基于雷达及图像分析的铁路线路异物检测方法及系统与流程
本发明属于轨道交通安全技术领域，涉及到一种基于雷达及图像分析的铁路线路异物检测方法及系统。
背景技术：
近年来，随着我国铁路建设力度日益加大，尤其是在高速铁路建设方面，国家投入了大量的人力、财力进行开发建设。也使得我国的高铁技术居于世界前列，成为我国的一张新名片。同时，随着列车速度的不断提高，对铁路线路的安全要求也越来越高。而保障列车运行安全除了要求列车及铁路路基本身的质量可靠之外，铁路沿线的居民、动物、及各种因恶劣天气造成的树枝、落石或人为丢弃的垃圾等异物侵入铁路限界，甚至各种人为的恶意损坏，严重影响了铁路运行安全和铁路运输经济的发展。因此，铁路异物入侵检测问题成为我国铁路运输安全关注的热点问题。
传统的铁路线路异物检测主要是依靠人力,通过大量的巡路人员进行不间断的线路巡查来检查铁路线路上是否存在异物。这种方式虽然能够非常精准地检测到线路上是否存在异物,但是需要大量的人力，且由于人的行进速度有限，而异物入侵具有突发性、无规律、不可预测等特点，从而使得异物的发现不够及时，最终导致对异物的清理不够迅速。而随着高清视频监控技术的飞速发展，基于视频监控的异物入侵检测技术得到了越来越多的应用。但高清视频设备则可能存在视野盲区、容易受天气光照等环境因素影响、无法精准的得到入侵异物的准确位置、检测算法复杂等缺点，从而使得对异物入侵的检测不够精准和可靠，存在严重的报警位置不准确、误报漏报率较高、报警不及时等问题。
为解决上述问题，在某些铁路线路异物检测系统中已采用多种检测方式同时进行部署来避免上述问题，如采用双电网、倾角传感、红外对射、雷达探测技术、激光幕墙、高清视频等各种技术手段中的两种或多种来配合进行检测，从而提高检测的精度及可靠性。
如随着民用雷达技术的发展，从而出现了一些新的检测技术手段，如激光雷达技术和微波雷达技术。其中激光雷达成像技术具有盲区小、高精度、高分辨率的优势，利用其成像信息进行目标识别，也能在一定程度用来在铁路线路上进行异物识别，但激光雷达同样易受到冰雪等天气因素的影响。无法适应我国复杂的铁路线路使用坏境。而微波雷达是一种以发送电磁波并接收物体的反射回波来探测目标的电子设备，微波雷达通过检测微波信号的相位变化，能实现对监测区域内移动目标的速度、所在位置坐标进行探测的功能。
如cn107697102a公开了一种高速铁路异物侵限的信息采集、识别及警示系统，其同时采用雷达和图像采集进行异物的识别，其基本思路是利用不同物体对雷达电磁波的反射波长不同的方式来确定铁路路轨上是否存在异物，然后利用面阵ccd来获取异物的图像，并根据异物在ccd面阵上的占比大小来计算异物的大小。这种方式虽然在某种条件下可以检测出铁路路轨上是否存在异物，但其缺陷也是明显的，(1)同样物体在不同天气下对电磁波的波长反射情况不同，如针对于铁路路轨而言，若是大雨、甚至大雪天气路轨轨道被冰冻，其对电磁波反射的波长必然受到影响，所以该种方式极易受到天气的影响。(2)仅仅是利用面阵ccd来获取异物的大小，从而无法获取到异物的细节轮廓信息，无法对异物进行准确的分类。另外，距离的不同也会影响物体在ccd上的成像大小，从而仅仅是利用成像大小无法准确得到物体的真实大小。(3)其设备安装位置要求低于轨道，从而导致雷达设备的作用范围有限，且容易遭到人为破坏，而无法发挥实际的异物识别、警示效能。
技术实现要素：
