[发明专利]一种用于列车行驶方向检测的智能判断方法

权利要求书

1.一种用于列车行驶方向检测的智能判断方法，其特征在于包括以下内容：

根据列车车头与摄像头之间的位置关系，标定列车车头样本；

根据标定的列车车头样本，构建列车车头样本的检测深度网络模型，具体过程为：

1)对摄像头获取的列车图像进行目标检测，得到若干标定框及其对应的输出框，每一标定框均为摄像头获取的某一列车图像中可能存在列车车头样本的区域，每一输出框均包括对应标定框的中心坐标、宽度和高度；

2)根据标定的列车车头样本，对每一标定框均进行目标识别，确定每一标定框内的物体是否为列车车头样本，并输出预测框；

3)根据所有标定框的预测框，构建列车车头样本的检测深度网络模型，所述列车车头样本的检测深度网络模型包括网络输出分类模型和网络输出位置模型：

A)网络输出分类模型Lcls，用于表示识别的物体是否为列车车头样本：

Lcls(p)＝-α(1-p)γlog(p)

其中，α为正图像和负图像的控制因子；γ为分类正图像的权重系数；p为多类分类层输出的概率，其表达式为：

其中，上式左侧表示的是输入为xi，模型参数为θ时，预测判断为正图像的概率为yi，上式右侧的e表示自然对数，C表示一共可能的判断结果数目；l为预测框的位置；

B)网络输出位置模型Lloc，用于表示网络输出的列车车头样本位置和实际位置是否有足够的重合度：

其中，N为标定框的数量；Pos为所有预测到的列车车头样本位置；m为列车车头样本位置的横坐标、纵坐标、宽度和高度4个坐标；cx为列车车头样本中心点的横坐标；cy为列车车头样本中心点的纵坐标；w为宽度；h为高度；j为标定的第j个目标；g为标定框的位置；d为输出框的位置；l为预测框的位置；smoothL₁(x)表示一个函数映射；

根据构建的检测深度网络模型，对摄像头获取的列车图像进行检测，得到列车车头样本的特征向量，具体过程为：

a)根据构建的检测深度网络模型，对摄像头获取的列车图像进行检测，得到列车车头样本的位置和大小，其中，列车车头样本的位置tp为标定框的中心点坐标：

其中，(x₁,y₁)为列车车头样本的左上角坐标，(x₂,y₂)为列车车头样本的右下角坐标；

列车车头样本的大小ts为标定框的面积：

ts＝(x₂-x₁)×(y₂-y₁)

b)根据列车车头样本的位置和大小，得到列车车头样本的特征向量

其中，tp(x)为列车车头样本位置的中心点横坐标；tp(y)为列车车头样本位置的中心点纵坐标；

根据设定时间内所有列车车头样本的特征向量，构建列车车头特征向量，所述列车车头特征向量为：

其中，为第T秒内第M帧列车图像的列车车头样本位置的中心点横坐标；为第T秒内第M帧列车图像的中心点纵坐标；为第T秒内第M帧列车图像的列车车头样本的大小；

对列车车头特征向量进行插值处理，得到统一长度的列车车头特征向量；

对统一长度的列车车头特征向量进行分类方向判断，确定列车的行驶方向，完成列车行驶方向的判断。

2.如权利要求1所述的用于列车行驶方向检测的智能判断方法，其特征在于，根据列车车头与摄像头之间的位置关系，标定列车车头样本，具体过程为：

当列车车头正对摄像头，即摄像头只能获取列车车头的正面图像时，标定列车车头正面的矩形区域为列车车头样本；

当列车车头斜对摄像头，即摄像头能够获取列车车头的部分正面和部分侧面的斜侧面图像时，标定列车车头的斜侧面区域为列车车头样本；

当列车车头侧对摄像头，即摄像头只能获取列车车头的侧面图像时，标定列车车头的侧面矩形区域为列车车头样本。