[發明專利]一種基于圖像的軌道異物檢測方法

在審

• 申請號: 201910029546.2
• 申請日: 2019-01-11
• 公開（公告）號: CN109766839A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 上海澤高電子工程技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/73
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出一種基于圖像的軌道異物檢測方法，該方法包括構建樣本特征矩陣；安裝攝像頭；獲取檢測區域圖像；處理圖像，識別鋼軌位置；識別兩根鋼軌中間區域是否存在障礙物；估算障礙物與列車之間的距離。該方法能夠在列車行駛過程中實時檢測軌道上是否存在異物，并且一定程度上解決了軌道異物檢測中異物不可預知性的問題，從而在出現軌道異物時提醒駕駛員注意，從而提升列車運行的可靠性和安全性。

技術領域

本發明設計視頻目標檢測領域，尤其是涉及了一種針對軌道異物的目標檢測方法。

背景技術

線路原因是軌道交通列車事故中的主要原因之一，其中，異物入侵限界造成的鐵路線故障干擾正常行車秩序嚴重危害著國家財產和人民的生命安全，在鐵路中常見的異物入侵導致的交通事故中包括行人入侵軌道，自然災害如泥石流山體滑坡導致異物入侵軌道等等。

現階段避免軌道異物的措施主要還是靠人工巡檢，或對周圍山體的檢測保護防止異物入侵軌道。然而軌道交通異物侵限事故往往具有突發性，無規律性和不可預測性的特點，單靠定期巡檢及保護預防依舊不能完美的解決異物侵限的問題，如果漏檢，就會造成嚴重的后果。

現如今存在一定基于視頻的軌道侵限的檢測方法，主要包括基于深度神經網絡的識別以及部分基于其他的檢測方法。基于深度神經網絡的識別方法準確率雖然高，但是由于當前的硬件條件限制，難以達到較高的實時性。同時，目前大部分基于視頻的檢測方法存在的共同問題是被檢測對象必須是之前訓練模型中預先設定好的對象。但是軌道侵限的異物具有不可預知性，只檢測模型預先設定好的對象難以對未知的異物進行識別。

發明內容

有鑒于此，本發明實施例提供了一種針對軌道異物檢測的方法，能夠有效快速的檢測入侵軌道的異物，提醒駕駛員進行預判。同時，在檢測過程中，其原理在于尋找軌道中除鋼軌和軌道上設備以外的物體，而不是在拍攝圖像中尋找訓練模型中預先設定的異物，一定程度上解決了入侵異物不可預知的問題。

本發明公開的軌道異物檢測的方法，包括：

S001：根據車廠要求安裝攝像頭，在合適的位置安裝攝像頭；

S100：分別構建鋼軌，軌道上設備的特征矩陣；

S200：獲取檢測區域的圖像；

S300：對獲取圖像進行處理，識別鋼軌位置；

S400：對列車前方兩根鋼軌間的位置進行檢測，判斷是否存在異物；

S500：檢測到異物時，估算異物與列車間的大致距離；

上述方法中，提取采集到的圖片中兩段鋼軌中間的圖像信息，并對其基于對鋼軌和設備標準樣本進行圖像特征識別，提取出圖像信息中標準庫以外的未知物體，從而實現對未知異物的識別，解決異物識別中異物的不可預知的問題，從而增加識別的準確性。

進一步的，上述S100具體為

S1001：獲取標準鋼軌，軌道上設備的圖像數據；

S1002：軌道上設備包括扣件，底板，道床，軌距桿，應答器；

S1003：對所屬提取的鋼軌和軌道上設備的若干組圖像數據進行灰度處理，并變形成30*60像素的圖像。將圖像轉換成為一維數組。將所有數組組合，形成二維數組，每組數組行數即相同設備的圖像樣本數，列數即每個圖像的像素數。

S1004：對于軌距桿分成兩段采樣構建數組；

進一步的，上述S1004具體為：

S1004a：軌距桿兩端進行數據采樣構建一類數組；

S1004b：軌距桿中間段進行數據采樣構建一類數組。