申请/专利权人：中南大学

申请日：2023-12-08

公开（公告）日：2024-02-27

公开（公告）号：CN117612109A

主分类号：G06V20/52

分类号：G06V20/52;G06V10/82;G06N3/0464;G06V20/40;G06V10/26;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明公开了一种铁路行车轨道范围内非特定异物侵限的分步检测方法。首先基于铁路异物侵限检测的特点，选用实时性高和轻量化的YOLOv5目标检测网络和PP‑Liteseg语义分割网络进行铁路非特定异物侵限分步检测。在进行检测之前，首先构建铁路异物侵限数据集，使用该数据集分别训练目标检测网络和语义分割网络，将铁路监控图像输入到训练好的PP‑LiteSeg分割网络，提取出轨道以划分侵限区域，再利用侵限判别模块判断是否有异物侵限，如果存在侵限则通过YOLOv5检测网络检测图像中是否存在人或列车，如果不存在人或者列车这两个目标，则输出警报。本发明通过分析分割网络的结果来减少目标检测网络的检测频率，达到了减少算力资源的目的，能够实现实时检测铁路行车范围内的异物入侵。

主权项：1.一种铁路行车轨道范围内非特定异物侵限的分步检测方法，其特征在于，该方法包括以下步骤：步骤1：建立一个带有标签的铁路异物侵限数据集：通过人工采集、开源数据和网络爬取三种方式采集铁路图像数据，再利用labelme进行目标检测数据和语义分割数据的人工标注，最后通过几何变换、光照变换、混合变换和遮挡变换等方法进行图像数据增强；步骤2：使用铁路异物侵限数据集分别训练目标检测网络和语义分割网络：根据铁路异物侵限的特点，分别选用YOLOv5s和PP-Liteseg作为目标检测和语义分割网络，再采用迁移学习的方法进行网络训练；步骤3：通过PP-Liteseg语义分割网络提取轨道侵限区域：将铁路监控图像输入到训练完成的PP-LiteSeg模型中，从不同的网络层中抽取特征编码，通过金字塔池化模块聚合全局上下文，解码器融合从高层级到低层级的细节特征和语义特征，再使用统一注意力融合模块来加强特征表示，最后掩码输出轨道部分，并基于平均交并比mIoU、像素准确率PA和Dice系数评价PP-Liteseg模型对铁路轨道侵限区域提取效果；mIoU是所有类别的交并比求和后的均值，考虑到本发明只涉及轨道类别，图像的其余部分均被识别为背景，因此，mIoU等于轨道交并比IoU；PA为预测正确的像素数与图像中所有像素的比值，具体为： 其中，N为类别的总数，nii为第i种类别被正确预测成第i类的像素数量，mi是第i种类别的总像素数；Dice系数用于度量两个集合之间的相似度，通过混淆矩阵得出其表达式： 其中，X和Y是两个集合，TP是真正例，FP是假真例，FN是假反例；步骤4：进入侵限判别模块判断图像中的轨道部分是否存在遮挡：首先计算语义分割网络分割出来当前帧图像中的轨道部分在整张图像中的占比，并且自适应地更换最大轨道占比值；再将当前帧图像的轨道占比值与最大轨道占比值相减得到绝对值，判断绝对值的大小是否超出设定的阈值，如果超出了设定的阈值，说明当前帧图像存在物体，则进入步骤5，反之则没有物体入侵轨道区域，返回步骤3；步骤5：通过YOLOv5s目标检测网络检测图像中的目标：将轨道占比差值超过设定阈值的当前帧图像输入到训练好的YOLOv5s模型，对输入图像采用自适应计算锚框和自适应图像缩放的方法进行预处理；再通过由Focus网络结构和CSP网络结构组成的主干网络，将尺寸为640×640×3的原始图像进行切片操作得到尺寸为320×320×12的特征图，之后由32个卷积核卷积操作得到320×320×12的特征图，最终通过FPN+PAN结构的Neck网络，输出目标识别的结果，并基于查准率P、召回率R、交并比IoU和均值平均精度mAP评价YOLOv5s模型对铁路周界范围内的人和列车的检测效果；对识别结果进行判断，如果不存在人或列车，则进入步骤6，反之，则返回步骤3；所述的查准率P用于表征最终检测结果的精准度，其计算公式如下： 所述的召回率R用于表征模型检测结果的全面程度，其计算公式为： 所述的交并比IoU用于评价目标检测算法的性能，以A代表预测边界框，B代表真实边界框，则IoU的计算公式为： 根据深度学习的经验，取0.5作为IoU的阈值，在本发明中，模型预测结果的IoU大于阈值0.5，则判定其为正样本，反之即为负样本；所述的均值平均精度mAP用于表征人和列车的平均精度AP的均值，并且取0.5作为IoU的阈值，记为mAP@0.5；AP是检测人或列车的平均准确度，在检测时，通过计算人或列车的P和R，可以得出P-R曲线，其与坐标系围成的面积大小即为AP的值；步骤6：输出警报，发送到相应地调度指挥控制中心，工作人员及时做出反应，避免出现列车碰撞异物而出轨的现象，从而实现实时检测铁路行车范围内的异物入侵。

全文数据：

权利要求：

百度查询： 中南大学 一种铁路行车轨道范围内非特定异物侵限的分步检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD