[发明专利]一种列车前方异物侵限检测方法及系统有效
| 申请号: | 202010458971.6 | 申请日: | 2020-05-27 |
| 公开(公告)号: | CN111368812B | 公开(公告)日: | 2020-12-08 |
| 发明(设计)人: | 郑万林;李慧 | 申请(专利权)人: | 北京伟杰东博信息科技有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
| 代理公司: | 北京卓特专利代理事务所(普通合伙) 11572 | 代理人: | 陈变花 |
| 地址: | 101300 北京市顺义区南法信*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 列车 前方 异物 检测 方法 系统 | ||
1.一种列车前方异物侵限检测方法,其特征在于,该方法包括如下步骤:
在列车行驶的过程中,采集列车前方轨道的监控视频,并在预设的时间节点,获取监控视频内的多帧监测图像;
在监测图像中建立危险区域异物检测窗口,分割出监测图像位于危险区域异物检测窗口内的关键检测图像;
对关键检测图像进行预处理;
依次计算相邻两个时间节点的预处理后的关键检测图像之间的相似度值:将相邻两个时间节点的关键检测图像分别均匀分成多个等大的矩形窗口,为每个矩形窗口按照从左到右、并且从上至下进行顺序编号;
计算相同编号矩形窗口对应的相邻两个时间节点的关键检测图像之间的相似度值;
其中,计算相同编号矩形窗口对应的相邻两个时间节点的关键检测图像之间的相似度值的公式为:
其中,Sα表示编号为α的矩形窗口对应的相邻两个时间节点的关键检测图像之间的相似度值;Hc(x,y)表示第一个关键检测图像中像素点坐标为(x,y)的像素的像素值;表示第一个关键检测图像中所有像素点的像素值的平均值;Hb(x,y)表示第二个关键检测图像中像素点坐标为(x,y)的像素的像素值;表示第二个关键检测图像中所有像素点的像素值的平均值;m表示第一个关键检测图像或第二关键检测图像的像素点总行数;n表示第一个关键检测图像或第二关键检测图像的像素点总列数;Q2表示第二个关键检测图像的清晰度;Q1表示第一个关键检测图像的清晰度;符号||表示取绝对值;
计算所有编号矩形窗口对应的相邻两个时间节点的关键检测图像之间的相似度值的平均值作为相邻两个时间节点的关键检测图像之间的相似度值;
每计算完一对相邻两个时间节点的关键检测图像之间相似度值后,将该相似度值与预设的阈值进行比较,判断该相似度值是否超过阈值,若相似度值小于或等于预设的阈值,则关键检测图像中存在异物,系统发出报警信号,否则,不存在异物,继续计算下一对相邻两个时间节点的关键检测图像之间的相似度值;
其中,若判断结果为无异物,则将该次计算的第二关键检测图像作为下一次计算相邻两个时间节点的新的第一关键检测图像,选取与新的第一关键检测图像相邻时间节点的关键检测图像作为第二关键检测图像,以执行下一次异物检测。
2.根据权利要求1所述的列车前方异物侵限检测方法,其特征在于,第一个关键检测图像中所有像素点的像素值的平均值的计算公式为:
其中,m表示第一个关键检测图像的像素点总行数;n表示第一个关键检测图像的像素点总列数;(x,y)表示第一关键检测图像中像素点坐标;Hc(x,y)表示第一个关键检测图像中像素点坐标为(x,y)的像素的像素值。
3.根据权利要求1所述的列车前方异物侵限检测方法,其特征在于,第二个关键检测图像中所有像素点的像素值的平均值的计算公式为:
其中,Hb(x,y)表示第二个关键检测图像中像素点坐标为(x,y)的像素的像素值;表示第二个关键检测图像中所有像素点的像素值的平均值;m表示第二关键检测图像的像素点总行数;n表示第二关键检测图像的像素点总列数。
4.根据权利要求1所述的列车前方异物侵限检测方法,其特征在于,相邻两个时间节点的关键检测图像之间的相似度值计算公式为:
其中,S表示相邻两个时间节点的关键检测图像之间的相似度值;K表示矩形窗口的个数;α表示矩形窗口的编号。
5.根据权利要求1所述的列车前方异物侵限检测方法,其特征在于,在监测图像中建立危险区域异物检测窗口,分割出监测图像位于危险区域异物检测窗口内的关键检测图像的方法包括:
识别监测图像中轨道的形状和位置;
根据轨道的形状和位置,在轨道外周侧建立危险区域异物检测窗口;
将位于危险区域异物检测窗口外侧的图像分割出来,保留位于危险区域异物检测窗口内侧的图像,形成关键检测图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京伟杰东博信息科技有限公司,未经北京伟杰东博信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010458971.6/1.html,转载请声明来源钻瓜专利网。





