一种基于图像的铁路入侵物体识别方法技术

本发明专利技术公开了一种基于图像的铁路入侵物体识别方法。识别方法步骤：基于图像的铁路入侵物体识别系统部署、获取视频图像检测、模型缺失部分提取以及人工智能分析设备通过网口将所述铁路入侵物体轮廓上报给管理系统。通过铁路区域和轨道建模，分析获取了铁路区域和轨道信息数据，隔离了环境、光照等因素对铁路区域及轨道图像处理的影响；使用SAM算法有效提升了铁路区域及轨道图像位置分析的可靠性。使用铁路和入侵物体交汇点作为提取起始点，提升了入侵物体识别的针对性。使用SAM算法，对入侵物体在未经过专门训练的情况下自动进行整体提取。通过网口将提取出的入侵物体图像进行上报，便于统计入侵物体信息和进一步识别入侵物体特征。体特征。体特征。

【技术实现步骤摘要】
一种基于图像的铁路入侵物体识别方法


[0001]本专利技术涉及铁路安全监控领域，尤其是涉及一种基于图像的铁路入侵物体识别方法。

技术介绍

[0002]铁路运维安全是铁路安全的重中之重，由于铁路运输路线长，运输车辆惯性大，如果铁路中有物体入侵，必须要尽快予以识别，并提前采取应对措施。过去铁路中采用人员巡查或者盯控摄像头的方式进行，效率较低，实时性也不好。新兴的人工智能技术采用YOLO等算法进行数据分析，解决了分析的实时性，但是由于分类和物体识别算法的局限性，仅能够对已知物体如汽车、行人等进行识别，无法满足铁路运维需要；识别算法基于物体本身被识别的识别框位置，并不能有效判断对铁路运维的影响效果；识别前需要手动设置关注区域，操作难度和局限性较大。

