[发明专利]铁路侵限异物检测方法、装置及终端

权利要求书

1.一种铁路侵限异物检测方法，其特征在于，包括：

构建铁路侵限异物检测模型，其中，所述铁路侵限异物检测模型包括用于从输入图像中提取特征图的特征提取网络以及用于检测特征图中目标的检测网络；所述特征提取网络包括多个包含通道注意力处理层的深度可分离卷积残差块，所述深度可分离卷积残差块在进行深度可分离卷积操作时，通过所述通道注意力处理层进行特征融合；

获取训练样本集；其中，所述训练样本集中的样本包括铁路侵限区域存在异物的图像；

基于所述训练样本集，对所述铁路侵限异物检测模型进行训练；获取铁路侵限区域对应的待检测图像，并将所述待检测图像作为训练得到的铁路侵限异物检测模型的输入图像，对所述待检测图像进行铁路侵限异物检测；

其中，所述特征提取网络还包括卷积层，所述特征提取网络从输入图像中提取特征图的过程包括：卷积层从输入图像中提取初始特征图；卷积层将初始特征图输出，输出的初始特征图依次经过各个深度可分离卷积残差块进行深度可分离卷积，得到输入图像对应的特征图；

所述深度可分离卷积残差块还包括ResBlock层和特征融合层，所述通道注意力处理层包括挤压单元、激发单元和权重分配单元；每个深度可分离卷积残差块对初始特征图执行以下操作：

所述各个深度可分离卷积残差块还包括CSP结构，将初始特征图分为part1和part2，所述part2输入至所述ResBlock层；

所述ResBlock层对所述part2进行卷积，得到第一初始特征图；其中，所述第一初始特征图为多通道特征图；所述挤压单元将所述第一初始特征图中各个通道对应的空间特征进行全局平均池化编码，得到各个通道对应的全局描述特征；所述激发单元根据各个通道对应的全局描述特征计算各个通道之间的相关性，得到各个通道的权重值；所述权重分配单元根据各个通道的权重值对所述第一初始特征图进行权重分配，得到第二初始特征图；所述特征融合层将所述第一初始特征图、所述第二初始特征图进行逐通道相加后输出；

所述深度可分离卷积残差块将所述part1和所述特征融合层的输出特征图逐通道相加后输出。

2.如权利要求1所述的铁路侵限异物检测方法，其特征在于，通过以下公式对所述第一初始特征图进行权重分配：

F_scale(u_c,s_c)＝u_c×s_c

式中，u_c为第一初始特征图，s_c为各个通道的权重值形成的权重矩阵。

3.如权利要求1所述的铁路侵限异物检测方法，其特征在于，所述检测网络检测特征图中目标的过程包括：

根据预设的检测锚点值，对特征图进行目标检测，得到多个锚点框；

计算各个锚点框对应的目标置信度，并根据各个锚点框对应的目标置信度，去除虚假锚点框；其中，所述虚假锚点框为不包含目标的锚点框；

对各个锚点框中的目标进行目标坐标回归计算和目标分类计算，得到特征图中各个目标的坐标和类别。

4.如权利要求3所述的铁路侵限异物检测方法，其特征在于，所述检测网络检测特征图中目标的过程还包括：

获取所述训练样本集中各个样本的宽高比；

基于K-Means聚类算法对各个样本的宽高比进行聚类，得到所述预设的检测锚点值。

5.如权利要求1-4任一项所述的铁路侵限异物检测方法，其特征在于，在获取铁路侵限区域对应的待检测图像之后，还包括：

检测所述待检测图像中的轨道，将轨道两侧预设距离内的区域确定为铁路侵限区域，并对所述待检测图像中的铁路侵限区域进行标记；

根据标记从所述待检测图像中提取铁路侵限区域的图像；

相应的，将所述待检测图像作为训练得到的铁路侵限异物检测模型的输入图像，包括：

将提取到的铁路侵限区域的图像作为训练得到的铁路侵限异物检测模型的输入图像。