【技术实现步骤摘要】
基于GMM模型与BP神经网络的高速铁路异物识别与分类方法
本专利技术涉及一种基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,属于高速铁路安全
技术介绍
近年来,我国高速铁路迅猛发展,“四纵四横”高铁已基本建成,路网规模也在不断的扩大,结构日趋完善,并且在有线提速方面取得了重大的成就。但是随着列车速度不断的提高,对铁路线路以及列车的安全性以及可靠性要求也在不断地提高,为保证列车的安全运行,不仅要考虑列车自身的安全性与可靠性,还应考虑列车运行所处的铁路环境的安全性,比如铁路环境中可能出现的动物,树枝,甚至是一些垃圾袋以及人为造成的障碍物,都将可能影响列车的安全运行。因此,目前关于铁路异物识别问题逐渐成为热点问题。关于铁路异物的识别与检测,传统的方法已经不能满足目前对列车运行安全性以及时效性的需求了,不仅效率低而且也是对人力物力的浪费,因此,有越来越多的学者对铁路异物的识别与检测进行了研究,但是不论是基于视频监控的方法,还是为提高准确率,加入红外线、激光、雷达探测等技术进行多种方法结合使用的铁路异物检测,大多都是对铁路线路上的异物进行监测,并没有对检测的异物进行分类。
技术实现思路
为了解决上述存在的问题,本专利技术公开了一种基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,对移动的目标物体进行检测,判断其是否为异物,并且对异物进行识别分类,提高对目标物体检测的准确率,以及提供更加详细的异物信息,增加铁路线路的安全性。其具体技术方案如下:基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,包括以下操作步骤:步骤一:通过部署在铁路线路 ...
【技术保护点】
1.基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于,包括以下操作步骤:步骤一:通过部署在铁路线路两旁的高清摄像机,连续不断地拍摄移动的目标物体,记录目标物体从出现直至停止移动或离开摄像机的监控视野范围内的视频图像;步骤二:根据高清摄像机实时拍摄的视频图像进行异物识别与分析,包括:利用每次拍摄的视频图像获得目标物体的轮廓形状;根据所拍摄的目标物体的最终状态,判断此目标物体是否为异物,若目标物体最终离开铁路线路或是离开摄像机的监控视野范围,则判断目标不是线路上的异物;若目标物体最终落在监控的范围内或明确存在于铁路线路上,则根据所获取的目标物体的轮廓形状进一步进行异物识别与分类,得出异物的类型;步骤三:将所获得的有关异物的参数以及位置信息发送给控制中心;步骤四:由控制中心向列车发出警示信息,并采取相应的解决措施。
【技术特征摘要】
1.基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于,包括以下操作步骤:步骤一:通过部署在铁路线路两旁的高清摄像机,连续不断地拍摄移动的目标物体,记录目标物体从出现直至停止移动或离开摄像机的监控视野范围内的视频图像;步骤二:根据高清摄像机实时拍摄的视频图像进行异物识别与分析,包括:利用每次拍摄的视频图像获得目标物体的轮廓形状;根据所拍摄的目标物体的最终状态,判断此目标物体是否为异物,若目标物体最终离开铁路线路或是离开摄像机的监控视野范围,则判断目标不是线路上的异物;若目标物体最终落在监控的范围内或明确存在于铁路线路上,则根据所获取的目标物体的轮廓形状进一步进行异物识别与分类,得出异物的类型;步骤三:将所获得的有关异物的参数以及位置信息发送给控制中心;步骤四:由控制中心向列车发出警示信息,并采取相应的解决措施。2.根据权利要求1所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述步骤一中根据高清摄像机的监控视野范围,在铁路线路两旁间隔安置高清摄像机,其中,高清摄像机根据自身所在的位置,可向控制中心提供目标物体存在于铁路线路路段上的位置信息。3.根据权利要求1所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述步骤二中通过输入视频图像帧,选取拍摄的无任何异物的图像作为最初始的背景图像,之后则选取每天早上8点拍摄的视频图像作为初始背景图像,接着使用高斯混合模型进行背景建模,使前景与背景分离,得到当前背景图,并将当前背景与初始背景进行图像差分,获得目标物体的轮廓形状。4.根据权利要求3所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述步骤二中通过所获取的目标物体轮廓形状进一步进行异物识别及分类,采用的是基于BP神经网络进行分类的方法,采集在不同天气、光线情况下,任意可能成为入侵物体的多角度图像对BP神经网络进行模型的训练,得到多种目标物体可能存在的分类情况,再将所获得的目标物体的轮廓模型作为BP神经网络的输入,最终确定目标物体的类型。5.根据权利要求4所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述利用高斯混合模型进行背景建模,使前景与背景分离,得到当前背景图,并将当前背景与初始背景进行图像差分,获得目标物体的轮廓形状,过程为:步骤3.1:选取所拍摄的无任何异物的图像作为最初始的背景图像,之后选取每天早上8点所拍摄的视频图像作为初始背景;步骤3.2:利用高斯混合模型进行背景建模,首先对...
【专利技术属性】
技术研发人员:胡启洲,邓洁仪,姚泽宇,吴翊凯,马超,耿灿欣,宋阳,沈悦,高洁,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。