基于分割模型与单样本学习的轨道检测方法及系统技术方案

本申请提供一种基于分割模型与单样本学习的轨道检测方法及系统，所述方法先获取含有轨道特征的第一待预测图像，再将所述第一待预测图像输入至预训练的分割模型，得到分割掩膜；再获取含有轨道特征的第二待预测图像以及获取第一预测信息，根据所述分割掩膜以及所述第一预测信息，将所述第二待预测图像执行单样本学习，得到第一目标图像，最后通过检测所述第一目标图像中的轨道参数判断轨道上是否存在入侵目标，其中，所述轨道参数包括长度参数、宽度参数、入侵目标参数，以解决轨道上入侵目标的检测准确率低的问题。标的检测准确率低的问题。标的检测准确率低的问题。

【技术实现步骤摘要】
基于分割模型与单样本学习的轨道检测方法及系统


[0001]本申请涉及计算机视觉领域，尤其涉及一种基于分割模型与单样本学习的轨道检测方法及系统。

技术介绍

[0002]语义分割是计算机视觉领域中的一项重要任务，通过将图像中的每个像素分配到特定的语义类别中，可以实现对图像中物体的准确识别与定位。在铁路交通领域，铁路上入侵目标会给铁路交通带来很大的安全隐患。如果能够在铁轨图像中进行语义分割，就可以对铁路上的入侵目标进行有效的检测，为铁路交通的安全提供保障。
[0003]可以通过多种方法进行车轨图像的语义分割，例如使用深度学习模型进行像素级分类。然而，由于车轨图像的特殊性质，如光照变化、天气变化、图像噪声等。
[0004]利用图像处理方法，如基于阈值的二值化、边缘检测和形态学处理等对车轨图像进行处理。然而，这些方法的效果受到多个因素的影响，如光照、天气、图像噪声等，容易出现误检、漏检等问题，导致轨道上入侵目标的检测准确率低。

