[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

本發明公開了鐵路異物侵限領域的一種鐵路邊坡落石侵限檢測的圖像識別方法，方法的步驟包括：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，其中，落石侵限檢測圖像識別模型是基于YOLOv3算法對圖像中的落石進行識別。本發明的方法的有益效果在于，采用本發明的模型，在實時落石識別時，準確率較高，另外，充分利用了YOLOv3算法中的先驗框，無需對鐵軌圖像進行前后背景分離，就能快速進行落石的識別，識別方法具備較高的可靠性、穩定性和準確性。

技術領域

本發明涉及鐵路異物侵限領域，特別是一種鐵路邊坡落石侵限檢測的圖像識別方法。

背景技術

近年來我國的鐵路建設進程迅速發展，鐵路客貨運輸量不斷增加，列車運行速度不斷提高，列車在露天環境中高速行駛時觸發行車安全問題的環境因素也明顯增加，給鐵路安全監控帶來巨大的壓力。其中鐵路異物侵限是一個重要且亟待解決的安全問題，嚴重影響到列車的運行安全。

異物侵限是指鐵路線路周邊受滑坡、崩塌落石及洪水等自然災害影響造成的沙土落石、滯留在道上作業的工作人員及工器具、動物、行人等影響正常行車的障礙物侵入鐵路界限范圍內，危及行車安全。我國普速鐵路特別是山區鐵路其線路周邊危巖聳立，易發生邊坡落石侵入鐵路界限內的自然災害事件，存在引發重大行車事故的安全隱患。

目前我國對邊坡落石的監測技術人仍停留在人工定期巡檢，配合對易發生落石的危險山體采用邊坡圍巖、支擋的圍護措施來監測和防護邊坡落石，這種監測手段不僅耗費人力物力，而且無法有效預警和避免鐵路軌道邊坡落石侵限突發事故。此類主動避免邊坡落石的方式雖能一定程度上避免異物入侵事故，但該方法和依靠列車司機反應的被動停車方式同樣達不到自動識別、自動預警的目的，單一且可靠性不高。

現有技術中，也有相關基于視覺分析的山區鐵路邊坡落石檢測方法提出，例如公開號為CN105809679B的發明專利“一種基于視覺分析的山區鐵路邊坡落石檢測方法”，該專利方法步驟為：首先識別鐵軌區域，然后對鐵軌區域內圖像進行分割，檢測出前景目標，最后通過深度學習對目標進行分類，剔除干擾目標。具有視頻分析方法的檢測范圍廣、成本低等優點，同時提高了落石圖像檢測的準確性。但是，由于該方案需要對圖像進行前后背景分離，并且采用深度學習的分類方法，因此對圖像處理的流程較多，處理的速度較低，需要進一步改進。

發明內容

本發明改進了上述落石識別的算法，采用YOLOv3算法，利用了YOLOv3算法中的先驗框，無需對鐵軌圖像進行前后背景分離，并且對超參數進行了針對應用場景的微調，提出了一種鐵路邊坡落石侵限檢測的圖像識別方法。

為了實現上述發明目的，本發明提供了以下技術方案：

一種鐵路邊坡落石侵限檢測的圖像識別方法，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，識別出限界區域里是否有落石，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；

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，在視頻序列圖像中，采用檢測框標記限界區域內的移動物體，檢測框根據YOLOv3網絡算法生成，并獲取檢測框的中心點坐標；

S13，在視頻序列圖像中，根據檢測框的中心點坐標，判斷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，在視頻序列圖像中，根據檢測框的中心點坐標，判斷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；