基于双背景建模与差分图像的轨道异

基于双背景建模与差分图像的轨道异 第３６卷　第１期２０１７年２月 （）文章编号：１００１３７３２０１７０１０４７４－４－０－０ 兰州交通大学学报 ｏｕｒｎａｌｏｆＬａｎｚｈｏｕＪｉａｏｔｏｎＵｎｉｖｅｒｓｉｔＪ　　　ｇｙ　ｏｌ．３６Ｎｏ．１Ｖ ｅｂ．２０１７Ｆ ：／ＤＯＩ１０．３９６９．ｉｓｓｎ．１００１３７３．２０１７．０１．００９－４ｊ 基于双背景建模与差分图像的轨道异物识别 侯　涛，李丹丹 （）兰州交通大学自动化与电气 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 学院，甘肃兰州　７３００７０ 针对铁路轨道异物入侵的识别精度，提出了一种基于双背景建模和差分图像的识别方法．基于多帧平均背景摘要： 和当前帧的前一帧背景建立模型，采用背景逐帧更新，使用平均背景差分和帧间差分的异物检测方法，界定基于边缘提取的铁轨危险区域，再通过黑白像素方法对轨道异物进行识别．实验表明，该方法具有较好的抑噪性和环境适应性，可有效提高异物识别精度． 关键词：铁路轨道；双背景建模；背景差分；帧间差分；异物识别中图分类号：ＴＰ３９１　　　　文献 标志 禁止坐卧标志下载饮用水保护区标志下载桥隧标志图下载上坡路安全标志下载地理标志专用标志下载 码：Ａ ＲｅｃｏｎｉｔｉｏｎｏｆＦｏｒｅｉｎＯｂｅｃｔＩｎｔｒｕｓｉｏｎｆｏｒＲａｉｌｗａＴｒａｃｋｏｎＤｏｕｂｌｅ　　　　　　　　ｇｇｊｙ　 ＢａｃｋｒｏｕｎｄＭｏｄｅｌｉｎａｎｄＤｉｆｆｅｒｅｎｃｅＩｍａｅ　　　ｇｇｇ　 ，ｄａｎＨＯＵ　ＴａｏＬＩＤａｎ－　 （，），ＳＬａｎｚｈｏｕ７３００７０，ＣｈｉｎａＬａｎｚｈｏｕＪｉａｏｔｏｎＵｎｉｖｅｒｓｉｔｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｉｎｅｅｒｉｎ　　　　　　　ｇｙｇｇ　 ：ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｉｍｒｏｖｅｔｈｅａｃｃｕｒａｃｏｆｆｏｒｅｉｎｏｂｅｃｔｒｅｃｏｎｉｔｉｏｎｏｎｒａｉｌｗａｔｒａｃｋ，ｔｈｅｆｏｒ－　　　　　　　　　　　ｐｙｇｊｇｙ　　ｅｕｔｆｏｒｗａｒｄｂａｓｅｄｏｎｄｏｕｂｌｅｂａｃｋｒｏｕｎｄｍｏｄｉｎｏｂｅｃｔｒｅｃｏｎｉｔｉｏｎｍｅｔｈｏｄｏｎｒａｉｌｗａｔｒａｃｋｉｓ－　　　　　　　　　　　　　ｐｇｇｊｇｙ　 ，ｅｌｉｎａｎｄｄｉｆｆｅｒｅｎｃｅｉｍａｅ．Ｉｎｔｈｉｓｍｅｔｈｏｄｔｈｅｄｏｕｂｌｅｂａｃｋｒｏｕｎｄｍｏｄｅｌｉｎｍｅｔｈｏｄｔｈａｔｉｎｃｌｕｄｅｓ　　　　　　　　　ｇｇｇｇ　　ｆｔｈｅｍｕｌｔｉｒｅｖｉｏｕｓｆｒａｍｅｏｆｃｕｒｒｅｎｔｆｒａｍｅｂａｃｋｒａｍｅａｖｅｒａｅｂａｃｋｒｏｕｎｄｍｏｄｅｌｉｎａｎｄｔｈｅ－－　　　　　　　　　　　ｐｇｇｇ　 ，ｒｏｕｎｄｍｏｄｅｌｉｎｍｅｔｈｏｄａｒｅｕｓｅｄｔｏｍｏｄｅｌｔｈｅｂａｃｋｒｏｕｎｄｍｏｄｅｌａｎｄｔｗｏｂａｃｋｒｏｕｎｄｓａｒｅｕｄａ－　　　　　　　　　　　　ｇｇｇｇｐ　ｔｅｄｒｅｓｅｃｔｉｖｅｌｔｏａｃｈｉｅｖｅｂａｃｋｒｏｕｎｄｕｄａｔｉｎｂｕｓｉｎｔｈｅｎｅｗｅｓｔｉｍａｅ．