技术实现思路

[0005]本申请提供一种基于分割模型与单样本学习的轨道检测方法及系统，以解决轨道上入侵目标的检测准确率低的问题。
[0006]第一方面，本申请提供一种基于分割模型与单样本学习的轨道检测方法，包括：
[0007]获取含有轨道特征的第一待预测图像；
[0008]将所述第一待预测图像输入至预训练的分割模型，以得到分割掩膜，所述分割模型为segment
‑
anything分割模型；
[0009]获取第一预测信息，所述第一预测信息为第一预设图像的特征信息和/或第一预设图像的掩膜；
[0010]获取含有轨道特征的第二待预测图像；
[0011]根据所述分割掩膜以及所述第一预测信息，将所述第二待预测图像执行单样本学习，以得到第一目标图像；
[0012]检测所述第一目标图像中的轨道参数，所述轨道参数包括长度参数、宽度参数、入侵目标参数。
[0013]可选的，将所述第一待预测图像，输入至预训练的分割模型，以得到分割掩膜，包括，
[0014]获取所述第一待预测图像的特征点，以得到点类特征；
[0015]将第二预设图像的轨道特征以及所述点类特征输入至图像解码器；
[0016]基于自注意力机制和互注意力机制融合所述第二预设图像的轨道特征以及点类特征，以得到融合特征图；
[0017]将所述融合特征图输入至卷积神经网络，利用上采样得到第一掩膜；
[0018]将所述融合特征图输入至人工神经网络，利用像素点判定得到第二掩膜；
[0019]生成分割掩膜，所述分割掩膜为所述第一掩膜与所述第二掩膜的乘积。
[0020]可选的，获取第一预测信息，包括，
[0021]将所述第一预设图像输入至卷积神经网络，以得到所述第一预设图像的特征信息；
[0022]和/或，
[0023]将所述第一预设图像预分割，以得到所述第一预设图像的掩膜。
[0024]可选的，检测所述第一目标图像中的轨道参数，包括：
[0025]定位所述第一目标图像上的两条轨道；
[0026]对比两条所述轨道的长度和/或宽度；
[0027]若两条所述轨道的长度大于长度阈值，和/或，两条所述轨道的宽度大于宽度阈值，则标记所述第一目标图像为第一异常目标图像。
[0028]可选的，所述方法还包括：
[0029]将所述第一待预测图像、所述第二待预测图像输入至分割模型中，以得到入侵目标掩膜；
[0030]对比所述入侵目标掩膜与所述分割掩膜的距离；
[0031]若所述距离小于或等于预设距离阈值，则将分割出所述入侵目标掩膜的所述第一待预测图像和/或第二待预测图像标记为第二异常目标图像。
[0032]可选的，检测所述第一目标图像中的轨道参数，包括：
[0033]对比所述第一目标图像上两条所述轨道的长度，以得到截断轨道图像，所述截断轨道图像为两条轨道中长度相对较短轨道的分割图像；
[0034]定位所述截断轨道图像的截断位置；
[0035]对所述截断位置执行点式特征标记，以得到点式标记图像；
[0036]利用所述点式标记图像检测所述截断轨道上是否存在入侵目标；
[0037]若所述截断轨道上存在入侵目标，则标记所述第一目标图像为第一异常目标图像。
[0038]可选的，利用所述点式标记图像检测所述截断轨道上是否存在入侵目标，包括：
[0039]将所述点式标记图像输入至预训练的分割模型，以得到截断轨道掩膜；
[0040]若所述截断轨道掩膜中存在入侵目标掩膜，则所述截断轨道上存在入侵目标。
[0041]可选的，利用所述点式标记图像检测所述截断轨道上是否存在入侵目标，还包括：
[0042]根据所述预设入侵目标掩膜以及第二预测信息，对所述点式标记图像执行单样本学习，以得到第二目标图像，所述第二预测信息为所述预设入侵目标掩膜的特征信息；
[0043]利用所述轨道参数检测第二目标图像中是否存在所述入侵目标掩膜；
[0044]若所述截断轨道掩膜中存在所述入侵目标掩膜，则所述截断轨道上存在入侵目标。
[0045]第二方面，本申请提供一种基于分割模型与单样本学习的轨道检测系统，包括：采集单元、处理单元以及检测单元，其中，所述采集单元用于获取含有轨道特征的第一待预测图像；还用于获取含有轨道特征的第二待预测图像；以及，获取第一预测信息，所述第一预测信息为第一预设图像的特征信息和/或第一预设图像的掩膜；所述处理单元用于将所述
第一待预测图像，输入至预训练的分割模型，以得到分割掩膜，所述分割模型为segment
‑
anything分割模型；还用于根据所述分割掩膜以及所述第一预测信息，将所述第二待预测图像执行单样本学习，以得到第一目标图像；所述检测单元用于检测所述第一目标图像中的轨道参数，所述轨道参数包括长度参数、宽度参数、入侵目标参数。
[0046]可选的，所述检测单元还用于定位所述第一目标图像上的两条轨道，并对比两条所述轨道的长度和/或宽度，若两条所述轨道的长度大于长度阈值，和/或，两条所述轨道的宽度大于宽度阈值，则标记所述第一目标图像为第一异常目标图像。
[0047]由以上技术方案可知，本申请提供一种基于分割模型与单样本学习的轨道检测方法及系统，所述方法先获取含有轨道特征的第一待预测图像，再所述第一待预测图像输入至预训练的分割模型，得到分割掩膜；再获取含有轨道特征的第二待预测图像以及获取第一预测信息，根据所述分割掩膜以及所述第一预测信息，将所述第二待预测图像执行单样本学习，得到第一目标图像，最后通过检测所述第一目标图像中的轨道参数判断轨道上是否存在入侵目标，其中，所述轨道参数包括长度参数、宽度参数、入侵目标参数，以解决轨道上入侵目标的检测准确率低的问题。
附图说明
[0048]为了更清楚地说明本申请的技术方案，下面将对实施例中所需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分割模型与单样本学习的轨道检测方法，其特征在于，包括：获取含有轨道特征的第一待预测图像；将所述第一待预测图像输入至预训练的分割模型，以得到分割掩膜，所述分割模型为segment
‑
anything分割模型；获取第一预测信息，所述第一预测信息为第一预设图像的特征信息和/或第一预设图像的掩膜；获取含有轨道特征的第二待预测图像；根据所述分割掩膜以及所述第一预测信息，将所述第二待预测图像执行单样本学习，以得到第一目标图像；检测所述第一目标图像中的轨道参数，所述轨道参数包括长度参数、宽度参数、入侵目标参数。2.根据权利要求1所述的基于分割模型与单样本学习的轨道检测方法，其特征在于，将所述第一待预测图像输入至预训练的分割模型，以得到分割掩膜，包括，获取所述第一待预测图像的特征点，以得到点类特征；将第二预设图像的轨道特征以及所述点类特征输入至图像解码器；基于自注意力机制和互注意力机制融合所述第二预设图像的轨道特征以及点类特征，以得到融合特征图；将所述融合特征图输入至卷积神经网络，利用上采样得到第一掩膜；将所述融合特征图输入至人工神经网络，利用像素点判定得到第二掩膜；生成分割掩膜，所述分割掩膜为所述第一掩膜与所述第二掩膜的乘积。3.根据权利要求1所述的基于分割模型与单样本学习的轨道检测方法，其特征在于，获取第一预测信息，包括，将所述第一预设图像输入至卷积神经网络，以得到所述第一预设图像的特征信息；和/或，将所述第一预设图像预分割，以得到所述第一预设图像的掩膜。4.根据权利要求1所述的基于分割模型与单样本学习的轨道检测方法，其特征在于，检测所述第一目标图像中的轨道参数，包括：定位所述第一目标图像上的两条轨道；对比两条所述轨道的长度和/或宽度；若两条所述轨道的长度大于长度阈值，和/或，两条所述轨道的宽度大于宽度阈值，则标记所述第一目标图像为第一异常目标图像。5.根据权利要求1所述的基于分割模型与单样本学习的轨道检测方法，其特征在于，所述方法还包括：将所述第一待预测图像、所述第二待预测图像输入至分割模型中，以得到入侵目标掩膜；对比所述入侵目标掩膜与所述分割掩膜的距离；若所述距离小于或等于预设距离阈值，则将分割出所述入侵目标掩膜的所述第一待预测图像和/或第二待预测图像标记为第二异常目标图像。6.根据权利要求1所述的基于分割模型与单样本学习的轨道检测方法，其特征在于，检
测所述第一目标图像中的轨道参数，包括：定位所述...

【专利技术属性】
技术研发人员：李骏，尹帆，周方明，
申请(专利权)人：苏州立创致恒电子科技有限公司，
类型：发明
国别省市：