一种基于图像识别的列车智能检测系统的测试方法和装置与流程

1.本技术涉及轨道交通技术领域，具体而言，涉及一种基于图像识别的列车智能检测系统的测试方法和装置。


背景技术：

2.城市轨道交通列车智能检测系统基于人工智能以及传感器进行图像识别，从而检测线路前方障碍物的信息，给司机提供相应的障碍物类型、距离以及列车运行的推荐速度，提前预告前方线路信息，进而指导司机行车并进行防护。经发明人研究发现，在现有技术中城市轨道交通的实际线路中障碍物及场景较为简单，实测数据无法准确的判断系统性能，从而存在着系统性能测试的准确性低的问题。


技术实现要素：

3.有鉴于此，本技术的目的在于提供一种基于图像识别的列车智能检测系统的测试方法和装置，以改善现有技术中存在的问题。
4.为实现上述目的，本技术实施例采用如下技术方案：
5.一种基于图像识别的列车智能检测系统的测试方法，包括：
6.仿真模拟轨道交通上的多个障碍物和多种运行场景，其中，所述多个障碍物包含多种类型的障碍物；
7.基于所述多个障碍物和多种运行场景，对基于图像识别的列车智能检测系统进行仿真测试，获得仿真测试结果；
8.采集列车在实际线路上运行过程中所述基于图像识别的列车智能检测系统的行车日志，以及与所述行车日志对应的行车视频；
9.基于所述行车日志和所述行车视频，分析获得所述基于图像识别的列车智能检测系统的现场测试结果；
10.基于所述仿真测试结果和所述现场测试结果，获得所述基于图像识别的列车智能检测系统的性能参数。
11.在本技术实施例较佳的选择中，所述基于所述多个障碍物和多种运行场景，对基于图像识别的列车智能检测系统进行仿真测试，获得仿真测试结果的步骤，包括：
12.基于所述多个障碍物对基于图像识别的列车智能检测系统进行仿真测试，获得第一测试结果；
13.基于所述多种运行场景对基于图像识别的列车智能检测系统进行仿真测试，获得第二测试结果；
14.根据所述第一测试结果和所述第二测试结果计算得到仿真测试结果。
15.在本技术实施例较佳的选择中，所述根据所述第一测试结果和所述第二测试结果计算得到仿真测试结果的步骤，包括：
16.获取所述多个障碍物对应的第一权重和所述多种运行场景对应的第二权重；
17.将所述第一测试结果与所述第一权重的乘积以及所述第二测试结果与所述第二权重的乘积相加的和作为仿真测试结果。
18.在本技术实施例较佳的选择中，所述基于所述行车日志和所述行车视频，分析获得所述基于图像识别的列车智能检测系统的现场测试结果的步骤，包括：
19.将所述行车日志转化为预设格式的第一信息文件，将所述行车视频转化为所述预设格式的第二信息文件，其中，所述第一信息文件和所述第二信息文件都包括障碍物检测类型和检测到障碍物的时间段；
20.对所述第一信息文件和第二信息文件中的所述障碍物检测类型和所述时间段进行比较，得到现场测试结果。
21.在本技术实施例较佳的选择中，所述现场测试结果包括漏识别率；
22.所述对所述第一信息文件和第二信息文件中的所述障碍物检测类型和所述时间段进行比较，得到现场测试结果的步骤，包括：
23.获取第一时间段对应的第一信息文件中的障碍物识别结果，其中，所述第一时间段为所述第二信息文件中识别得到障碍物的时间段；
24.判断所述障碍物识别结果中是否包含障碍物；
25.若所述障碍物识别结果中不包含障碍物，则根据所述第一时间段的帧数与所述行车视频的总帧数计算得到漏识别率。
26.在本技术实施例较佳的选择中，所述现场测试结果包括误识别率；
27.所述对所述第一信息文件和第二信息文件中的所述障碍物检测类型和所述时间段进行比较，得到现场测试结果的步骤，包括：
28.获取第二时间段对应的第一信息文件的障碍物识别结果和所述第二信息文件的视频识别结果，其中，所述障碍物识别结果包含第一障碍物，所述视频识别结果包含第二障碍物；
29.判断所述第一障碍物的类型与所述第二障碍物的类型是否相同；
30.若所述第一障碍物的类型与所述第二障碍物的类型不相同，则根据所述第二时间段的帧数与所述行车视频的总帧数计算得到误识别率。
31.在本技术实施例较佳的选择中，所述测试方法还包括：
32.仿真模拟轨道交通上的多种故障场景，基于所述多种故障场景，对基于图像识别的列车智能检测系统进行仿真测试，获得故障测试结果；
33.基于所述仿真测试结果、所述现场测试结果和所述故障测试结果，获得所述基于图像识别的列车智能检测系统的性能参数。
