一种地铁车顶异物检测装置及检测方法与流程

本发明涉及目标检测、计算机视觉识别领域，特别是涉及一种地铁车顶异物检测装置及检测方法。

背景技术：

地铁运行时，地铁车厢顶部可能会存在异物，异物包括工人维修时遗忘在车顶的工具，小零件，行车过程中掉下的水泥块等杂物。在地铁行驶过程中，如果地铁车厢顶部存在异物，由于惯性作用，其将会碰撞车厢顶部正常结构部件，危害行车安全。现有地铁车顶异物检测方法，是在地铁运营结束后，在维修段通过人工分步、按节车厢顶部检查。现有人工检查地铁车顶异物检测方法，无法在运营过程中检测到地铁车顶异物，无法做到实时保证地铁车辆的安全；人工检查方法由于人为因素大，存在漏检或者检测不全面等问题，同时浪费巨大的人力成本，工作效率低。

技术实现要素：

本发明针对现有技术中存在的技术问题，在地铁车号识别基础上，创造性构思了图像配准，边缘检测，图片差分等图像处理工艺，提出了一种地铁车顶异物检测方法，设计了一种地铁车顶异物检测装置，实现了地铁车顶异物自动化检测，能及时发现地铁车顶存在的异物，对地铁运维人员进行报警，及时处理地铁车顶异物，解决了地铁运行过程中，车顶异物安全问题。

为实现本发明目的采用的技术方案之一是：

一种地铁车顶异物检测方法，其特征是：

(1)采集地铁车顶数据，存储至数据库：

将该线路全部地铁车型车顶关键区域模板数据进行采集，将采集的模板和检测后存在异物的图像信息存储到图像采集系统的数据库模块中，关键区域模板数据包括地铁车的车号标识、空调模板图像和受电弓模板图像，异物图像信息由存在异物的地铁车的车号标识、异物所在的车厢号和异物图像组成，存储在图像采集系统的数据库模块中；

(2)地铁车号识别：

地铁前进过程中，当地铁的车轮触发车轮传感器时，车轮传感器将触发信号传递给plc，plc将信号转发给车号识别主机，车号识别主机指令车号识别天线搜寻工作，车号识别天线接收地铁的车号标签信号，车号识别天线将接收地铁的车号标签信号回传给识别主机进行车号识别；

(3)图像采集:

地铁前进过程中，当地铁第一节车厢触发第一个光电传感器时，第一个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第一张照片；当地铁第一节车厢触发第二个光电传感器时，第二个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第二张照片；当地铁第一节车厢触发第三个光电传感器时，第三个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第三张照片；当地铁第一节车厢触发第四个光电传感器时，第四个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第四张照片；当地铁第一节车厢触发第五个光电传感器时，第五个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第五张照片；当地铁第一节车厢触发第六个光电传感器时，第六个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第六张照片；当地铁第一节车厢触发第七个光电传感器时，第七个光电传感器将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第七张照片；当地铁第一节车厢触发第八个光电开关时，第八个光电开关将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第八张照片；地铁第一节车厢全部触发光电传感器，经过光电传感器控制拍摄的图像，每相邻两张之间相对于地铁车顶都有0.5m的重叠部分，由于车厢连接处低于车厢，所有光电传感器复位，地铁第二节车厢开始触发光电传感器，高清工业摄像机拍摄照片，其后各节车厢顺次触发光电传感器，高清工业摄像机拍摄照片，并将拍摄的照片临时存储至图像采集系统；

(4)图像处理:

设定地铁共6节车厢，第一节车厢的第一张图像是车头，不用检测；最后一节车厢的最后一张图像是车头，不用检测；每一节车厢的最后一张照片是软连接，不需要拼接；因此需要拼接的部分只有第一节车厢和第六节车厢的2—7张图像，第二节车厢至第五节车厢的1—7张图像，照片拍摄的过程中，可能将关键区域：空调、受电弓，分开拍摄到两张图像上，因此，将相邻的两张图像进行拼接，以还原关键区域，将图像采集模块传递过来的6×8张照片，按照车厢号分别处理，对同一车厢号的8张图像进行编号，编号分别为1、2、…、8，然后将相邻的两张图像进行拼接，即第一节和第六节是(2，3)、(3，4)、(4，5)、(5，6)、(6，7)共5次拼接，第二节至第五节是(1，2)、(2，3)、(3，4)、(4，5)、(5，6)、(6，7)两两拼接，拼接成功的和第一节车厢至第五节车厢的第8张图像送到关键区域提取与检测，拼接不成功的送到非关键区域提取与检测；

