[发明专利]轨道列车线阵相机图像畸变校正的目标检测方法及装置

权利要求书

1.一种轨道列车线阵相机图像畸变校正的目标检测方法，其特征在于，其具体步骤为：

选择过车图像中列车零部件高度比值为1±0.5或高度比值小于0.8或高度比值大于1.2、均匀分布的列车零部件作为数据的标注物体构建训练数据集；

基于Retinanet网络构建训练网络模型，并构造损失函数；所述损失函数表示为：

Loss＝L_Retinanet+L (1)

式中，Loss表示训练网络模型的损失函数，L_Retinanet表示RetinaNet网络中使用的损失函数，L＝-α(1-p_k)^γ×(log(p_k))表示损失函数Loss的优化部分，α和γ表示常数，表示训练网络模型预测框与零部件真实位置框高度上的吻合程度，h_k表示训练网络模型训练时预测出的第k类零部件位置框的高度，H_k表示先验已知第k类零部件位置框在训练网络模型预测时的目标高度；

以训练数据集为输入对训练网络模型进行训练；

将实时过车图像中列车零部件高度比值为1±0.5或高度比值小于0.8或高度比值大于1.2、均匀分布的列车零部件作为数据的标注物体构建在线待测试数据集；

将在线待测试数据集中的数据输入至训练后的训练网络模型预测得到第k类零部件位置框的高度值h_k；

将第k类零部件位置框的高度值h_k与过车图像中第k类零部件的已知高度值H_k进行比较，若高度比值为1±0.1则认为该位置框预测正确，否则认为该位置框为误检，剔除该预测结果。

2.如权利要求1所述的轨道列车线阵相机图像畸变校正的目标检测方法，其特征在于，还包括以下步骤：对构建的训练数据集数据进行镜像、随机加噪声处理。

3.如权利要求2所述的轨道列车线阵相机图像畸变校正的目标检测方法，其特征在于，还包括以下步骤：选择过车图像中列车零部件高度比值为1±0.5或高度比值小于0.8或高度比值大于1.2、均匀分布的列车零部件作为数据的标注物体构建测试数据集，将测试数据集输入至训练后的训练网络模型中检验训练后的训练网络模型的性能。

4.如权利要求1所述的轨道列车线阵相机图像畸变校正的目标检测方法，其特征在于，还包括以下步骤：对预测正确的位置框进行畸变率计算，其具体步骤为：定义训练网络模型预测的位置框的左上角位置为(x₁,y₁)、右下角位置为(x₂,y₂)，则预测零部件长度值为w＝x₂-x₁，高度值h＝y₂-y₁，结合先验已知第k类零部件的长度值W_k、高度值H_k，则畸变率为(h*W_k)/(w*H_k)。

5.如权利要求1所述的轨道列车线阵相机图像畸变校正的目标检测方法，其特征在于，以训练数据集为输入对训练网络模型进行训练的具体步骤为：

从训练数据中均匀抽出小批量样本mini-batch按照批次顺序送入Retinanet网络中，然后基于训练网络模型的损失函数计算损失函数值；

通过反向传播进行迭代完成梯度计算，采用动量+梯度下降法更新训练网络模型参数，使损失函数值最小；

循环训练所有批次，将所有数据迭代一遍成为一个epoch，若epoch未达到设定值则返回步骤1，继续进行训练，若epoch达到设定值，则完成训练。