发明目的：针对现有技术的不足，本发明目的在于提供一种基于雷达及图像分析的铁路线路异物检测方法及系统，考虑到任何的异物入侵都存在一个动态的入侵过程，以及微波雷达对运动物体极为敏感的特性，通过微波雷达探测异物的入侵过程，并在探测到异物后，配合高清视频图像进行异物的类型、尺寸大小的分析，从而实现对异物的危险系数进行计算，并据此发出不同级别的预警信号，来实现对铁路线路上所有的异物进行报警。
技术方案：为实现上述发明目的，本发明采用如下技术方案：
一种基于雷达及图像分析的铁路线路异物检测方法，包括如下步骤：
(1)通过部署在铁路线路路旁的微波雷达设备，实时检测其监控范围内是否有移动目标，并将所有移动目标的坐标位置信息发送到与其对应的高清云台摄像机；
(2)高清云台摄像机根据自身与微波雷达设备的相对位置，计算出移动目标相对于高清摄像机的位置，调整拍摄方向和焦距，连续拍摄移动目标图像(视频流)，直至目标停止移动或已经移动出微波雷达设备的侦测范围；
(3)根据高清云台摄像机拍摄的实时图像(视频流)进行异物检测，包括：
利用每次拍摄的图像获取移动目标在图像上的位置和轮廓形状；
根据摄像机成像原理计算移动目标的真实尺寸；
根据移动目标的位置坐标进行曲线拟合得出移动目标的空间运动轨迹方程；
结合移动目标的空间运动轨迹方程和图片连续拍摄的终止条件判定目标的类型，若移动目标已经运动出雷达设备的监控范围或目标落地位置在雷达设备的监控范围外，则认为目标不具备危险性，排除目标；若目标持续在微波雷达监控范围内运动或落地位置在监控范围内，则根据目标的轮廓及纹理进行图像匹配分析，得到异物类型并计算异物目标的危险系数；
(4)将异物参数、危险系数及实时图像发送到预警服务器，预警服务器根据预定义的预警规则，生成并发送预警命令到对应的预警装置或对接的平台。
进一步地，所述步骤(3)中，通过对每次连续拍摄的两张图像进行灰度化并作差运算，再进行形态学的膨胀处理，获取移动目标在图像上的位置和轮廓形状。
进一步地，所述步骤(3)中，移动目标的真实尺寸计算公式为：
其中，w为移动目标的真实截面宽度，h为移动目标的真实截面高度，w为移动目标在图像上的宽度，h为移动目标在图像上的高度，d为拍摄时移动目标与摄像机的距离，l为移动目标的像距。
进一步地，所述步骤(3)中，对于同时有多个目标被微波雷达设备侦测到的情况，根据移动目标上一次被侦测到的位置坐标和运动速度来判断其是否是同一个目标，具体的判断公式为：
其中，p0为移动目标为上一次被侦测到位置，p1为移动目标为当前所在位置，v0为移动目标上一次被侦测到时的运动速度，t1、t0为移动目标被侦测到时的具体时刻。
进一步地，所述步骤(3)中，所述图像匹配分析采用基于深度学习的图像分类方法，通过收集各种可能入侵异物的各个角度图像加入深度学习模型，进行模型训练，得到分类模型；将拍摄到的移动目标的轮廓图像输入分类模型得到异物类型。
进一步地，所述步骤(3)中，异物目标的危险系数r的计算公式为：
其中，r0为事先配置的异物类型所对应的危险系数，s为异物的截面积大小，d为异物与铁路线路路轨中央的距离大小。
本发明另一方面提供的一种基于雷达及图像分析的铁路线路异物检测系统，包括：安装在铁路线路路旁的微波雷达设备，安装在铁路线路路旁与微波雷达设备相对应的高清云台摄像机，以及预警服务器；
所述微波雷达设备，用于探测其侦测范围内是否存在移动目标，以及移动目标的速度、所在位置的三维坐标信息，并将信息发送到与其对应的高清云台摄像机；
