频分析技术主要基于计算机视觉和人工智能，并模仿人类的视觉认知机理，通过使用计算机图像视觉分析技术，将场景中背景和目标分离进而分析并追踪在场景内出现的目标。用户可以根据视频内容分析功能，通过在不同摄像机的场景中预设不同的报警规则，一旦目标在场景中出现了违反预定义规则的行为，系统会自动发出报警。智能视频监控的目标是对监控视频画面中的场景和事件进行自动理解，在理解的基础上对人们关注的目标或者事件进行探测、报警，并且基于海量数据生成各种统计信息。

　　图1给出了智能视频监控系统的一般流程，从监控摄像机开始，包括运动对象提取、对象描述、对象跟踪、对象识别和对象的行为分析，最后进行预警或报警。

　　图1智能视频监控系统的一般流程

　　从目前国内外的应用情况来看，近几年来，智能视频分析技术的用户数量较迅速增加，市场的认可度在上升。智能视频分析技术产品已被应用于港口、机场、铁路等单位。例如，英国政府已经和MultiVision智能监控公司协商过在伦敦地铁视频监控系统上安装智能化设备，该系统将识别出超过一段时间被遗留在某地的物体，并向保安人员发出警报。

　　2.智能视频分析在轨道交通中的可能应用

　　通过对智能视频分析技术、轨道交通运营管理和安全防范管理需求的研究，智能视频分析在轨道交通环境中的可能应用主要有：

　　1）安全区域的智能检测

　　轨道交通系统庞大而复杂，除了提供一般乘客使用、可以自由活动的空间和区域外，还存在出于安全考虑对乘客关闭、并对异常情况保持敏感的空间或区域。针对此项需求，可应用智能视频分析进行安全区域检测：

　　(1)周界入侵检测

　　对无人值守的禁区划界，实现如有人闯入禁区即主动报警的功能。禁区可以包括：轨道交通隧道或者围栏处、各种设备用房。

　　(2)游荡人员检测

　　设置规则，对在禁区附近徘徊超过一定时限的人员进行检测，并主动报警。

　　(3)定向移动检测

　　对只允许单向通行的通道，检测其中的逆行事件。

　　(4)物体遗留检测

　　对公共区域内遗留超过一定时间的物品进行监控，实现主动报警功能，及时防范恶意破坏行为。

　　2)视频质量智能监控

　　随着轨道交通网络化建设和运营的不断推进，轨道交通内视频监控系统的摄像机数在不断增加，给系统维护工作带来了巨大的挑战。当视频图像出现信号丢失、失焦模糊、雪花等常见摄像机故障时，如果仅凭监控人员手动切换视频检查，往往不能在第一时间发现这些故障，进而可能影响监控系统的有效性。视频质量智能监控系统则可以通过实时分析来解决这一问题，其可用于检测以下情况：

　　(1)视频信号缺失检测

　　检测间发性或持续性的视频缺失现象；

　　(2)设定视野异常检测

　　检测因摄像机被人为转动、遮挡造成的预定监控视野异常；

　　(3)视频清晰度异常检测

　　检测视频中由于聚焦不当、镜头损坏或异物遮蔽引起的视野主体部分的图像模糊；

　　(4)视频亮度异常检测

　　检测视频中由于摄像机故障、增益控制紊乱、照明条件异常等原因引起的画面过暗、过亮或黑屏；

　　(5)视频干扰检测

　　检测视频图像中混有杂乱的“横道”、“波纹”、或干扰导致的图像模糊、扭曲、雪花、抖动或滚屏等噪声现象；

　　(6)PTZ运动检测

　　检测前端云台和镜头是否能够按用户指令正确运动。

　　视频质量智能监控系统较适合应用在线路运营控制中心，通过在控制中心轮巡检测其所辖区域内所有摄像机的视频图像，当发现视频故障时立刻发出报警信息，提醒管理人员及时发现前端摄像设备的故障并通知相关人员进行设备维修。同时系统还应自动生成报表实时记录检测结果并以数据库的方式存储，使得用户还可通过远程访问数据库查看故障记录。

　　3)客流密度检测和流量统计

　　轨道交通车厢、站台、检票口以及各种通道是乘客必经的空间，每天都有数量巨大的人流通过或停留，这些位置的拥塞直接影响车站甚至网络的运行状态。因此，若要做到对车站及网络运营状态全面掌握，为运营管理措施提供明确的数据支持，使轨道交通运营状态的发布更客观、科学，需要能实时获取轨道交通网络各处的客流量。

