[发明专利]一种基于深度学习的地铁有轨电车异物入侵的识别方法

权利要求书

1.一种基于深度学习的地铁有轨电车异物入侵的识别方法，其特征在于：它包括以下步骤：

1)每段轨道设置摄像头(例如100米设置一个)；

2)视频图像采集；

3)异物识别；

4)异物是否是动物的识别；

5)如果确定有异物则根据异物类型发出对应形式的预警。

2.根据权利要求1所述的一种基于深度学习的地铁有轨电车异物入侵的识别方法，其特征在于：所述步骤1中每段轨道设置的摄像头朝向均一致，其朝向与车辆行驶方向一致。

3.根据权利要求2所述的一种基于深度学习的地铁有轨电车异物入侵的识别方法，其特征在于：所述步骤1中摄像头设置有辅助照明装置。

4.根据权利要求3所述的一种基于深度学习的地铁有轨电车异物入侵的识别方法，其特征在于：所述步骤3包括以下步骤：

S11使用2D高斯滤波模板与原始图像进行卷积，消除噪声；

S12利用导数算子找到图像灰度沿着两个方向的导数Gx和Gy，并求出梯度大小；

S13利用步骤s12的结果计算出梯度方向；

S14把边缘的梯度方向分为0°、45°、90°和135°，并找到这个像素梯度方向的邻接像素；

S15如果某个像素的灰度值与其梯度方向上前后两个像素的梯度值相比不是最大的，那么这个像素值置为0，也就是说不是边缘，反之则是边缘；

S16得到边缘信息后，读取每个像素，如果边缘像素长度大于T，则认为是一个异物候选区域，当检测出异物候选区之后，将异物的坐标记录；

S17使用支持向量机进行异物分类，分类包括检修工、车辆、入侵异物。

5.根据权利要求4所述的一种基于深度学习的地铁有轨电车异物入侵的识别方法，其特征在于：所述步骤4包括以下步骤：

S18若步骤s17确定分类为检修工或者车辆则跳过s21-s27，若确定分类为入侵异物则进入步骤s21；

S21接收第一帧视频图像，并进行存储；

S22接收第二帧视频图像，并进行存储；其中，第一帧视频图像和第二帧视频图像是指相邻两帧视频图像；

S23对比第二帧视频图像与第一帧视频图像，判断是否有变化区域，若没有，则执行步骤s24，若有，执行步骤s25；

S24丢弃第一帧视频图像，即将相邻两帧视频图像中前一帧视频图像丢弃，并向决策者反馈该入侵异物分类为物品，不再执行后续操作；

S25确定入侵异物的移动像素距离；也就是比对入侵异物在两帧视频图像中的位置确定入侵异物的移动像素距离；

S26基于比例参数确定入侵异物的移动真实距离，也就是根据比例尺确定移动像素距离对应的移动真实距离；

S27基于入侵异物的移动真实距离确定入侵异物的移动速度，也就是根据移动真实距离与两帧视频图像拍摄的时间间隔确定入侵异物的移动速度；向决策者反馈该入侵异物为动物并预判其运动方向。