[发明专利]一种基于CNN和图像处理的转辙机缺口检测方法

权利要求书

1.一种基于CNN和图像处理的转辙机缺口检测方法，其特征在于，包括以下步骤：

（1）：采集列车经过道岔及转辙机带动道岔转换过程的转辙机缺口图像，具体步骤包括采集安装在转辙机内部的摄像机拍摄的缺口视频、将所述缺口视频通过现场总线传输至主机、将缺口视频转化成帧图片并存储；

（2）：建立卷积神经网络CNN并进行训练；

（3）：将步骤（1）采集的缺口图像输入步骤（2）中训练好的CNN网络中进行缺口图像识别和分类，输出缺口图像所属类别；

（4）：根据步骤（3）得到的缺口图像的所属类别，进入所述所属类别的状态机，利用图像处理算法对缺口图像进行处理，提取缺口特征直线和；步骤（4）中所述图像处理算法包括图像灰度化、焦点区域分割、图像增强、图像二值化、图像缺口特征直线拟合算法，所述图像处理算法处理后提取出缺口特征直线和，所述是缺口图像中的缺口线，在转辙机内部随着检测杆的移动而移动；所述是缺口图像中的基准线，通常在转辙机内部处于固定位置，所述图像处理算法的具体步骤为：

（4a）将原始RGB缺口图像通过所述图像灰度化算法转换成灰度图像，计算公式如下：

其中，i表示所述原始RGB缺口图像的第i个像素点，约束条件为，其中m和n为缺口图像的尺寸；、和分别为原始RGB缺口图像的第i个像素点的R、G和B分量，、和是所述R、G和B分量的权重；是灰度化之后的第i个像素点的灰度值；

（4b）将所述缺口图像中的焦点区域R进行分割，所述焦点区域是包含检测缺口所需进行图像处理的区域，区域大小的选择原则是保证在复杂的环境下，缺口移动的极限值均在分割的焦点区域内，焦点区域分割的具体方法为：

（4b1）定义所述焦点区域R的矩形框参数为，分别表示区域的左右边界的横坐标和上下边界的纵坐标，其中坐标原点位于图像的左上角，约束条件为、、、，R表示如下：

（4b2）将所述焦点区域的像素点的像素值保留原像素值，非焦点区域的像素点的像素值置0，得到图像，计算公式如下：

（4c）所述图像增强包括灰度变换和图像滤波，步骤具体如下：

（4c1）所述灰度变换将输入图像的灰度值集中的区间定义为，灰度值小于和大于的像素点数分别占所有像素点数的1%，将灰度值在区间的像素点的灰度值均匀分布到区间，得到图像，计算公式如下：

（4c2）所述图像滤波的方式是中值滤波，把输入图像的每一个像素点的灰度值设置为该点某邻域窗口内的所有像素点的灰度值的中值，得到图像，大小为的滤波窗口A对应的中值滤波器可定义为：

（4d）对所述图像增强后的图像采用阈值进行二值化，灰度值高于阈值的像素点的灰度值置1，否则置0，得到图像，计算公式如下：

（4e）所述缺口特征直线拟合算法采用前向差分方法对所述图像二值化之后的图像的区域逐行进行微分，得到S700K转辙机焦点区域各行或ZD6转辙机及ZYJ7转辙机各列的边缘点，再用最小二乘法计算所述缺口特征直线和的参数、、和：

；

（5）：根据步骤（4）所述的缺口特征直线和计算缺口值w；步骤（5）中所述根据所述缺口特征直线和计算缺口值w的方法具体为计算直线落在缺口区域的线段和直线落在基准区域的线段之间的距离，所述缺口区域即所述缺口线所在的区域，所述基准区域即所述基准线所在的区域，所述距离的计算方法为计算与对应相同x值或y值的直线上的点之间的像素点个数的平均值，其中，像素点个数的计算方法是上的对应点的y值或x值减去上的对应点的y值或x值；取相同x值或相同y值取决于不同类型转辙机的内部结构。

2.根据权利要求1所述的基于CNN和图像处理的转辙机缺口检测方法，其特征在于，步骤（2）中所述建立卷积神经网络CNN并进行训练，包括以下步骤：

（2a）将海量转辙机缺口图像分为6类：ZD6转辙机定位、ZD6转辙机反位、S700k转辙机定位、S700k转辙机反位、ZYJ7转辙机定位、ZYJ7转辙机反位，根据这些缺口图像建立样本数据库，确保每一类缺口图像都有足够的样本量，并且每一类缺口图像样本量相差不大；

（2b）将样本数据库中的缺口图像按照10:1的比例随机分为训练集和测试集，再对训练集中的缺口图像进行标注，标注其所属类别；

（2c）建立卷积神经网络CNN，对训练集图像进行迭代训练，不断调整网络结构和参数，直至网络收敛。