本发明专利技术公开了一种基于计算机视觉的轨道异物入侵检测方法及装置，包括：读取输入图像；进行灰度化处理；对梯度特征进行提取；进行二值化处理；对二值化后的图像进行掩膜覆盖，留下感兴趣区域内的有效信息；对二值化感兴趣图像中的轮廓线特征进行提取；对于轮廓线中的闭合轮廓线进行过滤，得到与轨道相关性最强的全部轮廓；获取全部轮廓的中轴线；根据中轴线区分左右轨道区域，分别对于左右轨道区域内的轮廓线进行聚类、筛选，获得轨道线轮廓；将轨道轮廓线反馈到二值化感兴趣区域；如果轨道轮廓线的端点不能与二值化感兴趣区域的边界相交，则判定为被遮挡；整理结果格式并输出。本发明专利技术运行成本低、效率高，不仅仅局限于直线轨道，应用范围广。范围广。范围广。
【技术实现步骤摘要】
一种基于计算机视觉的轨道异物入侵检测方法及装置
[0001]本专利技术涉及计算机视觉
，特别涉及一种基于计算机视觉的轨道异物入侵检测方法及装置。
技术介绍
[0002]作为损害轨道列车行驶安全的重要因素之一，轨道异物入侵造成的铁路线故障严重危害着国家财产和人民生命的安全。轨道异物入侵检测受到越来越多的重视，目前使用的解决方案基本依靠于人工巡检与驾驶员视觉，加以设备辅助的方法。由于列车车速较高、巡检效率以及人眼疲劳等问题，传统方法难以完全满足异物入侵检测的需求。
[0003]使用以计算机视觉算法为基础的方法解决轨道异物入侵检测任务，旨在通过机器视觉准确并实时地获得异物信息，为后续决策提供参考，以此解决人工巡检等方法带来的问题。计算机视觉方法按照算法原理可分为两部分，即经典视觉算法与深度学习算法，相比较于经典视觉方法，深度学习算法存在以下问题：检测类别与效果受制于数据集，标注成本很高，模型更新周期长成本高，算法运行成本高等。而经典视觉算法的主要局限在于泛化能力难提升，参数过多等。
[0004]申请号为：201910713696.5，名称为：基于旋翼无人飞行器和YOLOv3的轨道异物检测方法的专利技术专利中提出了利用深度学习检测算法YOLOv3的方案进行异物检测，但其检测范围仅局限于其数据集所包含的5个类别，需要构建相关数据集，标注成本高，模型效果受限于数据集质量，模型更新周期长，运行成本高。且此专利所给方案为巡检方案，具有非实时的问题。且局限于直轨。
[0005]申请号为：CN201910029546.2，名称为：一种基于图像的轨道异物检测方法的专利技术专利中提出了利用经典视觉算法进行异物检测的方案，其算法对铁轨采用聚类方法建立特征库，运行时进行检索匹配，找出无法匹配铁轨特征库的异物。其需要建立特征库，性能会极大受限于特征库的涵盖范围。且此方法只局限于检测1/5以下画幅的图像内容，可检测距离大大受限，鉴于列车较高的时速，使得此距离内的检出并没有实际意义。
[0006]现有技术存在的缺陷总结如下：
[0007](1)名称为：基于旋翼无人飞行器和YOLOv3的轨道异物检测方法的专利技术专利中使用深度学习算法，其识别效果受限于训练所用的数据集分布，所用深度学习模型的维护、运行成本高，且所给方案为无人巡检方案，替代人工巡检，但由于不在列车上，仍然缺乏检测即时性。且局限于直轨道；
[0008](2)名称为：一种基于图像的轨道异物检测方法的专利技术专利中使用经典视觉算法，利用检索的方法识别异物，识别效果受限于铁轨特征库的多样性，且仅能识别画幅1/5的内容，所能识别的距离较短，鉴于列车行驶时的速度较高，异物检出缺乏实际可参考价值。
技术实现思路
[0009]本专利技术针对上述现有技术中存在的问题，提出一种基于计算机视觉的轨道异物入
侵检测方法及装置，运行成本低、效率高，不仅仅局限于直线轨道，应用范围广。
[0010]为解决上述技术问题，本专利技术是通过如下技术方案实现的：
[0011]本专利技术提供一种基于计算机视觉的轨道异物入侵检测方法，其包括：
[0012]S101：读取输入图像；
[0013]S102：对所述输入图像进行灰度化处理，得到灰度图；
[0014]S103：对所述灰度图的梯度特征进行提取，得到梯度图；
[0015]S104：对所述梯度图进行二值化处理，得到二值化后的图像；
[0016]S105：对所述二值化后的图像进行掩膜覆盖，留下感兴趣区域内的有效信息，得到二值化感兴趣图像；
[0017]S106：对所述二值化感兴趣图像中的轮廓线特征进行提取，得到轮廓线；
[0018]S107：对于所述轮廓线中的闭合轮廓线进行过滤，得到与轨道相关性最强的全部轮廓；
[0019]S108：获取所述S107获得的全部轮廓的中轴线，用于区分左右轨道区域；
[0020]S109：根据所述S108获得的中轴线，区分左右轨道区域，分别对于左右轨道区域内的轮廓线进行聚类，并进一步进行筛选，获得轨道线轮廓；
[0021]S110：将所述S108获得的轨道轮廓线反馈到所述二值化感兴趣区域，用于下一次循环；
[0022]S111：如果轨道轮廓线的端点不能与所述二值化感兴趣区域的边界相交，则判定为被遮挡，得到障碍物信息；
[0023]S112：整理结果格式并输出。
[0024]较佳地，所述S102与S103之间还包括：
[0025]S201：对所述灰度图进行去噪处理。
[0026]较佳地，所述S112之后还包括：
