一种基于视频分析的轨道异物侵限监测方法及系统技术方案

本发明专利技术公开了一种基于视频分析的轨道异物侵限监测方法。该方法包括步骤有轨道视频采集、去雨干扰、动态目标检测、异物类型识别，通过临近轨道设置视频监测的摄像机，将视频图像实时传输给轨道视频监测平台，然后接收的视频图像进行目标检测，当下雨时可以进行去雨干扰，从中发现动态目标，利用轨道异物检测模型对动态目标进行识别，确定异物类型和报警等级。该监测方法对视频图像基于背景模型进行动态目标识别，能够适应背景模型的环境变化，还能够通过人工智能分析确定侵限异物并报警，提高了监测的环境适应性和准确度。另外，本发明专利技术还公开了基于视频分析的轨道异物侵限监测系统。

【技术实现步骤摘要】
一种基于视频分析的轨道异物侵限监测方法及系统
本专利技术涉及轨道安全监控领域，尤其涉及一种基于视频分析的轨道异物侵限监测方法及系统。
技术介绍
近年来，我国铁路事业取得了非常快速的发展，特别是高铁及各客运专线的开通，使人们对铁路安全性尤为关注，而中国在夏季多为灾害性的暴雨天气，由于铁路线路较多，人工检查成本高、难度大。如何实现沿线铁路防洪地段的智能监测，减少人工成本，具有重要意义。据统计，大约有80%的水害发生在路基和线路上。路基水害更多的则是由于边坡失稳与防护工程不完善，容易受到因暴雨诱发的种种地质灾害的侵袭而引起的。主要水害类型有山体滑坡、泥石流、危岩落石、边坡溜坍及坍塌、倒树侵限等。现有灾害监测系统，存在误报多、实时性不强的问题，一定程度上影响了列车的行进状态，这些系统的利用率不高。综上分析，如何高效、便捷、实时、稳定的对轨道异物进行检测一直都是铁路方面的难题，急需高新技术来解决相关问题。
技术实现思路
本专利技术主要解决的技术问题是提供一种基于视频分析的轨道异物侵限监测方法及系统，解决现有技术中的对轨道异物侵限监测中因下雨影响视频准确识别、动态目标识别的准确度不高、以及缺乏人工智能识别方法等问题。为解决上述技术问题，本专利技术采用的一个技术方案是提供一种基于视频分析的轨道异物侵限监测方法，包括以下步骤：轨道视频采集，临近轨道设置对轨道进行视频监测的摄像机，所述摄像机将拍摄的视频图像实时传输给轨道视频监测平台；动态目标检测，轨道视频监测平台对接收的视频图像进行目标检测，从中发现动态目标；异物类型识别，当发现动态目标后，利用轨道异物检测模型对动态目标进行识别，确定异物类型和报警等级。优选的，在所述轨道视频采集步骤与动态目标检测之间还进一步包括去雨干扰步骤，当出现下雨天气造成对视频图像的干扰时，从视频图像中提取雨特征信息，根据所述雨特征信息从所述视频图像中去除雨纹干扰，然后对去除雨纹干扰的视频图像再进行动态目标检测；去雨干扰步骤还进一步包括：对于所述视频图像，首先是通过雨特征提取网络进行雨特征提取，得到雨密度标签和雨纹特征，然后再通过雨纹图构建网络对雨密度标签和雨纹特征恢复出雨纹图，将所述视频图像减去雨纹图得到的粗略去雨图像和所述视频图像共同输入到去雨网络中，进一步得到优化修正的去雨图像。优选的，在目标动态检测步骤中，进一步包括背景模型初始化，像素点分类和更新背景模型；所述背景模型初始化，对视频中单帧图像序列进行选择，从中确定所需的视频图像帧作为目标检测的背景模型；所述像素点分类，当输入一帧视频图像时，需要对该视频图像中的像素识别属于对应的背景模型中的像素或者新出现的像素，如果不是背景模型中的像素，则该像素则属于前景，则用于判断识别目标是否出现；更新背景模型，对于固定场景进行视频拍摄，包括选择在不同时段的单帧图像作为目标检测的背景模型并加以更新。优选的，所述更新背景模型包括无记忆更新、时间取样更新和空间邻域更新。优选的，在所述异物类型识别步骤中进一步包括轨道异物检测模型训练，利用轨道异物数据库和深度学习卷积神经网络构建轨道异物检测模型，将所述轨道异物数据库作用于深度学习卷积神经网络，对深度学习卷积神经网络的深度卷积层及池化层进行异物特征提取，学习相关异物种类，对深度学习卷积神经网络反复迭代训练，使该网络不断收敛，并且以二值交叉熵损失函数作为衡量网络偏移的标准，实现异物检测和分类，获取最佳的轨道异物检测模型。优选的，还包括轨道异物检测，将经过动态目标检测后的实时视频图像输入到经过训练的轨道异物检测模型，实时检测动态目标中异物种类，若发生异物侵限告警，输出异物位置及识别置信度。本专利技术还提供一种基于视频分析的轨道异物侵限监测系统实施例，包括视频采集单元、动态目标检测单元、视频分析单元；其中，视频采集单元包括临近轨道设置对轨道进行视频监测的摄像机，所述摄像机将拍摄的视频图像实时传输给动态目标检测单元；动态目标检测单元对接收的视频图像进行目标检测，从中发现动态目标；视频分析单元则在发现动态目标后，利用轨道异物模型对动态目标进行识别，确定异物类型和报警等级。优选的，还包括图像去雨单元，用于当出现下雨天气造成对视频图像的干扰时，从视频采集单元获取的视频图像中提取雨特征信息，根据所述雨特征信息从所述视频图像中去除雨纹干扰，然后对去除雨纹干扰的视频图像再通过动态目标检测单元进行动态目标检测。优选的，所述图像去雨单元包括雨特征提取网络、雨纹图构建网络和去雨网络，对于原视频图像，首先是通过雨特征提取网络进行雨特征提取，得到雨密度标签和雨纹特征，然后再通过雨纹图构建网络对雨密度标签和雨纹特征恢复出雨纹图，将原视频图像减去雨纹图得到的粗略去雨图像和原视频图像共同输入到去雨网络中，进一步得到优化的修正去雨图像。优选的，对于动态目标检测单元，进一步包括背景模型建立模块、识别场景目标模块和更新背景模型模块。本专利技术的有益效果是：本专利技术公开了一种基于视频分析的轨道异物侵限监测方法。该方法包括步骤有轨道视频采集、去雨干扰、动态目标检测、异物类型识别，通过临近轨道设置视频监测的摄像机，将视频图像实时传输给轨道视频监测平台，然后接收的视频图像进行目标检测，当下雨时可以进行去雨干扰，从中发现动态目标，利用轨道异物检测模型对动态目标进行识别，确定异物类型和报警等级。该监测方法对视频图像基于背景模型进行动态目标识别，能够适应背景模型的环境变化，还能够通过人工智能分析确定侵限异物并报警，提高了监测的环境适应性和准确度。另外，本专利技术还公开了基于视频分析的轨道异物侵限监测系统。附图说明图1是根据本专利技术基于视频分析的轨道异物侵限监测方法一实施例的流程图；图2是根据本专利技术基于视频分析的轨道异物侵限监测方法一实施例中去雨单元组成原理图；图3是根据本专利技术基于视频分析的轨道异物侵限监测方法一实施例中雨特征提取网络原理图；图4是根据本专利技术基于视频分析的轨道异物侵限监测方法一实施例中雨纹图构建网络原理图；图5是根据本专利技术基于视频分析的轨道异物侵限监测方法一实施例中去雨网络原理图;图6是根据本专利技术基于视频分析的轨道异物侵限监测系统一实施例组成单元图；图7是根据本专利技术基于视频分析的轨道异物侵限监测系统一实施例组成单元之间的工作流程图。具体实施方式为了便于理解本专利技术，下面结合附图和具体实施例，对本专利技术进行更详细的说明。附图中给出了本专利技术的较佳的实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容的理解更加透彻全面。需要说明的是，除非另有定义，本说明书所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本专利技术。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。图1显示了本专利技术基于视频分析本文档来自技高网...

