[发明专利]一种铁路边坡落石侵限检测的图像识别方法

说明书

本发明公开了铁路异物侵限领域的一种铁路边坡落石侵限检测的图像识别方法，方法的步骤包括：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，其中，落石侵限检测图像识别模型是基于YOLOv3算法对图像中的落石进行识别。本发明的方法的有益效果在于，采用本发明的模型，在实时落石识别时，准确率较高，另外，充分利用了YOLOv3算法中的先验框，无需对铁轨图像进行前后背景分离，就能快速进行落石的识别，识别方法具备较高的可靠性、稳定性和准确性。

技术领域

本发明涉及铁路异物侵限领域，特别是一种铁路边坡落石侵限检测的图像识别方法。

背景技术

近年来我国的铁路建设进程迅速发展，铁路客货运输量不断增加，列车运行速度不断提高，列车在露天环境中高速行驶时触发行车安全问题的环境因素也明显增加，给铁路安全监控带来巨大的压力。其中铁路异物侵限是一个重要且亟待解决的安全问题，严重影响到列车的运行安全。

异物侵限是指铁路线路周边受滑坡、崩塌落石及洪水等自然灾害影响造成的沙土落石、滞留在道上作业的工作人员及工器具、动物、行人等影响正常行车的障碍物侵入铁路界限范围内，危及行车安全。我国普速铁路特别是山区铁路其线路周边危岩耸立，易发生边坡落石侵入铁路界限内的自然灾害事件，存在引发重大行车事故的安全隐患。

目前我国对边坡落石的监测技术人仍停留在人工定期巡检，配合对易发生落石的危险山体采用边坡围岩、支挡的围护措施来监测和防护边坡落石，这种监测手段不仅耗费人力物力，而且无法有效预警和避免铁路轨道边坡落石侵限突发事故。此类主动避免边坡落石的方式虽能一定程度上避免异物入侵事故，但该方法和依靠列车司机反应的被动停车方式同样达不到自动识别、自动预警的目的，单一且可靠性不高。

现有技术中，也有相关基于视觉分析的山区铁路边坡落石检测方法提出，例如公开号为CN105809679B的发明专利“一种基于视觉分析的山区铁路边坡落石检测方法”，该专利方法步骤为：首先识别铁轨区域，然后对铁轨区域内图像进行分割，检测出前景目标，最后通过深度学习对目标进行分类，剔除干扰目标。具有视频分析方法的检测范围广、成本低等优点，同时提高了落石图像检测的准确性。但是，由于该方案需要对图像进行前后背景分离，并且采用深度学习的分类方法，因此对图像处理的流程较多，处理的速度较低，需要进一步改进。

发明内容

本发明改进了上述落石识别的算法，采用YOLOv3算法，利用了YOLOv3算法中的先验框，无需对铁轨图像进行前后背景分离，并且对超参数进行了针对应用场景的微调，提出了一种铁路边坡落石侵限检测的图像识别方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种铁路边坡落石侵限检测的图像识别方法，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，识别出限界区域里是否有落石，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；

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，在视频序列图像中，采用检测框标记限界区域内的移动物体，检测框根据YOLOv3网络算法生成，并获取检测框的中心点坐标；

S13，在视频序列图像中，根据检测框的中心点坐标，判断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，在视频序列图像中，根据检测框的中心点坐标，判断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；