34.本技术实施例还提供了一种基于图像识别的列车智能检测系统的测试装置，包括：
35.仿真模块，用于仿真模拟轨道交通上的多个障碍物和多种运行场景，其中，所述多个障碍物包含多种类型的障碍物；
36.仿真测试模块，用于基于所述多个障碍物和多种运行场景，对基于图像识别的列车智能检测系统进行仿真测试，获得仿真测试结果；
37.采集模块，用于采集列车在实际线路上运行过程中所述基于图像识别的列车智能检测系统的行车日志，以及与所述行车日志对应的行车视频；
38.分析模块，用于基于所述行车日志和所述行车视频，分析获得所述基于图像识别的列车智能检测系统的现场测试结果；
39.参数获取模块，用于基于所述仿真测试结果和所述现场测试结果，获得所述基于图像识别的列车智能检测系统的性能参数。
40.本技术实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的测试方法。
41.本技术实施例还提供了一种存储介质，所述存储介质包括计算机程序，所述计算机程序运行时控制所述存储介质所在电子设备执行上述的测试方法。
42.本技术实施例提供的一种基于图像识别的列车智能检测系统的测试方法和装置，基于多个障碍物和多种运行场景进行仿真测试获得仿真测试结果，基于行车日志和行车视频分析获得现场测试结果，基于仿真测试结果和现场测试结果获得系统的性能参数，从而通过对仿真多障碍物多场景的仿真测试结果和现场测试结果进行综合考虑，获得系统的最终性能参数，避免了现有技术中实际线路障碍物及场景较为简单，实测数据无法准确的判断系统性能，所导致的系统性能测试的准确性低的问题，有效提高系统性能测试的准确性。
附图说明
43.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
44.图1示出了本技术实施例提供的基于图像识别的列车智能检测系统的结构框图；
45.图2示出了本技术实施例提供的电子设备的结构框图；
46.图3为本技术实施例提供的基于图像识别的列车智能检测系统的测试方法的流程示意图；
47.图4为本技术实施例提供的基于图像识别的列车智能检测系统的测试装置的结构框图。
48.图标：10-基于图像识别的列车智能检测系统；100-电子设备；110-第一存储器；120-第一处理器；130-通信模块；200-列车；400-基于图像识别的列车智能检测系统的测试装置；410-仿真模块；420-仿真测试模块；430-采集模块；440-分析模块；450-参数获取模块。
具体实施方式
49.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
50.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范
围。
51.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
52.图1为本技术实施例提供的基于图像识别的列车智能检测系统10的结构框图，其提供了一种列车智能检测系统可能的实现方式，参见图1，列车智能检测系统可以包括通信连接的电子设备100和列车200。
53.其中，电子设备100的具体类型不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，电子设备100可以为车载电脑，属于列车200的一部分。
54.又例如，在另一种可以替代的示例中，电子设备100可以为服务器设备，与列车200属于不同的设备。
55.对于列车200，需要说明的是，列车200可以为城市轨道交通列车，城市轨道交通列车可以包括长短焦相机、毫米波雷达和激光雷达，可以利用长短焦两个相机采集的图像数据进行障碍物识别，因为两个相机之间距离一定，根据双目定距原理，再加上毫米波雷达与激光雷达的协助，结合算法可判断前方物体是否为障碍物并可识别前方障碍物的准确距离。
56.对于电子设备100，需要说明的是，电子设备100上安装有仿真软件或可与仿真软件通信连接，可以对列车200的运行情况进行仿真测试。
57.请参照图2，是本技术实施例提供的一种电子设备100的方框示意图，本实施例中的电子设备100可以为能够进行数据交互、处理的服务器、处理设备、处理平台等。电子设备100包括第一存储器110、第一处理器120及通信模块130。第一存储器110、第一处理器120以及通信模块130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