所述高清云台摄像机，用于在接收到微波雷达设备发送的移动目标位置后，根据自身与微波雷达设备的相对位置，计算出移动目标相对于高清摄像机的位置，调整拍摄方向和焦距，连续拍摄移动目标图像，直至目标停止移动或已经移动出微波雷达设备的侦测范围；以及通过内置的异物检测模块对拍摄的实时图像进行异物检测，在检测到异物后通过网络将异物预警信息发送至预警服务器，其中异物检测方法包括：利用拍摄的图像获取移动目标在图像上的位置和轮廓形状；根据摄像机成像原理计算移动目标的真实尺寸；根据移动目标的位置坐标进行曲线拟合得出移动目标的空间运动轨迹方程；结合移动目标的空间运动轨迹方程和图片连续拍摄的终止条件判定目标的类型，若移动目标已经运动出雷达设备的监控范围或目标落地位置在雷达设备的监控范围外，则认为目标不具备危险性，排除目标；若目标持续在微波雷达监控范围内运动或落地位置在监控范围内，则根据目标的轮廓及纹理进行图像匹配分析，得到异物类型并计算异物目标的危险系数；
所述预警服务器，用于接收异物预警信息，并根据预警规则，生成预警命令并发送到安装在铁路线路路旁的预警装置或对接的第三方平台。
进一步地，所述高清云台摄像机、微波雷达设备和预警装置固定在铁路线路旁安装的立杆上，所述立杆上还安装有为所述高清云台摄像机、微波雷达设备和预警装置提供电源和网络通信的外围设备。
进一步地，通过在铁路线路旁每隔设定距离l安装一套包括高清云台摄像机、微波雷达设备和预警装置的设备完整监测一条铁路线路，其中距离l根据微波雷达最大监测长度及高清摄像机的最大视距来确定。
进一步地，所述微波雷达设备的侦测范围长度配置为与其相邻微波雷达设备的距离，宽度配置为铁路线路两侧护栏之间的距离。
有益效果：与现有技术相比，本发明具有如下优点：
1、本发明基于任何的异物入侵都存在一个动态入侵过程的考虑，从而可通过微波雷达设备实时探测铁路线路及其周边区域内所有的移动目标，并根据探测到的移动目标的位置将对应的高清摄像头转到该位置来获取移动目标的实时高清图像，最终结合雷达探测数据和高清图像来对移动目标进行分析，确认其是否为真实的异物目标。
2、本发明相对于传统的铁路线路异物人工巡查方法，节省了大量的人力和物力。而相对于仅依赖于视频图像或激光雷达的目标检测方法来说，本发明利用微波雷达设备来侦测移动目标的位置坐标及移动速度，由于微波雷达的测距、测速性能具备全天候、全时段、不受灰尘和烟雾及各种恶劣天气的影响，也不受光照条件的影响，因此，大大提高了异物检测的精度和可靠性。
3、本发明实现的铁路线路异物目标实时检测方法，极大提高了对铁路线路内异物目标的检测精度及实时性。降低了漏检率、误报率。并能以显著有效的方式对相关人员进行预警，因此在铁路线路安全领域具有良好的应用前景。
附图说明
图1为本发明实施例的方法流程图。
图2为本发明实施例的系统框架图。
图3为本发明实施例中的设备现场部署示意图。
图4为本发明实施例中的微波雷达与高清云台摄像机协同工作示意图。
图5为本发明实施例中抛物目标侵入过程示意图。
图6为本发明实施例的异物实施检测方法的详细流程图。
具体实施方式
下面结合具体实施例，及其附图对本发明的技术方案进行清楚、完整地描述。可以理解的是，所示附图及实施例只是本发明的一部分，并不是全部，也不限制本发明的实施场景及范围。
如图1所示，本发明实施例公开的一种基于雷达及图像分析的铁路线路异物检测方法，主要包括如下步骤：
(1)通过部署在铁路线路路旁的微波雷达设备，实时检测其监控范围内是否有移动目标，并将所有移动目标的坐标位置信息发送到与其对应的高清云台摄像机；
(2)高清云台摄像机根据自身与微波雷达设备的相对位置，计算出移动目标相对于高清摄像机的位置，转动云台将其视频画面中心移动到移动目标所在的位置，并根据高清摄像机到移动目标的距离进行变倍，连续拍摄移动目标的清晰细节图像，直至目标停止移动或已经移动出微波雷达设备的侦测范围；其中，高清云台摄像机每次拍摄两张图像；
