地铁异物检测方法、装置、设备及地铁屏蔽门系统制造方法及图纸

本发明专利技术公开了一种地铁异物检测方法、装置、设备及地铁屏蔽门系统，该地铁异物检测方法包括：读取地铁异物训练样本，提取其特征；获取卷积神经网络参数，建立训练好的卷积神经网络模型；获得所述每张二维彩色图像中包含每种地铁异物的概率；统计分析获得相应的出现概率最高的地铁异物种类的二维彩色图像；在所述训练好的卷积神经网络模型中对包含出现概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果。通过本发明专利技术解决了现有技术中对地铁异物检测识别的效率和精度不高的问题。

Method, device and equipment for detecting foreign matter of subway and subway shield door system

The invention discloses a subway detection method and device, equipment and the subway shield door system, including the subway subway detection method: read foreign training samples, the feature extraction; obtain convolution neural network parameters, a convolution of the trained neural network model; probability of obtaining each subway comprising each foreign body two dimensional color image; statistical analysis to obtain the corresponding two dimensional color image of Metro foreign bodies were of the highest probability of detection; each 2D color image of Metro species of the highest probability of containing appeared in the convolutional neural network model of the trained, can get test results of subway induced early warning system of subway foreign alarm the. The invention solves the problem that the efficiency and accuracy of the detection and recognition of the foreign matter in the subway is not high in the prior art.

