[發明專利]用于智能識別軌道交通車輛圖像中車輛零部件的編碼方法

有效

• 申請號: 201810650791.0
• 申請日: 2018-06-22
• 公開（公告）號: CN109165541B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 趙延軍;楊勇;李申
• 申請（專利權）人: 北京飛鴻云際科技有限公司
• 主分類號: G06V20/30
• 分類號: G06V20/30;G06V10/774
• 代理公司: 北京汲智翼成知識產權代理事務所(普通合伙) 11381
• 代理人: 陳曦;陳麗

本發明公開了一種用于智能識別軌道交通車輛圖像中車輛零部件的編碼方法，包括如下步驟：S11，將車輛檢視部位按照結構及功能進行初步劃分并進行初步編碼，得到零部件編碼標簽列表；S12，根據零部件編碼標簽列表對樣本庫中的圖像進行標簽標注，得到訓練樣本庫；S13，將訓練樣本庫進行訓練得到故障檢測模型；S14，將檢視部位的測試樣本輸入到所述故障檢測模型中進行檢測，得到疑似故障圖像集；S15，判斷疑似故障圖像集中是否存在故障部件遺漏，如果存在，則轉向S16；否則，編碼完成；S16，根據遺漏的故障部件對初步劃分零部件小區域進行細劃分，并對得到的優化零部件小區域進行優化編碼，更新零部件編碼標簽列表，轉向S12。該方法經過反復探索、修正、優化制訂出有效的用于構建智能識別軌道交通車輛圖像深度學習訓練模型的零部件編碼標簽列表。

技術領域

本發明涉及一種用于智能識別軌道交通車輛圖像中車輛零部件的編碼方法，尤其涉及一種用于智能識別軌道交通車輛圖像中車輛零部件深度學習的編碼方法；同時涉及實現該方法的編碼系統。

背景技術

目前，在軌道交通車輛(包括鐵路貨車、客車、動車、地鐵輕軌)的運管工作中，正在大力推廣應用車輛運行故障動態圖像檢測系統。車輛運行故障動態圖像檢測系統是將列檢人員從自然環境惡劣的室外現場轉移到環境舒適的室內列檢工作站，通過檢視鐵路車輛進站時線陣相機拍攝的車輛圖像來檢出鐵路車輛是否有故障。

應用該系統，雖然能減少室外人檢作業的列檢人員數量，改善絕大部分列檢人員的工作環境，在一定程度上提高鐵路車輛的故障檢出效率，但受限于鐵路車輛進出站時間，需在短時間內對系統拍攝的大量過車車輛圖像進行人工查看、檢出故障，這就造成列檢人員數量整體上非但沒有減少，反而增加了。

以重載鐵路貨運實際應用來看，一列重載鐵路貨車掛載有210輛貨車車輛，每輛貨車通過車輛運行故障動態圖像檢測系統產生的需人工查看的車輛圖像為50張，這樣整列重載貨車就會產生10500張車輛圖片，這些車輛圖片需要列檢人員在15分鐘內檢視完，不僅工作量巨大，而且工作強度大，除對列檢人員視力及身體造成傷害外，受人的自身條件限制以及檢視時間壓力影響，還會經常發生車輛故障漏檢甚至連續漏檢的現象，這對鐵路行車造成了極大的安全隱患。

現有試圖通過圖像比對的方式，即通過對軌道交通車輛正常狀態下某一部位的歷史圖像與線陣相機當下拍攝的進站車輛同一部位的圖像進行對比，綜合分析灰度、梯度等圖像信息，如果當下拍攝的圖像與歷史圖像相比發生變化且變化范圍超過一定閾值，即被認為是異常區域，然后籍由列檢人員人工來判斷該車輛的這一部位是否有故障。這種方法本身對車輛零部件的識別度極低，且受環境及車況影響大，在實際應用中，該方法所能比對的軌道交通車輛零部件十分有限，相較于列檢人員需要檢視的幾百種車型以及幾百個車輛零部件，幾乎是九牛一毛，再加上極高的誤報率，對列檢人員的工作量及工作強度的減少毫無助益，對列檢工作毫無意義。

隨著卷積神經網絡技術日新月異的發展，通過加深網絡層和網絡結構復雜化來實現軌道交通車輛圖像檢視真正智能化成為可能。而若要使卷積神經網絡技術在軌道交通車輛圖像識別領域真正發揮作用，就需要大量的訓練樣本，尤其是軌道交通車輛涉及到需檢視幾百個零部件，并且如果以傳統的區隔劃分法設計卷積核，計算及調參難度大、訓練周期長，因此，如果沒有一個好的訓練模型，實現智能識別軌道交通車輛圖像將是一個短時期內不可能完成的任務。

發明內容

針對現有技術的不足，本發明所要解決的首要技術問題在于提供一種用于智能識別軌道交通車輛圖像中車輛零部件的編碼方法。

本發明所要解決的另一技術問題提供一種用于智能識別軌道交通車輛圖像中車輛零部件的編碼系統。

為實現上述發明目的，本發明采用下述的技術方案：

根據本發明實施例的第一方面，提供一種用于智能識別軌道交通車輛圖像中車輛零部件的編碼方法，包括如下步驟：