(3)根据高清云台摄像机拍摄的实时图像，结合移动目标的所在位置进行移动目标的轮廓、纹理匹配分析，排除误报目标，检出真实异物，确认异物类型、尺寸等，对真实的异物目标，根据其类型、材质、尺寸大小等参数计算其危险系数；
(4)将异物参数、危险系数及实时图像发送到预警服务器，预警服务器显示并存储相应的异物参数信息、实时图像，并根据预定义的预警规则，生成并发送预警命令到对应的预警装置或对接的第三方平台。
如图2所示，本发明另一实施例公开的一种基于雷达及图像分析的铁路线路异物检测系统，包括：安装在铁路线路路旁的微波雷达设备、与微波雷达设备相对应的高清云台摄像机、预警装置，以及预警服务器；
其中，微波雷达设备持续不间断地每隔一定时间向其有效侦测范围发送微波雷达信号，并接收物体的反射回波。用来获取其侦测范围内是否存在移动目标，以及移动目标的速度、所在位置的三维坐标信息，并将所有信息发送到与其对应的高清云台摄像机。其中微波雷达的有效侦测范围的长度和宽度可根据现场的实际情况进行设定，从而可避免由于雷达侦测范围不匹配而引入误报目标或导致异物目标漏检。
高清云台摄像机，可实时传输其视野范围内的实时视频图像，其由高清摄像机、高速云台电机、异物检测模块组成。其中高清摄像机固定在高速云台上，而高速云台电机具备垂直90度，水平360度高速旋转的能力，因而可通过调整高速云台的位置来调整高清摄像机的视野位置。另外，高清摄像机具备变倍变焦的功能，因此可根据实际需要来放大或缩小监控视野，从而可获得移动目标的清晰细节图像。高清云台摄像机还具备补光器件，因此，不管白天、黑夜都能清晰地对移动目标进行拍摄。异物检测模块则内置了异物检测方法，其首先计算来自雷达设备侦测到的移动目标的速度、位置坐标信息。然后，转动高速云台到目标所在位置，并通过高清摄像机拍摄目标的高清视频图像，最后，通过分析目标的高清图像来确认侦测到的移动目标是否是需要预警的异物目标，如是则发送预警信息至后端的预警服务器。
预警服务器，用来接收异物预警信息，并根据预警规则，生成预警命令发送到安装在铁路线路路旁的预警装置，以通知相关人员采取对应措施避免发生事故。
预警装置，如专用预警警灯，用来接收预警服务器发出的预警命令，并以闪光的方式对列车及铁路维护人员进行预警。
上述的高清云台摄像机、微波雷达设备、报警警灯可通过在铁路线路旁安装立杆，然后按照相应设备的最佳工作高度把设备固定在立杆上，设备安装部署十分简单方便。而每个立杆包括其上安装的所有设备，如上述的三种设备及其相应的电源、网络路由器等外围设备，可定义为一套设备。通过在铁路线路旁每隔一定距离l安装上述的一套设备，而连续不间断安装则可完整监测一条铁路线路。其中距离l可根据微波雷达最大监测长度及高清摄像机的最大视距来确定。
另外，上述的高清云台摄像机既可采用目前市面上通用的球形云台摄像机，也可使用普通的摄像机与高速云台设备进行配合，并不局限于具体的设备形态及外观。