　　以上海为例，目前上海轨道交通客流数据是通过清分系统获取的，由于清分系统的特性，只能了解到当前5分钟内线网各车站的进出站客流和某区间之前一段时间的断面客流，对于车站空间的实时客流无法实时得知。为了获知车站总体区域，特别是站台区域的人流密度，上海轨道交通研究采用智能视频分析技术来进行客流密度检测。

　　根据客流密度检测的功能需求，客流检测系统在结构上包括算法层和应用层。算法层分析输入视频，对区域内的行人密度进行估计，应用层根据算法层返回的数据进行统计和分析，并负责视频的采集和显示以及统计分析结果的展示。系统结构如图2所示。

　　图2智能视频分析中客流统计应用的系统结构

　　通过智能视频分析客流检测系统可以实现：

　　(1)区域内密度检测

　　自动检测用户设定的监控区域内人流的密度，以密度统计值的形式定时更新，按照预设的值分等级进行报警；

　　(2)区域内人数估算

　　根据人体检测算法，估算出当前区域的人数.

　　客流检测系统还应拥有一个功能强大的后台数据管理平台，可以将系统运行过程中实时估算的乘客人数和客流密度进行记录，从而对客流特征进行统计。在积累了一段时间的样本数据后，可以进一步开发基于数据库技术的多维数据分析和挖掘功能。

　　4)人员行为检测分析

　　轨道交通监控场景一般均为大场景下的监控，即监控的主体为大范围区域，人体成像相对较小，但场景中某些个体的行为可能会影响到运营的正常进行。因此，需要对某些个体进行人员行为检测分析，感兴趣的人员行为包括闸机异常穿越、突然摔倒、打架检测等。

　　人员行为检测分析主要应用到了人体跟踪的算法。市场上目前存在一些技术，通过对人员特定行为的特征抽取，简化并量化了对异常穿越、打架等行为的定义，做到了可以对这类行为中的一些进行检测。在人流稀疏的场景下，可以通过前景检测得到运动物体，记录设定区域内的移动物体的轨迹、存在时间、速度等，再由设定的门限分析物体的属性和行为。

　　但是，在轨道交通此类人员较密集的场合，经常出现人和环境遮挡、人体运动等干扰情况，从而造成了跟踪过程中的运动目标被跟丢、跟错和多跟现象，目标跟踪准确率大大降低了，与实际应用中的要求还有较大的差距。

　　3.适用于轨道交通的智能视频分析应用系统的研究

　　鉴于上海轨道交通视频监控系统已经进入网络化阶段，分析了网络化的智能视频分析应用系统架构。

　　4.智能视频分析系统的测试

　　为了对智能视频分析的各项功能，特别是客流密度检测功能进行测试，项目在上海轨道交通8号线西藏南路、西藏北路站和6号线灵岩南路站进行了系统安装和测试。

　　三、应用前景与效益预测

　　通过本项目的研究，得出了智能视频分析在轨道交通中应用的相关结论：

　　利用视频质量分析进行入侵检测的技术已较成熟，在国内外已有相关应用案例。但对于上海轨道交通而言，较多的安全区域通过其他的措施，如加装门禁系统、屏蔽门系统等进行防护，对于此项应用暂无迫切的需求。因此，对于此项应用的场合和具体应用方式需待新需求的提出再分析。

　　随着轨道交通摄像机数量的不断增长，其维护工作日趋繁杂，业界较多厂家均在开展视频质量分析的研究，部分应用相对成熟。因此，可以进一步研究此项技术的应用场景和目标，结合运营管理和维护保障过程中的需求，推进此项技术的应用，不断提高摄像机等的主动维护水平和视频监控系统的可用性，充分发挥视频监控系统的作用。

　　对于客流统计分析与人员行为检测，由于轨道交通的摄像机安装与客流特点，相关应用需要区分多种场景，采用多重算法综合来进行人体的跟踪；并需要在计算的基础上，不断调试、完善，提高跟踪检测的准确性。鉴于现阶段的技术很难实现具体、准确的人数统计，还达不到实际应用所要求的效果。

　　根据本项目的研究成果，可深化研究视频质量分析等较成熟的技术，推进相关新技术在工程中的应用，提高维护管理的效率，并增强对设备的主动维护度。另外，通过项目研究，推进了相关厂商根据轨道交通智能视频分析的实际需求进行技术的深入研究，推动了技术发展。