一种铁路接触网鸟窝检测方法技术

本发明专利技术提供了一种铁路接触网鸟窝检测方法。该方法包括：根据包含鸟窝的图片通过逆向推理得到包含鸟窝区域的兴趣域图片，将兴趣域图片作为模板图片，根据所有模板图片构成模板库，利用模板库对第二级YOLO检测器进行训练；将不包含鸟窝的图片与模板库中的每个模板图片依次进行匹配，得到兴趣域图片数据集，利用兴趣域图片数据集对第一级YOLO检测器进行训练；将待检测图片输入训练后的第一级YOLO检测器，第一级YOLO检测器输出兴趣域图片，将兴趣域图片输入训练后的第二级YOLO检测器，第二级YOLO检测器输出待检测图片的鸟窝检测结果。本发明专利技术可以解决由于接触网中鸟窝信息量较少，缺乏显著的特征造成的识别困难，能够对铁路接触网进行有效的自动鸟窝识别检测。

【技术实现步骤摘要】
一种铁路接触网鸟窝检测方法
本专利技术涉及铁路接触网异物检测
，尤其涉及一种铁路接触网鸟窝检测方法。
技术介绍
当前，对于目表示别领域的相关研究已成为计算机视觉检测领域最受关注的热点之一。动态视频中目标的标记主要是通过分析图片传感器所采集到的图片序列，并对图片序列中感兴趣的目标场景进行提取，标记同一目标的像素区域，并对目标的位置、大小和廓形等信息进行识别。典型的目标标记识别方法有目标特征描述、特征信息提取以及目标特征匹配等步骤。通过将所要表示目标的特征信息例如位置、颜色、轮廓、纹理等进行提取，随后依托这些特征信息对于检测目标进行评估，从而判断目标是否能够与特征信息进行匹配从而完成对目标的标注。目前，现有技术中的高速铁路接触网异物的检测方法包括：基于FasterR-CNN检测模型的检测、基于相对位置不变性的检测以及利用HOG(方向梯度直方图，HistogramofOrientedGradient)特征对铁路接触网上的鸟窝进行的检测。其中，基于FasterR-CNN检测模型的检测是引入了一个RPN(RegionProposalNetw本文档来自技高网...

【技术保护点】
1.一种铁路接触网鸟窝检测方法，其特征在于，包括：/n根据铁路接触网图片数据集中包含鸟窝的图片通过逆向推理得到包含鸟窝区域的兴趣域图片，将所述兴趣域图片作为模板图片，根据所有模板图片构成模板库，利用所述模板库对第二级YOLO检测器进行训练；/n将铁路接触网图片数据集中不包含鸟窝的图片与所述模板库中的每个模板图片依次进行匹配，得到兴趣域图片数据集，利用所述兴趣域图片数据集对第一级YOLO检测器进行训练；/n将待检测图片输入训练后的第一级YOLO检测器，所述第一级YOLO检测器输出兴趣域图片，将所述兴趣域图片输入训练后的第二级YOLO检测器，所述第二级YOLO检测器输出所述待检测图片的鸟窝检测结果...

【技术特征摘要】
1.一种铁路接触网鸟窝检测方法，其特征在于，包括：
根据铁路接触网图片数据集中包含鸟窝的图片通过逆向推理得到包含鸟窝区域的兴趣域图片，将所述兴趣域图片作为模板图片，根据所有模板图片构成模板库，利用所述模板库对第二级YOLO检测器进行训练；
将铁路接触网图片数据集中不包含鸟窝的图片与所述模板库中的每个模板图片依次进行匹配，得到兴趣域图片数据集，利用所述兴趣域图片数据集对第一级YOLO检测器进行训练；
将待检测图片输入训练后的第一级YOLO检测器，所述第一级YOLO检测器输出兴趣域图片，将所述兴趣域图片输入训练后的第二级YOLO检测器，所述第二级YOLO检测器输出所述待检测图片的鸟窝检测结果。


2.根据权利要求1所述的方法，其特征在于，所述的根据铁路接触网图片数据集中包含鸟窝的图片通过逆向推理得到包含鸟窝区域的兴趣域图片，将所述兴趣域图片作为模板图片，根据所有模板图片构成模板库，包括：
对铁路接触网图片数据集中包含鸟窝的图片进行初步分割，得到具有设定相似度的基本区域，根据区域间差异合对基本区域进行初步合并得到一系列初步的候选区域，用矩形框包围出所述初步的候选区域，根据所述矩形框之间的相似度合并初步的候选区域，得到最终的候选区域，对最终的候选区域中的鸟窝位置进行手工标注，用矩形表示标注的鸟窝区域属性，将包含鸟窝区域的最终的候选区域作为兴趣域，将兴趣域图片作为模板图片，根据所有模板图片构成模板库。


3.根据权利要求2所述的方法，其特征在于，所述的对铁路接触网图片数据集中包含鸟窝的图片进行初步分割，得到具有设定相似度的基本区域，根据区域间差异合对基本区域进行初步合并得到一系列初步的候选区域，包括：
将一幅包含鸟窝的图片用无向图G＝<V，E>表示，其中无向图的顶点表示图片的一个像素点，边e＝(vi，vj)的权重表示相邻顶点对i，j的不相似度，用像素的颜色距离表示两个像素间的不相似度w(e)，一个基本区域为具有最小不相似度的点集；
将基本区域的类内差异定义为：



将两个基本区域C1、C2之间的类间差异定义两个基本区域的最小连接边：



如果两个基本区域没有边相连，Diff(C1，C2)＝∞
当满足条件Diff(C1，C2)≤min(Int(C1)+τ(C1)，Int(C2)+τ(C2))，则判断两个基本区域C1、C2能够合并；
其中τ(C)为阈值函数，使孤立点构成的区域具有权重：
τ(C)＝k/||C||
将各个基本区域进行初步合并得到一系列初步的候选区域。


4.根据权利要求3所述的方法，其特征在于，所述的用矩形框包围出所述初步的候选区域，根据所述矩形框之间的相似度合并初步的候选区域，得到最终的候选区域，包括：
用矩形框包围出所述初步的候选区域，矩形框C的位置用(x，y，w，h)的四元组表示，
式中x，y代表矩形框左上角的坐标，w，h代表矩形框的宽度和高度；












初步的候选区域ri的矩形框ci和初步的候选区域rj的矩形框cj之间的颜色距离为：



式中表示颜色直方图的第k个bins的像素点比例；
初步的候选区域ri的矩形框ci和初步的候选区域rj的矩形框cj之间的矩形框ci和cj之间的纹理距离为：



式中表示纹理直方图第k维像素点比例；
对于初步的候选区域ri和rj：



式中size(ri)表示区域ri对应矩形框大小，size(im)表示原始待分割图片的大小。
对于初步的候选区域ri和rj：



式中size(BBij)表示区域ri和rj的外接矩形大小；
初步的候选区域ri和rj之间的总差异为：
S(ri，rj)＝a1Scolour(ri，rj)+a2Stexture(ri，rj)+a3Ssize(ri，rj)+a4Sfill(ri，rj)
a1，a2，a3，a4为对应的权重值；
当初步的候选区域ri和rj之间的总差异S(ri，rj)大于设定的合并阈值，则将初步的候选区域ri和rj进行合并，得到最终...

【专利技术属性】
技术研发人员：武斯全，田震，廖开沅，赵宏伟，许华婷，徐嘉勃，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11