58.其中，第一存储器110用于存储程序或者数据。第一存储器110可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。
59.第一处理器120用于读/写第一存储器110中存储的数据或程序，并执行相应地功能。通信模块130用于通过网络建立电子设备100与其它通信终端之间的通信连接，并用于通过网络收发数据。
60.应当理解的是，图2所示的结构仅为电子设备100的结构示意图，电子设备100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
61.图3示出了本技术实施例所提供的基于图像识别的列车智能检测系统的测试方法的流程图之一，该方法可应用于图2所示的电子设备100，由图2中的电子设备100执行。应当理解，在其他实施例中，本实施例的车辆连挂控制方法中的部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。下面对图3所示的车辆连挂控制方法的流程进行详细描述。
62.步骤s310，仿真模拟轨道交通上的多个障碍物和多种运行场景。
63.其中，所述多个障碍物包含多种类型的障碍物。
64.步骤s320，基于多个障碍物和多种运行场景，对基于图像识别的列车智能检测系统进行仿真测试，获得仿真测试结果。
65.步骤s330，采集列车在实际线路上运行过程中基于图像识别的列车智能检测系统的行车日志，以及与行车日志对应的行车视频。
66.步骤s340，基于行车日志和行车视频，分析获得基于图像识别的列车智能检测系统的现场测试结果。
67.步骤s350，基于仿真测试结果和现场测试结果，获得基于图像识别的列车智能检测系统的性能参数。
68.上述方法基于多个障碍物和多种运行场景进行仿真测试获得仿真测试结果，基于行车日志和行车视频分析获得现场测试结果，基于仿真测试结果和现场测试结果获得系统的性能参数，从而通过对仿真多障碍物多场景的仿真测试结果和现场测试结果进行综合考虑，获得系统的最终性能参数，一方面对多个障碍物和多种运行场景进行仿真测试，增大了障碍物和场景仿真测试的范围，提高了障碍物测试的准确度，另一方面对仿真测试结果和现场测试结果进行综合考虑得到性能参数，提高了性能参数计算的准确度，避免了现有技术中实际线路障碍物及场景较为简单，实测数据无法准确的判断系统性能，所导致的系统性能测试的准确性低的问题，有效提高系统性能测试的准确性。
69.在步骤s310之前，需要说明的是，本技术实施例提供的基于图像识别的列车智能检测系统的测试方法还可以包括集成测试的步骤。
70.详细地，电子设备100可以通过采用仿真软件模拟不同类型障碍物进行实验室测试这种方式来验证列车智能检测系统10的功能实现正确性，主要包含集成测试和确认测试两个阶段的测试，原则上要求先完成集成测试才能进行确认测试。集成测试阶段主要是测试列车智能检测系统10内部各个子系统之间以及与外部信号系统的接口协议是否正确。确认测试阶段主要是采用黑盒测试，即验证整体系统功能，不考虑系统内部的结构以及特性，只检查程序功能是否按照需求规格说明书的规定正常使用，程序是否能适当地接收输入数据而产生正确的输出信息。
71.其中，确认测试的具体内容不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，确认测试可以包括障碍物测试和场景测试，即步骤s320中提到的基于多个障碍物和多种运行场景进行仿真测试。
72.对于步骤s310，需要说明的是，障碍物的类型不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，障碍物可以包括，但不限于列车、车档、行人、信号机、道岔、小动物、小障碍物等。
73.并且，运行场景的类型不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，运行场景可以包括，但不限于道岔不同位置有车场景、坡道追车场景、弯道追车场景、恶劣天气(例如雨天、雪天、雾天等)有车场景、多辆车小间隔场景等。
74.对于步骤s320，进行仿真测试的具体方式不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，步骤s320可以包括以下子步骤：
