[发明专利]一种铁路边坡落石侵限检测的图像识别方法

权利要求书

1.一种铁路边坡落石侵限检测的图像识别方法，其特征在于，包括以下步骤：

A，获取视频序列图像，并标记出包含铁轨的限界区域；

B，基于预设的落石侵限检测图像识别模型，识别出所述限界区域里是否有落石，所述落石侵限检测图像识别模型基于YOLOv3算法对图像中的落石进行识别；

所述步骤B包括以下步骤：

S11，通过预设的落石侵限检测图像识别模型，判断所述限界区域内的移动物体是否为列车，如果不是，则执行步骤S12；

S12，在所述视频序列图像中，采用检测框标记所述限界区域内的移动物体，所述检测框根据YOLOv3网络算法生成，并获取所述检测框的中心点坐标；

S13，在所述视频序列图像中，根据所述检测框的中心点坐标，判断所述限界区域内的移动物体是否丢失，如果没有丢失，则执行步骤S14；

S14，在所述视频序列图像中，根据所述检测框的中心点坐标，判断所述限界区域内的移动物体是否静止，如果是静止的，则执行步骤S15；

S15，通过所述落石侵限检测图像识别模型，判断所述限界区域内的移动物体是否为落石；

所述步骤S13包括以下步骤：

令y_i＝y_right＝y_left，若x_left-m＜x_i＜x_right-m，判定为所述限界区域内的移动物体没有丢失，所述(x_i,y_i)是所述检测框的中心点坐标，i为所述视频序列图像的序列号，所述限界区域左侧边缘线的像素坐标矩阵为[x_left-m,y_left]，右侧边缘线的像素坐标矩阵为[x_right+m,y_right]，m是划定所述限界区域时，横坐标平移的像素值，x_left是铁轨左侧内边缘线的像素横坐标，y_left是铁轨左侧内边缘线的像素纵坐标，x_right是铁轨右侧内边缘线的像素横坐标，y_right是铁轨右侧内边缘线的像素纵坐标；

所述步骤S14包括以下步骤：

获取所述视频序列图像中检测框的中心点坐标；

获取未丢失的所述限界区域内的移动物体首次出现时相应的检测框的中心点坐标(x₁,y₁)；

获取所述视频序列图像中第i帧图像中，未丢失的所述限界区域内的移动物体相应的检测框的中心点坐标(x_i,y_i)，其中i为所述视频序列图像的序列号，i＝2,3……K，K为所述视频序列图像的总数；

计算所述检测框的中心点坐标(x_i,y_i)和所述检测框的中心点坐标(x₁,y₁)之间的欧氏距离，计算公式为：

当d_i＝0时，则未丢失的所述限界区域内的移动物体在序号为i的帧图像中处于静止状态。

2.如权利要求1所述的一种铁路边坡落石侵限检测的图像识别方法，其特征在于，所述落石侵限检测图像识别模型是通过“列车”目标图片和“落石”目标图片对YOLOv3网络进行训练得到的，并对所述YOLOv3网络的超参数进行了设置，所述设置包括：

输出层节点个数设置为类别个数，所述类别个数为4，包括列车、行人、落石、工作人员四个类别；

设置yolo层random＝1；设置ignore_thresh＝0.7，ignore_thresh是参与计算的IOU阈值大小；设置训练步数steps为70000步，其中，前30000步学习率以0.0001收敛，后40000步学习率以0.00001收敛；设置saturation＝1.5；设置exposure＝1.5；设置hue＝0.1；设置batch/subdivision＝4。