• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于卷积神经网络的接触网支柱号识别方法研究

薛宪堂, 王登阳, 张翼, 周威, 王燕国

薛宪堂, 王登阳, 张翼, 周威, 王燕国. 基于卷积神经网络的接触网支柱号识别方法研究[J]. 铁路计算机应用, 2019, 28(9): 11-15.
引用本文: 薛宪堂, 王登阳, 张翼, 周威, 王燕国. 基于卷积神经网络的接触网支柱号识别方法研究[J]. 铁路计算机应用, 2019, 28(9): 11-15.
XUE Xiantang, WANG Dengyang, ZHANG Yi, ZHOU Wei, WANG Yanguo. Catenary pillar number recognition method based on convolutional neural network[J]. Railway Computer Application, 2019, 28(9): 11-15.
Citation: XUE Xiantang, WANG Dengyang, ZHANG Yi, ZHOU Wei, WANG Yanguo. Catenary pillar number recognition method based on convolutional neural network[J]. Railway Computer Application, 2019, 28(9): 11-15.

基于卷积神经网络的接触网支柱号识别方法研究

基金项目: 

中国铁道科学研究院科技研究开发项目(2017YJ132)

北京铁科英迈技术有限公司基金课题(2017JJXM28)

详细信息
    作者简介:

    薛宪堂,助理研究员;王登阳,副研究员。

  • 中图分类号: U225.42;TP39

Catenary pillar number recognition method based on convolutional neural network

  • 摘要: 接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。
    Abstract: The catenary pillar numberis an important positioning parameter for on-site operation and maintenance of railway power supply department. Based on convolution neural network, the automatic recognition method of catenary pillar number was combined with the actual characteristics of catenary image. The video image was preprocessed by normalization, and the actual pillar image was trained by convolution neural network. The distribution characteristics of catenary pillar number were considered in the process of the identifying. It improves the accuracy of pillar number recognition.The actual railway line data were used to test, and better recognition accuracy and faster recognition speed were obtained. The experimental results show that this method can assist the defect location in the railway infrastructure inspection system and guide on-site operation and maintenance.
  • 新一代中铁银通卡—铁路e卡通(简称:e卡通)是在电子客票推广背景下研制的铁路客运创新产品。该产品以电子卡片为载体、以铁路12306互联网售票系统(简称:12306)手机客户端为前端业务承载平台,基本实现了一键开卡、一键绑定、一键充值、一键生码、一码乘车的功能,旅客通过一部手机即可完成进出站核验、检票、乘车支付的全流程[1]。自上市以来,e卡通已在13个铁路局集团公司的40余条城际铁路、高速铁路投入应用,较好地满足了旅客短周期、高频次的出行需求。

    根据中国国家铁路集团有限公司(简称:国铁集团)实名制乘车及客运乘降组织管理要求,旅客乘车须依次实现进站闸机核验或窗口核验、闸机检票、列车查验、出站扣费等环节[2-3]。目前,使用e卡通已可通过实名制闸机或验检合一闸机完成自助实名制核验,而在进站实名制验证验票窗口(简称:进站窗口)、列车实名制核验等应用场景仍需进行人工核对。具体为,持e卡通旅客需在进站窗口向工作人员同时出示身份证和e卡通动态乘车二维码,由铁路客运人员比对是否为e卡通旅客本人;e卡通旅客扫码进站乘车,在列车查验环节向铁路工作人员出示铁路12306手机客户端内e卡通乘车记录,而列车工作人员无法通过既有设备或系统完成e卡通旅客进站记录核验。因此,亟需研究并实现以上2个场景下e卡通的实名制核验应用。

    e卡通在进站窗口、列车实名制核验场景的需求如下。

    应支持扫码核验和识读二代身份证2种方式。旅客通过进站窗口时,出示e卡通乘车二维码或本人二代身份证,验证验票管理系统通过扫码设备识读的e卡通账户信息或身份证识读设备读取到的身份证信息查询验证旅客e卡通账户有效性,同时将人脸采集设备采集的人脸图像与身份证号关联的人脸库数据或身份证照片进行集中比对处理,并返回比对状态,完成e卡通、证件、旅客的一致性核验。

    在既有的验证验票管理系统基础上,应实现e卡通旅客核验信息的存储、查询与统计相关功能。

    列车长应可通过列车手持终端扫描旅客e卡通二维码或识读旅客二代身份证,查询列车服务系统中记录的该旅客所乘车次和席位信息,以核对旅客乘车信息。

    e卡通铁路实名制核验应用设计还应满足以下要求。

    (1)按照降低成本、提高效率的原则,功能实现应基于既有验证验票管理系统和列车服务系统进行应用功能扩充,不进行设备新增和改造。

    (2)遵循可扩展性原则,保证既有平台和系统的兼容性及对未来发展的适应性。

    (3)在确保网络安全的前提下,e卡通旅客数据查询响应时间应小于1 s。

    利用既有验证验票管理系统及相关设备,完成信息采集、传输和比对等实名制核验过程。验证验票管理系统终端设备通过扫描旅客e卡通乘车二维码或识读旅客二代身份证件,还原旅客身份和e卡通账户有效性信息,联同摄像头采集的人脸信息通过公安联网控制设备,及时传递到公安核查系统[4],完成自助核验。核验流程如图1所示。