75.基于多个障碍物对基于图像识别的列车智能检测系统进行仿真测试，获得第一测试结果；基于多种运行场景对基于图像识别的列车智能检测系统进行仿真测试，获得第二
测试结果；根据第一测试结果和第二测试结果计算得到仿真测试结果。
76.上述方法根据基于多个障碍物进行测试得到的第一测试结果和基于多种运行场景进行测试得到的第二测试结果计算得到最终的仿真测试结果，从而对基于障碍物数据和运行场景分别仿真得到的仿真结果进行综合考虑，避免了单独根据障碍物数据进行仿真得到仿真测试结果或单独根据运行场景进行仿真得到仿真测试结果，导致仿真测试结果的准确度低的问题，提高了仿真测试的准确度。
77.需要说明的是，障碍物测试主要是通过仿真软件模拟轨道交通线路上可能出现的障碍物，然后查看列车智能检测系统10是否能够在系统要求的检测范围内检测到该障碍物并进行预警，通过该类测试来保证列车智能检测系统10的障碍物检测功能的正确性。其中，仿真软件主要包含视觉仿真、传感器仿真、列车速度仿真、仿真列车等功能。
78.场景测试主要是按照轨道交通运营过程中可能出现的所有场景，模拟在该场景下列车智能检测系统10对列车障碍物的检测功能。通过在不同场景下运行列车智能检测系统10，验证该系统在不同场景下对列车200的检测功能是否正确，是否会出现漏报和误报的错误预警信息。
79.其中，根据第一测试结果和第二测试结果计算得到仿真测试结果的具体方式不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，上述步骤可以包括以下子步骤：
80.获取所述多个障碍物对应的第一权重和多种运行场景对应的第二权重；将第一测试结果与第一权重的乘积以及第二测试结果与第二权重的乘积相加的和作为仿真测试结果。
81.上述方法对基于障碍物的仿真测试结果和基于运行场景的仿真测试结果进行加权求和，从而根据障碍物和运行场景的重要程度计算仿真测试结果，重要程度高的障碍物或运行场景可以在仿真测试结果中占比高，避免了直接将障碍物对应的第一测试结果和运行场景对应的第二测试结果直接相加计算仿真测试结果，导致仿真测试结果的准确度低的问题，进一步提高了仿真测试的准确度。
82.需要说明的是，第一测试结果、第二测试结果和仿真测试结果可以用数字进行表示，仿真测试结果可以表征列车智能检测系统10的功能完整度，仿真测试结果为100分时表示列车智能检测系统10的全部功能完好，仿真测试结果为80-100分时表示列车智能检测系统10的多数功能完好，仿真测试结果为60-80分时表示列车智能检测系统10的基本功能完好，仿真测试结果为0-60分时表示列车智能检测系统10的少数功能完好。
83.例如，在一种可以替代的示例中，第一测试结果可以为70分，第一权重可以为0.5，第二测试结果可以为80分，第二权重可以为0.5，计算得到仿真测试结果为75分，表示列车智能检测系统10的基本功能完好。
84.进一步地，为了减小数据处理量的同时保证系统的基本功能完好，在计算得到第一测试结果和第二测试结果之后，可以判断第一测试结果或第二测试结果是否大于预设分数(例如，预设分数可以为60分)，若第一测试结果不大于预设分数，则将第二测试结果作为仿真测试结果，若第二测试结果不大于预设分数，则将第一测试结果作为仿真测试结果。
85.例如，在一种可以替代的示例中，第一测试结果可以为50分，第二测试结果可以为80分，第一测试结果不大于60分，所以直接将第二测试结果作为仿真测试结果，剔除掉不大
于60分的测试结果保证系统的基本功能完好，不需要进行加权求和计算仿真测试结果，从而减小了数据的处理量。
86.对于步骤s330，需要说明的是，电子设备100可以通过采集现场实际线路运行情况进行数据分析的方式来验证智能检测系统的性能，通过实际现场长时间运行系统，进行大量的数据分析，来验证该系统的性能。
87.详细地，列车200现场跑车后会有相应行车日志，可以将日志与行车的长短焦视频上传并保存到指定的存储地点，电子设备100可以从指定存储地点下载列车运行过程中列车智能检测系统10生成的行车日志和行车视频。
88.对于步骤s340，需要说明的是，分析获得现场测试结果的具体步骤不受限制，可以根据实际应用需求进行设置。例如，在一种可以替代的示例中，步骤s340可以包括以下子步骤：
