[發明專利]一種基于機器視覺的信號機故障監測方法

在審

• 申請號: 201810180260.X
• 申請日: 2018-03-05
• 公開（公告）號: CN108376253A
• 公開（公告）日: 2018-08-07
• 發明（設計）人: 高宏力;孫弋;洪鑫;由智超;蔡璨羽;宋虹亮;貢宏偉;夏文超
• 申請（專利權）人: 西南交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡;李蕊

1.一種基于機器視覺的信號機故障監測方法，其特征在于，包括以下步驟：

S1、通過圖像采集模塊采集原始信號；

S2、通過通信模塊將原始信號傳輸至監測及預警模塊；

S3、通過監測及預警模塊將原始信號按幀處理作為原始輸入圖像；

S4、將原始輸入圖像進行小波去噪，得到增強了信號機特征的圖像；

S5、將經步驟S4處理后的圖像作為Alex Net分類器的輸入，進行實際輸出狀態監測；

S6、判斷Alex Net分類器的實際輸出狀態與理想輸出狀態是否相同；若不相同，則進入步驟S7；若相同，則返回步驟S2；

S7、在監測及預警模塊操作界面顯示故障預警。

2.根據權利要求1所述的基于機器視覺的信號機故障監測方法，其特征在于，所述圖像采集模塊為地鐵或輕軌安裝的行車記錄儀；

所述通信模塊為中國交通軌道的CBTC通信系統；

所述監測及預警模塊為計算機。

3.根據權利要求1所述的基于機器視覺的信號機故障監測方法，其特征在于，所述步驟S1中的原始信號為信號機工作過程的視頻信息。

4.根據權利要求1所述的基于機器視覺的信號機故障監測方法，其特征在于，所述步驟S4中的特征為信號機的輪廓特征。

5.根據權利要求1所述的基于機器視覺的信號機故障監測方法，其特征在于，所述小波去噪使用MATLAB軟件中的小波工具箱完成，其具體方法為：

S4-1、選擇dog2小波基，分解層次為5，對含有噪聲的原始輸入圖像進行5層分解計算，得到每層相應的高頻系數和低頻系數；

S4-2、對分解后的每層高頻系數進行閾值量化處理；

S4-3、根據原始輸入圖像分解后的第5層的低頻系數和經閾值量化處理的每層對應的高頻系數，運用重構算法進行小波重構，得到增強了信號機特征的圖像。

6.根據權利要求5所述的基于機器視覺的信號機故障監測方法，其特征在于，所述步驟S4-2中的閾值為MATLAB軟件進行閾值量化處理時的默認閾值。

7.根據權利要求1所述的基于機器視覺的信號機故障監測方法，其特征在于，所述步驟S5中Alex Net分類器是經過信號機狀態識別預訓練后的網絡參數固定的Alex Net分類器；

所述預訓練的方法具體為：

A1、采集信號機不同環境下多種狀態的圖像各100張，隨機形成210訓練樣本集和90張測試樣本集；

A2、將210張訓練樣本集樣本集圖像經過小波去噪處理加工后輸入未訓練的Alex Net分類器中，進行Alex Net網絡初始化；

A3、將90張測試樣本集輸入網絡初始化的Alex Net分類器中，監測Alex Net網絡分類的準確性，并進行網絡參數優化。

8.根據權利要求7所述的基于機器視覺的信號機故障監測方法，其特征在于，所述AlexNet分類器的網絡結構包括5層卷積層、全連接層、soft分類層和分類輸出層；

所述5層卷積層用于對輸入Alex Net分類器中的圖像進行逐層特征提取；

所述全連接層用于將特征提取后的圖像處理成向量；

所述soft分類層用于將向量的映射為概率分布；

所述分類輸出層用于保存訓練網絡后的多種分類名稱，輸出的大小及分類標簽。

9.根據權利要求7所述的基于機器視覺的信號機故障監測方法，其特征在于，所述步驟S6中理想輸出狀態包括紅色、黃色和綠色；

所述紅色：禁止越過該信號機；

所述黃色：當區間預告信號機出現黃燈表示慢行；當進展信號機出現黃燈表示該車輛經由該車站側線通過；

所述綠色：可以通過該信號機運行。