(5)非关键区域提取与检测：

由于步骤(4)中所说的可能将关键区域：空调、受电弓，分开拍摄到两张图像上，也就是说具有关键区域在一张图像上的可能性，从没有拼接成功的图像中，查找出这些关键区域的图像，发送给关键区域提取与检测：

(5.1)将进行非关键区域异物检测的图像，使用5×5的高斯滤波器进行图像平滑，以降低噪声对边缘检测的影响，滤波方式如下：

其中，p为原始图像，p′为滤波后的图像；

(5.2)定义kx和ky两个3×3的梯度算子如以下公式所示：

kx梯度算子能够提取出图像中垂直的线条，计算出图像的水平梯度分量，ky梯度算子能够提取出图像中水平的线条，计算图像中水平和垂直方向上的梯度分量gx和gy公式如下：

gx＝p′*kx，gy＝p′*ky

根据水平和垂直方向梯度分量gx和gy，计算出图像的梯度值g和方向θ，然后按照每个点处的梯度方向，以当前点为中心，对比该方向上的前后两个点和当前点的梯度值，保留三个点中最大的梯度值，非最大的梯度值则被抑制并置为0，最后得到的边界都是又细又亮的线。梯度值和梯度方向计算方式如下：

θ＝arctan(gy，gx)

(5.3)进行了非最大梯度值抑制之后产生的图像p″，依然会存在大量的噪声，将图像p″的像素点设置了两个阈值，小阈值称为阈值下界，大阈值称为阈值上界，当图像p″中的像素值大于阈值上界时，该像素值完全保留，称为强边界；当像素值小于阈值下界时，该像素点不是边界，进行完全抑制；当像素值位于阈值上界和阈值下界之间时，该像素点作为候选边界，称为弱边界；

接下来，按照强边界的像素值和延展方向对弱边界进行筛选，与强边界连通的弱边界视为边界，保留像素点，与强边界不连通的弱边界不作为边界，对像素点进行抑制，此时，得到了较清晰的图像边缘；

原本部分图像边缘应该属于一条线，经过上述边缘提取后，一条线变成了多个线段，因此我们使用5×5的区域对图像边缘进行膨胀，以达到将多个线段连接成一条直线的目的，由于经过膨胀，线条变粗，会导致连通区域变多，为方便联通区域的计算，使用5×5的区域对膨胀后的图像进行腐蚀操作；

(5.4)通过像素间相连的关系，从一个像素出发，根据相连像素进行查找，直到形成一个环，即是一个连通区域，查找出图像中所有的连通区域，并根据连通区域的最大宽度和最大高度进行限制，以实现对连通区域的筛选，对筛选出来的连通区域，分别计算它们的面积，由于无异物的非关键区域几乎不产生连通区域，因此我们按照提前设定好的联通区域面积阈值进行异物检测，当面积大于预先设定的阈值时，我们认为该连通区域为异物，并将该联通区域用正方形框在图像中进行标注，如果存在异物，则将异物图像和存在异物的车辆、车厢信息传递给信息保存与显示模块，否则，将“无异物”信息发送给信息保存与显示模块；

(6)关键区域提取与检测模块：

(6.1)使用sift算子分别提取关键区域和关键区域模板的特征点：

将关键区域与模板提取的特征点进行匹配，确定匹配的特征点，通过计算所有匹配点之间的欧式距离信息，计算出匹配的特征点之间的最大距离(max_dist)和最小距离(min_dist)，根据最大距离和最小距离对匹配特征点进行过滤，保留距离小于0.3*max_dist的匹配特征点；

(6.2)从过滤后的匹配特征点中，按照特征点匹配一一对应的关系，获取匹配图像特征点的索引，计算相应的透视变换矩阵，将关键区域图像使用透视变换矩阵进行矩阵变换，使关键区域图像上的特征点映射到关键区域模板图像相应的特征点上，完成图像的配准操作，然后将变换后的图像与模板进行图像差分操作，即将匹配的特征点对应好之后，与模板图像中的所有像素点进行图像的减操作；

