Ученые из Поволжского государственного университета телекоммуникаций и информатики разработали усовершенствованный алгоритм по обработке сигналов машинного зрения, который может позволить корректно учитывать скорость движения железнодорожных составов на станциях и перегонах. Основная новация в том, что вводится дополнительная формула для расчета координат второго фрагмента изображений, которые используются для анализа.

Сейчас при обработке видеосигналов для расчета скорости движущегося объекта сопоставляются два фрагмента соседних кадров с одной точки. Исходя из изменений на кадре, рассчитывается скорость, с которой движется объект. Чтобы оценить движение автомобиля этого более чем достаточно. Но на железной дороге такой алгоритм может дать сбой, ведь составы протяженные, а вагоны могут быть однотипными. Все это приводит к тому, что расчете скорости возникают погрешности.

Для того, чтобы данные с машинного зрения можно было использовать для обеспечения безопасности на объектах железнодорожной инфраструктуры и применять полученную информацию для автоматизации процессов, максимальная погрешность не должна превышать 2 км/ч.

Специалистам эта проблема известна. Ее пытаются ее разрешить разными способами. Когда технология машинного зрения только зарождалась, для анализа скорости использовались данные с одного фрагмента изображения, чаще всего в центре. Когда стало ясно, что этого может быть недостаточно, для анализа данных стали применять два фрагмента с кадров, например, в центре и сбоку. Но и этот метод стал давать сбои.

Для точного расчета нужно, чтобы в кадр не попадал окружающий пейзаж. Дело в том, что непосредственный расчет скорости производится с помощью гистограммы, созданной за счет суммирования уровня яркости пикселей движущегося объекта. Когда в кадр попадает фон, то построить корректную гистограмму оказывается невозможно.

Подвижной состав на железной дороге разный, есть как крытые вагоны, так и вагоны-тележки. Соответственно, когда второй фрагмент выбирается статично для всех вагонов, то при проходе состава с пустыми вагонами-тележками во втором фрагменте как раз может оказаться окружающий пейзаж и данные о движении поезда окажутся некорректными.

Самарские разработчики предложили усовершенствовать эту технологию и каждый раз при анализе высчитывать координаты второго фрагмента для анализа по специальной формуле. Расчеты показали, что при таком методе в выделенный фрагмент попадает не абстрактный фон, а именно часть вагона, что повышает точность вычислений.

Машинное зрение активно применяется на объектах железнодорожной инфраструктуры и в перспективе использование этой технологии будет только увеличиваться. На этом фоне возникает необходимость в повышении точности анализа.

Кроме того, с каждым годом нагрузка на железнодорожные пути увеличивается, растут объемы грузовых и пассажирских перевозок, плюс расширяются возможности применения железнодорожной автоматики и цифровых технологий. В этих обстоятельствах приоритет - рациональное использование путей. Как следствие, определение скорости составов становится критически важным.

Разработка исследователей из Поволжского государственного университета телекоммуникаций и информатики не решает полностью проблему учета скорости движущихся вагонов машинным зрением. Авторы исследования признают, что пока не решена проблема обработки видеосигнала в моменте, когда поезд только попадает в поле зрения камер и когда покидает зону видимости. Специалисты намерены работать над разрешением этой проблемы, чтобы в дальнейшем провести усовершенствование предложенного ими алгоритма.

Авторы разработки оформили патент на свое изобретение, что позволяет внедрить разработанный ими алгоритм на железной дороге.