Ｔｈｅｆｏｒｅｉｎｏｂｅｃｔ　　　　　　　　ｐｙｇｐｇｙｇｇｇｊ　　　　 ，ｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｉｓｄｏｎｅｂｆｕｓｉｎｔｈｅｂａｃｋｒｏｕｎｄｄｉｆｆｅｒｅｎｃｅａｎｄｉｎｔｅｒｆｒａｍｅｄｉｆｆｅｒｅｎｃｅａｎｄｔｈｅ　　　　　　　　　　ｙｇｇ　　，ｈａｚａｒｄｏｕｓａｒｅａｏｆｒａｉｌｗａｔｒａｃｋｉｓｄｉｖｉｄｅｄｂａｓｅｄｏｎｅｄｅｅｘｔｒａｃｔｉｏｎｔｈｅｎｔｈｅｔｒａｃｋｆｏｒｅｉｎｏｂｅｃｔ　　　　　　　　　　　　　ｙｇｇｊ　ｈａｓｂｅｅｎｄｉｓｃｅｒｎｅｄｔｈｒｏｕｈｔｈｅｒｅｃｏｎｉｔｉｏｎｍｅｔｈｏｄｏｆｔｈｅｂｌａｃｋａｎｄｗｈｉｔｅｉｘｅｌｓ．Ｔｈｅｓｉｍｕｌｉｎｋ　　　　　　　　　　　　　ｇｇｐｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｈａｓｂｅｔｔｅｒｎｏｉｓｅｉｍｍｕｎｉｔｅｒｆｏｒｍａｎｃｅａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌａｄａｔａ－　　　　　　　　　　　ｙｐｐ　 ，ｂｉｌｉｔａｎｄｔｈｅｒｅｃｉｓｉｏｎｏｆｆｏｒｅｉｎｏｂｅｃｔｒｅｃｏｎｉｔｉｏｎｉｓｉｍｒｏｖｅｄｅｆｆｅｃｔｉｖｅｌ．　　　　　　　　　ｙｐｇｊｇｐｙ；；：Ｋｅｗｏｒｄｓｒａｉｌｗａｔｒａｃｋ；ｄｏｕｂｌｅｂａｃｋｒｏｕｎｄｍｏｄｅｌｉｎｂａｃｋｒｏｕｎｄｄｉｆｆｅｒｅｎｃｅｉｎｔｅｒｆｒａｍｅｄｉｆｆｅｒ－　　　　ｙｇｇｇｙ　　；ｅｎｃｅｆｏｒｅｉｎｏｂｅｃｔｒｅｃｏｎｉｔｉｏｎ　　ｇｊｇ近　　铁路轨道异物入侵严重影响列车安全运行． 年来，随着现代科学技术的不断发展，国内外学者对轨道异物入侵识别技术进行了较多的研究，如多传感器融合技术、红外对射检测技术、机器视觉及视频 监控技术等，这些方法都是通过图像处理来实现异 ］５１－ 受光照、物识别［风雨及大雾等天气影响，部分方． ］法的适应性不强且识别精度不高，如文献［基于２因算法复杂影响检ａｌｍａｎ滤波的大异物检测法，Ｋ ：／／收稿日期：０３０１６４０ｔｔｂ．ｌｚｔｕ．ｅｄｕ．ｃｎｘ２ｈ－－　　　　　　　　　学报网址：ｐｊ ））；基金项目：兰州交通大学科技支撑计划项目（甘肃省自然科学基金（６０６ＲＪＺＡ００２Ｃ２０１３００４Ｚ１ ：，作者简介：男，四川中江人，侯涛（副教授，工学博士，主要研究方向为智能信息处理与智能控制．９７５Ｅ－ｍａｉｌｈｏｕｔａｏｈｔａｉｌ．ｌｚｔｕ．ｃｎ．１－）＠ｍｊ ４８兰州交通大学学报第３６卷 ］测速率，文献［基于码本模型的实时前景背景分割６算法，虽然提高了内存使用效率，但噪声点较多，难］以适应复杂场景，文献［基于视频序列的双背景建７模算法，因场景环境变化而导致码本算法背景中的背景点被误认为前景点，在某些场景存在不稳定状况．