[发明专利]多股道列车定位方法、系统、后台服务器和可读存储介质

权利要求书

1.一种多股道列车定位方法，其特征在于，应用于后台服务器，包括：

获取高速摄像机捕获的被监视股道的区域图像；

采用预先训练好的列车识别检测模型，从所述区域图像中识别股道上是否有列车，并用定位框标注列车在区域图像中的位置；

将所述区域图像与站场拓扑图进行比对，确定列车在站场拓扑图上的位置。

2.如权利要求1所述的多股道列车定位方法，其特征在于，所述高速摄像机的数量为多个，架设在多股道区域上方的多个高速摄像机按照接车或者发车的方向编号。

3.如权利要求2所述的多股道列车定位方法，其特征在于，将多个所述高速摄像机在同一时刻捕获的区域图像进行拼接后，输入所述列车识别检测模型进行识别。

4.如权利要求1所述的多股道列车定位方法，其特征在于，将所述区域图像与站场拓扑图进行比对，确定列车在站场拓扑图上的位置，包括：

将所述区域图像进行比例尺换算，映射到站场拓扑图上，得到定位框在站场拓扑图上的映射结果；

将定位框的映射结果与站场拓扑图上预先标注的定位点信息进行比较，计算列车在站场拓扑图上的位置。

5.如权利要求1所述的多股道列车定位方法，其特征在于，所述列车识别检测模型为基于YOLO目标检测算法的深度学习神经网络模型。

6.如权利要求5所述的多股道列车定位方法，其特征在于，所述列车识别检测模型按照以下步骤训练：

利用所述高速摄像机采集不同轨道有列车、无列车的多种场景的区域图像作为训练样本；

对训练样本进行标注；其中，所述标注包括定义图像中是否有列车以及采用定位框标注列车在图像中的位置；

建立基于YOLO目标检测算法的深度学习神经网络模型，并利用已经标注的训练样本训练所述深度学习神经网络模型的参数，直到利用所述深度学习神经网络模型的识别结果的正确率满足给定的要求，得到所述列车识别检测模型。

7.如权利要求6所述的多股道列车定位方法，其特征在于，所述深度学习神经网络模型采用darknet-53网络。

8.如权利要求6所述的多股道列车定位方法，其特征在于，被监视股道为弯股和道岔区段，在标注训练样本时，将列车所在的区域的最小长方形都标注为边框。

9.如权利要求6所述的多股道列车定位方法，其特征在于，所述标注还包括定义图像中列车的车种信息。

10.如权利要求1所述的多股道列车定位方法，其特征在于，还包括：

调取此前T时间范围内的定位结果，绘制当前时刻列车的运行轨迹；

遍历站场的接车进路、发车进路和调车进路，与列车的运行轨迹进行比较，进一步核对列车位置。

11.一种多股道列车定位系统，其特征在于，包括通信连接的后台服务器和高速摄像机；

所述高速摄像机，用于捕获被监视股道的区域图像，并实时传输给所述后台服务器；

所述后台服务器，用于实现如权利要求1～10任一项所述的多股道列车定位方法。

12.一种后台服务器，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现如权利要求1-10任一所述的多股道列车定位方法。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-10任一所述的多股道列车定位方法。