一种列车车门的安全状态检测方法、系统和相关装置制造方法及图纸

本申请提供一种列车车门的安全状态检测方法、系统和相关装置，涉及列车安全检测领域，包括：接收检测请求，并采集列车车门的高清视频数据；将所述高清视频数据通过RTMP协议传输至后端处理设备；在所述后端设备中，对所述高清视频数据进行预处理，得到包含特征点的图像数据；将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果；整合各特征点的所述识别结果，得到车门检测结果。本申请通过对列车车门的高清视频数据调用预设深度学习模型进行检测处理，可以对货运列车车门装载加固状态进行自动识别，无需人工现场检查，节省了发车时间，有效保证了货运列车的行车安全。车安全。车安全。

【技术实现步骤摘要】
一种列车车门的安全状态检测方法、系统和相关装置


[0001]本申请涉及列车安全检测领域，特别涉及一种列车车门的安全状态检测方法和系统。

技术介绍

[0002]车门装载加固是保证运行安全和货物安全的重要措施，为了保证货运列车的行车安全，需要在货物装载完成后发车前，需要对货运列车的车门装载加固状态进行检查，现有的铁路列车检查方式主要依靠人工肉眼检查的作业模式，逐节车厢进行检查，工作量大，一列50节的列车，检查下来需要约40分钟，受人的精力限制，不可避免的会出现疲劳，进而容易因为疏忽，带来漏检的风险，尤其是不易发现的问题，检测准确率较低，造成行车安全隐患。