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别是涉及基于卷积神经网络的一种地铁异物检测方法、装置及地铁屏蔽门系统。
技术介绍
近年来，随着我国城市轨道交通的迅猛发展，客流量不断增大，如何保障乘客安全、高效的出行成为地铁运营的首要目标。为了保障乘客乘车安全，防止在客流拥挤时发生乘客乘车危险的情况，目前的地铁站台与列车之间一般都设置了一个屏蔽门。然而，地铁列车与屏蔽门之间存在一定的空隙，如果在列车启动瞬间发生乘客被夹在屏蔽门和列车门之间的情况，将会造成严重的乘车事故。为了消除上述安全隐患，防止夹人夹物事件的发生，目前主要是采用列车司机观察或光学探测的方法检测屏蔽门和列车门之间的空隙是否存在异物，即主要是通过列车司机下车观察地铁列车的车位处的“光带”，根据司机视线受阻的程度来判断列车和屏蔽门之间狭长的通道是否有异物存在；或者采用传感器检测的方法，在屏蔽门两侧安装红外探测或激光探测器。上述采用司机观察的方法使得司机负担大，当客流量大时容易收到限制；而采用传感器检测的方法容易受灰尘影响而误报。所以，目前对地铁异物的检测方法在检测精度和性能方面均存在缺陷，易产生检测失误的现象。
技术实现思路
针对于上述问题，本专利技术提供一种地铁异物检测方法、装置、设备及地铁屏蔽门系统，用以解决现有技术中对地铁异物检测识别的效率和精度不高的问题。为了实现上述目的，根据本专利技术的第一方面，提供了一种地铁异物检测方法，该方法包括：读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，其中，所述二维彩色图像包括包含地铁异物的图片和不包含地铁异物的图片；获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型；选择特定范围的二维彩色图像作为第一地铁异物测试样本，并对所述第一地铁异物测试样本通过图像归一化和特征提取的方法进行预处理，得到第二地铁异物测试样本；在所述训练好的卷积神经网络模型中对所述第二地铁异物测试样本进行处理，得到所述第二地铁异物测试样本中的每张二维彩色图像的特征向量；在所述分类器中对所述特征向量进行分类，并获得所述每张二维彩色图像中包含每种地铁异物的概率；统计分析所述每张二维彩色图像中包含地铁异物的概率，获得相应的出现概率最高的地铁异物种类的二维彩色图像；在所述训练好的卷积神经网络模型中对包含出现概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果。优选的，所述读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，包括：读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像；根据卷积神经网络结构要求，将所述二维彩色图像压缩到像素为64*64的二维彩色图像；将所述像素为64*64的二维彩色图像进行图像分割，得到8*8的图像子区域；对所述8*8的图像子区域进行图像白化处理，得到处理后的二维彩色图像。优选的，所获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型，包括：在卷积神经网络的卷基层和子采样层中对所述处理后的二维彩色图像进行处理，得到所述处理后的二维彩色图像的采样后的特征；将所述采样后的特征和所述训练样本中的二维彩色图像作为训练数据，在所述分类器中对所述训练数据进行训练，得到卷积神经网络参数，并建立训练好的卷积神经网络模型。优选的，在所述训练好的卷积神经网络模型中对包含概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果，包括：在所述训练好的卷积神经网络模型中对包含概率最高的地铁异物种类的每张二维彩色图像进行统计分析，得到每一种地铁异物出现的概率；将所述每一种地铁异物出现的概率与所述训练好的卷积神经网络模型中预设的每一种地铁异物出现概率的阈值进行比较，如果超过所述阈值，所述训练好的神经网络模型将检测到的该种地铁异物的检测结果，判断为能够引发地铁预警系统进行报警的地铁异物的检测结果。根据本专利技术的第二方面，提供了一种地铁异物检测装置，该装置包括：第一处理模块，用于读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，其中，所述二维彩色图像包括包含地铁异物的图片和不包含地铁异物的图片；建立模块，用于获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型；第二处理模块，用于选择特定范围的二维彩色图像作为第一地铁异物测试样本，并对所述第一地铁异物测试样本通过图像归一化和特征提取的方法进行预处理，得到第二地铁异物测试样本；第三处理模块，用于在所述训练好的卷积神经网络模型中对所述第二地铁异物测试样本进行处理，得到所述第二地铁异物测试样本中的每张二维彩色图像的特征向量；获取模块，用于在所述分类器中对所述特征向量进行分类，并获得所述每张二维彩色图像中包含每种地铁异物的概率；统计模块，用于统计分析所述每张二维彩色图像中包含地铁异物的概率，获得相应出现概率最高的地铁异物种类的二维彩色图像；检测模块，用于在所述训练好的卷积神经网络模型中对包含出现概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果。优选的，所述第一处理模块包括：第一获取单元，用于读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像；第一处理单元，用于根据卷积神经网络结构要求，将所述二维彩色图像压缩到像素为64*64的二维彩色图像；图像分割单元，用于将所述像素为64*64的二维彩色图像进行图像分割，得到8*8的图像子区域；第二处理单元，用于对所述8*8的图像子区域进行图像白化处理，得到处理后的二维彩色图像。优选的，所述建立模块包括：第三处理单元，用于在卷积神经网络的卷基层和子采样层中对所述处理后的二维彩色图像进行处理，得到所述处理后的二维彩色图像的采样后的特征；第二获取单元，用于将所述采样后的特征和所述训练样本中的二维彩色图像作为训练数据，在所述分类器中对所述训练数据进行训练，得到卷积神经网络参数，并建立训练好的卷积神经网络模型。优选的，所述检测模块包括：统计单元，用于在所述训练好的卷积神经网络模型中对包含概率最高的地铁异物种类的每张二维彩色图像进行统计分析，得到每一种地铁异物出现的概率；比较单元，用于将所述每一种地铁异物出现的概率与所述训练好的卷积神经网络模型中预设的每一种地铁异物出现概率的阈值进行比较，如果超过所述阈值，所述训练好的神经网络模型将检测到的该种地铁异物的检测结果，判断为能够引发地铁预警系统进行报警的地铁异物的检测结果。根据本专利技术的第三方面，提供了一种地铁异物检测设备，该设备包括：第一决策分类装置和集中决策分类装置，其中，所述第一决策分类装置，用于读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，其中，所述二维彩色图像包括包含地铁异物的图片和不包含地铁异物的图片；获取通过分类器训练所述处理后的二维彩色图像后得到的卷积本文档来自技高网...

