[发明专利]基于图像的高铁线路线杆断裂与联接结构体异常检测方法

说明书

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于图像的高铁线路线杆断裂与联接结构体异常检测方法。

背景技术

中国已经成为世界上高速铁路技术发展最快的国家。我国高速铁路的线路里程、运营时速、在建规模等在世界上均处于领先水平，高速铁路日渐成为一种现代化的交通方式。目前，我国已经研发并投入使用了新型的线路检测车辆，这类检测车辆沿铁路线路行驶，并由车上的摄像头拍摄线路图像，记录线路的实时状态，对于拍摄的线路图像数据则多采用人工判读的方式进行异常检查。人工判读高铁线路图片存在着诸多问题，例如检测周期长、人力资源消耗大、检测标准不一致等，如果可以用机器视觉的相关算法，自动地进行相应检测，则由于机器工作具有速度快、可长时间运行、人力劳动强度低等优点，检测效率会有极大地提升。目前对于高铁线路中存在的某些种类的异常，已存在相应的自动化检测方法，例如申请号为201310721802.7、名称为“基于图像的铁路接触网鸟窝异常情况检测方法”的中国专利申请中提出了一种铁路接触网鸟窝异常检测的方法，该方法采用一种多窗口自适应二值化的算法，对线路结构进行提取，并通过定位鸟窝可疑区域与特征提取等手段来定位鸟窝异常。相对于线杆断裂异常(如承重线断开)与联接结构体异常(如支撑架联接处变形开裂)，鸟窝异常的定位并不需要精确的线路结构，故上述发明所采用的二值化算法与线路结构的提取方法均不适用于线杆断裂与联接结构体异常检测。相对于上述发明，本发明采用了不同的线路图像二值化与结构提取策略，在二值化过程中采用固定大小的局部窗口，将线路图像下采样至不同的尺度下进行二值化操作，并在每个尺度下选择合适大小的前景目标进行保留，最后统一至同一尺度进行合并。该算法不但能精确提取各种尺寸的线路结构，而且能够避免因采用小尺寸窗口而产生的噪声等问题。在线路结构提取上，由于断裂与联接结构体检测需要获得完整的铁路线路结构信息，本发明采用了一种骨架提取算法，对铁路线路二值图进行骨架提取，从而得到清晰而便于处理的线路结构信息。最后针对线路中存在的线杆断裂异常，通过对骨架结构进行断裂点检测，发现并定位可能出现断裂的位置，针对联接结构体异常，利用骨架结构对联接体局部图像进行提取，并利用卷积神经网络进行异常的检测与判定。

发明内容

本发明所要解决的技术问题是高速铁路线路巡检图像中线杆断裂异常与联接结构体异常的自动识别，该问题的核心是线路结构信息的精确提取与断裂位置的确定。为了解决上述问题，本发明采取了一种基于图像的高铁线路线杆断裂与联接结构体异常检测方法，包括如下步骤，

采用一种多尺度局部二值化算法对待检测的高速铁路沿线拍摄图像进行二值化处理并得到二值图像，突出线路主体，并有效排除背景干扰；

利用一种骨架提取算法对所述的二值图像进行处理，得到线路的骨架结构；

针对线路中存在的线杆断裂异常，通过分析所述线路的骨架结构进行断裂点检测，发现并定位可能出现断裂的位置；

针对联接结构体异常，利用线路骨架结构图对联接体局部图像进行提取，并利用卷积神经网络进行异常的检测与判定。

进一步地，采用一种多尺度局部二值化算法对待检测的高速铁路沿线拍摄图像进行二值化处理并得到二值图像，突出线路主体，并有效排除背景干扰，还包括，将输入图像向下采样，形成包括原图在内的共四张尺寸不同的子图；利用一种固定窗口大小的局部二值化算法分别对四张子图进行二值化处理，得到四张二值图像；依据图像的尺度，分别在上述四张二值图像中选择一定大小范围内的前景物体进行保留；将选择出的前景目标统一合并到同一尺度，得到包含精确结构信息的二值图。

进一步地，针对线路中存在的线杆断裂异常，通过分析所述线路的骨架结构进行断裂点检测，发现并定位可能出现断裂的位置，还包括，通过多次迭代操作，逐渐剥离二值图中图形的边缘，并最终留下骨架图像。

进一步地，针对线路中存在的线杆断裂异常，通过分析所述线路的骨架结构进行断裂点检测，发现并定位可能出现断裂的位置，还包括，通过分析骨架图中的骨架像素点及其周围八个像素点，确定图中每个骨架像素点的类型；通过对像素点的类型进行检查，确定可疑断裂点；通过对可疑断裂点进行筛选，排除误检，得到最终异常检测结果。