在分析研究轨道异物入侵识别方法的基础上，针对目前识别方法的不足，提出一种基于双背景建模和差分图像的黑白像素的轨道异物入侵识别方法，通过双背景建模，将当前图像分别与背景图像进行差分实现异物检测，再结合图像的黑白像素法识别异物，可有效增强异物识别的准确性，提高环境适应能力． 图１　双背景建模结构原理图ｉ．１　Ｔｈｅｓｃｈｅｍａｔｉｃｄｉａｒａｍｏｆｄｏｕｂｌｅ　Ｆ　　　　ｇｇ ｂａｃｋｒｏｕｎｄｍｏｄｅｌｉｎ　ｇｇ １　双背景建模及背景更新 １．１　双背景建模 一般而言，判别当前帧是否有异物，关键是要找到一个参照的对象，通过对比断定异物的存否，这个对象即是建模背景．多帧平均背景建模方法简单、时间复杂度小，但受噪声影响大 ［］１８０－ ２　铁路轨道危险区域划分 ２．１　铁路轨道边缘提取 铁路轨道异物入侵识别主要目的是识别出影响列车行驶安全的障碍物，为了提高识别精度，需要在图像中提取轨道边缘，确定铁轨的位置．Ｈｏｕｈ变ｇ １２］ 是数值图像处理中一种特征提取技术，换［基本思 ，邻帧背景建模方 法对环境适应性能强，但有时会将前景与背景相似］提出基于视频序列的区域误认为背景．文献［１７，１双背景建模算法，有效滤除了噪声点，解决了光线突变下背景更新的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ．本文在分析现有背景建模的基础上，提出一种新的双背景建模方法，即采用多帧平均与当前帧的前一帧进行双背景建模，该方法兼顾了多帧平均背景建模和连续帧背景建模方法的优点，并弥补了二者的不足，为异物识别提供了良好的条件． 表示第ｉ帧在点（的灰度值，设ｆｘ，ｘ，ｙ）ｙ）ｉ（ 表示背景模型１，表示背景模型ｘ，ｘ，ｐｙ）ｐｙ）１（２（表示当前帧在点（的灰度值．同时ｘ，ｘ，２，ｆｙ）ｙ）ｗ（取当前帧向前的ｎ帧图像进行多帧平均背景建模得到建模背景１，取当前帧的前一帧作为背景２， ｎ （，）则灰度背景１与背景２分别是ｐ∑ｆ１ｘｙ＝ｉｎｉ＝１ （与ｐ双背景建模结构原ｘ，ｘ，ｘ，＝ｆ．ｙ）ｙ）ｙ）２（ｗ（理如图１所示． 想在于利用点与线的对偶性，即图像空间坐标系下共线的点对应参数空间坐标系下相交的直线，同时在参数空间坐标系下相交于一点的直线在图像空间坐标系下都有共线的点与之对应，通过在空间进行简单的累加统计完成边缘提取任务．鉴于所获取的铁轨图像除了铁轨外还可能含有其它建筑、树木等 ［１３］较多背景存在，本文首先采用改进的Ｃａｎｎｙ算子 对铁轨图像进行预处理，然后结合Ｈｏｕｈ变换提取ｇ轨道边缘，以得到较完整的铁轨边缘图像．该算法实现过程： ）图像增强：对获取图像进行极值中值滤波，１ 以增强图像细节； 、、）计算梯度幅值：和４方向确对０°９０°５°１３５°２ 定的梯度幅值引入加权算子来确定图像梯度；确定图像边缘３）对图像进行非极大值抑制， 点； ）采用改进迭代式阈值分割方法确定高低阈４ 值．