下面结合如图3所示的具体应用场景详细说明本发明方案内容。本发明实施例公开的基于雷达及图像分析的铁路线路异物检测系统，主要包括部署在铁路线路路侧的微波雷达设备(r1～r#)、高清云台摄像机(c1～c#)、预警警灯等预警装置及放置在后端监控中心的预警服务器。以上所有设备均通过光纤网络进行网络连接。其中微波雷达设备及高清云台摄像机、预警警灯可对应安装，即在铁路线路路旁每隔一定距离l安装一个微波雷达设备、一个高清云台摄像机、一个预警警灯。其中距离l可根据雷达设备的最大侦测距离及高清摄像机的最大视距而定，如本实施例中可定l为1公里。通过连续不间断安装即可监测整条铁路线路，如图3所示。另外，微波雷达设备可配置其监测范围的长度和宽度。因此，当微波雷达设备连续安装时，可将雷达设备的监测范围长度配置为其与其前面的另一个雷达设备的距离，从而无缝衔接，相互之间也不产生影响。而雷达设备监测范围的宽度可配置为铁路线路两侧护栏之间的距离，这样可避免侦测到铁路线路以外的目标，从而减少干扰目标。
上述的微波雷达设备每隔一定时间间隔，如本实施例的间隔时间为10毫秒，向其侦测范围发送雷达微波信号，并基于微波回波信号分析得到其侦测范围内的所有移动目标。如图4所示，当雷达侦测设备r发现移动目标y时，迅速将移动目标的坐标及速度数据通过网络发送到与其对应的高清云台摄像机c上。然后，高清云台摄像机c快速改变其监控范围，将移动目标y置于其视野中心，并进行变倍，来拍摄移动目标y的高清视频图像。并利用其内置异物检测模块对移动目标y进行图像分析，以确认其是正常的物体(如经过的列车)、穿越的动物、还是需要进行预警的异物。若是需要进行预警的异物，则根据异物所在的位置坐标信息、类别、尺寸大小等信息生成预警信息并发送到位于监控中心的预警服务器上，预警服务器则根据相应的预警级别发送预警命令到预警警灯，最终点亮警灯进行预警，并将预警信息发送给铁路线路维护人员，通知他们清除异物。同样，若事件紧急，如即将有列车经过而不够时间进行异物清除时，可将预警指令发送到列车，通知他们采取措施进行避险。
其次，预警服务器包括预警控制平台和数据存储模块。预警控制平台可根据预先定义的预警规则生成预警信号并发送预警命令到预警警灯，同时也可对接第三方平台，从而实现功能扩展，如短信下发、广播提示及连接铁路控制中心等更高级的功能。数据存储模块，则用来将所有的预警信息、侦测到的异物目标参数数据及异物入侵时对应的实时视频存储到服务器中,以便后期查验并进行统计分析等。
上述的预警信号可根据异物的位置坐标信息、类别、尺寸大小等信息可将异物需要处理的紧急级别，划定为一般警示、限时清除、立即排除等预警级别。如异物的位置在铁路护栏附近则可定义为一般警示级别，异物在护栏以铁轨之间且不影响列车运行则可定义为限时清除级别，而若异物在铁轨上或在两条轨道之间，且会影响到列车运行安全则定义为立即排除级别，需要立即排除异物，避免因此发生事故。
本发明实施例中，高清云台摄像机由高清摄像机、高速云台电机、异物检测分析模块组成，其中异物检测分析模块主要用于根据雷达设备探测到的移动目标，再结合高清摄像机的实时高清图像来分析移动目标是否是需要预警的异物目标，并最终将异物目标按照上述规则进行分级。
如图4所示，安装在监控区域内的雷达设备r及高清云台摄像机c，对于雷达设备侦测到的任意移动目标，如图4中的目标y，雷达设备可获得其相对于雷达安装位置的坐标向量
另外，高清云台摄像机的异物检测模块实现了入侵异物的实时检测方法，下面对入侵异物实时检测方法进行详细说明：
对于任意的铁路线路坏境，其可能的入侵异物目标主要为铁路沿线的居民、车辆、生活垃圾等，或是穿过或停留在铁路线路上的各种动物，及由于恶劣环境所引起的树枝、落石、泥石流等，更为严重的是非法人员的恶意破坏，如损坏铁路设备、器材及在铁路路轨上放置异物来威胁列车运行安全。无论是上述哪种情形，异物的产生必然存在一个动态的入侵过程。因此，本实施例中的入侵异物实时检测方法从分析异物目标的动态入侵过程出发，在异物入侵的过程中即能分析出异物的类型、尺寸大小、所在位置、危害程度等，从而可在第一时间对其进行预警并清除，具备极高的时效性。
