专利名称：一种货车闸瓦故障的识别方法及装置的制作方法
技术领域：
本发明涉及图像处理领域，尤其涉及一种货车闸瓦故障的识别方法及装置。
背景技术：
目前，货车闸瓦制动是国内铁路货车普遍采用的踏面制动方式，货车闸瓦上的闸 瓦钎主要用来防止货车闸瓦脱落，一旦闸瓦钎丢失，货车运行过程中货车闸瓦就极有可能 脱落，导致制动失灵，更严重的是若货车闸瓦正好脱落在钢轨上，则会造成脱轨事故。近年 来，铁道部大力推广货车运行故障图像动态检测系统(TFDS)对运行中的列车各关键部位 进行成像，并由人工浏览图像完成故障识别。这种由人工进行故障识别的方式存在低效率， 识别率不稳定等问题，已无法满足列车安全运行的发展要求。
可见，现有技术中使用TFDS进行闸瓦故障识别，过于依赖人工操作，因此无法保 证故障的识别率，进而无法及时的防止事故发生，从而无法保证运营安全。发明内容
有鉴于此，本发明的目的在于提供一种货车闸瓦故障的识别方法及装置，能避免 人工操作的失误，保证故障的识别率，及时的防止事故发生，从而保证运营安全。
为达到上述目的，本发明的技术方案是这样实现的
本发明提供了一种货车闸瓦故障的识别方法，该方法包括
从当前图像中提取三个角度的分割特征；
根据所述三个角度的分割特征确定当前图像的货车闸瓦特征区域；
从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征；
使用支持向量机(SVM, Support Vector Machine)算法对货车闸瓦的特征计算 得出当前图像的特征值，根据所述特征值以及预置的故障识别值判定货车闸瓦是否存在故障。
上述方案中，所述从当前图像中提取三个角度的分割特征，包括从TDFS中周期 性提取当前图像，对当前图像进行三个角度的灰度投影得到三条投影曲线；对所有投影曲 线进行滤波，将滤波后的各个投影曲线中的最大值均作为当前图像三个角度的分割特征。
上述方案中，所述根据三个角度的分割特征确定当前图像的货车闸瓦特征区域， 包括使用Canny算子提取当前图像的边缘信息，根据角度为零度的分割特征，确定货车闸 瓦特征区域的左边界和右边界的坐标值；根据角度为-25°和25°的分割特征，确定货车 闸瓦特征区域的上边界和下边界的坐标值。
上述方案中，所述从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征，包括 使用基于背景面积预估的方法，将当前图像的货车闸瓦特征区域中的图像分割得到货车闸 瓦区域二进制图像；使用像素标记法，从所述货车闸瓦区域二进制图像中提取最大连通区 域；使用Canny算子，从最大连通区域中的二进制图像中提取货车闸瓦边缘轮廓；根据所述 货车闸瓦边缘轮廓提取货车闸瓦的特征。
上述方案中，所述货车闸瓦的特征包括货车闸瓦边缘轮廓的平滑特征值、货车闸 瓦边缘轮廓的凹凸特征值、货车闸瓦边缘轮廓的锯齿度、货车闸瓦边缘轮廓的固靠值、货车 闸瓦边缘轮廓的致密性、货车闸瓦边缘轮廓的圆形性、货车闸瓦边缘轮廓的长宽比、货车闸 瓦边缘轮廓的面积和货车闸瓦边缘轮廓的周长。
上述方案中，所述从当前图像中提取三个角度的分割特征之前，该方法还包括使 用不存在故障的货车闸瓦钎图像和存在故障的货车闸瓦钎图像分别建立正、负样本训练 集；分别提取正、负样本训练集中的所有图像的特征，组成正、负样本训练集对应的九维特 征向量，使用SVM算法计算得出的正、负样本对应的值，将负样本训练集对应的值作为故障 识别值。
本发明还提供了一种货车闸瓦故障的识别装置，该装置包括特征提取模块和识 别模块；其中，
特征提取模块，用于从当前图像中提取三个角度的分割特征，根据所述三个角度 的分割特征确定当前图像的货车闸瓦特征区域，从当前图像的货车闸瓦特征区域中提取货 车闸瓦的特征，将所述货车闸瓦的特征发送给识别模块；
识别模块，用于使用SVM算法对特征提取模块发来的所述货车闸瓦的特征计算得 出当前图像的特征值，根据所述特征值以及预置的故障识别值判定货车闸瓦是否存在故障。
上述方案中，所述特征提取模块，具体用于从所在的TDFS中周期性提取当前图 像，对当前图像进行三个角度的灰度投影得到三条投影曲线；对所有投影曲线进行滤波，将 滤波后的各个投影曲线中的最大值均作为当前图像三个角度的分割特征。