技术实现思路

[0003]鉴于现有技术存在的问题，本专利技术提供一种基于图像的铁路入侵物体识别方法。本方法主要针对铁路轨道范围内具有一定体积的物体进行判断和图像提取。
[0004]本专利技术采取的技术方案是：一种基于图像的铁路入侵物体识别方法，其特征在于，所述识别方法包括以下步骤：S1、基于图像的铁路入侵物体识别系统部署首先执行系统部署过程，系统部署过程为：将N台视频采集设备连接到边缘人工智能分析设备，所述边缘人工智能分析设备获取N台视频采集设备采集到的视频图像数据，对N台视频采集设备所拍摄的铁路区域进行检测，并根据检测信息对铁路区域和轨道进行建模，模型包含所述铁路区域轨道的形状、经过几何变换后计算出的所述铁路区域所含轨道实际长度，以及所述铁路区域轨道在图像中的位置；建模完成后，进入步骤S2。
[0005]S2、获取视频图像检测所述基于图像的铁路入侵物体识别系统部署完成后，所述视频采集设备持续采集现场图像信息并传输给边缘人工智能分析设备；所述边缘人工智能分析设备对N台视频采集设备从现场传来的视频图像数据进行持续检测，判断视频图像数据中铁路区域轨道的长度、形状参数是否与所述模型一致，如果检测到所述视频采集设备传来的视频图像数据中铁路区域轨道图像与模型不一致，则进入步骤S3。
[0006]S3、模型缺失部分提取首先所述边缘人工智能分析设备通过比对模型和所述视频采集设备从现场传来的视频图像，确定所述模型在视频图像中的缺失位置；确定模型缺失位置后，以识别出模型中轨道缺失点的边缘作为起点，沿着轨道方向从未缺失轨道向缺失轨道位置进行边缘检测，将对所述模型遮掩的入侵物体轮廓剪切出来，识别物体入侵；剪切出来的物体轮廓就是提取的所述铁路入侵物体。
[0007]S4、所述人工智能分析设备通过网口将所述铁路入侵物体轮廓上报给管理系统。
[0008]本方法采用的识别系统由布设于铁路沿线的视频采集设备、边缘人工智能分析设备构成。视频采集设备通过网络连接到边缘人工智能分析设备，边缘人工智能分析设备具备网络接口，能够连接视频采集设备和管理集群系统，管理集群系统可接收入侵物体上报。
[0009]识别系统通过网络连接视频采集设备和边缘人工智能分析设备，并进行部署，部署过程为获取采集图像，系统对铁路轨道进行建模；部署完成后，系统进入运行状态，在运行状态中，系统利用模型对视频中铁路轨道范围进行完整性检测，以判断是否有物体侵入；当发现有物体侵入则通过边缘检测，通过边缘检测提取物体轮廓，识别物体入侵；通过自动建模建立关注对象的模型，通过图像识别铁路轨道轮廓损失判决物体入侵。
[0010]本专利技术所产生的有益效果是：本方法通过铁路区域轨道建模，抽取了铁路区域和轨道图像数据，隔离了环境、光照等因素对铁路区域轨道图像处理的影响；在提取铁路区域轨道图像数据过程中，使用经过铁路数据强化学习的SAM算法，有效提升了铁路区域及轨道图像位置的可靠性。使用铁路和入侵物体交汇点作为提取起始点，提升入侵物体识别方法的普适性。使用SAM算法，可以对入侵物体在未经过专门训练的情况下自动进行整体提取。可通过网络接口将提取出的入侵物体图像进行上报，便于统计入侵物体信息和进一步识别入侵物体特征，对未知物体处理能力强，更适合铁路安全领域需求。
[0011]本方法进行铁路识别建模使用Segment Anything Model 算法(简称SAM算法)结合边缘检测，通过对铁路区域及轨道识别，进行轨道建模，不需要对各种环境下的轨道进行预训练，即可识别一般轨道样式，并对铁路区域形状进行记录。
附图说明
[0012]图1是本专利技术系统构成框图；图2是本专利技术实施例中系统部署流程示意图；图3是本专利技术实施例中图像检测和模型缺失部分提取流程示意图；图4是本专利技术实施例中系统部署场景示意图；图5是本专利技术列举的铁路入侵物体图像检测和提取场景示意图。
具体实施方式
[0013]以下结合附图和实施例对本专利技术作进一步说明。
[0014]如图1所示，基于图像的铁路入侵物体识别系统由N台部署于铁路现场的视频采集设备和与之相连的边缘人工智能分析设备构成，视频采集设备和边缘人工智能分析设备之间使用网络接口连接（称为采集网口）；边缘人工智能分析设备具有额外的网络接口（称为上报网口），上报网口可连接管理系统，用于上报和管理。
[0015]本方法包括以下步骤：S1、基于图像的铁路入侵物体识别系统部署首先执行系统部署过程，系统部署过程为：将N台视频采集设备连接到边缘人工智能分析设备，边缘人工智能分析设备获取N台视频采集设备采集到的视频图像数据，对N台视频采集设备所拍摄的铁路区域利用SAM进行检测，并对铁路区域和轨道进行建模，模型包含铁路区域轨道的形状、经过几何变换后计算出的铁路区域所含轨道实际长度，以及铁路
区域轨道在图像中的位置；建模完成后，进入步骤S2。
[0016]对N台视频采集设备所拍摄的铁路区域进行检测是使用强化过铁路对象识别的SAM人工智能算法模型，将轨道、砧木、地基作为一个铁路区域整体进行识别，将平行的一对轨道作为轨道整体进行识别。
[0017]S2、获取视频图像检测基于图像的铁路入侵物体识别系统部署完成后，边缘人工智能分析设备对N台视频采集设备从现场传来的视频图像数据进行持续检测，判断视频图像数据中铁路区域轨道的长度、形状参数是否与模型一致，如果检测到视频采集设备传来的视频图像数据中铁路区域轨道图像与模型不一致，则进入步骤S3。
[0018]S3、模型缺失部分提取首先边缘人工智能分析设备通过比对模型和视频采集设备从现场传来的视频图像，确定模型在视频图像中的缺失位置；确定模型缺失位置后，以识别出模型中轨道缺失点的边缘作为起点，沿着轨道方向从未缺失轨道向缺失轨道位置进行边缘检测，将对所述模型遮掩的入侵物体轮廓剪切出来，识别物体入侵；剪切出来的物体轮廓就是提取的所述铁路入侵物体。
[0019]使用SAM算法对铁路区域内的位置进行标记，并以标记为核心进行铁路区域和轨道识别。
[0020]S4、人工智能分析设备通过网口将所述铁路入侵物体轮廓上报给管理系统。
[0021]实施例：本方法具体工作步骤如下：1）设备连接。工程人员按照图1连接系统，启动视频采集设备和边本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的铁路入侵物体识别方法，其特征在于，所述识别方法包括以下步骤：S1、基于图像的铁路入侵物体识别系统部署首先执行系统部署过程，系统部署过程为：将N台视频采集设备连接到边缘人工智能分析设备，所述边缘人工智能分析设备获取N台视频采集设备采集到的视频图像数据，对N台视频采集设备所拍摄的铁路区域进行检测，并根据检测信息对铁路区域和轨道进行建模，模型包含所述铁路区域轨道的形状、经过几何变换后计算出的所述铁路区域所含轨道实际长度，以及所述铁路区域轨道在图像中的位置；建模完成后，进入步骤S2；S2、现场视频图像检测所述基于图像的铁路入侵物体识别系统部署完成后，视频采集设备持续采集现场图像信息并传输给边缘人工智能分析设备；所述边缘人工智能分析设备对N台视频采集设备从现场传来的视频图像数据进行持续检测，判断视频图像数据中铁路区域轨道的长度、形状参数是否与所述模型一致，如果检测到所述视频采集设备传来的视频图像数据中铁路区域轨道图像与模型...

【专利技术属性】
技术研发人员：秦嗣波，赵海，刘旭，郝泽斌，来冰，邹华勇，郭智勇，
申请(专利权)人：天津七一二移动通信有限公司，
类型：发明
国别省市：