(6.3)对差分后的图像求最大连通区域，并根据连通区域的最大宽度和最大高度进行限制，以实现对连通区域的筛选，对筛选出来的连通区域，分别计算它们的面积，然后使用阈值的方式进行异物检测，当面积大于预先设定的阈值时，我们认为该连通区域为异物，并将该联通区域用正方形框在图像中进行标注；

(7)软连接区域进行异物检测：

(7.1)从图像处理模块接收到的存在软连接的图像，其宽和高分别为col和row，在软连接两边存在少部分平面区域，我们的软连接区域异物检测方法仅对软连接进行异物检测，因此我们需要将软连接区域给切割出来。由于光电传感器的位置固定，每次拍摄到的软连接区域的位置也确定，因此，我们根据已知的软连接区域位置，将图像软连接区域两边的平面区域切除；

(7.2)将切割出来的软连接区域图像进行如非关键区域图像进行异物检测前三步过程的边缘检测操作，由于软连接区域以垂直直线为主，只有存在异物时才会出现大量的水平线段，因此我们对软连接区域进行霍夫直线检测，以增强垂直方向线段的数量，减少水平方向线段的数量；

(7.3)得到了一个由水平线段和垂直线段组成的软连接边缘图像，在图像中使用正方形的像素框(像素框的宽度为30)进行像素统计，这需要一个双层循环实现：

当正方形框中统计的像素值大于预先设定的阈值时，认为此处存在异物，并结束本次统计，如果正方形框中像素直到完全遍历完成，大于0的像素数总和依然小于阈值，则认为该正方形框中不存在异物，将正方形框进行平移继续搜索。在整个平移搜索过程中，如果没有存在异物，正方形框将对整个软连接区域完全遍历，在整个遍历过程中同样需要一个双层循环完成：

在软连接边缘图像中，按照正方形框的宽度和高度，将正方形框进行平移，直到最后一个框的左上角坐标为(row-30，col-30)和右下角坐标为(row-1，col-1)时，遍历完成，并返回软连接区域无异物的信息。如果遍历过程中发现异物，则使遍历终止，返回存在异物的信息；

(8)信息保存与显示模块将接收非关键区域提取与检测模块和关键区域提取与检测模块是否存在异物的信息，如果存在异物，则将存在异物的图像、异物所在车厢号和列车车号标识信息传递到数据库模块，将数据保存到数据库中的历史纪录数据表中，同时，将发现的异物图像等信息在系统前台显示，并提示“发现异物，请尽快清理”的报警提示，如果没有发现异物，则提示“无异物”；

至此，该列地铁车的车顶异物检测完成，将检测完成的信息传递给车号识别模块和图像采集模块。

为实现本发明目的采用的技术方案之二是：

一种地铁车顶异物检测装置，其包括：车号识别主机、车号识别天线、车号标签，其特征是，它还包括：车轮传感器、图像采集系统、plc、第一光电传感器、第二光电传感器、第三光电传感器、第四光电传感器、第五光电传感器、第六光电传感器、第七光电传感器、第八光电传感器、高清工业摄像机，所述的车轮传感器设置在地铁进站轨道上，所述的车轮传感器与plc电连接，所述的车号识别主机与plc电连接，所述的车号识别主机与图像采集系统通讯连接，在所述的车轮传感器轨道上前方，依次架设第一光电传感器、第二光电传感器、第三光电传感器、第四光电传感器、第五光电传感器、第六光电传感器、第七光电传感器、第八光电传感器，在所述的车轮传感器和第一光电传感器之间，距离第一光电传感器2.5m，轨道正上方，高于地铁车厢连接处设置高清工业摄像机，所述的高清工业摄像机与图像采集系统电连接，所述的第一光电传感器、第二光电传感器、第三光电传感器、第四光电传感器、第五光电传感器、第六光电传感器、第七光电传感器、第八光电传感器分别与plc电连接，所述的plc与图像采集系统电连接。