上述方案中，所述特征提取模块，具体用于使用Canny算子提取当前图像的边缘 信息，根据角度为零度的分割特征，确定货车闸瓦特征区域的左边界和右边界的坐标值；根 据角度为-25°和25°的分割特征，确定货车闸瓦特征区域的上边界和下边界的坐标值。
上述方案中，所述特征提取模块，具体用于使用基于背景面积预估的方法，将当前 图像的货车闸瓦特征区域中的图像分割得到货车闸瓦区域二进制图像；使用像素标记法， 从所述货车闸瓦区域二进制图像中提取最大连通区域；使用Canny算子，从最大连通区域 中的二进制图像中提取货车闸瓦边缘轮廓；根据所述货车闸瓦边缘轮廓提取货车闸瓦的特 征。
上述方案中，所述特征提取模块，具体用于提取货车闸瓦边缘轮廓的平滑特征值、 货车闸瓦边缘轮廓的凹凸特征值、货车闸瓦边缘轮廓的锯齿度、货车闸瓦边缘轮廓的固靠 值、货车闸瓦边缘轮廓的致密性、货车闸瓦边缘轮廓的圆形性、货车闸瓦边缘轮廓的长宽 比、货车闸瓦边缘轮廓的面积和货车闸瓦边缘轮廓的周长作为货车闸瓦的特征。
上述方案中，所述识别模块，还用于使用不存在故障的货车闸瓦钎图像和存在故 障的货车闸瓦钎图像分别建立正、负样本训练集；分别提取正、负样本训练集中的所有图像 的特征，组成正、负样本训练集对应的九维特征向量，使用SVM算法计算得出的正、负样本 对应的值，将负样本训练集对应的值作为故障识别值。
本发明所提供的货车闸瓦故障的识别方法及装置，能自动从当前图像中提取三个 角度的分割特征；根据所述三个角度的分割特征确定当前图像的货车闸瓦特征区域；从当 前图像的货车闸瓦特征区域中提取货车闸瓦的特征；进而根据所述货车闸瓦的特征，以及故障识别条件确定货车闸瓦是否存在故障。如此，就能够避免人工操作的失误，保证故障的识别率，及时的防止事故发生，从而保证运营安全。
图1为本发明的货车闸瓦故障的识别方法流程示意图2为本发明的货车闸瓦故障的识别装置组成结构示意图3为测试结果表。
具体实施方式
本发明的基本思想是从当前图像中提取三个角度的分割特征；根据所述三个角度的分割特征确定当前图像的货车闸瓦特征区域；从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征；使用SVM算法对货车闸瓦的特征计算得出当前图像的特征值，根据所述特征值以及预置的故障识别值判定货车闸瓦是否存在故障。
下面结合附图及具体实施例对本发明再作进一步详细的说明。
本发明的货车闸瓦故障的识别方法，如图1所示，包括以下步骤
步骤101 :从当前图像中提取三个角度的分割特征。
具体的，从TDFS中周期性提取当前图像，对当前图像进行三个角度的灰度投影得到三条投影曲线；对所有投影曲线进行滤波，将滤波后的各个投影曲线中的最大值均作为当前图像三个角度的分割特征；
这里，所述三个角度为设定的-25° 0°和25°三个角度；
所述灰度投影包括将当前图像进行扩展，得到扩展后的图像；将扩展后的图像进行投影计算，对投影计算得到的图像进行离散得到投影曲线。
所述将当前图像进行扩展为在图像边缘补灰度为零的像素点，避免投影时图像边缘所造成的误差，可以使用以下公式进行计算
权利要求
1.一种货车闸瓦故障的识别方法，其特征在于，该方法包括从当前图像中提取三个角度的分割特征；根据所述三个角度的分割特征确定当前图像的货车闸瓦特征区域；从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征；使用支持向量机SVM算法对货车闸瓦的特征计算得出当前图像的特征值，根据所述特征值以及预置的故障识别值判定货车闸瓦是否存在故障。
2.根据权利要求1所述的方法，其特征在于，所述从当前图像中提取三个角度的分割特征，包括从故障图像动态检测系统TDFS中周期性提取当前图像，对当前图像进行三个角度的灰度投影得到三条投影曲线；对所有投影曲线进行滤波，将滤波后的各个投影曲线中的最大值均作为当前图像三个角度的分割特征。
3.根据权利要求1所述的方法，其特征在于，所述根据三个角度的分割特征确定当前图像的货车闸瓦特征区域，包括使用Canny算子提取当前图像的边缘信息，根据角度为零度的分割特征，确定货车闸瓦特征区域的左边界和右边界的坐标值；根据角度为-25°和25。的分割特征，确定货车闸瓦特征区域的上边界和下边界的坐标值。