技术实现思路

[0003]本申请的目的是提供一种列车车门的安全状态检测方法和安全状态检测检测系统，能够自动识别车门的安全状态。
[0004]为解决上述技术问题，本申请提供一种列车车门的安全状态检测方法，具体技术方案如下：
[0005]接收检测请求，并采集列车车门的高清视频数据；所述列车车门包括中门和小门，所述中门包括门栓和中门插销，所述小门包括小门锁扣；
[0006]将所述高清视频数据通过RTMP协议传输至后端处理设备；
[0007]在所述后端设备中，对所述高清视频数据进行预处理，得到包含特征点的图像数据；所述特征点包括所述门栓、所述中门插销和所述小门锁扣；
[0008]将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果；
[0009]整合各特征点的所述识别结果，得到车门检测结果；其中，在所述列车车门存在安全异常时，所述车门检测结果至少包含车厢编号和对应的异常特征点。
[0010]可选的，在所述后端设备中，对所述高清视频数据进行预处理，得到包含特征点的图像数据包括：
[0011]对所述高清视频数据进行解析，根据车轴区分车厢，并识别各所述车厢的车厢编号；
[0012]对每个所述车厢进行车厢识别，并标记出中门和小门；在所述高清视频数据中确定包含所述中门和/或所述小门的图像数据；
[0013]将所述中门和所述小门作为特征，对所述图像数据进行特征点识别，标记得到特征点。
[0014]可选的，将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果之前，还包括：
[0015]获取学习样本；
[0016]对所述学习样本进行图像大小调整、图像翻转、随机擦除、自动增强和随机修补中的至少一项处理，得到训练样本；
[0017]以ResNet为骨干网络，对接公共特征聚集网络，并从不同场景下包含特征点图片的卷积网络中提取公共特征，得到特征图；所述预设深度学习模型的损失函数包括交叉熵损失、人脸识别算法损失和三联体损失；
[0018]对所述特征图进行聚合得到全局向量；
[0019]对所述全局向量进行归一化、头部线性处理和头部简化处理，得到预设深度学习模型。
[0020]可选的，还包括：
[0021]在所述骨干网络中添加注意力类non
‑
local模块和IBN模块。
[0022]可选的，对所述高清视频数据进行预处理包括：
[0023]获取所述高清视频数据中包含所述中门和/或所述小门的目标图像数据；
[0024]根据图像质量评分规则确定所述中门和/或所述小门的清晰度确定各所述目标图像数据的图像质量；
[0025]保留所述图像质量高于预设质量评分的目标图像数据。
[0026]本申请还提供一种列车车门的安全状态检测系统，包括：
[0027]采集模块，用于接收检测请求，并采集列车车门的高清视频数据；所述列车车门包括中门和小门，所述中门包括门栓和中门插销，所述小门包括小门锁扣；
[0028]数据传输模块，用于将所述高清视频数据通过RTMP协议传输至后端处理设备；
[0029]后端设备，用于对所述高清视频数据进行预处理，得到包含特征点的图像数据；所述特征点包括所述门栓、所述中门插销和所述小门锁扣；将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果；整合各特征点的所述识别结果，得到车门检测结果；其中，在所述列车车门存在安全异常时，所述车门检测结果至少包含车厢编号和对应的异常特征点。
[0030]可选的，所述后端设备包括：
[0031]图像解析单元，用于对所述高清视频数据进行解析，根据车轴区分车厢，并识别各所述车厢的车厢编号；对每个所述车厢进行车厢识别，并标记出中门和小门；在所述高清视频数据中确定包含所述中门和/或所述小门的图像数据；将所述中门和所述小门作为特征，对所述图像数据进行特征点识别，标记得到特征点。
[0032]可选的，还包括：
[0033]模型训练模块，用于获取学习样本；对所述学习样本进行图像大小调整、图像翻转、随机擦除、自动增强和随机修补中的至少一项处理，得到训练样本；以ResNet为骨干网络，对接公共特征聚集网络，并从不同场景下包含特征点图片的卷积网络中提取公共特征，得到特征图；所述预设深度学习模型的损失函数包括交叉熵损失、人脸识别算法损失和三联体损失；对所述特征图进行聚合得到全局向量；对所述全局向量进行归一化、头部线性处理和头部简化处理，得到预设深度学习模型。
[0034]本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
[0035]本申请还提供一种服务器，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如上所述的方法的步骤。
[0036]本申请提供一种列车车门的安全状态检测方法，包括：接收检测请求，并采集列车车门的高清视频数据；所述列车车门包括中门和小门，所述中门包括门栓和中门插销，所述小门包括小门锁扣；将所述高清视频数据通过RTMP协议传输至后端处理设备；在所述后端设备中，对所述高清视频数据进行预处理，得到包含特征点的图像数据；所述特征点包括所述门栓、所述中门插销和所述小门锁扣；将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果；整合各特征点的所述识别结果，得到车门检测结果；其中，在所述列车车门存在安全异常时，所述车门检测结果至少包含车厢编号和对应的异常特征点。
[0037]本申请通过对列车车门的高清视频数据调用预设深度学习模型进行检测处理，可以对货运列车车门装载加固状态进行自动识别，无需人工现场检查，节省了发车时间，有效保证了货运列车的行车安全。
[0038]本申请还提供一种列车车门的安全状态检测系统，具有上述有益效果，此处不再赘述。
附图说明
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车车门的安全状态检测方法，其特征在于，包括：接收检测请求，并采集列车车门的高清视频数据；所述列车车门包括中门和小门，所述中门包括门栓和中门插销，所述小门包括小门锁扣；将所述高清视频数据通过RTMP协议传输至后端处理设备；在所述后端设备中，对所述高清视频数据进行预处理，得到包含特征点的图像数据；所述特征点包括所述门栓、所述中门插销和所述小门锁扣；将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果；整合各特征点的所述识别结果，得到车门检测结果；其中，在所述列车车门存在安全异常时，所述车门检测结果至少包含车厢编号和对应的异常特征点。2.根据权利要求1所述的安全状态检测方法，其特征在于，在所述后端设备中，对所述高清视频数据进行预处理，得到包含特征点的图像数据包括：对所述高清视频数据进行解析，根据车轴区分车厢，并识别各所述车厢的车厢编号；对每个所述车厢进行车厢识别，并标记出中门和小门；在所述高清视频数据中确定包含所述中门和/或所述小门的图像数据；将所述中门和所述小门作为特征，对所述图像数据进行特征点识别，标记得到特征点。3.根据权利要求1所述的安全状态检测方法，其特征在于，将所述包含特征点的图像数据输入预设深度学习模型，得到各特征点的识别结果之前，还包括：获取学习样本；对所述学习样本进行图像大小调整、图像翻转、随机擦除、自动增强和随机修补中的至少一项处理，得到训练样本；以ResNet为骨干网络，对接公共特征聚集网络，并从不同场景下包含特征点图片的卷积网络中提取公共特征，得到特征图；所述预设深度学习模型的损失函数包括交叉熵损失、人脸识别算法损失和三联体损失；对所述特征图进行聚合得到全局向量；对所述全局向量进行归一化、头部线性处理和头部简化处理，得到预设深度学习模型。4.根据权利要求3所述的安全状态检测方法，其特征在于，还包括：在所述骨干网络中添加注意力类non
‑
local模块和IBN模块。5.根据权利要求1所述的安全状态检测方法，其特征在于，对所述高清视频数据进行预处理包括：获取所述高清视频数据中包含所述中门和/或所述小门的目标图像数据；根据图像质量评分规则确定所述中门和/或所述小门的清晰度确定各所述目标图像数据的图...

【专利技术属性】
技术研发人员：梁志海，刘洪青，项书峰，张慧，聂春梅，都丰林，于万伟，季中林，李小青，于海泉，吕德勇，种传升，
申请(专利权)人：中国铁路济南局集团有限公司，
类型：发明
国别省市：