所述的光电传感器为激光漫反射光电传感器。

本发明一种地铁车顶异物检测装置及检测方法的有益效果体现在：

1、一种地铁车顶异物检测方法的应用，实现了地铁车顶异物自动化检测，降低了人力成本，提高了检测效率，保证了检测质量；

2、一种地铁车顶异物检测方法，能及时发现地铁车顶存在遗落的维修工具或掉落的石块等异物，排除安全隐患，并解决了地铁车运行期间拍摄的图像，在图像拼接还原过程中，存在较大形变导致的识别错误或无法识别的问题。

附图说明

图1是一种地铁车顶异物检测装置安装图；

图2是一种地铁车顶异物检测方法的流程图；

图中：1.列车电子标签，2.车轮传感器，3.第一光电传感器，4.第二光电传感器，5.第三光电传感器，6.第四光电传感器，7.第五光电传感器，8.第六光电传感器，9.第七光电传感器，10.第八光电传感器，11.高清工业摄像机，12.轨道，13.地铁。

具体实施方式

以下结合附图1-附图2和具体实施方式对本发明作进一步详细说明，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明。

参照附图1，在设置车号识别主机的主控室中，配置图像采集系统和plc，所述的车轮传感器2设置在地铁13进站轨道12上，所述的车轮传感器2与plc电连接，所述的车号识别主机与plc电连接，所述的plc与图像采集系统电连接，所述的车号识别主机与图像采集系统通讯连接，在所述的设置车轮传感器2轨道上前方，依次架设第一光电传感器3、第二光电传感器4、第三光电传感器5、第四光电传感器6、第五光电传感器7、第六光电传感器8、第七光电传感器9、第八光电传感器10，在所述的车轮传感器2和第一光电传感器3之间，距离第一光电传感器2.5m，轨道12正上方，高于地铁车厢连接处设置高清工业摄像机11，所述的高清工业摄像机11与图像采集系统电连接，所述的第一光电传感器3、第二光电传感器4、第三光电传感器5、第四光电传感器6、第五光电传感器7、第六光电传感器8、第七光电传感器9、第八光电传感器10分别与plc电连接。

参照附图2，

(1)采集地铁车顶数据，存储至数据库：

将该线路全部地铁车型车顶关键区域模板数据进行采集，将采集的模板和检测后存在异物的图像信息存储到图像采集系统的数据库模块中，关键区域模板数据包括地铁车的车号标识、空调模板图像和受电弓模板图像，异物图像信息由存在异物的地铁车的车号标识、异物所在的车厢号和异物图像组成，存储在图像采集系统的数据库模块中；

(2)地铁车号识别：

地铁13前进过程中，当地铁13的车轮触发车轮传感器2时，车轮传感器2将触发信号传递给plc，plc将信号转发给车号识别主机，车号识别主机指令车号识别天线搜寻工作，车号识别天线接收地铁的车号标签信号1，车号识别天线将接收地铁的车号标签信号1回传给识别主机进行车号识别；

(3)图像采集:

地铁13前进过程中，当地铁13第一节车厢触发第一个光电传感器3时，第一个光电传感器3将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第一张照片；当地铁13第一节车厢触发第二个光电传感器4时，第二个光电传感器4将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第二张照片；当地铁13第一节车厢触发第三个光电传感器5时，第三个光电传感器5将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机拍摄第三张照片；当地铁13第一节车厢触发第四个光电传感器6时，第四个光电传感器6将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第四张照片；当地铁13第一节车厢触发第五个光电传感器7时，第五个光电传感器7将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第五张照片；当地铁13第一节车厢触发第六个光电传感器8时，第六个光电传感器8将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第六张照片；当地铁13第一节车厢触发第七个光电传感器9时，第七个光电传感器9将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第七张照片；当地铁13第一节车厢触发第八个光电传感器10时，第八个光电传感器10将触发信号传递给plc，plc将信号转发给图像采集系统，图像采集系统指令高清工业摄像机11拍摄第八张照片；地铁13第一节车厢全部触发光电传感器，经过高清工业摄像机11控制拍摄的图像，每相邻两张之间相对于地铁车顶都有0.5m的重叠部分，由于车厢软连接处低于车厢，所有光电传感器复位，地铁13第二节车厢开始触发光电传感器，高清工业摄像机11拍摄照片，其后各节车厢顺次触发光电传感器，高清工业摄像机11拍摄照片，并将拍摄的照片临时存储至图像采集系统；

