[发明专利]基于弱监督学习的空基视角下的铁轨异物检测方法及系统

说明书

本发明为一种基于弱监督学习的空基视角下的铁轨异物检测方法及系统，解决铁轨异物种类多利用传统检测方法难以识别的问题。本发明系统包括空基图像获取模块、图像预处理模块、双级分割网络模块、区域定位模块和异常信息输出模块。本发明方法通过无人机拍摄地面铁轨区域的图像，对图像进行预处理后输入双级分割网络提取铁轨区域粗分割预测图和像素细分类预测图，区域粗分割预测图提取铁轨正常区域，像素细分类预测图提取图中实际属于铁轨的像素，本发明通过弱监督的反向学习算法训练双级分割网络，根据两个预测图反向定位铁轨中的异常区域。本发明无需对异物自身进行标注，就可以有效地检测出铁轨中的异物，实现对铁轨异物入侵的识别与预警。

技术领域

本发明属于航空监视领域，具体涉及了一种基于弱监督学习的空基视角下铁轨异物的检测方法及系统。

背景技术

当前，铁路建设已成为国家发展大战略中举足轻重的一环。便捷的铁路网为国家发展提供了保障，更为人民生活提供了便利。因此，如何高效地确保铁路安全就显得尤为重要。在铁路的日常运营中，可能会有牲畜、行人进入铁轨区域，侵占铁轨。同时，铁路工人工作时的遗留物留在铁轨上，也可能影响火车的正常行驶。因此，在铁路的日常维护中，为了确保列车正常、安全地运行，确保没有异物入侵或遗留到铁轨上是一项重要工作。

传统的巡检方法主要依靠铁路工人开展人工巡检，但是这种方法不仅浪费大量人力，而且巡检速度很慢，效率低。因此，我们迫切的需要一种更高效、智能的自主巡检方法。为此，有人提出，通过无人机，实现基于空基的自主监视，对铁路进行异物巡检。无人机可通过携带的摄像头采集地面的图像数据，并运用计算机视觉的技术进行智能分析与处理，对铁路沿线的情况进行判断，从而实现自主巡检。这样，就有效节省了人力，同时提高了工作效率。

但是，对铁轨进行空基自主巡检也存在一些难点。首先，铁轨上的异物存在不确定性。各种牲畜，工人的遗留物，落石等，都有可能成为影响列车正常运行的异物。因此，很难对他们都进行标注并通过常规检测模型进行训练和测试。此外，空基视角下，由于高度、视角的变化，铁轨异物在图像中可能呈现较大的差异。这也增加了对异物进行直接检测的难度。

现有针对铁路场景下的异物检测存在局限性。如参考文献1(张雪艳.SSD算法及其在铁路场景异常目标检测中的应用研究[D].北方工业大学,2019)，采用SSD(Single ShotMultiBox Detector)检测算法对异物进行检测。SSD是经典的检测算法，但是其依赖大量的样本进行训练，而且泛化能力一般，仅能识别训练集中已有的样本。参考文件2(杜兴强.基于深度背景差分的铁路异物检测算法[D].北京交通大学,2019)公开的基于深度背景差分检测算法，要求图像背景具有高度的一致性，如果背景出现变化，其差分算法很难适应。为了保证背景的一致性，对比文件2的算法主要依靠轨旁定点摄像装置进行图像采集，进而进行后续分析。而如果在铁路线周围大量布置这些设施，开销较大。因此，其在使用中具有一定局限性。参考文献3(王亚涛.基于无人机的铁路限界异物检测及预警方法研究[D].北京交通大学,2019)中，作者结合无人机目前在铁路场景下的应用，提出了一种基于无人机的铁路限界异物检测及预警方法，但是，其只针对行人、车辆、列车这三类物体进行分类器建模，对于突发异常无法识别。

发明内容

针对目前解决铁轨异物入侵时，存在由于铁轨上的异物存在不确定性，很难对他们进行标注并通过常规检测模型进行训练和测试的问题，本发明提出了一种基于弱监督学习的空基视角下的铁轨异物检测方法和系统，基于铁轨自身具有较强的结构一致性与稳定性的特点，通过学习提取铁轨正常区域，再反向定位异常区域，实现对铁轨异物的检测。

本发明提供的空基视角下的铁轨异物检测系统，包括：

位于无人机上的空基图像获取模块，用于通过无人机对地面铁轨拍摄图像，并传输给地面服务器；