主要通过分别求取图像中最大灰度值和最小灰利用Ｔ０将图像分为两度值，并计算二者的均值Ｔ０，并个区域，即高灰度值区域Ｓ１和低灰度值区域Ｓ２，采用迭代法在ＳＴ１即为高阈１中求得最优阈值Ｔ１，值，在Ｓ该改Ｔ２即为低阈值．２中求得最优阈值Ｔ２，进方法抑噪性能良好，提高了算法自适应性． ）边缘检测与连接；５ ）采用Ｈ得到最ｏｕｈ变换法提取铁轨边缘，６ｇ ２　背景更新１． 背景更新要随着时间的变化得出新的背景，以满足实时异物识别的需要．背景１更新采用当前帧背景２向前取ｎ帧图像像素值进行累加平均得到；更新采用当前帧的前一帧图像像素值替换得到，则每获取一帧图像便更新一次，以提高对光线、天气变化的适应性，有效实现背景更新 ． 第１期侯　涛等：基于双背景建模与差分图像的轨道异物识别 ４９ 终铁轨边缘图像． 根据以上方法编写程序，经调试与优化处理得到铁路轨道边缘提取结果如图２所示．图２ａ为轨道边缘灰度图像；图２ｂ为轨道边缘提取结果 ． 为 ＝｜－ｐｄｘ，ｘ，ｘ，｜，ｙ）ｆｗ（ｙ）ｙ）１（１（ ＝｜－ｐｄｘ，ｘ，ｘ，｜，ｙ）ｆｗ（ｙ）ｙ）２（２（）／ｄｘ，ｄｘ，ｘ，＝（＋ｄ２，ｙ）ｙ）ｙ）３（１（２（ ｘ，１，≥Ｔ；　ｄｙ）３（（，）ｄｘｙ＝ｘ，０，　ｄ＜Ｔ．ｙ）３（（）１（）２（）３（）４ 为背景差分结果；为帧间差式中：ｄｘ，ｄｘ，ｙ）ｙ）１（２（为平均融合背景差分与帧间差分分结果；ｄｘ，ｙ）３（ 图２　铁路轨道边缘提取结果 ｔｒａｃｋｉ．２　Ｔｈｅｒｅｓｕｌｔｏｆｅｄｅｅｘｔｒａｃｔｉｏｎｏｎｒａｉｌｗａ　　　　　　　Ｆｇｇｙ　 为异物检测判断结果．结果；ｄ（ｘ，ｙ） ２　伪目标处理３． 由于受光线变化等环境的影响，检测结果可能有边缘毛刺和孤立点等噪声存在，为此，采用形态学开运算对检测结果进行膨胀和腐蚀运算，并进行区域联通处理，以有效消除噪声干扰，获取较完整的异物轮廓． ３　异物识别３． 对轨道图像经过上述方法处理，异物目标在图像中呈白色，非异物目标在图像中呈黑色，根据目标像素个数与轨道图像总像素个数的比值（即白色像素的个数与黑色像素的个数和白色像素的个数的总像素个数的比值）其计算Ｒ可以有效识别危险异物．公式 ２．２　危险区域划分 危险区域的划分要在保障列车安全的情况下尽可能地避免检测对列车不构成危险的区域，由于我而火车宽度大于轨距，所国常用的轨距是１．４３５米，以为保障列车运行安全，划分的危险区域要大于火车的宽度． 可以得到轨道通过Ｈｏｕｈ变换提取轨道边缘，ｇ边缘的直线方程，以轨道为基准，调整直线方程，将轨道向左右分别扩大到能确保火车完全在危险区域内来确定危险区域．危险区域划分如图３所示，图中灰色部分即为划分的危险区域 ． ｎａ ．　　　Ｒ＝ ｎｎａ＋ｂ （）５ 其中：ｎｎａ表示白色像素的个数；ｂ表示黑色像素的个数；Ｒ表示白色像素的个数与黑色像素的个数和 图３　轨道危险区域划分 ａｒｔｉｔｉｏｎｉ．３　Ｔｈｅｈａｚａｒｄｏｕｓａｒｅａｏｆｒａｉｌｗａｔｒａｃｋ　Ｆ　　　　　ｐｇｙ　 白色像素的个数的总像素个数的比值． 