(4)图像处理:

设定地铁共6节车厢，第一节车厢的第一张图像是车头，不用检测；最后一节车厢的最后一张图像是车头，不用检测；每一节车厢的最后一张照片是软连接，不需要拼接；因此需要拼接的部分只有第一节车厢和第六节车厢的2-7张图像，第二节车厢至第五节车厢的1-7张图像，照片拍摄的过程中，可能将关键区域：空调、受电弓，分开拍摄到两张图像上，因此，将相邻的两张图像进行拼接，以还原关键区域，将图像采集模块传递过来的6×8张照片，按照车厢号分别处理，对同一车厢号的8张图像进行编号，编号分别为1、2、…、8，然后将相邻的两张图像进行拼接，即第一节和第六节是(2，3)、(3，4)、(4，5)、(5，6)、(6，7)共5次拼接，第二节至第五节是(1，2)、(2，3)、(3，4)、(4，5)、(5，6)、(6，7)两两拼接，拼接成功的和第一节车厢至第五节车厢的第8张图像送到关键区域提取与检测，拼接不成功的送到非关键区域提取与检测；

(5)非关键区域提取与检测：

由于步骤(4)中所说的可能将关键区域：空调、受电弓，分开拍摄到两张图像上，也就是说具有关键区域在一张图像上的可能性，从没有拼接成功的图像中，查找出这些关键区域的图像，发送给关键区域提取与检测：

(5.1)将进行非关键区域异物检测的图像，使用5×5的高斯滤波器进行图像平滑，以降低噪声对边缘检测的影响，滤波方式如下：

其中，p为原始图像，p′为滤波后的图像；

(5.2)定义kx和ky两个3×3的梯度算子如以下公式所示：

kx梯度算子能够提取出图像中垂直的线条，计算出图像的水平梯度分量，ky梯度算子能够提取出图像中水平的线条，计算图像中水平和垂直方向上的梯度分量gx和gy公式如下：

gx＝p′*kx，gy＝p′*ky

根据水平和垂直方向梯度分量gx和gy，计算出图像的梯度值g和方向θ，然后按照每个点处的梯度方向，以当前点为中心，对比该方向上的前后两个点和当前点的梯度值，保留三个点中最大的梯度值，非最大的梯度值则被抑制并置为0，最后得到的边界都是又细又亮的线。梯度值和梯度方向计算方式如下：

θ＝arctan(gy，gx)

(5.3)进行了非最大梯度值抑制之后产生的图像p″，依然会存在大量的噪声，将图像p″的像素点设置了两个阈值，小阈值称为阈值下界，大阈值称为阈值上界，当图像p″中的像素值大于阈值上界时，该像素值完全保留，称为强边界；当像素值小于阈值下界时，该像素点不是边界，进行完全抑制；当像素值位于阈值上界和阈值下界之间时，该像素点作为候选边界，称为弱边界；

接下来，按照强边界的像素值和延展方向对弱边界进行筛选，与强边界连通的弱边界视为边界，保留像素点，与强边界不连通的弱边界不作为边界，对像素点进行抑制，此时，得到了较清晰的图像边缘；

原本部分图像边缘应该属于一条线，经过上述边缘提取后，一条线变成了多个线段，因此我们使用5×5的区域对图像边缘进行膨胀，以达到将多个线段连接成一条直线的目的，由于经过膨胀，线条变粗，会导致连通区域变多，为方便联通区域的计算，使用5×5的区域对膨胀后的图像进行腐蚀操作；

(5.4)通过像素间相连的关系，从一个像素出发，根据相连像素进行查找，直到形成一个环，即是一个连通区域，查找出图像中所有的连通区域，并根据连通区域的最大宽度和最大高度进行限制，以实现对连通区域的筛选，对筛选出来的连通区域，分别计算它们的面积，由于无异物的非关键区域几乎不产生连通区域，因此我们按照提前设定好的联通区域面积阈值进行异物检测，当面积大于预先设定的阈值时，我们认为该连通区域为异物，并将该联通区域用正方形框在图像中进行标注，如果存在异物，则将异物图像和存在异物的车辆、车厢信息传递给信息保存与显示模块，否则，将“无异物”信息发送给信息保存与显示模块；

