申请/专利权人：中国铁路南宁局集团有限公司;天津光电通信技术有限公司

申请日：2020-11-27

公开（公告）日：2024-04-26

公开（公告）号：CN112508893B

主分类号：G06T7/00

分类号：G06T7/00;B61L23/04;G01N21/94;G06T5/70;G06V10/764;G06V10/82;G06N3/0464;G06N3/09;H04N7/18;H04N23/67;H04N23/74

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明公开了基于机器视觉的铁路双轨间微小异物检测方法及系统，预先采集无异物双轨图像，进行卷积神经网络训练，获取目标模型；通过探测光学设备采集连续帧铁轨图像并进行图像滤波去除噪声；提取图像特征确定双轨位置，将异物检测区域确定为轨道面区域和双轨间区域；通过目标模型对每帧待检测的目标图像双轨间区域进行推演识别，如果存在与目标模型的不符的异常情况，则认为双轨间存在异物；所述推演识别采用分层次的目标识别方法，包括粗层次目标识别和细层次目标识别。本发明基于无异物的轨道模型，进行推演识别，采用分层次的目标识别方法，确保了铁路双轨间的异物检测的可靠性；精准检测出铁路双轨间的微小异物，提高了列车运行的安全。

主权项：1.基于机器视觉的铁路双轨间微小异物检测方法，其特征在于，包括：S1、预先采集批量的无异物条件下的双轨图像，进行卷积神经网络训练，获取目标模型；S2、通过探测光学设备采集连续帧铁轨图像并进行图像滤波去除噪声；S3、提取图像特征确定双轨位置，将异物检测区域确定为轨道面区域和双轨间区域；S4、通过目标模型对每帧待检测的目标图像双轨间区域进行推演识别，如果存在与目标模型的不符的异常情况，则认为双轨间存在异物；所述推演识别采用分层次的目标识别方法，包括粗层次目标识别和细层次目标识别；步骤S4所述粗层次目标识别的方法包括：提取有限的图像特征信息，根据经验分类器设定的先验知识、铁轨位置、以及所述有限的图像特征对目标类别进行粗略识别，所述有限的图像特征包括目标面积、移动速度；步骤S4所述细层次目标识别的方法包括：S401、提取图像中目标形状特征和Hu矩特征；S402、根据提取的形状特征和Hu矩特征，采用最近邻分类法实现目标分类识别；所述最近邻分类法设异物目标类别为N，每一类训练样本数为Mi，第i类目标的第j个训练样本的第k维特征表示为首先，计算每类训练样本的特征向量平均值和标准差； 则每一类目标由其样本平均特征向量来表示，其中，i＝1,2,…Nc；当对一个特征向量为X＝[x1,x2,…,xD]的目标进行识别时，在N类已知目标的样本平均特征向量中寻找X的最近邻；距离函数dX,Ai的定义如下式： 当X满足时，目标X就属于第I类异物，以此精细识别异物的目标类别。

全文数据：

权利要求：

百度查询： 中国铁路南宁局集团有限公司;天津光电通信技术有限公司 基于机器视觉的铁路双轨间微小异物检测方法及系统

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