基于SIFT图像配准与余弦相似度的列车部件检测方法与流程

本能发明属于轨道交通故障检测领域，具体涉及基于sift图像配准与余弦相似度的列车部件检测方法。

背景技术：

地铁是铁路运输的一种形式，指在地下运行为主的城市轨道交通系统，在我国很多城市都成为了客流量最大的市内公共交通工具。虽然我国地铁列车的生产与营运系统都已经非常成熟，但在地铁列车车身上有大量暴露在外的元器件仍然有着发生各种各样故障的风险。这些不可预知的故障时时刻刻威胁着每天以千万计的乘客与地铁工作人员的生命财产安全。所以，设计一个可以智能检测地铁列车故障的系统对于提升地铁系统的安全性有着重要意义。

目前，对于地铁列车故障的检测大都依靠人工肉眼识别，由于部件数量大，图片对比度有限，导致这项工作占用了大量的劳动力且不能高效准确地检测出列车故障。同时由于人工作业的劳动强度大，容易造成人体疲劳后引起漏测或者误测。针对地铁列车车身上的高度阀，撒沙管等部件设计智能化的专项检测将有助于提升地铁运行的安全性，解放劳动力。一个简明的，一体化的智能检测程序，也能方便指引工作人员处理检测到的故障。

智能化检测地铁列车故障，针对高度阀，撒沙管等核心部件可能出现的松动，脱落等故障的识别，可以完善地铁列车安全保障系统，精简地铁工作团队，对于地铁的发展有着重要意义。

现有技术一：

现有的发明专利《一种基于人工标识图像的列车紧固件松动检测系统》，涉及列车故障检测技术领域。该系统由列车测速模块、成像控制模块、成像模块、照明模块、数据采集与处理模块组成。其中，列车测速模块对列车行驶速度进行实时测量，成像控制模块根据列车行驶速度产生成像控制信号，成像模块根据控制信号对列车表面成像，在列车紧固件表面设置人工标记，成像模块拍摄图像后把图片输入图像采集与处理模块，在图像采集与处理模块上，对拍摄的人工标记图像进行处理，通过图像处理算法判定紧固件表面的人工标记形状是否变化，即提取和识别一字形标记，并计算错位后一字形标记的夹角，通过夹角来判定紧固件是否松动。

图1是该发明实施例1示意图，图2是紧固件顶部一字形线条示例。图中，1-列车，2-轨道，3-列车测速模块，4-成像控制模块，5-照明模块，6-成像模块，7-数据采集与处理模块，8-一字形标记，9-螺杆，10-螺母。

现有技术一的缺点

1、该发明需要大量额外的硬件模块如列车测速模块、成像控制模块等等，这增加了大量布置的成本；

2、该发明通过鉴别人工标记形状是否变化进而判定紧固件是否松动，而人工标记自身可能由于光照，污渍等外界原因导致形状发生变化，进而发生误报。

3、该发明通过测速模块来调整线阵相机的拍摄频率来避免造成图像地拉伸或者压缩。然而，这对测速模块的准确性和实时性有着极高的要求，在成本极高的同时也很难达到很好的效果。

现有技术二：

发明专利《图像处理方法、装置及列车故障检测系统》如图3所示。其中，所用图像处理方法包括：采集列车中每辆车的多幅图像；依次将各幅图像作为当前处理图像进行异常检测处理。异常检测处理即对所述当前图像依次进行特征比对及重点故障识别的处理，或者依次进行重点故障识别处理和特征比对处理，并在特征比对处理结果和/或重点故障识别处理结果指示图像异常时，确定当前图像异常并在其上标识出异常区域；向检车岗位设备提供标识出异常区域的异常图像。

其中，所述特征比对处理包括抽取所述当前图像的关键特征；将所述当前图像的关键特征以车号为索引与预先建立的参考特征模型进行比对，并计算匹配率，当匹配率小于预设门限时，确定当前图像存在异常，并在当前图像上标识出异常区域；所述重点故障识别处理包括：识别当前图像中的列车部件；从预设算法库中调用与当前列车部件对应的识别算法并执行，当识别结果指示所述列车部件有故障时，确定当前图像存在异常并在当前图像上标识出异常区域。

现有技术二的缺点

1、该发明只做到了“只把有异常的图像(或者有异常嫌疑的图像)提供给检测人员”的方式，并不是真正的智能化异常故障检测，在将异常图像发送给检测人员后，仍需要检测人员人工鉴别是否有故障，是何种故障等，只减少了有限的部分工作量；

2、该发明中部件识别应用的是边缘检测的方法，这种方法需要设定阈值，而其受光照等因素影响较大，所以该方法稳定性很差；

3、其实例“于闸瓦钎丢失识别算法”中所应用的支持向量机需要大量正负样本进行训练，而在实际运用中，列车图像的负样本，即列车故障图像难以大量获取，所以该方法最终测试结果很难拿达到预期；