(6)关键区域提取与检测模块：

(6.1)使用sift算子分别提取关键区域和关键区域模板的特征点：

将关键区域与模板提取的特征点进行匹配，确定匹配的特征点，通过计算所有匹配点之间的欧式距离信息，计算出匹配的特征点之间的最大距离(max_dist)和最小距离(min_dist)，根据最大距离和最小距离对匹配特征点进行过滤，保留距离小于0.3*max_dist的匹配特征点；

(6.2)从过滤后的匹配特征点中，按照特征点匹配一一对应的关系，获取匹配图像特征点的索引，计算相应的透视变换矩阵，将关键区域图像使用透视变换矩阵进行矩阵变换，使关键区域图像上的特征点映射到关键区域模板图像相应的特征点上，完成图像的配准操作，然后将变换后的图像与模板进行图像差分操作，即将匹配的特征点对应好之后，与模板图像中的所有像素点进行图像的减操作；

(6.3)对差分后的图像求最大连通区域，并根据连通区域的最大宽度和最大高度进行限制，以实现对连通区域的筛选，对筛选出来的连通区域，分别计算它们的面积，然后使用阈值的方式进行异物检测，当面积大于预先设定的阈值时，我们认为该连通区域为异物，并将该联通区域用正方形框在图像中进行标注；

(7)软连接区域进行异物检测：

(7.1)从图像处理模块接收到的存在软连接的图像，其宽和高分别为col和row，在软连接两边存在少部分平面区域，我们的软连接区域异物检测方法仅对软连接进行异物检测，因此我们需要将软连接区域给切割出来。由于光电传感器的位置固定，每次拍摄到的软连接区域的位置也确定，因此，我们根据已知的软连接区域位置，将图像软连接区域两边的平面区域切除；

(7.2)将切割出来的软连接区域图像进行如非关键区域图像进行异物检测前三步过程的边缘检测操作，由于软连接区域以垂直直线为主，只有存在异物时才会出现大量的水平线段，因此我们对软连接区域进行霍夫直线检测，以增强垂直方向线段的数量，减少水平方向线段的数量；

(7.3)得到了一个由水平线段和垂直线段组成的软连接边缘图像，在图像中使用正方形的像素框(像素框的宽度为30)进行像素统计，这需要一个双层循环实现：

当正方形框中统计的像素值大于预先设定的阈值时，认为此处存在异物，并结束本次统计，如果正方形框中像素直到完全遍历完成，大于0的像素数总和依然小于阈值，则认为该正方形框中不存在异物，将正方形框进行平移继续搜索。在整个平移搜索过程中，如果没有存在异物，正方形框将对整个软连接区域完全遍历，在整个遍历过程中同样需要一个双层循环完成：

在软连接边缘图像中，按照正方形框的宽度和高度，将正方形框进行平移，直到最后一个框的左上角坐标为(row-30，col-30)和右下角坐标为(row-1，col-1)时，遍历完成，并返回软连接区域无异物的信息。如果遍历过程中发现异物，则使遍历终止，返回存在异物的信息；

(8)信息保存与显示模块将接收非关键区域提取与检测模块和关键区域提取与检测模块是否存在异物的信息，如果存在异物，则将存在异物的图像、异物所在车厢号和列车车号标识信息传递到数据库模块，将数据保存到数据库中的历史纪录数据表中，同时，将发现的异物图像等信息在系统前台显示，并提示“发现异物，请尽快清理”的报警提示，如果没有发现异物，则提示“无异物”；

至此，该列地铁车的车顶异物检测完成，将检测完成的信息传递给车号识别模块和图像采集模块。

本优选实施方式中采用，光电传感器为利翔lxdm-31激光漫反射光电传感器，高清工业照相机采用theimagingsourceusb3.0dfk33ux287彩色工业相机，车轮传感器为cg3有源车轮传感器，plc为欧姆龙的cp1en型可编程控制器，车号识别主机，地面识别天线，电子标签为无源电子标签，均为市售产品。

以上所述仅是本发明的优选方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应该视为本发明的保护范围。