[發明專利]一種基于深度學習和多傳感器數據融合的高速列車車型動態識別控制系統

在審

• 申請號: 202210016792.6
• 申請日: 2022-01-08
• 公開（公告）號: CN114202730A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 秦慶波;呂翠華;程素麗;劉益娟;王康夢
• 申請（專利權）人: 深圳安銳科技有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G01S13/58;G01S13/86
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種基于深度學習和多傳感器數據融合的列車車型動態識別控制系統，實現高速列車的車型識別及設備的實時智能聯動控制。一種基于機器視覺和多傳感器數據融合的列車車型動態識別控制系統，其特征在于：系統由網絡攝像機、微波雷達傳感器、視頻分析服務器和交換機、LED紅外補光燈及4G網絡模塊組成；當視頻分析服務器檢測到第一個微波雷達傳感器發來的速度幀數據中含有預先設定的合理速度信號時，啟動基于深度學習的卷積神經網絡列車識別算法，對網絡攝像機發來的視頻進行逐幀識別，并記錄每幀中識別到的火車類型的數量；當列車信號消失后，根據累加的火車類型數據進行車型綜合判斷識別，并記錄列車經過的狀態；在第二個雷達接收列車的速度信號時，發送預先存儲的信號控制方案到控制設執行相應的控制動作，完成根據列車車型實現控制設備的智能化控制任務。

技術領域

本發明屬于人工智能自動化控制技術領域，提供一種基于深度學習和多傳感器數據融合的高速列車車型動態識別控制系統，實現高速列車的車型識別及設備的實時智能聯動控制。

背景技術

在高速列車達到指定的識別范圍時，需要針對不同的列車車型，對設備進行控制。如隧道內僅針對旅客列車的景觀照明、防疫消殺等設備控制等。由于這些設備功率巨大，如果長時間運行，不但能耗大，而且會增加設備故障率，縮短設備使用壽命。因此需要在檢測到指定車型時，才啟動相應的設備，達到節能減排、延長設備壽命等作用。如果通過鐵路系統內部的列車行車控制系統提供列車出發時間及車型的信號，需要修改現有控制系統，給出對應的軟件接口信息。這種方法雖然原理簡單，但是實際使用中存在以下不足：1、鐵路系統內部使用的列車行車控制系統的具備極高的安全性，對外修改軟件、提供信息控制接口，可能會對現有系統帶來潛在安全隱患，形成安全漏洞；2、鐵路內部系統協調多級部門，協調難度大，周期長，很難通過審批；3、即使通過審批，后期無論是項目控制系統升級或行車控制系統升級，均需要協調第三方進行配套升級，系統獨立性低，維護困難；4、只能知道是否有列車從車站出發，無法知道列車到達的準確時間。如果項目控制設備提前或推遲打開，可能會對列車司機造成干擾，影響行車安全。因此需要設計一套獨立的、不依賴于鐵路系統內部運行的列車控制系統，并能夠克服列車抖動、機頭前燈強光干擾、環境光線、接觸網高壓電磁干擾等復雜環境的影響，快速、準確的識別出高速運行的列車車型的列車車型識別及控制系統。近年隨著機器視覺、深度學習等人工智能技術和傳感器技術的發展，為動態識別列車車型提供了技術可能。

發明內容

本發明的目的在于提供一種基于深度學習和多傳感器數據融合的高速列車車型動態識別控制系統，實現列車車型的動態識別檢測和控制相應設備運行的功能。

本發明技術方案如下：

一種基于機器視覺和多傳感器數據融合的列車車型動態識別控制系統，其特征在于：系統由網絡攝像機、微波雷達傳感器、視頻分析服務器和交換機、LED紅外補光燈及4G網絡模塊組成；當服務器檢測到第一個微波雷達傳感器發來的速度數據中含有預先設定的合理速度范圍內時，啟動列車識別AI算法，對網絡攝像機發來的視頻進行逐幀識別，并記錄每幀中識別到的列車類型的數量；當列車信號消失后，根據累加的列車類型數據進行車型綜合判斷識別，并記錄列車經過的狀態；在第二個雷達接收列車的速度信號時，發送預先存儲的信號控制方案到控制設執行相應的控制動作，完成根據列車車型實現控制設備的智能化控制任務。

本發明使用基于深度學習的人工智能算法來實現列車車型的識別：由于列車經過的現場光線環境復雜，存在火車機頭大燈照射、客車車窗燈光投射、伴有振動、粉塵、飛蛾蟲子等異物遮擋等不利情況，使用傳統的機器視覺分析識別車型，算法開發難度大，環境適應性低，因此采用深度神經網絡來學習列車對象的特征，讓深度神經網絡具備識別列車車型的能力。通過采集不同列車車型在不同時間點的視頻，并根據列車速度，抽取適當的幀圖像，作為對深度神經網絡進行訓練學習的圖片素材。訓練用途的圖片素材經過人工進行識別和標注后，用模型訓練工具進行訓練，得到所需的模型文件，用適當的推理引擎實現模型的部署。把視頻幀圖像逐一輸入部署好的模型中，得到返回的數據。對返回數據做解析后，即可得到視頻幀圖像中所得到的列車種類、數量及位置坐標。