4、该发明的算法需要把特征识别和列车部件识别分开处理，不仅占用了大量计算机运存，且由于重复的图像处理会导致计算时间较长。

综上，现有技术对于列车故障检测大都是通过人工检测。但由于工作量繁杂且巨大，工作人员难免会疲劳，懈怠，从而导致漏报的风险。同时，由于列车在行进过程中难以保持匀速，所以拍的的图像有不可避免的拉伸或缩短。

技术实现要素：

为解决上述技术问题，本发明提供一种基于sift图像配准与余弦相似度的列车部件检测方法。

本发明的一种基于sift图像配准与余弦相似度的列车部件检测方法，包括以下步骤：

步骤1：在指定地点安装线阵相机对列车车身进行拍摄，并将图像发送给计算机。

步骤2：由于列车在行驶过程中不会保持匀速，所以拍摄的待检测列车部件(如撒沙管)图像的大小与标准图像即无故障的图像中地部件未必一致，所以计算机在读取图像后，首先利用图片相对坐标来截取待检测部件区域，并调用对应部件的标准图。这时，就将待检测图中的待检测部件提取了出来。

步骤3：使用sift算法提取图片sift特征。sift特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，非常适合用来在此应用中提取列车部件的特征。

步骤4：利用flann算法进行特征匹配(flann即最近邻的快速库，其可以根据数据本身选择最合适的算法来处理数据集)，并通过仿射变换将待测图像和标准图像重叠在在一张图上，从而消除待测图像因列车非匀速运行导致的图像畸变。

步骤5：配准后，运用掩模截取出重合区域，滑动窗口来进行缺陷检测。滑动窗口就是采用不同大小和比例(宽高比)的窗口在整张图片上以一定的步长进行滑动，然后对这些窗口对应的区域做缺陷检测，这样就可以实现对整张图片的检测。

步骤6：将滑动窗口提取出来的待检测区域的图像和标准图像作对比，计算它们的余弦相似度，并对它们的相似度设定一个阈值；如果有多个连续相近滑动窗口区域相似度小于阈值，则说明该部件发生故障，通知相关工作人员进行处理。

进一步的，线阵相机的传感器只有一行感光元素，因此可以得到高扫描频率和高分辨率的图像。

进一步的，步骤5中在每一个滑动窗口中，鉴别窗口中的内容是否与标准图相似。

本发明的有益技术是：

1、本发明可以实时地对所有列车进行故障检测，及时地向工作人员报告是否有故障出现。

2、本发明可以一体化对所有列车部件如撒沙管，集电靴等进行专项检测，操作简单，方便没有计算机基础的工人使用。

3、本发明只需要在指定地点安装线阵相机和计算处理设备，没有其他硬件要求，节约成本。

附图说明

图1为现有技术一的实施例示意图。

图2是现有技术一的紧固件顶部一字形线条示例。

图3为现有技术二的流程图。

图4为本发明采集图像示意图。

图5为本发明的流程图。

图6为撒沙管图像。

图7为高度阀图像。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

本发明的一种基于sift图像配准与余弦相似度的列车部件检测方法如图5所示，以撒沙管的检测为例，其包括以下步骤：

1：在指定地点安装线阵相机对列车车身进行拍摄(安装示意图如图4所示)，并将图像发送给计算机。

在这里，使用者需要向程序提供撒沙管的正样本，即无故障的标准图。用以与待检测图像进行对比。通过安装在列车行进轨道旁的线阵相机摄取列车撒沙管的图像如图6所示，而后将图像发送给计算机进行处理。

2：由于列车在行驶过程中不会保持匀速，所以拍摄的撒沙管图像的大小与标准图像即无故障的图像中地部件未必一致，所以计算机在读取图像后，首先利用图片相对坐标来截取待检测部件区域，并调用对应撒沙管的标准图。这时，就将待检测图中的待检撒沙管提取了出来。

3：使用sift算法提取图片sift特征。sift特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，非常适合用来在此应用中提取列车部件的特征。

4：利用flann特征匹配算法(flann即最近邻的快速库，其可以根据数据本身选择最合适的算法来处理数据集)和仿射变换将待测撒沙管和标准图像重叠在在一张图上，从而消除待测撒沙管图像因列车非匀速运行导致的图像畸变。

5：配准后，运用掩模截取出重合区域，滑动窗口来进行缺陷检测。滑动窗口就是采用不同大小和比例(宽高比)的窗口在整张图片上以一定的步长进行滑动，然后对这些窗口对应的区域进行缺陷识别，这样就可以实现对整张图片的检测。

6：将提取出来的滑动窗口区域的图像和标准图像作对比，计算它们的余弦相似度，并对它们的相似度设定一个阈值；若多个相邻滑动窗口区域余弦相似度高于预设的阈值，则判定该图像中撒沙管未发生故障。如果相似度小于阈值，则说明该部件发生故障，通知相关工作人员进行处理。

实施例2

对高度阀进行故障检测。与例1类似，使用者需要先提供高度阀的标准图(如图7所示)，再通过线阵相机摄取图像，调用对应的高度阀标准图像，之后进行同样的处理和运算，可对高度阀进行故障检测。

在理论上，任何提供了标准图的列车部件，都可以应用本专利进行故障检测。

以上所揭露的仅为本发明几种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。