基于多层次深度特征的铁轨异物检测方法与装置制造方法及图纸

本发明专利技术提供一种基于多层次深度特征的铁轨异物检测方法与装置，其中方法包括：获取待处理图片，待处理图片为无人机拍摄的铁轨图片；将待处理图片拆分为N张子图片；提取N张子图片的多层次深度特征；根据N张子图片的多层次深度特征判断待处理图片中铁轨是否存在异物。本发明专利技术提供的基于多层次深度特征的铁轨异物检测方法与装置，通过将待处理的铁轨图片进行拆分后获取每张子图片的多层次深度特征，通过子图像的多层次深度特征判断铁轨是否存在异物，提高了对铁轨异物的检测效率。

【技术实现步骤摘要】
基于多层次深度特征的铁轨异物检测方法与装置
本专利技术涉及航空监视技术，尤其涉及一种基于多层次深度特征的铁轨异物检测方法与装置。
技术介绍
轨道交通是国家的客运货运的主要途径，具有很重要的战略意义。其中，铁路运输发挥着尤其重要的作用。由于我国人口众多，大流量的铁路交通需要更加严谨的安保巡检来确保旅客出行安全。现有技术中，随着低空无人机在巡查监视领域的广泛应用，越来越多的低空无人机被用于铁路沿线巡检以节省人力物力成本。铁轨维护人员通过低空无人机传回的铁轨视频或图片对铁路的状况进行监测，当发现铁轨上有异物时及时进行现场维护。采用现有技术，为确保铁路安全运行，低空无人机巡检需要更加准确及时的反馈铁路沿线信息，而仅通过铁轨维护人员对低空无人机视频或图片进行观察的检测方式，造成了对铁轨异物的检测效率较低且需要耗费大量的人力物力。
技术实现思路
本专利技术提供一种基于多层次深度特征的铁轨异物检测方法与装置，提高了对铁轨异物的检测效率。本专利技术提供一种基于多层次深度特征的铁轨异物检测方法，包括：获取待处理图片，所述待处理图片为无人机拍摄的铁轨图片；将所述待处理图片拆分为N张子图片，所述N为正整数；提取所述N张子图片的多层次深度特征；根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测方法，所述获取待处理图片，包括：获取无人机拍摄的铁轨视频；从所述视频中的预设位置提取一帧视频作为所述待处理图片。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测方法，所述将所述待处理图片拆分为N张子图片，包括：随机裁剪所述待处理图片的不同区域得到所述N张子图片，其中，所述N张子图片的并集覆盖所述待处理图片。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测方法，所述提取所述N张子图片的多层次深度特征，包括：通过全卷积网络获取所述子图片的特征图；通过卷积神经网络获取所述特征图的不同层特征作为所述多层次深度特征。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测方法，所述根据所述多层次深度特征判断所述待处理图片中铁轨是否存在异物包括：由卷积神经网络根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物，其中，若所述卷积神经网络通过所述N张子图片的多层次深度特征判断任一张所述子图片存在异物，则判断所述待处理图片中铁轨存在异物，并记录存在异物的所述子图片的位置。本专利技术提供一种基于多层次深度特征的铁轨异物检测装置，包括：获取模块，所述获取模块用于获取待处理图片，所述待处理图片为无人机拍摄的铁轨图片；拆分模块，所述拆分模块用于将所述待处理图片拆分为N张子图片，所述N为正整数；特征提取模块，所述特征提取模块用于提取所述N张子图片的多层次深度特征；判断模块，所述判断模块用于根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测装置，所述获取模块具体用于，获取无人机拍摄的铁轨视频；从所述视频中的预设位置提取一帧视频作为所述待处理图片。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测装置，所述拆分模块具体用于，随机裁剪所述待处理图片的不同区域得到所述N张子图片，其中，所述N张子图片的并集覆盖所述待处理图片。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测装置，所述特征提取模块具体用于，通过全卷积网络获取所述子图片的特征图；通过卷积神经网络获取所述特征图的不同层特征作为所述多层次深度特征。在本专利技术一实施例中，如上所述的一种基于多层次深度特征的铁轨异物检测装置，所述判断模块具体用于，由卷积神经网络根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物，其中，若所述卷积神经网络通过所述N张子图片的多层次深度特征判断任一张所述子图片存在异物，则判断所述待处理图片中铁轨存在异物，并记录存在异物的所述子图片的位置。本专利技术提供一种基于多层次深度特征的铁轨异物检测方法与装置，其中方法包括：获取待处理图片，待处理图片为无人机拍摄的铁轨图片；将待处理图片拆分为N张子图片，所述N为正整数；提取N张子图片的多层次深度特征；根据多层次深度特征判断待处理图片中铁轨是否存在异物。本专利技术提供的基于多层次深度特征的铁轨异物检测方法与装置，通过将待处理的铁轨图片进行拆分后获取每张子图片的多层次深度特征，通过子图像的多层次深度特征判断铁轨是否存在异物，提高了对铁轨异物的检测效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于多层次深度特征的铁轨异物检测方法实施例一的流程示意图；图2为本专利技术基于多层次深度特征的铁轨异物检测装置实施例一的结构示意图。通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。下面以具体地实施例对本专利技术的技术方案进行详细说明。下面的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面以具体地实施例对本专利技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。图1为本专利技术基于多层次深度特征的铁轨异物检测方法实施例一的流程示意图。如图1所示，本实施例基于多层次深度特征的铁轨异物检测方法包括：S101：获取待处理图片。其中，待处理图片为无人机拍摄的铁轨图片。具体地，本实施例执行主体可以是是无人机，或者为能够通过互联网及其他方式获取无人机拍摄的铁轨图片的终端设备(Terminal)、用户设备(UserEquipment)以及服务器设备等等中的任意一种或者多种的组合。其中，终端设备可以是台式计算机(computer)，笔记本电脑(notebook)，平板电脑(PAD)等等。用户设本文档来自技高网...

