[發明專利]一種基于計算機視覺的軌道異物入侵檢測方法及裝置

在審

• 申請號: 202011496298.1
• 申請日: 2020-12-17
• 公開（公告）號: CN112464906A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 王晨浩;蔡宏翔;熊意超
• 申請（專利權）人: 上海媒智科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

本發明公開了一種基于計算機視覺的軌道異物入侵檢測方法及裝置，包括：讀取輸入圖像；進行灰度化處理；對梯度特征進行提取；進行二值化處理；對二值化后的圖像進行掩膜覆蓋，留下感興趣區域內的有效信息；對二值化感興趣圖像中的輪廓線特征進行提取；對于輪廓線中的閉合輪廓線進行過濾，得到與軌道相關性最強的全部輪廓；獲取全部輪廓的中軸線；根據中軸線區分左右軌道區域，分別對于左右軌道區域內的輪廓線進行聚類、篩選，獲得軌道線輪廓；將軌道輪廓線反饋到二值化感興趣區域；如果軌道輪廓線的端點不能與二值化感興趣區域的邊界相交，則判定為被遮擋；整理結果格式并輸出。本發明運行成本低、效率高，不僅僅局限于直線軌道，應用范圍廣。

技術領域

本發明涉及計算機視覺技術領域，特別涉及一種基于計算機視覺的軌道異物入侵檢測方法及裝置。

背景技術

作為損害軌道列車行駛安全的重要因素之一，軌道異物入侵造成的鐵路線故障嚴重危害著國家財產和人民生命的安全。軌道異物入侵檢測受到越來越多的重視，目前使用的解決方案基本依靠于人工巡檢與駕駛員視覺，加以設備輔助的方法。由于列車車速較高、巡檢效率以及人眼疲勞等問題，傳統方法難以完全滿足異物入侵檢測的需求。

使用以計算機視覺算法為基礎的方法解決軌道異物入侵檢測任務，旨在通過機器視覺準確并實時地獲得異物信息，為后續決策提供參考，以此解決人工巡檢等方法帶來的問題。計算機視覺方法按照算法原理可分為兩部分，即經典視覺算法與深度學習算法，相比較于經典視覺方法，深度學習算法存在以下問題：檢測類別與效果受制于數據集，標注成本很高，模型更新周期長成本高，算法運行成本高等。而經典視覺算法的主要局限在于泛化能力難提升，參數過多等。

申請號為：201910713696.5，名稱為：基于旋翼無人飛行器和YOLOv3的軌道異物檢測方法的發明專利中提出了利用深度學習檢測算法YOLOv3的方案進行異物檢測，但其檢測范圍僅局限于其數據集所包含的5個類別，需要構建相關數據集，標注成本高，模型效果受限于數據集質量，模型更新周期長，運行成本高。且此專利所給方案為巡檢方案，具有非實時的問題。且局限于直軌。

申請號為：CN201910029546.2，名稱為：一種基于圖像的軌道異物檢測方法的發明專利中提出了利用經典視覺算法進行異物檢測的方案，其算法對鐵軌采用聚類方法建立特征庫，運行時進行檢索匹配，找出無法匹配鐵軌特征庫的異物。其需要建立特征庫，性能會極大受限于特征庫的涵蓋范圍。且此方法只局限于檢測1/5以下畫幅的圖像內容，可檢測距離大大受限，鑒于列車較高的時速，使得此距離內的檢出并沒有實際意義。

現有技術存在的缺陷總結如下：

(1)名稱為：基于旋翼無人飛行器和YOLOv3的軌道異物檢測方法的發明專利中使用深度學習算法，其識別效果受限于訓練所用的數據集分布，所用深度學習模型的維護、運行成本高，且所給方案為無人巡檢方案，替代人工巡檢，但由于不在列車上，仍然缺乏檢測即時性。且局限于直軌道；

(2)名稱為：一種基于圖像的軌道異物檢測方法的發明專利中使用經典視覺算法，利用檢索的方法識別異物，識別效果受限于鐵軌特征庫的多樣性，且僅能識別畫幅1/5的內容，所能識別的距離較短，鑒于列車行駛時的速度較高，異物檢出缺乏實際可參考價值。

發明內容

本發明針對上述現有技術中存在的問題，提出一種基于計算機視覺的軌道異物入侵檢測方法及裝置，運行成本低、效率高，不僅僅局限于直線軌道，應用范圍廣。

為解決上述技術問題，本發明是通過如下技術方案實現的：

本發明提供一種基于計算機視覺的軌道異物入侵檢測方法，其包括：

S101：讀取輸入圖像；

S102：對所述輸入圖像進行灰度化處理，得到灰度圖；

S103：對所述灰度圖的梯度特征進行提取，得到梯度圖；