89.将行车日志转化为预设格式的第一信息文件，将行车视频转化为预设格式的第二信息文件，其中，第一信息文件和第二信息文件都包括障碍物检测类型和检测到障碍物的时间段；对第一信息文件和第二信息文件中的障碍物检测类型和时间段进行比较，得到现场测试结果。
90.上述方法将行车日志和行车视频转化为预设格式的第一信息文件和第二信息文件，将第一信息文件和第二信息文件进行比较得到现场测试结果，从而将行车日志和行车视频转化为同一预设格式的信息文件进行比较，避免了将行车日志和行车视频因格式不同而无法对比分析，需通过工作人员进行对比分析，所导致的现场测试效率低下的问题，提高了现场测试的效率。
91.详细地，预设格式可以为表格，表格的标题可以包括，但不限于运行日期(所分析数据的日期)、正线开始时间(上行则以列车200开灯后算起/下行则以列车200停在tsw折返处算起)、正线结束时间(上行则以列车200行驶至tsw折返处结束/下行则以列车200关灯后结束)、运行模式(运行模式有le、ln、lh三种，一般写ln模式)、正确识别目标数(正确识别列车200帧数汇总)、误识别目标数(误识别帧数汇总)、漏识别目标数(漏识别列车200帧数汇总)、正确识别时间段(正确识别列车200的帧数)、正确识别数量(正确识别列车200的帧数)、正确识别距离(正确识别后车与前车的距离)、误识别时间段(误识别障碍物的帧数)、误识别数量(误识别障碍物的帧数)、误识别距离(误识别障碍物的距离)、漏识别时间段(漏识别列车200的时间段)、漏识别数量(漏识别列车200帧数)、距离跳变(正确识别时的距离不断跳变)、正线帧数(列车200跑一圈所用的帧数，即开始时间和结束时间范围内的帧数)等。
92.其中，行车日志可以存储在以tids_log命名的文件夹中，行车视频可以存储在logo_video视频文件夹中，可以使用myeclipse分析工具将tids_log文件与logo_video文件转化为两种表格。可以将myeclipse工具中config配置文件改成相应的列车车次、运行时间与存储路径，将tids_log文件与logo_video文件转化为包含运行日期、正线开始时间、正线结束时间、运行模式等信息的表格。
93.详细地，可以将tids_log文件转化为包含障碍物检测类型与距离信息的表格，表格可以包含时间段、类型和距离3列，时间表示当前分析的时间段，类型指障碍物类型(0表示行驶方向没有列车或者超出识别范围；1表示识别到列车；2表示识别到小障碍物；4表示
识别到车档；5表示识别为行人)，距离指的是识别到障碍物的距离，该表格中每一行代表一帧，一秒包括4-5帧。
94.需要说明的是，根据现场测试结果的具体类型不同，对第一信息文件和第二信息文件中的障碍物检测类型和时间段进行比较，得到现场测试结果的具体步骤也不同。例如，在一种可以替代的示例中，现场测试结果可以包括漏识别率，对第一信息文件和第二信息文件进行比较的步骤可以包括以下子步骤：
95.获取第一时间段对应的第一信息文件中的障碍物识别结果，其中，第一时间段为第二信息文件中识别得到障碍物的时间段；判断障碍物识别结果中是否包含障碍物；若障碍物识别结果中不包含障碍物，则根据第一时间段的帧数与行车视频的总帧数计算得到漏识别率。
96.上述方法一方面通过在第二信息文件中识别得到障碍物的时间段对应的第一信息文件中查找障碍物，来判断是否存在漏识别情况，能够快速判断漏识别情况，避免了对所有时间段进行比较判断是否存在漏识别情况，导致的现场测试的效率低的问题，另一方面通过漏识别时间段帧数的占比计算漏识别率，能够将出现漏识别情况的每一帧图像纳入计算范围，避免了通过时间段计算漏识别率，将没有漏识别情况的帧图像进行计算，导致漏识别率计算的准确度低的问题。
97.详细地，在第二信息文件(对应于行车视频)中识别得到障碍物的时间段中，如果第一信息文件中(对应于行车日志)没有识别到障碍物，说明出现了漏识别的情况，可以根据漏识别时间段的帧数计算漏识别率。
98.例如，在一种可以替代的示例中，第二信息文件中识别得到障碍物的时间段包括1:00-2:00、10:00-10:10和13:00-13:05，第一信息文件在10:00-10:10和13:00-13:05识别到障碍物，在1:00-2:00没有识别到障碍物，行车视频的时间段为0:00-24:00，行车视频中每秒的帧数相同，可以计算得到漏识别率为4.17％。
99.例如，在一种可以替代的示例中，现场测试结果可以包括误识别率，对第一信息文件和第二信息文件进行比较的步骤可以包括以下子步骤：