4.根据权利要求1所述的方法，其特征在于，所述从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征，包括使用基于背景面积预估的方法，将当前图像的货车闸瓦特征区域中的图像分割得到货车闸瓦区域二进制图像；使用像素标记法，从所述货车闸瓦区域二进制图像中提取最大连通区域；使用Canny算子，从最大连通区域中的二进制图像中提取货车闸瓦边缘轮廓；根据所述货车闸瓦边缘轮廓提取货车闸瓦的特征。
5.根据权利要求4所述的方法，其特征在于，所述货车闸瓦的特征包括货车闸瓦边缘轮廓的平滑特征值、货车闸瓦边缘轮廓的凹凸特征值、货车闸瓦边缘轮廓的锯齿度、货车闸瓦边缘轮廓的固靠值、货车闸瓦边缘轮廓的致密性、货车闸瓦边缘轮廓的圆形性、货车闸瓦边缘轮廓的长宽比、货车闸瓦边缘轮廓的面积和货车闸瓦边缘轮廓的周长。
6.根据权利要求1所述的方法，其特征在于，所述从当前图像中提取三个角度的分割特征之前，该方法还包括使用不存在故障的货车闸瓦图像和存在故障的货车闸瓦图像分别建立正、负样本训练集；分别提取正、负样本训练集中的所有图像的特征，组成正、负样本训练集对应的九维特征向量，使用SVM算法计算得出的正、负样本对应的值，将负样本训练集对应的值作为故障识别值。
7.一种货车闸瓦故障的识别装置，其特征在于，该装置包括特征提取模块和识别模块;其中，特征提取模块，用于从当前图像中提取三个角度的分割特征，根据所述三个角度的分割特征确定当前图像的货车闸瓦特征区域，从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征，将所述货车闸瓦的特征发送给识别模块；识别模块，用于使用SVM算法对特征提取模块发来的所述货车闸瓦的特征计算得出当前图像的特征值，根据所述特征值以及预置的故障识别值判定货车闸瓦是否存在故障。
8.根据权利要求7所述的装置，其特征在于，所述特征提取模块，具体用于从所在的TDFS中周期性提取当前图像，对当前图像进行三个角度的灰度投影得到三条投影曲线；对所有投影曲线进行滤波，将滤波后的各个投影曲线中的最大值均作为当前图像三个角度的分割特征。
9.根据权利要求7所述的装置，其特征在于，所述特征提取模块，具体用于使用Canny算子提取当前图像的边缘信息，根据角度为零度的分割特征，确定货车闸瓦特征区域的左边界和右边界的坐标值；根据角度为-25°和25°的分割特征，确定货车闸瓦特征区域的上边界和下边界的坐标值。
10.根据权利要求7所述的装置，其特征在于，所述特征提取模块，具体用于使用基于背景面积预估的方法，将当前图像的货车闸瓦特征区域中的图像分割得到货车闸瓦区域二进制图像；使用像素标记法，从所述货车闸瓦区域二进制图像中提取最大连通区域；使用Canny算子，从最大连通区域中的二进制图像中提取货车闸瓦边缘轮廓；根据所述货车闸瓦边缘轮廓提取货车闸瓦的特征。
11.根据权利要求7所述的装置，其特征在于，所述特征提取模块，具体用于提取货车闸瓦边缘轮廓的平滑特征值、货车闸瓦边缘轮廓的凹凸特征值、货车闸瓦边缘轮廓的锯齿度、货车闸瓦边缘轮廓的固靠值、货车闸瓦边缘轮廓的致密性、货车闸瓦边缘轮廓的圆形性、货车闸瓦边缘轮廓的长宽比、货车闸瓦边缘轮廓的面积和货车闸瓦边缘轮廓的周长作为货车闸瓦的特征。
12.根据权利要求7所述的装置，其特征在于，所述识别模块，还用于使用不存在故障的货车闸瓦图像和存在故障的货车闸瓦图像分别建立正、负样本训练集；分别提取正、负样本训练集中的所有图像的特征，组成正、负样本训练集对应的九维特征向量，使用SVM算法计算得出的正、负样本对应的值，将负样本训练集对应的值作为故障识别值。
全文摘要
本发明公开了一种货车闸瓦故障的识别方法，包括从当前图像中提取三个角度的分割特征；根据所述三个角度的分割特征确定当前图像的货车闸瓦特征区域；从当前图像的货车闸瓦特征区域中提取货车闸瓦的特征；使用支持向量机(SVM)算法对货车闸瓦的特征计算得出当前图像的特征值，根据所述特征值以及预置的故障识别值判定货车闸瓦是否存在故障。本发明还公开了一种货车闸瓦故障的识别装置，采用本发明能避免人工操作的失误，保证故障的识别率，及时的防止事故发生，从而保证运营安全。
文档编号G06K9/46GK103034861SQ201210543988
公开日2013年4月10日 申请日期2012年12月14日 优先权日2012年12月14日
发明者魏振忠, 李楠, 曹志鹏, 刘畅 申请人:北京航空航天大学