[发明专利]基于GMM模型与BP神经网络的高速铁路异物识别与分类方法

摘要

本发明公开了基于GMM模型与BP神经网络的高速铁路异物识别与分类方法，通过利用高清摄像机获取目标物体的实时视频图像，观测其最终的状态以及位置，判断该目标物体是否为异物；并基于高斯混合模型以及BP神经网络对异物进行识别与分类，得到不同异物的类型并对列车发出警示信息。本发明能够实现对入侵异物的分类，对于异物的识别更加地精确，并且能及时的进行预警，很大程度上提高了异物识别的准确性，并且为后续针对异物清除提供了更加详细的信息。

主权项

1.基于GMM模型与BP神经网络的高速铁路异物识别与分类方法，其特征在于，包括以下操作步骤：步骤一：通过部署在铁路线路两旁的高清摄像机，连续不断地拍摄移动的目标物体，记录目标物体从出现直至停止移动或离开摄像机的监控视野范围内的视频图像；步骤二：根据高清摄像机实时拍摄的视频图像进行异物识别与分析，包括：利用每次拍摄的视频图像获得目标物体的轮廓形状；根据所拍摄的目标物体的最终状态，判断此目标物体是否为异物，若目标物体最终离开铁路线路或是离开摄像机的监控视野范围，则判断目标不是线路上的异物；若目标物体最终落在监控的范围内或明确存在于铁路线路上，则根据所获取的目标物体的轮廓形状进一步进行异物识别与分类，得出异物的类型；步骤三：将所获得的有关异物的参数以及位置信息发送给控制中心；步骤四：由控制中心向列车发出警示信息，并采取相应的解决措施。