100.获取第二时间段对应的第一信息文件的障碍物识别结果和第二信息文件的视频识别结果，其中，障碍物识别结果包含第一障碍物，视频识别结果包含第二障碍物；判断第一障碍物的类型与第二障碍物的类型是否相同；若第一障碍物的类型与第二障碍物的类型不相同，则根据第二时间段的帧数与行车视频的总帧数计算得到误识别率。
101.上述方法一方面通过在第一信息文件中识别得到障碍物的类型与在第二信息文件中识别得到障碍物的类型进行比较，来判断是否存在误识别情况，能够快速判断误识别情况，避免了对所有时间段进行比较判断是否存在误识别情况，导致的现场测试的效率低的问题，另一方面通过误识别时间段帧数的占比计算误识别率，能够将出现误识别情况的每一帧图像纳入计算范围，避免了通过时间段计算误识别率，将没有误识别情况的帧图像进行计算，导致误识别率计算的准确度低的问题。
102.详细地，在第一信息文件中(对应于行车日志)和第二信息文件(对应于行车视频)中都识别得到障碍物的时间段中，如果第一信息文件包含的第一障碍物与第二信息文件包含的第二障碍物的类型不同，说明出现了误识别的情况，可以根据误识别时间段的帧数计算误识别率。
103.例如，在一种可以替代的示例中，在时间段10：00-10:10中，第一信息文件包含的第一障碍物的类型为车档，第二信息文件包含的第二障碍物的类型为行人，障碍物的类型不同，行车视频的时间段为10:00-11:00，行车视频中每秒的帧数相同，可以计算得到误识别率为16.67％。
104.需要说明的是，在本技术实施例中漏识别率和误识别率可以通过以下公式进行计算：漏识别率＝漏报时长帧数/真实追车时长帧数*100％，误识别率＝误报时长帧数/无车运行时长帧数*100％，一般误识别率与漏识别率保留4位有效数字。
105.对于步骤s350，需要说明的是，在得到仿真测试结果和现场测试结果之后，可以将仿真测试结果和现场测试结果整理成数据分析报告，数据分析报告包括列车智能检测系统10的性能参数。
106.详细地，在得到现场测试结果之后，可以将出现的误识别截图、时间段、对应logo_video名称和误识别距离记录到一起，将出现的漏识别截图、时间段、对应logo_video名称记录到一起，最后将本次列车200出现的所有误识别结果、漏识别结果和仿真测试结果汇总起来，标明本次数据分析的列车200的车次号、otids软件版本号、运行时间段、运行总圈数、单圈公里数与总公里数，整理得到数据分析报告。
107.其中，系统的性能参数可以包括最终误识别率和最终漏识别率，仿真测试结果可以包括仿真误识别率和仿真漏识别率，现场测试结果可以包括现场误识别率和现场漏识别率，可以根据仿真误识别率和现场误识别率计算得到最终误识别率，根据仿真漏识别率和现场漏识别率计算得到最终漏识别率。
108.例如，在一种可以替代的示例中，可以直接将仿真误识别率和现场误识别率相乘计算得到最终误识别率，可以直接将仿真漏识别率和现场漏识别率相乘计算得到最终漏识别率。
109.又例如，在另一种可以替代的示例中，可以获取仿真误识别率对应的第一仿真权重、现场误识别率对应的第一现场权重、仿真漏识别率对应的第二仿真权重、现场漏识别率对应的第二现场权重，将仿真误识别率与第一仿真权重的乘积以及现场误识别率与第一现场权重的乘积相加的和作为最终误识别率，将仿真漏识别率与第二仿真权重的乘积以及现场漏识别率与第二现场权重的乘积相加的和作为最终漏识别率。需要说明的是，在一种可以替代的示例中，在通过上述步骤s310-s340得到仿真测试结果和现场测试结果之后，本技术实施例提供的基于图像识别的列车智能检测系统10的测试方法还可以包括故障测试的步骤，具体可以包括以下步骤：
110.仿真模拟轨道交通上的多种故障场景，基于多种故障场景，对基于图像识别的列车智能检测系统进行仿真测试，获得故障测试结果；基于仿真测试结果、现场测试结果和故障测试结果，获得基于图像识别的列车智能检测系统的性能参数。
111.上述方法基于仿真测试结果、现场测试结果和故障测试结果获得性能参数，将故障测试结果纳入性能参数分析的数据来源，扩大了性能参数分析的范围，从而得到更加全面和精确的性能参数，避免了数据来源过少，导致性能参数的准确度不高的问题。
112.详细地，故障测试主要是针对系统的在某一传感器发生故障情况下的反应进行测试，验证系统某一部分发生故障对检测结果的影响以及会产生相应的报警信号，保证系统的完备性。故障测试的步骤可以包括：首先，启动列车智能检测系统10，各个系统组成部分