【技术保护点】
一种地铁异物检测方法，其特征在于，该方法包括：读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，其中，所述二维彩色图像包括包含地铁异物的图片和不包含地铁异物的图片；获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型；选择特定范围的二维彩色图像作为第一地铁异物测试样本，并对所述第一地铁异物测试样本通过图像归一化和特征提取的方法进行预处理，得到第二地铁异物测试样本；在所述训练好的卷积神经网络模型中对所述第二地铁异物测试样本进行处理，得到所述第二地铁异物测试样本中的每张二维彩色图像的特征向量；在所述分类器中对所述特征向量进行分类，并获得所述每张二维彩色图像中包含每种地铁异物的概率；统计分析所述每张二维彩色图像中包含地铁异物的概率，获得相应的出现概率最高的地铁异物种类的二维彩色图像；在所述训练好的卷积神经网络模型中对包含出现概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果。

【技术特征摘要】
1.一种地铁异物检测方法，其特征在于，该方法包括：读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，其中，所述二维彩色图像包括包含地铁异物的图片和不包含地铁异物的图片；获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型；选择特定范围的二维彩色图像作为第一地铁异物测试样本，并对所述第一地铁异物测试样本通过图像归一化和特征提取的方法进行预处理，得到第二地铁异物测试样本；在所述训练好的卷积神经网络模型中对所述第二地铁异物测试样本进行处理，得到所述第二地铁异物测试样本中的每张二维彩色图像的特征向量；在所述分类器中对所述特征向量进行分类，并获得所述每张二维彩色图像中包含每种地铁异物的概率；统计分析所述每张二维彩色图像中包含地铁异物的概率，获得相应的出现概率最高的地铁异物种类的二维彩色图像；在所述训练好的卷积神经网络模型中对包含出现概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果。2.根据权利要求1所述的方法，其特征在于，所述读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，包括：读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像；根据卷积神经网络结构要求，将所述二维彩色图像压缩到像素为64*64的二维彩色图像；将所述像素为64*64的二维彩色图像进行图像分割，得到8*8的图像子区域；对所述8*8的图像子区域进行图像白化处理，得到处理后的二维彩色图像。3.根据权利要求1所述的方法，其特征在于，所获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型，包括：在卷积神经网络的卷基层和子采样层中对所述处理后的二维彩色图像进行处理，得到所述处理后的二维彩色图像的采样后的特征；将所述采样后的特征和所述训练样本中的二维彩色图像作为训练数据，在所述分类器中对所述训练数据进行训练，得到卷积神经网络参数，并建立训练好的卷积神经网络模型。4.根据权利要求1所述的方法，其特征在于，在所述训练好的卷积神经网络模型中对包含概率最高的地铁异物种类的每张二维彩色图像进行检测，得到能够引发地铁预警系统进行报警的地铁异物的检测结果，包括：在所述训练好的卷积神经网络模型中对包含概率最高的地铁异物种类的每张二维彩色图像进行统计分析，得到每一种地铁异物出现的概率；将所述每一种地铁异物出现的概率与所述训练好的卷积神经网络模型中预设的每一种地铁异物出现概率的阈值进行比较，如果超过所述阈值，所述训练好的神经网络模型将检测到的该种地铁异物的检测结果，判断为能够引发地铁预警系统进行报警的地铁异物的检测结果。5.一种地铁异物检测装置，其特征在于，该装置包括：第一处理模块，用于读取地铁异物训练样本，并获取所述训练样本中的二维彩色图像，对所述二维彩色图像进行预处理提取其特征，得到处理后的二维彩色图像，其中，所述二维彩色图像包括包含地铁异物的图片和不包含地铁异物的图片；建立模块，用于获取通过分类器训练所述处理后的二维彩色图像后得到的卷积神经网络参数，建立训练好的卷积神经网络模型；第二处理模块，用于选择特定范围的二维彩色图像作为第一地铁异物测试样本，并对所述第一地铁异物测试样本通过图像归一化和特征提取的方法进行预处理，得到第二地铁异物测试样本；第三处理模块，用于在所述训练好的卷积神经网络模型中对所述第二地铁异物测试样本进行处理，得到所述第二地铁异物测试样本中的每张二维彩色图像的特征向量；获取模块，用于在所述分类器中对所述特征向量进行分类，并获得所述每张二维彩色图像中包含每种地铁异物的概率；统...

【专利技术属性】
技术研发人员：兰上炜，李东，曾宪贤，梁健，吕誉，谢凯佳，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44