【技术保护点】
1.一种基于多层次深度特征的铁轨异物检测方法，其特征在于，包括：获取待处理图片，所述待处理图片为无人机拍摄的铁轨图片；将所述待处理图片拆分为N张子图片，所述N为正整数；提取所述N张子图片的多层次深度特征；根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物。

【技术特征摘要】
1.一种基于多层次深度特征的铁轨异物检测方法，其特征在于，包括：获取待处理图片，所述待处理图片为无人机拍摄的铁轨图片；将所述待处理图片拆分为N张子图片，所述N为正整数；提取所述N张子图片的多层次深度特征；根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物。2.根据权利要求1所述的方法，其特征在于，所述获取待处理图片，包括：获取无人机拍摄的铁轨视频；从所述视频中的预设位置提取一帧视频作为所述待处理图片。3.根据权利要求1所述的方法，其特征在于，所述将所述待处理图片拆分为N张子图片，包括：随机裁剪所述待处理图片的不同区域得到所述N张子图片，其中，所述N张子图片的并集覆盖所述待处理图片。4.根据权利要求1所述的方法，其特征在于，所述提取所述N张子图片的多层次深度特征，包括：通过全卷积网络获取所述子图片的特征图；通过卷积神经网络获取所述特征图的不同层特征作为所述多层次深度特征。5.根据权利要求1所述的方法，其特征在于，所述根据所述多层次深度特征判断所述待处理图片中铁轨是否存在异物包括：由卷积神经网络根据所述N张子图片的多层次深度特征判断所述待处理图片中铁轨是否存在异物，其中，若所述卷积神经网络通过所述N张子图片的多层次深度特征判断任一张所述子图片存在异物，则判断所述待处理图片中铁轨存在异物，并记录存在异物的所述子图片的位置。6.一种基...

【专利技术属性】
技术研发人员：曹先彬，甄先通，李岩，田舒曼，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11