    图  1  进站窗口e卡通核验流程

    在列车服务系统内新增e卡通核验应用功能,列车长可通过列车手持终端扫描旅客e卡通乘车二维码或识读旅客二代身份证件获取旅客进站乘车记录,通过与旅客实际乘车信息进行比对完成核验。核验流程如图2所示。

    图  2  列车e卡通核验流程

    本文在需求分析、业务流程设计的基础上,设计开发进站窗口e卡通核验应用功能和列车e卡通核验应用功能。

    进站窗口e卡通核验应用功能主要包括操作员定义、统计管理、验证验票窗口参数定义、信息传输、黑名单预警及多次核验预警等。

    (1)操作员定义:具备验证验票权限的操作员被默认赋予e卡通旅客实名制核验查询权限,不作特殊要求。

    (2)统计管理:统计e卡通旅客进站人员数据,按照扫码核验、识读二代身份证渠道分别统计核验成功、核验失败的人员数据,并能供铁路客票发售和预定系统(简称:客票系统)其他系统调阅使用。

    (3)验证验票窗口参数定义:设置铁路局集团公司级、车站级参数,可自主开启与关闭e卡通的核验功能,相关权限及功能统一由参数定义来实现。

    (4)信息传输:e卡通旅客身份信息通过公安联网控制设备将信息比对状态等数据实时传递至公安后台系统;账户信息通过银行专线发送至指定银行,实时询问账户有效性信息。

    (5)黑名单预警:通过验证验票管理系统抓拍的人脸图片传输到后端与黑名单库进行实时比对,匹配度达到阈值后实时触发报警,并将报警信息及时传输至铁路公安系统。

    (6)多次核验预警:同一名旅客同一天核验次数超过n(参数设置)次进行预警,并纳入特殊名单管理。

    列车e卡通核验应用功能主要包括功能参数设置、权限设置、自动统计、信息补录、信息变更及信息注销等。

    (1)功能参数设置:列车服务系统升级至指定版本后,自动具备功能菜单,e卡通进站记录查验功能的关闭与开启由参数统一控制。

    (2)权限设置:默认所有列车工作人员具有e卡通进站记录查验权限,仅列车长具备注销和变更e卡通进站记录权限。

    (3)自动统计:列车服务系统统计并展示汇总及明细数据。可查询展示该车次e卡通进站人数和各站下车人数;可查询显示e卡通旅客姓名、身份证号、e卡通账号、冻结金额、日期、车次等信息,且能根据需要选择性添加或录入。

    (4)信息补录:未查询到e卡通旅客进站记录的,在e卡通余额满足乘车条件时,可添加当前车次始发站进站信息。

    (5)信息变更:列车服务系统查询到的进站记录与12306手机客户端显示不一致时,可变更旅客进站记录与当前车次一致,并将数据实时传至客票系统。

    (6)信息注销:列车服务系统查询到的进站记录与12306客户端显示不一致时,可注销旅客列车进站记录并新增实际进站记录或完成补票手续,再将数据实时传至客票系统。

    进站窗口e卡通核验应用基于验证验票管理系统,该系统采用集中式体系架构,在铁路局集团公司设立数据库服务器与应用服务器集群,采用负载均衡技术对外提供统一地址进行服务;进站窗口终端向上联接到统一的服务地址,将验证验票数据实时记录到数据库中,通过铁路局集团公司e卡通数据接口服务访问账户信息,如图3所示。

    图  3  进站窗口e卡通核验应用技术架构

    通过在铁路局集团公司客票局域网内部署人脸集中比对服务器,对进站核验口采集的人脸图像和二代身份证照片进行集中比对处理,并返回比对状态;在铁路局集团公司客票局域网内部署铁路客票数据服务网闸,将进站实名制数据、比对状态信息及人脸图片等数据准实时传输至公安网中的铁路客票实名信息公安核验系统[5],实现与公安网的安全隔离与数据交互。

    列车e卡通实名核验应用基于列车服务系统,该系统由车上系统、移动网络通道、站车内网与客票系统e卡通实名核验服务4部分组成,技术架构如图4所示。

    图  4  列车e卡通核验应用技术架构

    列车终端部署e卡通实名核验应用,通过中国移动通信网络或铁路GSM-R移动通信网络,以无线专网形式,集中接入站车内网并进行统一安全认证。应用数据请求由GPRS接口服务器统一管理并转发到信息发布服务器,再通过安全隔离系统访问国铁集团级铁路客票网的e卡通实名核验服务。

    e卡通实名制核验过程主要涉及数据采集、数据核验、网络通信3方面,技术关键点是提升核验的效率、完整性和准确性。本文主要就数据核验、网络通信2方面介绍关键技术。

    系统采用身份认证技术实现e卡通、证件、旅客的一致性核验。核心过程主要包括e卡通账户与关联证件核验、旅客与证件比对2个环节,且均支持扫码和刷证2种核验方式。

    通过二维码扫描设备扫描e卡通乘车码,解析乘车码中的身份证号及卡号;或通过居民身份证识读设备读取二代身份证,查核身份证号关联的e卡通账户有效性,并将身份证号、e卡通账户有效性检验结果显示在核验终端屏幕,完成e卡通、证件的一致性核验。