黑白像素异物识别方法首先设定限定值ＲＲｓ（ｓ ，的值为大量实验得出的较优值）并计算检测出的当前图像中白色像素的个数与黑色像素的个数和白色然后将Ｒ与Ｒｓ进像素的个数的总像素个数的比Ｒ， 可判断当前图像有危险异物存行对比，如果Ｒ≥Ｒｓ，则判断当前图像无危险在，启动预警；如果Ｒ＜Ｒｓ，异物存在． ３　异物识别 ３．１　差分法异物检测 背景差分是采用图像序列中的当前帧与建模背景比较来检测异物的一种方法，该方法检测准确，易于实现，但背景图像获取对其影响大；帧间差分主要是通过对比相邻两帧或多帧实现异物检测的一种方法，该方法实现简单，实时性高，对光线等环境变化 ４］１不太敏感，稳定性好，但不能较完整的检测异物［． ４　实验结果与分析 由于相机的分辨率不同，相同大小的图像的像素不一样，同时不同场景异物的大小各异．本文结合拍摄的照片与实际异物的大小，计算出晴天Ｒ≈雨天Ｒ≈０．经多次优化后的晴００．００７１３７，０２１１８；　　 天限定值Ｒ雨天限定值Ｒ．０．００７０７８，０２　ｓ≈０ｓ≈０然后采用前文设计的算法与得到的相关参数，１０９．在Ｍ将铁轨图像进行处理，得到实验ａｔｌａｂ环境下， 鉴于两种方法的优缺点，本文将两种方法相融合，根据双背景建模背景的原理方法将当前帧与背景１和背景２分别进行背景差分和帧间差分，并求出两个以弥补两幅差分图像各自差分图像的均值图像ｄ３，若图像ｄ信息的不足，然后设定阈值Ｔ，３的值大于等于阈值Ｔ则为１，小于阈值Ｔ则为０．该方法公式 ５０兰州交通大学学报第３６卷 ） 结果（图５见图４、． ５　结论 在多帧平均背景建模和差分背景建模的轨道异物识别方法基础上，提出了基于双背景建模和差分图像的黑白像素的轨道异物识别方法．仿真实验表明，本文算法具有良好的轨道异物识别能力，可有效抑制噪声干扰，提高环境适应性，可作为轨道异物识别的一种技术选择 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 ． 图４　晴天轨道异物检测结果 ｉ．４　Ｔｈｅｆｏｒｅｉｎｏｂｅｃｔｄｅｔｅｃｔｉｏｎｒｅｓｕｌｔｏｆ　　　　　　Ｆｇｇｊ ｔｒａｃｋｉｎｓｕｎｓｈｉｎ ｅｒａｉｌｗａ　　ｙ　 参考文献： ［］曹青松，毕彬杰．武广高铁异物侵限监测系统１　李小辉， ］（）：误报警分析及处理［中国铁路，Ｊ．２０１５２４７．６６－［］基于机器视觉的轨道交通线路异物检测技术研２　同磊． 究［北京：北京交通大学，０１２．Ｄ］．２ ［］王阳萍，翟凤文．基于混合高斯背景建模的交３　罗维薇， ］通视频运动目标检测［兰州交通大学学报，Ｊ．２０１４，３３：（）４２６９．２－ ［］鞠传香．一种采用Ｆ４ＰＧＡ的轨道异物检测系　吴志勇， ］：统［山东理工大学学报：自然科学版，Ｊ．２０１５，２９（２）９３．１－ ［］基于单目视觉的轨道交通异物侵限检测方法５　陈根重． 图５　雨天轨道异物检测结果ｉ．５　Ｔｈｅｆｏｒｅｉｎｏｂｅｃｔｄｅｔｅｃｔｉｏｎｒｅｓｕｌｔ　　　　　Ｆｇｇｊ ｏｆｒａｉｌｗａｔｒａｃｋｉｎｒａｉｎ　　　ｙ　 研究［北京：北京交通大学，０１３．Ｄ］．