连接完好，列车智能检测系统10可以正常运行，然后，制造某一部分故障，例如断开相机与列车智能检测系统10的主机的连接，查看列车智能检测系统10的显示界面上是否显示相机故障的提示。
113.在得到故障测试结果之后，可以参照对上述步骤s350的描述，将仿真测试结果、现场测试结果和故障测试结果整理成数据分析报告，数据分析报告包括列车智能检测系统10的性能参数。
114.结合图4，本技术实施例还提供了一种基于图像识别的列车智能检测系统10的测试装置400，该测试装置400实现的功能对应上述方法执行的步骤。该测试装置400可以理解为上述电子设备100的处理器，也可以理解为独立于上述电子设备100或处理器之外的在电子设备100控制下实现本技术功能的组件。其中，测试装置400可以包括仿真模块410、仿真测试模块420、采集模块430、分析模块440和参数获取模块450。
115.仿真模块410，用于仿真模拟轨道交通上的多个障碍物和多种运行场景，其中，所述多个障碍物包含多种类型的障碍物。在本技术实施例中，仿真模块410可以用于执行图3所示的步骤s310，关于仿真模块410的相关内容可以参照前文对步骤s310的描述。
116.仿真测试模块420，用于基于所述多个障碍物和多种运行场景，对基于图像识别的列车智能检测系统进行仿真测试，获得仿真测试结果。在本技术实施例中，仿真测试模块420可以用于执行图3所示的步骤s320，关于仿真测试模块420的相关内容可以参照前文对步骤s320的描述。
117.采集模块430，用于采集列车在实际线路上运行过程中所述基于图像识别的列车智能检测系统的行车日志，以及与所述行车日志对应的行车视频。在本技术实施例中，采集模块430可以用于执行图3所示的步骤s330，关于采集模块430的相关内容可以参照前文对步骤s330的描述。
118.分析模块440，用于基于所述行车日志和所述行车视频，分析获得所述基于图像识别的列车智能检测系统的现场测试结果。在本技术实施例中，分析模块440可以用于执行图3所示的步骤s340，关于分析模块440的相关内容可以参照前文对步骤s340的描述。
119.参数获取模块450，用于基于所述仿真测试结果和所述现场测试结果，获得所述基于图像识别的列车智能检测系统的性能参数。在本技术实施例中，参数获取模块450可以用于执行图3所示的步骤s350，关于参数获取模块450的相关内容可以参照前文对步骤s350的描述。
120.此外，本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述测试方法的步骤。
121.本技术实施例所提供的数据采集方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行上述测试方法的步骤，具体可参见上述方法实施例，在此不再赘述。
122.综上所述，采用本技术实施例中提供的一种基于图像识别的列车智能检测系统的测试方法和装置，基于多个障碍物和多种运行场景进行仿真测试获得仿真测试结果，基于行车日志和行车视频分析获得现场测试结果，基于仿真测试结果和现场测试结果获得系统的性能参数，从而通过对仿真多障碍物多场景的仿真测试结果和现场测试结果进行综合考虑，获得系统的最终性能参数，避免了现有技术中实际线路障碍物及场景较为简单，实测数
据无法准确的判断系统性能，所导致的系统性能测试的准确性低的问题，有效提高系统性能测试的准确性。
123.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
124.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
125.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
126.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
127.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
128.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
129.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。