    扫码与刷证方式均通过摄像头进行人脸采集,将面部特征信息与身份证号传递至公安系统,完成证件、旅客的一致性核验。

    身份认证技术主要用于旅客与证件比对环节,即通过获取旅客的生物特征与系统中记录的证件照片完成比对与校验。目前应用的生物特征识别技术有人脸识别、指纹识别、虹膜识别等,其中,人脸识别技术较其他方式的识别技术复杂程度更高,其优势更为明显,体现为适应性强、响应速度快、准确性和稳定性高[6-7],更易于在铁路车站应用。

    列车的高速运行和铁路沿线的复杂地理条件,会导致移动通信信号不稳定,从而影响列车记录核验数据的完整性。为解决这一问题,本文设计了基于移动通信网络和用户数据报协议(UDP,User Datagram Protocol)的数据传输控制协议,该协议充分考虑到列车运行速度快、无线信号不稳定、无线传输速率较低等特点,采用数据压缩、数据分片、断点续传等技术,以超时控制和协调指令为手段,实现了应用任务的闭合管理,保证了列车核验数据的一致性和完整性[8]

    本文设计的e卡通相关功能已在中国铁路成都局集团有限公司进行应用试验,系统整体运行状态良好,在不考虑人为因素的情况下,可在2 s内完成一次进站实名制核验动作或列车实名制核验动作,系统处理较人工处理速度大幅提高。e卡通实名制核验功能的研发显著提高了车站业务管理效率,为e卡通在进站、列车等场景的实名制核验应用提供了有效的技术解决方案,具有一定的应用和推广价值。未来还需继续扩大试用范围,积累更多的试验数据,在处理效率、不同站车条件的适应性等方面继续深化研究。

  • [1] 王登阳,杨超. 高速综合检测列车时空同步技术[J]. 铁路技术创新, 2012(1):16-19.
    [2] 中华人民共和国铁道部运输局供电部,中国铁道科学研究院, 西南交通大学. 高速铁路供电安全检测监测系统(6C)总体技术规范[S]. 北京:中华人民共和国铁道部, 2012.
    [3] 吴光龙. 基于机器视觉的接触网巡检关键技术研究[D]. 成都:西南交通大学, 2016.
    [4] 杨文静,狄岚,梁久祯. 基于多帧杆号字符识别的接触网检测系统[J]. 数据采集与处理, 2016, 31(6):1250-1258.
    [5] 杜馨瑜,戴鹏,李颖,等. 基于深度学习的铁道塞钉自动检测算法[J]. 中国铁道科学, 2017, 38(3):89-96.
    [6] 韦璞. 面向视频监控的受电弓与接触网支柱检测[D]. 成都:西南交通大学, 2017.
    [7] 李建超,张翠兵,柴雪松,等. 基于图像识别技术的隧道衬砌裂缝检测系统研究[J]. 铁道建筑, 2018, 58(1):20-24.
    [8] 张毅. 深度学习在接触网定位器缺陷检测中的应用[J]. 铁路计算机应用, 2018, 27(3):15-19.
    [9] 周飞燕,金林鹏,董军. 卷积神经网络综述[J]. 计算机学报, 2017, 40(6):1229-1251.
    [10]

    LIU W, ANGUELOV D, ERHAN D, et al.SSD:Single Shot MultiBox Detector[C]//European Conference on Computer Vision 2016.Amsterdam:Springer, 2016:21-37.

    [11] 雷杰,高鑫,宋杰,等. 深度网络模型压缩综述[J]. 软件学报, 2018, 29(2):251-266.
    [12]

    Han Song, Mao Huizi, Dally W.J. Deep compression:compressing deep nueral networks with pruning,trained quantization and Huffman coding[C]//Proc of International Conference on Learning Representations,2016:1-23.

    [13]

    Lin Kevin, Yang HuiFang, Hsiao Jenhao,et al.Deep learning of binary hash codes for fast image retrieval large-scale image search query[C]//Proc of IEEE Conference on Computer Vision and Pattern Recogintion.2015:27-35.

  • 期刊类型引用(2)

    1. 李雷,葛会帅,李明,周自昌,高东东. 基于铁路e卡通的异常行程处理机制研究与应用. 铁路计算机应用. 2024(03): 54-58 . 本站查看
    2. 汪蓉,汪健雄,陈靖,张瀛丹,梁嘉文,吴俊. 铁路与城轨票务模式差异分析及城际铁路票务方案探讨. 铁道运输与经济. 2023(07): 21-27 . 百度学术

    其他类型引用(0)

计量
  • 文章访问数:  73
  • HTML全文浏览量:  5
  • PDF下载量:  19
  • 被引次数: 2
出版历程
  • 收稿日期:  2018-10-14

目录

/

返回文章
返回