[发明专利]铁路货车装载视频智能监视系统

权利要求书

1.一种铁路货车装载视频智能监视系统，其特征在于包括：

安装于车站进出口轨道处用于检测列车的驶入信号的传感器单元；

接收所述传感器单元传送的触发信号的图像采集单元，所述图像采集单元安装于列车行进路径的周围位置、分别获取列车左视、俯视和右视图像信息，其中图像采集单元采用高清彩色线阵相机拍摄列车的视频信息将视频信息与列车的实时速度相结合获取经过列车的动态图像；

接收传感器单元传送的触发信号的车号采集单元，所述车号采集单元安装在运行轨道上获取货车车厢底部的无线身份识别卡中的车厢身份信息，其中该车厢身份信息至少包括车厢型号信息、长度信息和载重信息；

安装在图像采集单元的周围为系统提供稳定光源的灯控单元；

安装在轨道两侧用于判断当前图像采集单元的拍摄位置是否为列车车厢连接处的车厢分割单元，当列车车厢连接处运行至车厢分割单元时，所述车厢分割单元将触发信号发送至图像采集单元，所述图像采集单元记录该分割位置信息并输出；

接收所述图像采集单元传送的图像信息和分割位置信息以及车号采集单元传送的车厢身份信息的传输单元，所述传输单元将接收到的信息传送至智能监视单元，所述智能监视单元将接收到的图像信息按照车厢切割后的形式存储；

所述智能监视单元采用Darknet深度学习框架和Yolo神经网络算法对车厢体的部件进行定位检测，采用异常检测算法对定位后出现异常状况的部件进行异常判断。

2.根据权利要求1所述的铁路货车装载视频智能监视系统，其特征还在于：所述智能监视单元采用Darknet深度学习框架和Yolo神经网络算法对车厢体的部件进行定位检测中具体采用如下方式：

Darknet网络结构的卷积层接收上一个深度网络层输出的底层部件特征进行特征学习、生成高度抽象的部件特征；

在池化层中采用最大池化算法提取并学习部件特征图中深层次的语义信息，并忽略表现特征程度低的特征图学习结果；

采用LRN层提高特征学习的速度；

其中逻辑回归层采用多标签多分类方式对同一检测框内的多类部件进行识别、输出每个部件以及该部件对应的标签。

3.根据权利要求1所述的铁路货车装载视频智能监视系统，其特征还在于：所述智能监视单元采用异常检测算法对出现异常状况的部件进行异常判断中具体采用如下方式：

对于门窗开合类异常检测中：在门窗部件定位的基础上，建立门窗开合状态的样本，以门窗闭合图像为正样本，门窗开启图像为负样本，使用支持向量机SVM完成正负样本的训练，生成门窗开合状态判定的分类器；

对于表面异物类的检测中：选定完成定位的部件图像，选择模板图像，采用SIFT算法分别提取模板图像与待测图像的部件特征点，按照随机抽样一致原则筛选可靠性匹配点并生成校正变换矩阵完成待测图像的校正；将待测图像与模板图像进行差分处理，对待测图像开操作后再进行二值化处理，设定闭合轮廓面积阈值，将轮廓面积大于闭合轮廓面积阈值的区域判定为异物，将轮廓面积小于闭合轮廓面积阈值的区域判定为正常物体。