[发明专利]一种用于检测识别铁路货车异物的方法及装置

说明书

本发明公开了一种用于检测识别铁路货车异物的方法，包括以下步骤：对输入图像进行滑动窗口分块，根据滑动窗口的大小获得相应数量的局部检测区域；对上述所有局部检测区域逐个进行异物疑似候选区域定位，筛选得到疑似存在异物的异物候选区域；对上述异物候选区域进行异物二次分类识别，判断是否为异物及异物所属的具体类别；根据异物类别的类别按照预先设置的严重程度级别输出异物信息。本发明的有益效果：能够对铁路货车异物实现高实时性和高准确度的自动检测识别，该方法具有很高的检测精度和较低的误识率，同时较快的检测速度也满足实际工程需要，极大的减少了漏检和误报的情况，减轻工作人员负担，减少安全隐患。

技术领域

本发明涉及轨道交通异物检测技术领域，具体涉及一种基于深度学习的用于检测识别铁路货车异物的方法和装置。

背景技术

在列车高速运行过程中，车体悬挂的异物在气流的影响下会超出车身一定范围，这种情况会严重影响到铁路周边设备的安全。因异物损坏周边设备的事故时有发生，如果车体悬挂的异物在运行过程中脱落，掉落在铁轨上会使本列车或下次列车脱轨的可能性大大增加。检测铁路货车异物是保证列车安全和货物安全的重要措施。

现阶段传统算法用灰度变化来检测检测异物，这种算法适用与车身灰度有明显差别的物体，对于与车身灰度相近的异物检测效果不佳，且对车身反光和图标字体刷漆部位产生误报。由于异物形态、纹理、颜色多变的特点，且目前传统检测算法提取异物特征的局限性而导致误报率较高。

发明内容

本发明的目的在于克服现有技术中的缺陷，提供一种基于深度学习的铁路货车异物检测识别方法，解决了现有传统异物检测算法对于与车身灰度相近的异物检测效果不佳，及对车身反光和图标字体刷漆部位产生误报的问题。

第一方面，本发明提供一种用于检测识别铁路货车异物的方法，所述方法包括：对输入图像进行滑动窗口分块，根据滑动窗口的大小获得相应数量的局部检测区域；对上述所有局部检测区域逐个进行异物疑似候选区域定位，筛选得到疑似存在异物的异物候选区域；对上述异物候选区域进行异物二次分类识别，判断是否为异物及异物所属的具体类别；根据异物类别的类别按照预先设置的严重程度级别输出异物信息。

第二方面，本发明还提供了一种用于检测识别铁路货车异物的装置，所述装置包括：滑动窗口分块分块单元，用于对输入图像进行滑动窗口分块，根据滑动窗口的大小获得相应数量的局部检测区域；疑似异物候选区域定位单元，用于对上述所有局部检测区域逐个进行异物疑似候选区域定位，筛选得到疑似存在异物的异物候选区域；异物二次分类识别单元，用于对上述异物候选区进行异物二次分类识别，确定是否为异物及异物所属的具体类别；异物信息输出单元，用于将上述确定的异物类别根据预设的严重程度级别输出异物信息。

通过下文的描述将会理解，根据本发明的实施方式，通过使用基于可变形卷积的深度学习定位疑似异物候选区域，然后用简单网络模型对疑似异物进行分类识别，能够对铁路货车异物实现高实时性和高准确度的自动检测识别。该方法具有很高的检测精度和较低的误识率，同时较快的检测速度也满足实际工程需要，极大的减少了漏检和误报的情况，减轻工作人员负担，减少安全隐患。

附图说明

图1为本申请的用于检测识别铁路货车异物的方法的流程图；

图2是根据本申请的用于检测识别铁路货车异物的装置的一个实施例的结构示意图；

图3是适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图；

图4为本申请实施例中可变形卷积的faster-rcnn深度神经检测网络的网络结构图；

图5为本申请实施例中浅层分类网络的网络结构图。

具体实施方式