申请/专利权人：成都运达科技股份有限公司

申请日：2024-01-10

公开（公告）日：2024-04-02

公开（公告）号：CN117809273A

主分类号：G06V20/56

分类号：G06V20/56;G06V20/40;G06V10/82;G06V10/80;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于变化识别且防抖的机车车顶异常检测方法及系统，属于车顶异常检测技术领域。基于传统变化检测的方法框架，针对多时相图像的有效利用特性，引入孪生分支网络的思想，嵌入了图像对比的变化检测方法与视频时序多帧检测的变化分析方法，在算法形态上结合了静态分析方法与动态分析方法的优势，在提取图像特征质量上结合了加权区分与对抗增强的注意力机制，形成了一种在实时性要求不高的情况下可实现高识别率的变化检测网络的结构范式与检测方法框架。设计了一种可完整覆盖机车车顶的摄像布局，解决了由低成本摄像设备与便捷安装方式引起的抖动导致的误识别问题，最终实现了一套检测准确率可达到95%以上的车顶异常检测系统。

主权项：1.一种基于变化识别且防抖的机车车顶异常检测方法，其特征在于：包括以下步骤：S1：摄像机布局与画面调校阶段，在车顶上方安装摄像机使摄像机画面可以包含完整车顶区域，然后通过画面调校提升画面清晰度并减少目标区域的边缘成像畸变；S2：预配置阶段，进行待检测区域配置和检测灵敏度配置；包括：划定待检测区域；设置第一预设时间对期望异物出现的时间进行限制，将检测出的异物持续时间ts小于等于第一预设时间的异物排除；设置第一灵敏度对检测出的异物期望置信度进行限制，将检测出的算法灵敏度α小于等于第一灵敏度的异物排除；设置视频检测时段tcd对异物存在的检测时间段进行限制，将视频检测时段tcd以外检测出的异物排除；每架摄像机设置一张基准图像并实时进行拍摄，在变化检测网络中对所有与基准图像相比有变化的区域进行检测；S3：异物检测阶段，预配置完成后，利用深度学习图像处理方法判断检修后的车顶是否存在异物；若存在异物，则触发告警；所述深度学习图像处理方法包括以下步骤：进行视频检测，视频检测以n帧为待测图像，以双时相图像的变化检测算法为一个检测单位，进行视频检测时段tcd内的变化检测；双时相图像为当前帧图像和基准图像，其中n=tcd*25，即检测池内共有n帧，在检测池内以步长5进行抽帧的连续变化检测，最后输出视频检测时段tcd中所有检测出的实际异物，实际异物的算法灵敏度α第一灵敏度、异物持续时间ts第一预设值，且帧序号its*25。

全文数据：

权利要求：

百度查询： 成都运达科技股份有限公司 一种基于变化识别且防抖的机车车顶异常检测方法及系统

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