[发明专利]一种空基监视平台的轨道障碍物零样本分类方法及装置

说明书

本发明是一种空基监视平台的轨道障碍物零样本分类方法及装置，涉及航空监视和轨道障碍物检测技术领域。本发明装置包括图片采集器、障碍物目标提取器、目标映射网络、语义向量生成器、语义向量映射网络、基于余弦度量的最近邻分类器和警报器。本发明方法通过无人机采集铁轨图片，提取障碍物目标区域，映射为固定维度的向量，作为视觉特征；对障碍物的类别名称使用Word2vec技术生成语义向量，再映射为同视觉特征相同维度的语义特征向量；建立基于余弦度量的最近邻分类器对障碍物分类；在训练阶段，利用可见类别障碍物样本训练映射网络。本发明实现了对铁轨上未知障碍物的检测，提高了轨道障碍物的分类准确率，降低了误检虚警率。

技术领域

本发明属于航空监视技术领域，尤其涉及一种空基监视平台的轨道障碍物零样本分类方法及装置。

背景技术

空基监视平台用于全天时大范围保障轨道交通系统的正常运行。该平台维护轨道交通系统的重要任务之一是准确进行轨道障碍物检测。

传统的轨道障碍物检测分为实时检测和非实时检测。非实时检测主要包括检测车排障和人工检查。这两种方法是在设备运行前进行故障排查保证轨道可以正常使用。但是如果在两次排查之间无法及时发现轨道故障，容易引发严重的车辆脱轨侧翻事故。实时检测主要包括固定的视频监控，红外摄像，检测雷达等技术。但是这些系统由于误检率高，容易产生虚警，造成列车紧急停车，严重降低铁路运输效率。目前的解决方案是在该实时系统上添加大量的人工判断，十分耗费人力物力。空基监视平台的机动性大大增加了实时轨道障碍物检测的灵活性，与传统实时检测相比可以实现轨道线路的全覆盖。

由于空基实时检测系统的机动性，不停变换的场景增加了检测系统中障碍物分类难度，训练一个可区分所有障碍物的检测器十分困难。主要原因在于以下两个方面：(1)轨道障碍物类别未知不确定。尽管轨道交通部分为了保障列车运行安全对部分线路进行了封闭，但是仍然有大量的自然因素和人为破坏造成轨道遮挡。轨道障碍物的种类繁多，传统深度学习分类器的类别不能覆盖所有可能的种类，因此会造成误检和虚警。(2)缺少训练样本。传统深度学习分类器在训练过程中每一个训练类别需要大量的训练样本防止过拟合。但是部分轨道障碍物的样本图片很难采集。这就直接导致传统深度学习分类器在缺少训练样本的类别上失效。在实际应用中，分类器不仅需要对可见类别进行分类，也需要对从不可见类别进行分类。不可见类别没有训练样本参与分类器的训练过程。因此，基于训练样本匮乏或没有的情况下，如何在空基实时检测系统上实现轨道障碍物检测，是一个亟待解决的问题。

发明内容

针对目前空基实时检测系统在检测轨道障碍物时，由于训练样本匮乏或缺失而导致障碍物检测困难的问题，本发明提出了一种空基监视平台的轨道障碍物零样本分类方法及装置，可以实现空基监视平台在障碍物目标类别不可见(没有训练样本)的极端情况下的轨道障碍物排查，并提高了轨道障碍物的分类准确率，降低了误检虚警率。

本发明的一种空基监视平台的轨道障碍物零样本分类方法，根据是否有训练样本将障碍物分为可见类别和不可见类别，在训练阶段，利用可见类别障碍物的样本训练分类器，在测试阶段，利用训练好的分类器对铁轨图片进行障碍物分类。本发明方法包括：

步骤(1)通过无人机采集铁轨的图片；图片输入前景检测器从中提取障碍物目标区域，并将提取的区域图片裁剪为统一的尺寸大小；

在训练阶段，由步骤(1)获取可见类别障碍物的样本，样本为设定大小的障碍物目标区域图片，样本的标签为障碍物的类别标签；

步骤(2)对障碍物的类别名称使用Word2vec技术生成相应的语义向量；

步骤(3)对剪裁后的障碍物目标区域进行映射，映射到一个维度为W的嵌入空间中，得到障碍物目标区域的视觉特征；W为正整数；所用到的映射网络为3层感知机网络；