２ ［］６ｉｍ　Ｋ，ＣｈａｌｉｄａｂｈｏｎｓｅＴ　Ｈ，ＨａｒｗｏｏｄＤ，ｅｔａｌ．Ｒｅａｌ　Ｋ　　　－ｇ ｃｏｄｅｉｍｅｆｏｒｅｒｏｕｎｄａｃｋｒｏｕｎｄｓｅｍｅｎｔａｔｉｏｎｕｓｉｎｔｂ　　　－－ｇｇｇｇ　，］：ｏｏｋｍｏｄｅｌ［Ｊ．ＲｅａｌＴｉｍｅＩｍａｉｎ２００５，１１（１）７２１ｂ　　　－ｇｇ１８５． ［］基于视频序列的双背景建模算法［长春：７Ｄ］．　何林宣． 吉林大学，２０１４． ［］８ｕａｎＸ，ＨａｏＸ，ＣｈｅｎＨ，ｅｔａｌ．Ｂａｃｋｒｏｕｎｄｍｏｄｅｌｉｎ　Ｙ　　　　　ｇｇ ｍｅｔｈｏｄｂａｓｅｄｏｎ３Ｄｓｈａｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｔｅｃｈｎｏｌｏ　　　　　ｐｇｙ［］Ｊ．ＴＥＬＫＯＭＮＩＫＡＩｎｄｏｎｅｓｉａｎＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｉｃａｌ　　　　，（）：２０１３，１１４Ｅｎｉｎｅｅｒｉｎ２２０７９０８３．－ｇｇ ［］韩露莎，王辉，等．基于小波变换与多帧平均法融９　彭宏， ］：合的背景提取［浙江大学学报，Ｊ．２０１３，４１（２）２８２－３１．２ ［］易本顺，肖进胜．基于像素与子块的背景建模１０　解文化， ］（）：级联算法［通信学报，２１Ｊ．０１３，３４４９５００．２－ ［］何林宣，倪洪印．基于视频序列的双背景建模１１　李文辉， ］（）：计算机应用研究，算法［６Ｊ．２０１４，３１２６２９３２．－ ［］赵海滨，龙哲，等．１２ＭＡＴＬＡＢ图像处理实例详解　杨丹， ［北京：清华大学出版社，２Ｍ］．０１３． ［］侯涛，魏世鹏．基于改进Ｃ１３ａｎｎ　李丹丹，ｙ算子的铁轨边 ］（）：缘检测方法［电视技术，Ｊ．２５０１５，３９８５５８．－ ［］李江勇．基于背景差分和信息熵的运动目标检１４　郑佳， ］（）：测算法［激光与红外，５Ｊ．２０１４，４４５５６３６６．－ 对比背景　　图４是晴天轨道异物检测结果，差分检测结果、帧间差分检测结果和本文算法检测结果可以看出，背景差分和帧间差分检测结果有较多噪声存在，检测出的异物轮廓不够好，受环境影响明显，本文算法处理后的异物目标检测效果显著，抑噪能力较强，与背景差分和帧间差分相比，有较大的改善和提高，异物轮廓较完整． 图５是雨天轨道异物检测结果，帧间差分和背景差分检测结果不是很好，异物轮廓毛刺较多，噪声较多，相比之下，本文算法对轨道图像异物的检测效果依然较好，可见对天气变化的适应能力较强． 根据检测出的晴天和雨天当前轨道图像结果，计算图４ｆ晴天检测结果图像中白色像素的个与设定的限数与黑白像素的总像素个数的比Ｒ１，因此判定存在异物目定值ＲＲ１值小于Ｒｓ对比，ｓ，标，同样计算图５ｆ雨天检测结果图像中白色像素与设定的个数与黑白像素的总像素个数的比Ｒ２，依然可判定的限定值ＲＲ２值同样小于Ｒｓ对比，ｓ，存在异物目标，验证了该方法的有效性． （ 责任 安全质量包保责任状安全管理目标责任状8安全事故责任追究制幼儿园安全责任状占有损害赔偿请求权 编辑：顾桂梅）