基于铁路监控的铁路异物入侵检测方法技术

本发明专利技术提供了一种基于铁路监控的铁路异物入侵检测方法。该方法包括：利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过现有的高斯混合模型对待监测的原始图像进行处理，输出的二值图像依次使用形态学处理、阈值自适应和非极大值抑制算法处理，获取包含异物入侵的图像区域；将包含异物入侵的图像区域输入YOLOv3中，该YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。本发明专利技术降低了高斯混合算法带来的误报率，提高了YOLOv3算法在远距离目标或和小目标上的检测效果，可以有效地监测出铁路异物入侵。

【技术实现步骤摘要】
基于铁路监控的铁路异物入侵检测方法
本专利技术涉及图像处理
，尤其涉及一种基于铁路监控的铁路异物入侵检测方法。
技术介绍
截至2018年底，中国铁路运营里程达13.1万公里，其中高铁运营里程2.9万里程。随着铁路的大规模提速，铁路周界安全问题日益凸显。铁路周界异物入侵行为会造成铁路运输大面积晚点，甚至重大人员伤亡及经济损失。针对铁路沿线及相关设施的破坏活动时有发生，给铁路运营安全带来了严重的隐患和威胁，铁路周界安全问题成为铁路安全管理工作的重中之重。目前，铁路管理部门针对铁路周界安全已采用多种技防手段，其中，基于视频监控的周界入侵行为检测是目前采用的主要检测手段。随着视频监控数据的爆炸性增长和更高的安全要求，目前的视频分析方法难以满足远距离或者小目标检测的需求。应用在铁路监控的异物入侵检测方法可以分为两种：一种方法是基于背景建模的运动目标检测算法，如静态差分、高斯混合模型和ViBe算法。这类算法需要建立背景模型，符合背景模型的像素点即为背景，同时作为背景输入更新背景模型，不符合背景模型的像素点为前景，即检测目标。基于背景建模的算法本文档来自技高网...

【技术保护点】
1.一种基于铁路监控的铁路异物入侵检测方法，其特征在于，利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，包括：/n获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过高斯混合模型对所述待监测的原始图像进行处理，高斯混合模型输出的二值图像结果依次使用形态学处理、阈值自适应和非极大值抑制处理，获取包含异物入侵的图像区域；/n将所述包含异物入侵的图像区域输入YOLOv3中，YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。/n

【技术特征摘要】
1.一种基于铁路监控的铁路异物入侵检测方法，其特征在于，利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，包括：
获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过高斯混合模型对所述待监测的原始图像进行处理，高斯混合模型输出的二值图像结果依次使用形态学处理、阈值自适应和非极大值抑制处理，获取包含异物入侵的图像区域；
将所述包含异物入侵的图像区域输入YOLOv3中，YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。


2.根据权利要求1所述的方法，其特征在于，所述的利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，包括：
获取已知的铁路场景下的监控视频，从监控视频中提取一系列已知的包含异物入侵的原始图像，从各个原始图像中提取含有异物入侵的图像，标注图像中的异物入侵类型，利用所有标注了异物的图像构建铁路图像训练数据集，得到训练完成的模型权重。


3.根据权利要求1所述的方法，其特征在于，所述的通过高斯混合模型对所述待监测的原始图像进行处理，高斯混合模型输出的二值图像结果依次使用形态学处理、阈值自适应和非极大值抑制处理，获取包含异物入侵的矩形框图像区域，包括：
通过高斯混合模型处理对所述待监测的原始图进行处理，对高斯混合模型输出的二值图像进行形态学处理，所述形态学处理包括开运算和闭运算操作，开运算使用3*3的卷积核，卷积核中的值均为1，闭运算使用5*5的卷积核，卷积核中的值均为1；
将所述二...

【专利技术属性】
技术研发人员：秦勇，曹志威，谢征宇，张萼辉，柳青红，孙雨萌，李传，李永玲，吴志宇，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11