[发明专利]一种基于计算机视觉的轨道异物入侵检测方法及装置

说明书

本发明公开了一种基于计算机视觉的轨道异物入侵检测方法及装置，包括：读取输入图像；进行灰度化处理；对梯度特征进行提取；进行二值化处理；对二值化后的图像进行掩膜覆盖，留下感兴趣区域内的有效信息；对二值化感兴趣图像中的轮廓线特征进行提取；对于轮廓线中的闭合轮廓线进行过滤，得到与轨道相关性最强的全部轮廓；获取全部轮廓的中轴线；根据中轴线区分左右轨道区域，分别对于左右轨道区域内的轮廓线进行聚类、筛选，获得轨道线轮廓；将轨道轮廓线反馈到二值化感兴趣区域；如果轨道轮廓线的端点不能与二值化感兴趣区域的边界相交，则判定为被遮挡；整理结果格式并输出。本发明运行成本低、效率高，不仅仅局限于直线轨道，应用范围广。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种基于计算机视觉的轨道异物入侵检测方法及装置。

背景技术

作为损害轨道列车行驶安全的重要因素之一，轨道异物入侵造成的铁路线故障严重危害着国家财产和人民生命的安全。轨道异物入侵检测受到越来越多的重视，目前使用的解决方案基本依靠于人工巡检与驾驶员视觉，加以设备辅助的方法。由于列车车速较高、巡检效率以及人眼疲劳等问题，传统方法难以完全满足异物入侵检测的需求。

使用以计算机视觉算法为基础的方法解决轨道异物入侵检测任务，旨在通过机器视觉准确并实时地获得异物信息，为后续决策提供参考，以此解决人工巡检等方法带来的问题。计算机视觉方法按照算法原理可分为两部分，即经典视觉算法与深度学习算法，相比较于经典视觉方法，深度学习算法存在以下问题：检测类别与效果受制于数据集，标注成本很高，模型更新周期长成本高，算法运行成本高等。而经典视觉算法的主要局限在于泛化能力难提升，参数过多等。

申请号为：201910713696.5，名称为：基于旋翼无人飞行器和YOLOv3的轨道异物检测方法的发明专利中提出了利用深度学习检测算法YOLOv3的方案进行异物检测，但其检测范围仅局限于其数据集所包含的5个类别，需要构建相关数据集，标注成本高，模型效果受限于数据集质量，模型更新周期长，运行成本高。且此专利所给方案为巡检方案，具有非实时的问题。且局限于直轨。

申请号为：CN201910029546.2，名称为：一种基于图像的轨道异物检测方法的发明专利中提出了利用经典视觉算法进行异物检测的方案，其算法对铁轨采用聚类方法建立特征库，运行时进行检索匹配，找出无法匹配铁轨特征库的异物。其需要建立特征库，性能会极大受限于特征库的涵盖范围。且此方法只局限于检测1/5以下画幅的图像内容，可检测距离大大受限，鉴于列车较高的时速，使得此距离内的检出并没有实际意义。

现有技术存在的缺陷总结如下：

(1)名称为：基于旋翼无人飞行器和YOLOv3的轨道异物检测方法的发明专利中使用深度学习算法，其识别效果受限于训练所用的数据集分布，所用深度学习模型的维护、运行成本高，且所给方案为无人巡检方案，替代人工巡检，但由于不在列车上，仍然缺乏检测即时性。且局限于直轨道；

(2)名称为：一种基于图像的轨道异物检测方法的发明专利中使用经典视觉算法，利用检索的方法识别异物，识别效果受限于铁轨特征库的多样性，且仅能识别画幅1/5的内容，所能识别的距离较短，鉴于列车行驶时的速度较高，异物检出缺乏实际可参考价值。

发明内容

本发明针对上述现有技术中存在的问题，提出一种基于计算机视觉的轨道异物入侵检测方法及装置，运行成本低、效率高，不仅仅局限于直线轨道，应用范围广。

为解决上述技术问题，本发明是通过如下技术方案实现的：

本发明提供一种基于计算机视觉的轨道异物入侵检测方法，其包括：

S101：读取输入图像；

S102：对所述输入图像进行灰度化处理，得到灰度图；

S103：对所述灰度图的梯度特征进行提取，得到梯度图；