[發(fā)明專利]基于KAP樣本優(yōu)化的KNN卷鋼圖片數(shù)據(jù)的卷剛狀態(tài)分類識別方法

有效

• 申請?zhí)枺?/td>: 201310612999.0
• 申請日: 2013-11-25
• 公開（公告）號: CN103632164A
• 公開（公告）日: 2014-03-12
• 發(fā)明（設計）人: 俞大海;韓軍偉;王東陽;郭雷
• 申請（專利權）人: 西北工業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 西北工業(yè)大學專利中心 61204
• 代理人: 王鮮凱

技術領域

本發(fā)明屬于圖片處理和模式識別領域，涉及一種基于KAP樣本優(yōu)化的KNN卷鋼圖片數(shù)據(jù)的卷剛狀態(tài)分類識別方法，對鐵路貨檢中的卷剛裝載狀態(tài)進行分類識別。

背景技術

貨物裝載加固是保證鐵路運行安全和貨物安全的重要措施。列車運行是在動態(tài)狀態(tài)下的，如裝載加固不良則會產(chǎn)生貨物移動、滾動、傾覆或者墜落、倒塌現(xiàn)象，甚至導致列車顛覆。在各種運載貨物中，卷鋼是目前貨運比重最大，運輸危險系數(shù)最高的貨物之一。現(xiàn)階段對于卷鋼的裝載運輸主要是靠超偏載系統(tǒng)的檢測，手段相對單一，鑒于目前在車站內(nèi)卷鋼監(jiān)控人工檢查困難的現(xiàn)實，同時為落實《關于加強卷鋼裝運安全工作的通知》（鐵運〔2010〕110號）要求，加強對卷鋼發(fā)生竄滾或位移的發(fā)現(xiàn)手段。需要在調(diào)車作業(yè)編/發(fā)（牽出）線咽喉安裝鐵路卷鋼貨車識別與預警系統(tǒng)。因此，如何自動的對卷鋼裝載狀態(tài)進行快速分類識別，是目前鐵路貨運智能化系統(tǒng)的一個關鍵問題和前提條件。

發(fā)明內(nèi)容

要解決的技術問題

為了避免現(xiàn)有技術的不足之處，本發(fā)明提出一種基于KAP樣本優(yōu)化的KNN卷鋼圖片數(shù)據(jù)的卷剛狀態(tài)分類識別方法，解決在復雜自然條件下自動識別卷剛裝載狀態(tài)的分類問題。

技術方案

一種基于KAP樣本優(yōu)化的KNN卷鋼圖片數(shù)據(jù)的卷剛狀態(tài)分類識別方法，其特征在于步驟如下：

步驟1、構(gòu)建卷鋼裝載狀態(tài)的特征樣本空間：

步驟1）、提取SURF特征向量集合：根據(jù)卷剛圖片，將不同裝載狀態(tài)設定為NC類，表示為{C_i|i=1,2,3…,NC}；

以每一類分別隨機挑出60幅卷剛圖片作為各個類的訓練圖片，首先壓縮類C_i中的每一幅訓練圖片OP_ij得到圖片P_ij，使得P_ij的長邊長度為1000像素，P_ij的短邊長度S_ij=OS_ij×1000/OL_ij，其中OL_x表示圖片OP_x的長邊長度，OS_x表示圖片OP_x的短邊長度。

然后提取P_ij的SURF特征，得到一個nf×208維度的矩陣的特征集合F_ij；

F_ij={f₁,f₂,…,f_nf}^T

其中：i表示卷鋼狀態(tài)類，j表示該類中第j個訓練圖片，f₁,f₂,…,f_nf表示SURF特征描述子，是一個208維的列向量；nf表示圖片P_ij提取得到的SURF特征點個數(shù)；

所述卷剛圖片為采用線陣CCD技術獲得的鐵路貨運列車的卷鋼數(shù)據(jù)圖片；

步驟2）、用KAP算法對提取的SURF特征集合F_ij進行聚類，得到的K個類中心，分別用cf_k表示，k=1,2,…,K；用CF_ij表示cf_k的集合：

CF_ij={cf₁,cf₂,…cf_K}^T

以CF_ij作為F_ij的代表性特征加入樣本空間G，

所述G是一個NF×208維度的矩陣，每一行表示一個SURF特征描述子，NF為KAP聚類后的全部特征點個數(shù)，NC類中的每類有NI幅圖片，則NF＝NC×NI×K；

所述KAP算法在聚類后會自動選出每一類的代表性特征，稱為exemplar,CF_ij為exemplar的集合，迭代過程如下：