[發(fā)明專利]一種用于列車行駛方向檢測的智能判斷方法

有效

• 申請?zhí)枺?/td>: 201811442277.4
• 申請日: 2018-11-29
• 公開（公告）號: CN109614898B
• 公開（公告）日: 2023-08-08
• 發(fā)明（設計）人: 張濤;孔祥斌;沈志忠;李潔
• 申請（專利權(quán)）人: 通號通信信息集團有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06N3/0464;G06V10/82
• 代理公司: 北京紀凱知識產(chǎn)權(quán)代理有限公司 11245
• 代理人: 徐寧;劉美麗

本發(fā)明涉及一種用于列車行駛方向檢測的智能判斷方法，其特征在于包括以下內(nèi)容：根據(jù)列車車頭與攝像頭之間的位置關(guān)系，標定列車車頭樣本；根據(jù)標定的列車車頭樣本，構(gòu)建列車車頭樣本的檢測深度網(wǎng)絡模型；根據(jù)構(gòu)建的檢測深度網(wǎng)絡模型，對攝像頭獲取的列車圖像進行檢測，得到列車車頭樣本的特征向量；根據(jù)設定時間內(nèi)所有列車車頭樣本的特征向量，構(gòu)建列車車頭特征向量；對列車車頭特征向量進行插值處理，得到統(tǒng)一長度的列車車頭特征向量；對統(tǒng)一長度的列車車頭特征向量進行分類方向判斷，確定列車的行駛方向，完成列車行駛方向的判斷，本發(fā)明可以廣泛應用于鐵路監(jiān)控技術(shù)領(lǐng)域中。

技術(shù)領(lǐng)域

本發(fā)明是關(guān)于一種用于列車行駛方向檢測的智能判斷方法，屬于鐵路監(jiān)控技術(shù)領(lǐng)域。

背景技術(shù)

近年來，隨著高鐵的普及以及鐵路沿線視頻監(jiān)控設備的部署，越來越多的列車實時運行視頻可以用來進行分析和定點監(jiān)控，然而，由于鐵路沿線攝像頭的位置和角度不，以及列車的形狀、長度、速度等不同，使得列車智能檢測系統(tǒng)的設計變得較為困難。目前常用的方法仍然是人工切換需要檢測的列車，然后進行人眼判斷，造成了大量的人力、物力等資源的浪費。

隨著人工智能領(lǐng)域突飛猛進的發(fā)展，目前已經(jīng)有針對列車的檢測系統(tǒng)，常用的檢測對象是整輛列車(整輛列車的外接矩形作為目標區(qū)域)，然后直接根據(jù)列車在圖像中的位置變化來判斷方向，這種方法對于掛在高處的攝像頭可以有較好的效果，因為列車只占據(jù)了監(jiān)控畫面的一小部分，運動時的位移明顯，可以準確地判斷其運行方向。但是，對于安置在鐵軌平面附近的攝像頭，效果往往不理想，因為列車開過的時候，速度很快，且大小變化非常劇烈，這時，整個列車的外接矩形通常會占據(jù)全部畫面，現(xiàn)有的方法在這種情況下，會出現(xiàn)漏檢和方向判斷錯誤的情況。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明的目的是提供一種能夠避免漏檢和方向判斷錯誤情況的用于列車行駛方向檢測的智能判斷方法。

為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種用于列車行駛方向檢測的智能判斷方法，其特征在于包括以下內(nèi)容：根據(jù)列車車頭與攝像頭之間的位置關(guān)系，標定列車車頭樣本；根據(jù)標定的列車車頭樣本，構(gòu)建列車車頭樣本的檢測深度網(wǎng)絡模型；根據(jù)構(gòu)建的檢測深度網(wǎng)絡模型，對攝像頭獲取的列車圖像進行檢測，得到列車車頭樣本的特征向量；根據(jù)設定時間內(nèi)所有列車車頭樣本的特征向量，構(gòu)建列車車頭特征向量；對列車車頭特征向量進行插值處理，得到統(tǒng)一長度的列車車頭特征向量；對統(tǒng)一長度的列車車頭特征向量進行分類方向判斷，確定列車的行駛方向，完成列車行駛方向的判斷。

優(yōu)選地，根據(jù)列車車頭與攝像頭之間的位置關(guān)系，標定列車車頭樣本，具體過程為：當列車車頭正對攝像頭，即攝像頭只能獲取列車車頭的正面圖像時，標定列車車頭正面的矩形區(qū)域為列車車頭樣本；當列車車頭斜對攝像頭，即攝像頭能夠獲取列車車頭的部分正面和部分側(cè)面的斜側(cè)面圖像時，標定列車車頭的斜側(cè)面區(qū)域為列車車頭樣本；當列車車頭側(cè)對攝像頭，即攝像頭只能獲取列車車頭的側(cè)面圖像時，標定列車車頭的側(cè)面矩形區(qū)域為列車車頭樣本。

優(yōu)選地，根據(jù)標定的列車車頭樣本，構(gòu)建列車車頭樣本的檢測深度網(wǎng)絡模型，具體過程為：1)對攝像頭獲取的列車圖像進行目標檢測，得到若干標定框及其對應的輸出框，每一標定框均為攝像頭獲取的某一列車圖像中可能存在列車車頭樣本的區(qū)域，每一輸出框均包括對應標定框的中心坐標、寬度和高度；2)根據(jù)標定的列車車頭樣本，對每一標定框均進行目標識別，確定每一標定框內(nèi)的物體是否為列車車頭樣本，并輸出預測框；3)根據(jù)所有標定框的預測框，構(gòu)建列車車頭樣本的檢測深度網(wǎng)絡模型。

優(yōu)選地，所述列車車頭樣本的檢測深度網(wǎng)絡模型包括網(wǎng)絡輸出分類模型和網(wǎng)絡輸出位置模型：A)網(wǎng)絡輸出分類模型L_cls，用于表示識別的物體是否為列車車頭樣本：

L_cls(p)＝-α(1-p)γlog(p)

其中，α為正圖像和負圖像的控制因子；γ為分類正圖像的權(quán)重系數(shù)；p為多類分類層輸出的概率，其表達式為：