[发明专利]基于生成对抗网络的铁路道口异常事件检测方法及系统有效

专利信息
申请号: 202110210813.3 申请日: 2021-02-25
公开(公告)号: CN112861762B 公开(公告)日: 2022-05-20
发明(设计)人: 常发亮;张震;李南君;刘春生 申请(专利权)人: 山东大学
主分类号: G06V20/52 分类号: G06V20/52;G06V20/40;G06V10/764;G06V10/762;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T7/13;G06T7/194
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 黄海丽
地址: 250061 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 生成 对抗 网络 铁路 道口 异常 事件 检测 方法 系统
【权利要求书】:

1.基于生成对抗网络的铁路道口异常事件检测方法,其特征是,包括:

采集待检测的铁道路口视频;

对待检测的铁道路口视频进行处理,判断是否需要异常事件检测,如果铁道路口栏杆抬起,则暂停异常事件检测,如果铁道路口栏杆放下,则进入下一步;

基于训练后的生成对抗网络,对待检测的铁道路口视频进行异常事件检测,输出异常事件检测结果;

所述生成对抗网络,其网络结构包括:

相互连接的图像生成网络和鉴别器;

其中,图像生成网络,包括:并列的RGB输入支路和光流输入支路;

其中,RGB输入支路,包括:依次连接的第一编码模块、第二编码模块、第三编码模块、第四编码模块、记忆增强模块、第一解码模块、第二解码模块、第三解码模块和第四解码模块;

其中,光流输入支路,包括:光流提取网络Lite Flow Net、第五编码模块、第六编码模块和第七编码模块;其中,第七编码模块的输出端与第三编码模块的输端出采用CONCAT合并的方式融合,融合后的数据送入第四编码模块;

其中,鉴别器,包括:依次连接的卷积层a1、卷积层a2、卷积层a3、卷积层a4和Sigmoid函数层;

其中,第一、第二、第三、第四、第五、第六和第七编码模块的内部结构是一样的,第一编码模块,包括:依次连接的卷积层b1、卷积层b2和最大池化层b3;

其中,第一、第二、第三和第四解码模块的内部结构是一样的,第一解码模块,包括:依次连接的反卷积层c1、卷积层c2和卷积层c3;

其中,第一编码模块的输出端与第四解码模块的输入端连接,第二编码模块的输出端与第三解码模块的输入端连接,第三编码模块的输出端与第二解码模块的输入端连接;

其中,记忆增强模块,包括:稀疏处理单元;其中,稀疏处理单元的输入端与第四编码模块的输出端连接,稀疏处理单元的输出端与第一解码模块的输入端连接。

2.如权利要求1所述的基于生成对抗网络的铁路道口异常事件检测方法,其特征是,对待检测的铁道路口视频进行处理,判断是否需要异常事件检测,如果铁道路口栏杆抬起,则暂停异常事件检测,如果铁道路口栏杆放下,则进入下一步;具体步骤包括:

对待检测的铁道路口视频的第i帧图像提取前景图像,其中i的取值范围为正整数;

对前景图像,进行去除干扰处理;

对干扰处理后的图像,进行边缘检测;

对边缘检测后的图像,进行直线检测;

计算图像中的直线与水平的夹角,如果夹角持续增大,则表示栏杆抬起,则暂停异常事件检测;如果夹角持续减小,则表示铁道路口栏杆放下,则开始进行异常事件检测。

3.如权利要求2所述的基于生成对抗网络的铁路道口异常事件检测方法,其特征是,对待检测的铁道路口视频的第i帧图像提取前景图像;具体是采用高斯混合模型GMM,对待检测的铁道路口视频的第i帧图像提取前景图像;

对前景图像,进行去除干扰处理;具体包括:

采用形态学方法中的开运算去除图像中的孤立点和毛刺,实现干扰去除和目标前景的保留;

对干扰处理后的图像,进行边缘检测;

采用Canny边缘检测算法,对干扰处理后的图像,进行边缘检测;

对边缘检测后的图像,进行直线检测;

采用Hough直线检测算法,对边缘检测后的图像,进行直线检测。

4.如权利要求1所述的基于生成对抗网络的铁路道口异常事件检测方法,其特征是,基于训练后的生成对抗网络,对待检测的铁道路口视频进行异常事件检测,输出异常事件检测结果;具体步骤包括:

待检测的铁道路口视频输入到训练后的生成对抗网络的图像生成网络中,图像生成网络生成预测视频帧;

将预测视频帧与无异常事件的视频帧进行差异度比较,如果差异度大于设定阈值,则表示存在异常事件,否则,表示没有异常事件。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110210813.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top