【技术保护点】
1.一种基于视频分析的轨道异物侵限监测方法，其特征在于，包括以下步骤：/n轨道视频采集，临近轨道设置对轨道进行视频监测的摄像机，所述摄像机将拍摄的视频图像实时传输给轨道视频监测平台；/n动态目标检测，轨道视频监测平台对接收的视频图像进行目标检测，从中发现动态目标；/n异物类型识别，当发现动态目标后，利用轨道异物检测模型对动态目标进行识别，确定异物类型和报警等级。/n

【技术特征摘要】
1.一种基于视频分析的轨道异物侵限监测方法，其特征在于，包括以下步骤：
轨道视频采集，临近轨道设置对轨道进行视频监测的摄像机，所述摄像机将拍摄的视频图像实时传输给轨道视频监测平台；
动态目标检测，轨道视频监测平台对接收的视频图像进行目标检测，从中发现动态目标；
异物类型识别，当发现动态目标后，利用轨道异物检测模型对动态目标进行识别，确定异物类型和报警等级。


2.根据权利要求1所述的基于视频分析的轨道异物侵限监测方法，其特征在于，在所述轨道视频采集步骤与动态目标检测步骤之间还进一步包括去雨干扰步骤，出现下雨天气造成对视频图像的干扰，则从视频图像中提取雨特征信息，根据所述雨特征信息从所述视频图像中去除雨纹干扰，然后对去除雨纹干扰的视频图像再进行动态目标检测；
去雨干扰步骤还进一步包括：对于所述视频图像，首先是通过雨特征提取网络进行雨特征提取，得到雨密度标签和雨纹特征，然后再通过雨纹图构建网络对雨密度标签和雨纹特征恢复出雨纹图，将所述视频图像减去雨纹图得到的粗略去雨图像和所述视频图像共同输入到去雨网络中，进一步得到优化修正的去雨图像。


3.根据权利要求1所述的基于视频分析的轨道异物侵限监测方法，其特征在于，在目标动态检测步骤中，进一步包括背景模型初始化，像素点分类和更新背景模型；所述背景模型初始化，对视频中单帧图像序列进行选择，从中确定所需的视频图像帧作为目标检测的背景模型；所述像素点分类，当输入一帧视频图像时，需要对该视频图像中的像素识别属于对应的背景模型中的像素或者新出现的像素，如果不是背景模型中的像素，则该像素则属于前景，则用于判断识别目标是否出现；更新背景模型，对于固定场景进行视频拍摄，包括选择在不同时段的单帧图像作为目标检测的背景模型并加以更新。


4.根据权利要求3所述的基于视频分析的轨道异物侵限监测方法，其特征在于，所述更新背景模型包括无记忆更新、时间取样更新和空间邻域更新。


5.根据权利要求1所述的基于视频分析的轨道异物侵限监测方法，其特征在于，在所述异物类型识别步骤中进一步包括轨道异物检测模型训练，利用轨道异物数据库和深度学习...

【专利技术属性】
技术研发人员：李阳，陈晓冈，高涛，王列伟，吴国强，夏宝前，张周磊，王远远，
申请(专利权)人：南京派光智慧感知信息技术有限公司，中国铁路上海局集团有限公司宁波工务段，
类型：发明
国别省市：江苏;32