[发明专利]一种货车车辆水堵丢失故障的检测方法和系统

说明书

技术领域

本发明涉及动态图像的检测技术，具体地，涉及一种货车车辆水堵丢失故障的检测方法和系统。

背景技术

图像识别技术的研究始于六十年代，其含义是利用计算机对图像进行加工处理，以得到某些预期的效果，并从中提取有用信息，实现人对事物或现象的分析、描述、判断和识别。图像识别技术的一个核心技术为模式识别技术，它的好坏直接影响最终的高层计算机视觉处理结果。在处理方法范畴里，模式识别主要包含四种方法：统计模式识别方法（也称作决策理论法）、结构（句法）模式识别方法、神经网络模式识别方法和模糊模式识别方法。其中神经网络方法是指用神经网络的算法对图像进行识别的方法，神经网络系统是由大量简单的处理单元广泛的相互连接而形成的复杂的网络系统，是人脑神经网络系统的简化，抽象和模拟，侧重于模拟和实现人的认知过程中的感知过程、形象思维、分布式记忆和自学习自组织过程，特别适用于处理需要同时考虑许多因素和条件的，不精确和模糊的信息处理问题。而且，神经网络模式识别方法对输入模式信息的不完备或特征的缺损不太敏感，与传统的模式识别方法比较起来在背景噪声统计特性未知的情况下，其性能更好。因此，在识别正确率方面，神经网络模式识别分类器要比传统的分类器优越。

目前的图像分析系统都是采用人工室内看图检车，检车员需要逐车逐图查看。如果按照一列车60辆编组，每辆车为标准的53幅图像计算，每列车需要浏览3180幅图像，按照每列车6分钟技检时间计算，平均每秒钟要看9幅图像，即使按照4人按部件分工看图，每人每秒也需要浏览2幅图像。因此检车员劳动强度很大，极容易疲劳，再加上环境、心理等众多因素的影响，难免会产生漏检、误检。此外，随着运量的不断增加，加之车辆在运用过程中逐渐老化，货车运行的安全风险也会越来越大，因此为确保行车安全急需更加先进可靠的检测方法或检测装置。

发明内容

本发明的目的是提供一种货车车辆水堵丢失故障的检测方法和系统，用于解决自动对货车车辆水堵丢失故障的检测。

为了实现上述目的，本发明提供了一种货车车辆水堵丢失故障的检测方法，该方法包括：采集车辆图像并对采集的车辆图像进行预处理，得到预处理后的车辆图像；对预处理后的车辆图像进行特征提取，得到表示车辆图像的特征；采用预先确定的分类模型根据车辆图像的特征得到车辆水堵是否丢失的检测结果。

相应地，本发明还提供了一种货车车辆水堵丢失故障的检测系统，该系统包括：图像采集模块，用于采集车辆图像；图像预处理模块，用于对采集的车辆图像进行预处理，得到预处理后的车辆图像；特征提取模块，用于对预处理后的车辆图像进行特征提取，得到表示车辆图像的特征；分类决策模块，采用预先确定的分类模型根据车辆图像的特征得到车辆水堵是否丢失的检测结果。

通过上述技术方案，本发明通过对采集到的车辆图像进行预处理和特征提取，再将提取的特征通过预先机器学习得到的分类模型来实现针对货车车辆水堵丢失故障的自动识别与检测，使得检车的时间大幅减少，并大幅提高了线路的运量和货车的使用效率。

本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1为本发明提供的货车车辆水堵丢失故障的检测方法的流程图；以及

图2为本发明提供的货车车辆水堵丢失故障的检测系统的框图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图1为本发明提供的货车车辆水堵丢失故障的检测方法的流程图。如图1所示：采集车辆图像并对采集的车辆图像进行预处理，得到预处理后的车辆图像；对预处理后的车辆图像进行特征提取，得到表示车辆图像的特征；采用预先确定的分类模型根据车辆图像的特征得到车辆水堵是否丢失的检测结果。

其中，可利用高速连续数字照相技术进行车辆图像的采集，该技术可在高速情况下获取到稳定清晰的车辆部件图像。

其中，在车辆图像采集过程中，外界光照条件和相机自身因素会造成图像质量的下降，因此在特征提取之前需要对车辆图像进行预处理的操作，本发明采用的预处理操作主要包括车辆图像的增强和去噪，可采用邻域平均法对车辆图像进行平滑去噪，然后利用直方图均衡法对车辆图像进行增强，以增强车辆图像中部件的边缘信息，更有利于后期的特征表示。