[發明專利]一種鐵路邊坡落石侵限檢測的圖像識別方法

有效

• 申請號: 202010432481.9
• 申請日: 2020-05-20
• 公開（公告）號: CN111626170B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 劉孜學;王富斌;嚴瑾;余超;李高豐;王學林;謝聯蓮;蘇愷;虞凱;樊偉;楊捷;楊崗;易立富;高柏松
• 申請（專利權）人: 中鐵二院工程集團有限責任公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/26;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G08B13/196;H04N7/18;B61L23/04
• 代理公司: 四川力久律師事務所 51221
• 代理人: 韓洋

1.一種鐵路邊坡落石侵限檢測的圖像識別方法，其特征在于，包括以下步驟：

A，獲取視頻序列圖像，并標記出包含鐵軌的限界區域；

B，基于預設的落石侵限檢測圖像識別模型，識別出所述限界區域里是否有落石，所述落石侵限檢測圖像識別模型基于YOLOv3算法對圖像中的落石進行識別；

所述步驟B包括以下步驟：

S11，通過預設的落石侵限檢測圖像識別模型，判斷所述限界區域內的移動物體是否為列車，如果不是，則執行步驟S12；

S12，在所述視頻序列圖像中，采用檢測框標記所述限界區域內的移動物體，所述檢測框根據YOLOv3網絡算法生成，并獲取所述檢測框的中心點坐標；

S13，在所述視頻序列圖像中，根據所述檢測框的中心點坐標，判斷所述限界區域內的移動物體是否丟失，如果沒有丟失，則執行步驟S14；

S14，在所述視頻序列圖像中，根據所述檢測框的中心點坐標，判斷所述限界區域內的移動物體是否靜止，如果是靜止的，則執行步驟S15；

S15，通過所述落石侵限檢測圖像識別模型，判斷所述限界區域內的移動物體是否為落石；

所述步驟S13包括以下步驟：

令y_i＝y_right＝y_left，若x_left-m＜x_i＜x_right-m，判定為所述限界區域內的移動物體沒有丟失，所述(x_i,y_i)是所述檢測框的中心點坐標，i為所述視頻序列圖像的序列號，所述限界區域左側邊緣線的像素坐標矩陣為[x_left-m,y_left]，右側邊緣線的像素坐標矩陣為[x_right+m,y_right]，m是劃定所述限界區域時，橫坐標平移的像素值，x_left是鐵軌左側內邊緣線的像素橫坐標，y_left是鐵軌左側內邊緣線的像素縱坐標，x_right是鐵軌右側內邊緣線的像素橫坐標，y_right是鐵軌右側內邊緣線的像素縱坐標；

所述步驟S14包括以下步驟：

獲取所述視頻序列圖像中檢測框的中心點坐標；

獲取未丟失的所述限界區域內的移動物體首次出現時相應的檢測框的中心點坐標(x₁,y₁)；

獲取所述視頻序列圖像中第i幀圖像中，未丟失的所述限界區域內的移動物體相應的檢測框的中心點坐標(x_i,y_i)，其中i為所述視頻序列圖像的序列號，i＝2,3……K，K為所述視頻序列圖像的總數；

計算所述檢測框的中心點坐標(x_i,y_i)和所述檢測框的中心點坐標(x₁,y₁)之間的歐氏距離，計算公式為：

當d_i＝0時，則未丟失的所述限界區域內的移動物體在序號為i的幀圖像中處于靜止狀態。

2.如權利要求1所述的一種鐵路邊坡落石侵限檢測的圖像識別方法，其特征在于，所述落石侵限檢測圖像識別模型是通過“列車”目標圖片和“落石”目標圖片對YOLOv3網絡進行訓練得到的，并對所述YOLOv3網絡的超參數進行了設置，所述設置包括：

輸出層節點個數設置為類別個數，所述類別個數為4，包括列車、行人、落石、工作人員四個類別；

設置yolo層random＝1；設置ignore_thresh＝0.7，ignore_thresh是參與計算的IOU閾值大小；設置訓練步數steps為70000步，其中，前30000步學習率以0.0001收斂，后40000步學習率以0.00001收斂；設置saturation＝1.5；設置exposure＝1.5；設置hue＝0.1；設置batch/subdivision＝4。