由于铁路线路是相对有限区域，且对于异物目标来说其侵入方向应为从铁路护栏外逐渐行进到铁路线路中央的轨道位置。而微波雷达发送的探测微波可覆盖线路两侧护栏内的所有区域，即在整条铁路线路上空形成了一道高度可达10米甚至更高的雷达微波墙。因此，无论异物从哪个方向侵入，包括从天而降，都会立即被微波雷达设备侦测到，然后驱动高清云台摄像机转到异物目标位置，拍摄异物的实时高清图像，最后进行异物的类型、材质、尺寸大小分析等。下面结合附图6对其具体的实施步骤进行详细说明：
步骤a：对于在任意时刻被雷达设备侦测到的移动目标，如图3中的y1、y2、w1，若其被雷达侦测到的位置坐标为w1(x,y,z,v)，该坐标位置是在以地平面为xy平面，铁路线路方向为y轴，对应的垂直方向为x轴，垂直于地平面的方向为z轴，雷达中心位置在地面上的投影位置为原点的三维坐标系下的坐标数值，数值v为此时移动目标的移动速度。高清云台摄像机通过转动高速云台的水平及垂直角度位置，将摄像机的视野中心对准该目标,并每间隔时间t进行一次图像拍摄，每次拍摄图片两张，每张间隔时间为
其中，v为移动目标的运动速度，单位为米/秒；t为图像拍摄时间间隔，单位为毫秒，t最大为1秒，最小为100毫秒。
步骤b：分析步骤a拍摄的2k张高清图像，其中k为拍摄的次数，计算目标的真实尺寸大小。
步骤b1：将每次拍摄的两张图片进行灰度化并做差运算，由于两张图片的拍摄时间间隔较小，故在拍摄时其背景画面基本一致。因此，每次拍摄两张图片在进行灰度化并做差后，只会在移动目标所在位置存在差异。再对做差后的图片进行形态学的膨胀处理后，即可得到移动目标在图片上的具体位置及其轮廓形状。
步骤b2：根据高清摄像机的镜头参数及图片拍摄时镜头的变倍倍数，得到拍摄时镜头的焦距f。具体使用方法可采用查表法，即事先根据高清摄像机的镜头参数，将摄像机的变倍倍数与对应焦距列成表格，当摄像机在拍摄时，先获取此时摄像机的变倍倍数，然后根据此表便可得到此时摄像机镜头的焦距。
步骤b3：根据摄像机高斯成像公式，及图片拍摄时移动目标与摄像机的距离d，计算出此时移动物体的像距l的大小。计算公式如下:
步骤b4：根据物距d和像距l的比值，及步骤b1得出的移动目标在高清图像上轮廓的尺寸大小，可计算出此次拍摄的移动目标的真实截面积的尺寸大小。计算公式如下：
其中，w为移动目标的真实截面宽度，h为移动目标的真实截面高度，w为移动目标在图像上的宽度，h为移动目标在图像上的高度。
步骤c：根据步骤a的微波雷达设备的k次侦测的移动目标坐标数据，并在步骤a所述坐标系中标识出每次移动目标被侦测到的位置坐标，如图5所示。而对于同时有多个目标被微波雷达设备侦测到的情况，则可以根据移动目标上一次被侦测到的位置坐标和运动速度来判断其是否是同一个目标，具体的判断公式如下：
其中，p0为移动目标为上一次被侦测到位置，p1为移动目标为当前所在位置，v0为移动目标上一次被侦测到时的运动速度，t1、t0为移动目标被侦测到时的具体时刻。
步骤d：根据步骤c标识出的移动物体位置坐标数据，进行曲线拟合，得出该目标的空间运动轨迹方程。
步骤e：根据上一步计算得到的移动目标的空间运动轨迹方程，并结合步骤a中的图片连续拍摄的终止条件,来判定目标的具体类型。
步骤e1：若移动目标已经运动出雷达设备的监控范围，则该移动目标只是经过铁路线路区域，如空中的飞鸟、穿过铁路线路的动物等，若此时未有列车通过，则其不会对列车运行安全造成影响，则可将该移动目标从系统中删除。
