[發明專利]一種地鐵門異物檢測方法

有效

• 申請號: 202010046810.6
• 申請日: 2020-01-16
• 公開（公告）號: CN113128321B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 鄧道舉;鐘亞林;李京樂;楊莉;趙雷杰;許小康;楊嘉煬
• 申請（專利權）人: 寧波微科光電股份有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/75;G06V10/74;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 羅曉聲

1.一種地鐵門異物檢測方法，其特征在于：包括以下步驟：

S1、建立深度學習模型，將無異物的正樣本與有異物的負樣本，分別劃分為訓練集、驗證集與測試集，輸入神經網絡進行訓練，得到深度學習模型并保存；

S2、在列車門關閉狀態，拍攝地鐵站臺各列車門與屏蔽門之間無異物時的圖像，將其目標區域作為各列車門的參考圖像；

S3、地鐵運行時，在列車門關閉狀態，拍攝地鐵站臺各列車門與屏蔽門之間的圖像，將其目標區域作為各列車門的實時圖像；

S4、將各列車門的實時圖像與相應的參考圖像進行相似度比對，利用感知哈希算法，計算實時圖像與參考圖像的相似值；

S5、判斷相似值是否大于等于設定閾值，若是，則判斷為無異物，轉S8，若否，進入下一步；

S6、采用深度學習模型進行判斷，得到判斷結果并顯示；

S7、根據判斷結果進行相應處理；

S8、結束；

其中，步驟S6中，包括以下步驟：

A1、將相似值低于設定閾值的圖像數據輸入深度學習模型，進行推斷；

A2、推斷結果判斷是否有異物，若是，轉A6，若否，進入下一步；

A3、判斷參考圖像數量是否小于設定數量N，若否，進入下一步，若是，轉A5；

A4、刪除N個參考圖像中最先保存的一張圖像數據；

A5、將所述圖像數據作為參考圖像，轉A7；

A6、報警；

A7、結束。

2.根據權利要求1所述地鐵門異物檢測方法，其特征在于：步驟S1中，建立深度學習模型，包括以下步驟：

A1、拍攝地鐵列車門與屏蔽門之間的圖像數據，解析出列車門圖像；

A2、對列車門圖像進行預處理，得到清洗后圖像；

A3、將清洗后圖像進行分類，分別為無異物的正樣本與有異物的負樣本；

A4、將正樣本與負樣本再分別劃分為訓練集、驗證集與測試集；

A5、將訓練集、驗證集與測試集輸入神經網絡，進行訓練，

達到設定迭代次數后，得到深度學習模型并保存。

3.根據權利要求2所述地鐵門異物檢測方法，其特征在于：步驟A1中，采用攝像頭獲取視頻圖像數據，解析出列車門圖像。

4.根據權利要求1所述地鐵門異物檢測方法，其特征在于：步驟S4中，利用感知哈希算法計算實時圖像與相應的參考圖像的相似值。

5.根據權利要求1所述地鐵門異物檢測方法，其特征在于：步驟S3中，地鐵運行時，檢測到列車進站后下次出發前，在列車門與屏蔽門關閉狀態，拍攝地鐵站臺各列車門與屏蔽門之間的圖像，作為各列車門的實時圖像。

6.根據權利要求1所述地鐵門異物檢測方法，其特征在于：步驟S5中，在用當前幀實時圖像與參考圖像做相似度計算時，是分別計算實時圖像與所有參考圖像的相似值，并選擇相似度最高的相似值與設定閾值進行比較。

7.根據權利要求1所述地鐵門異物檢測方法，其特征在于：步驟S6中，采用深度學習模型進行判斷，若判斷為有異物，則根據異物大小進行危險等級區分，異物越小，危險等級越低。

8.根據權利要求7所述地鐵門異物檢測方法，其特征在于：將異物的大小分為三個范圍，屬于第一范圍的為最低危險等級，屬于第二范圍的為中等危險等級，屬于第三范圍的為最高危險等級。

9.根據權利要求7所述地鐵門異物檢測方法，其特征在于：步驟S7中，在檢測到異物屬于最低危險等級時，提醒清理；如果此次未清理，則將所述實時圖像歸于參考圖像；在檢測到異物屬于高危險等級時，提醒清理；如果此次未清理，則下次檢測到所述異物時，再次進行清理提醒。