【技术实现步骤摘要】
一种受电弓拉弧自动检测方法
[0001]本专利技术涉及一种轨道交通
,尤其是一种基于计算机视觉和机器学习的受电弓拉弧自动检测方法。
技术介绍
[0002]随着信息技术的发展,越来越多的设备制造商探索将在线检测设备应用到城市轨道交通行业中,近几年投入运营的电动客车基本都安装了受电弓视频监控装置,但大多数仅能对视频画面进行记录,无法对视频画面中拉弧画面进行检测和识别,只能通过人工回看视频的方式对拉弧画面进行识别,同时受电弓工作状态检测对保障城市轨道交通安全运营具有重要的意义。因此,能够对受电弓监控视频进行准确、高效和智能分析的需求日渐迫切。
技术实现思路
[0003]针对现有技术存在的问题,本专利技术的目的在于提供一种准确性稿、效率高的受电弓拉弧自动检测方法。
[0004]为实现上述目的,本专利技术一种受电弓拉弧自动检测方法,具体为:
[0005]1)用摄像机拍摄拉弧目标区域的图像;
[0006]2)使用二值化方法,将图像中像素亮度超过阈值的像素点设置为全白,将未达到阈值的像素点设置为全黑,对高亮区域进行强化;
[0007]3)使用基于高斯混合前背景分割法,将图像高差异部分的前景与图像低差异部分的背景进行分离,将前景像素点设置为全白,将背景像素点设置为全黑;
[0008]4)将步骤2)、步骤3)输出的结果进行“与”运算后,得到的图像为拉弧目标检测轮廓;
[0009]5)对拉弧目标检测轮廓的图像进行截取后,使用CNN卷积神经网络对检测区域进行判定,对满足 ...
【技术保护点】
【技术特征摘要】
1.一种受电弓拉弧自动检测方法,其特征在于,该检测方法具体为:1)用摄像机拍摄拉弧目标区域的图像;2)使用二值化方法,将图像中像素亮度超过阈值的像素点设置为全白,将未达到阈值的像素点设置为全黑,对高亮区域进行强化;3)使用基于高斯混合前背景分割法,将图像高差异部分的前景与图像低差异部分的背景进行分离,将前景像素点设置为全白,将背景像素点设置为全黑;4)将步骤2)、步骤3)输出的结果进行“与”运算后,得到的图像为拉弧目标检测轮廓;5)对拉弧目标检测轮廓的图像进行截取后,使用CNN卷积神经网络对检测区域进行判定,对满足判定条件的图片识别为拉弧图像。2.如权利要求1所述的受电弓拉弧自动检测方法,其特征在于,所述步骤2)中,二值化方法的实现公式为:其中,dst(x,y)为处理后图像中坐标为x,y像素点的灰度值,value(x,y)为输入图像中作为表x,y像素点的灰度值,thresh为设定的阈值。3.如权利要求2所述的受电弓拉弧自动检测方法,其特征在于,所述阈值为254。4.如权利要求1所述的受电弓拉弧自动检测方法,其特征在于,所述步骤3)中,高斯混合前背景分割法运用混合高斯背景建模,图像的每一个像素点按照不同权值的多个高斯分布的叠加来建模,每种高斯分布模型对应一个可能产生像素点所呈现的颜色状态,各个高斯分布的权值和分布参数随时间更新,设x
t
为t时刻的像素样本,其中包含RGB三通道颜色值,使用向量进行表示:x
t
=[x
tR x
tG
x
tB
]其服从的混合高斯分布概率密度函数为:服从的混合高斯分布概率密度函数为:其中,K为分布模式总数,η(x
t
,μ
i,t
,τ
i,t
)为t时刻的第i个高斯分布,μ
i,t
为其RGB三颜色通道的均值矩阵,τ
i,t
为RGB三颜色通道值协方差组成的对角矩阵,w
i,t
为t时刻第i个高斯分布的权重。式中涉及到矩阵计算,“T”表示对矩阵进行转置操作,
“‑
1”表示对矩阵的逆运算。5.如权利要求1所述的受电弓拉弧自动检测方法,其特征在于,所述步骤3)的具体步骤为:A、每个新的像素样本x
t
同当前K个模型进行比较,直到找到匹配新的像素样本的分布模型;B、如果所匹配的模型符合背景要求,则判定该像素属于背景,否则属于前景;C、如果判断属于背景,计算...
【专利技术属性】
技术研发人员:时宝雯,周姜,
申请(专利权)人:北京京港地铁有限公司,
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。