[0027]S301：如果所述输出结果中存在异物，则发出报警信号。
[0028]较佳地，所述S106进一步包括：
[0029]S1061：利用边缘跟踪技术，对所述二值化感兴趣图像进行拓扑分析，寻找闭合轮廓；
[0030]S1062：分析所述闭合轮廓的轮廓类别以及轮廓相互之间的层次关系；
[0031]所述轮廓类别包括：外轮廓、孔轮廓，所述轮廓相互之间的层次关系包括：包含关系或父子关系；
[0032]S1063：获得全部外轮廓。
[0033]较佳地，所述S107进一步包括：通过闭合轮廓线的V轴有效长度对闭合轮廓线进行过滤，所述V轴有效长度越长，跟轨道的相关性越强。
[0034]较佳地，所述S108进一步包括：
[0035]S1081：提取全部轮廓的两个端点；
[0036]S1082：提取全部轮廓的V轴有效长度；
[0037]S1083：以轮廓的V轴有效长度作为权重，分别求取全部轮廓两端点的重心，作为中轴线的两端点，获得中轴线。
[0038]较佳地，所述S111包括：
[0039]S1111：提取轨道轮廓线段端点的轮廓；
[0040]S1112：根据二值化感兴趣区域，将端点的轮廓转换到鸟瞰图视角；
[0041]S1113：观察轨道轮廓线端点与二值化感兴趣区域的相交情况，当所述轨道轮廓线端点不能与二值化感兴趣区域的边界不能相交，则判定为轨道不连续、被遮挡，障碍物信息即为轮廓线端点与二值化感兴趣区域不相交的位置。
[0042]本专利技术还提供一种基于计算机视觉的轨道异物入侵检测方法，其包括：输入模块、灰度化模块、梯度化模块、二值化模块、自适应ROI模块、轮廓线提取模块、轮廓线过滤模块、中心轴提取模块、轮廓线聚类模块、轨道轮廓线反馈模块、轨道遮挡检测模块以及输出模块；其中，
[0043]所述输入模块用于读取输入图像；
[0044]所述灰度化模块用于对所述输入图像进行灰度化处理，得到灰度图；
[0045]所述梯度化模块用于对所述梯度图进行二值化处理，得到二值化后的图像；
[0046]所述二值化模块用于对所述梯度图进行二值化处理，得到二值化后的图像；
[0047]所述自适应ROI模块用于对所述二值化后的图像进行掩膜覆盖，留下感兴趣区域内的有效信息，得到本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于计算机视觉的轨道异物入侵检测方法，其特征在于，包括：S101：读取输入图像；S102：对所述输入图像进行灰度化处理，得到灰度图；S103：对所述灰度图的梯度特征进行提取，得到梯度图；S104：对所述梯度图进行二值化处理，得到二值化后的图像；S105：对所述二值化后的图像进行掩膜覆盖，留下感兴趣区域内的有效信息，得到二值化感兴趣图像；S106：对所述二值化感兴趣图像中的轮廓线特征进行提取，得到轮廓线；S107：对于所述轮廓线中的闭合轮廓线进行过滤，得到与轨道相关性最强的全部轮廓；S108：获取所述S107获得的全部轮廓的中轴线，用于区分左右轨道区域；S109：根据所述S108获得的中轴线，区分左右轨道区域，分别对于左右轨道区域内的轮廓线进行聚类，并进一步进行筛选，获得轨道线轮廓；S110：将所述S108获得的轨道轮廓线反馈到所述二值化感兴趣区域，用于下一次循环；S111：如果轨道轮廓线的端点不能与所述二值化感兴趣区域的边界相交，则判定为被遮挡，得到障碍物信息；S112：整理结果格式并输出。2.根据权利要求1所述的基于计算机视觉的轨道异物入侵检测方法，其特征在于，所述S102与S103之间还包括：S201：对所述灰度图进行去噪处理。3.根据权利要求1所述的基于计算机视觉的轨道异物入侵检测方法，其特征在于，所述S112之后还包括：S301：如果所述输出结果中存在异物，则发出报警信号。4.根据权利要求1所述的基于计算机视觉的轨道异物入侵检测方法，其特征在于，所述S106进一步包括：S1061：利用边缘跟踪技术，对所述二值化感兴趣图像进行拓扑分析，寻找闭合轮廓；S1062：分析所述闭合轮廓的轮廓类别以及轮廓相互之间的层次关系；所述轮廓类别包括：外轮廓、孔轮廓，所述轮廓相互之间的层次关系包括：包含关系或父子关系；S1063：获得全部外轮廓。5.根据权利要求1所述的基于计算机视觉的轨道异物入侵检测方法，其特征在于，所述S107进一步包括：通过闭合轮廓线的V轴有效长度对闭合轮廓线进行过滤，所述V轴有效长度越长，跟轨道的相关性越强。6.根据权利要求1所述的基于计算机视觉的轨道异物入侵检测方法，其特征在于，所述S108进一步包括：S1081：提取全部轮廓的两个端点；S1082：提取全部轮廓的V轴有效长度；S1083：以轮廓的V轴有效长度作为权重，分别求取全部轮廓两端点的重心，作为中轴线的两端点，获得中轴线。7.根据权利要求1所述的基于计算机视觉的轨道异物入侵检测方法，其特征在于，所述
S111包括：S1111：提取轨道轮廓线段端点的轮廓；S1112：根据二值化感兴趣区域，将端点的轮廓转换到...
【专利技术属性】
技术研发人员：王晨浩，蔡宏翔，熊意超，
申请(专利权)人：上海媒智科技有限公司，
类型：发明
国别省市：
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。