步骤e2：若移动目标已停止移动，且其曲线方程为抛物线，则根据抛物线曲线方程计算其移动目标最终的落地位置。如图5所示。若落地位置在微波雷达设备的监控范围外，则其同样不具备危险性，亦可将该目标排除。若落地位置在监控范围内，则进行步骤f。
步骤e3：若移动目标持续在微波雷达监控范围内运动，则该移动目标具备危险性，需要进一步分析其具体类型，即进行步骤f。
步骤f：首先将移动目标的最终所在位置置于高清云台摄像机的视野中心，并根据步骤b中得到的移动目标尺寸大小进行变倍，以便于高清云台摄像机刚好能看到目标的整个轮廓。再拍摄此时移动目标的高清轮廓图像。再根据移动目标的轮廓及纹理进行图像匹配分析，即在系统的图像数据库中进行匹配，从而可得到该目标的具体类型。其中图像数据库可事先配置，也可以根据每次拍得的移动目标图像，来更新系统图像数据库，图像数据库中的异物目标类型数据越多，则可越精细地分类异物目标的具体类型。其中图像数据库的采集、训练及更新可采用基于深度学习的图像分类方法来进行。
深度学习是机器学习中一种基于对数据进行表征学习的方法。该方法相对于传统的图像分类及识别方法来说，识别精度和识别效率上都得到了极大地提高。因为该方法不仅关注了图像的全局特征，更是充分利用了图像识别时非常重要的图像局部特征。而任意两个物体由于其各个部位的局部特征数据的不同，才最终体现为个体的差异性。因此，将图像局部特征的分析和匹配融合到了图像识别算法中能大大提高识别的精准度。基于深度学习的图像分类及识别方法的优势就是在于对图像全局及其局部特征的综合把握。而这种局部关联性的特征是其他识别算法无法提取的。如一幅图像可以使用多种特征来描述，既可以从整体上分析其颜色的变化，如分析图像上每个像素点颜色分量的变化趋势，也可以把图像抽象地表示成一系列线条、特定形状的组合等。而每一种这样的特征表示称为该图像的一个维度，使用的维度越多，最终的识别精度就越高。其算法过程及基本步骤如下：
步骤f1：收集各种可能的入侵异物的各个角度的高清图像。如可以将异物事先分为人类、小型动物、大型动物、落石、树枝等各种类型，然后拍摄每种类型异物各个角度的照片的方法来进行收集。也可以在实际场景使用时进行实时更新，即当本发明系统发现一种新异物时，自动将实时场景的异物图像更新到图像数据库中并进行新类型标记，随着系统的不断运行，图像数据库也不断完善、精准。
步骤f2：图像数据预处理。对收集到的图像数据库中的所有图像进行初步处理，如进行灰度化、均值归一化、特征提取等操作。
步骤f3：将经过预处理后的图片加入深度学习模型，进行模型训练。
步骤f4：提取深度学习训练结果。
步骤f5：当增加新的异物图像或新的异物类型时，重复上述步骤。
步骤g：根据异物目标的类型、尺寸大小、最终所在位置等，来计算异物目标的危险系数r。计算公式如下：
其中，r0为某异物类型所对应的危险系数，即该类型异物在系统图像数据库中事先配置的危险系数，s为异物的截面积大小，d为异物与铁路线路路轨中央的距离大小。
步骤h：根据异物的危险系数r，将异物划分为一般警示、限时清除、立即排除等预警级别，最终生成并发出预警信息。
以上所述为本发明的优选实施例，本领域技术人员应该了解，本发明不受上述实施例的限制，在不脱离本发明的基本原理、主要结构、使用领域范围及使用目的的前提下，本发明还会有各种类似的变化和改进，这些变化和改进都应属于本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！