基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，采用數(shù)字圖像處理的方法自動(dòng)識(shí)別鐵路接觸網(wǎng)巡視圖像中存在鳥(niǎo)窩的異常情況。主要步驟為：1)鐵路接觸網(wǎng)圖像二值化；2)接觸網(wǎng)支柱主干部分和細(xì)線區(qū)域部分提??；3)基于懸空點(diǎn)檢測(cè)的鳥(niǎo)窩可疑區(qū)域定位；4)鳥(niǎo)窩可疑區(qū)域的直線方向直方圖和長(zhǎng)度直方圖特征提??；5)基于直線方向和長(zhǎng)度分布特性的鳥(niǎo)窩識(shí)別；本發(fā)明方法可高效、自動(dòng)地對(duì)鐵路接觸網(wǎng)進(jìn)行鳥(niǎo)窩異常情況的檢測(cè)和識(shí)別，具有重大的安全意義和實(shí)際應(yīng)用價(jià)值，適用于高速鐵路和普通鐵路接觸網(wǎng)子自動(dòng)巡檢，能有效幫助巡檢人員快速發(fā)現(xiàn)接觸網(wǎng)支架上是否存在鳥(niǎo)窩，排查潛在的安全隱患，提高巡檢人員工作效率，避免人工判讀帶來(lái)的巨大人力消耗。
【專利說(shuō)明】基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，具體涉及一種基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況的定位和識(shí)別方法。
技術(shù)背景
[0002]鐵路接觸網(wǎng)是為列車供電架設(shè)的特殊線路。截止2010年12月底，中國(guó)國(guó)內(nèi)運(yùn)營(yíng)時(shí)速200公里以上的高速鐵路里程已經(jīng)達(dá)到8358公里，在建和即將興建的高速鐵路客運(yùn)專線和城際鐵路里程已達(dá)1.7萬(wàn)公里。根據(jù)中國(guó)中長(zhǎng)期鐵路網(wǎng)規(guī)劃方案，至2012年，中國(guó)將建成42條高速鐵路客運(yùn)專線，基本建成以“四縱四橫”為骨架的全國(guó)快速客運(yùn)網(wǎng)，總里程1.3萬(wàn)公里；到2020年中國(guó)時(shí)速在200公里以上的高速鐵路里程將會(huì)達(dá)到5萬(wàn)公里。
[0003]為了保證高速列車的安全運(yùn)營(yíng)，接觸網(wǎng)需要經(jīng)常巡檢，目前對(duì)350km/h的高速客運(yùn)專線接觸網(wǎng)設(shè)備進(jìn)行在線巡視的設(shè)備已經(jīng)初步成型。要對(duì)接觸網(wǎng)的各種安全隱患進(jìn)行有效檢測(cè)，巡檢設(shè)備需記錄大量視頻數(shù)據(jù)，然而，面對(duì)海量的巡檢視頻數(shù)據(jù)，若僅靠人工判讀，工作量大、效率低、可靠性難以保障。我國(guó)鐵路線路長(zhǎng)、分布廣、環(huán)境多樣，因此存在安全隱患問(wèn)題的接觸網(wǎng)的位置很分散，如何準(zhǔn)確高效地對(duì)巡檢圖像進(jìn)行智能分析，降低巡檢人員勞動(dòng)強(qiáng)度、提高工作效率、保障鐵路安全成為一個(gè)亟待解決的難題。
[0004]本發(fā)明所要解決的技術(shù)問(wèn)題是自動(dòng)識(shí)別鐵路接觸網(wǎng)巡檢視頻圖像中存在的鳥(niǎo)窩異常情況。鐵路接觸網(wǎng)上的鳥(niǎo)窩一般存在于接觸網(wǎng)支柱上，由一些方向不一、長(zhǎng)度不一的懸在空中近似直線的細(xì)線組成，根據(jù)這些特征，本發(fā)明具創(chuàng)新意義地提出用直線的方向直方圖和長(zhǎng)度直方圖來(lái)描述鳥(niǎo)窩，進(jìn)而通過(guò)SVM分類器自動(dòng)識(shí)別鐵路接觸網(wǎng)圖像中是否存在鳥(niǎo)窩異常。鳥(niǎo)窩異常檢測(cè)是鐵路接觸網(wǎng)巡檢中的重要內(nèi)容，本發(fā)明的提出能夠有效解決人工判讀帶來(lái)的巨大工作量的問(wèn)題，為巡檢人員的工作帶來(lái)極大的便利，具有重大的安全意義和實(shí)際應(yīng)用價(jià)值。

【發(fā)明內(nèi)容】

[0005]為了實(shí)現(xiàn)鳥(niǎo)窩異常情況的自動(dòng)識(shí)別，本發(fā)明采用的技術(shù)方案為:
[0006]一種基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況的定位和識(shí)別方法，從高速客運(yùn)專線接觸網(wǎng)設(shè)備進(jìn)行在線巡視拍攝的連續(xù)視頻圖像中識(shí)別出接觸網(wǎng)是否存在鳥(niǎo)窩異常。根據(jù)鳥(niǎo)窩圖像的特征，本發(fā)明采取處理步驟如下:
[0007](I)鐵路接觸網(wǎng)圖像二值化:使用自適應(yīng)二值化的方法，能夠得到的二值圖1。很好地保持了鐵路接觸網(wǎng)圖像信息；
[0008](2)接觸網(wǎng)支柱主干部分和細(xì)線區(qū)域部分提取:采用邊緣膨脹法提取接觸網(wǎng)支架的主干區(qū)域的二值圖1m ;提取細(xì)線區(qū)域部分:對(duì)步驟(I)中提取的清晰二值圖1。使用腐蝕相減的方法得到一個(gè)只包含圖像中細(xì)線區(qū)域的二值圖1t ;
[0009](3)基于懸空點(diǎn)檢測(cè)的鳥(niǎo)窩可疑區(qū)域定位:結(jié)合接觸網(wǎng)支架的主干區(qū)域圖像Im和二值圖像I。，通過(guò)進(jìn)行懸空點(diǎn)檢測(cè)確定鳥(niǎo)窩可疑區(qū)域。[0010](4)鳥(niǎo)窩可疑區(qū)域的直線方向直方圖和長(zhǎng)度直方圖特征提取:對(duì)鳥(niǎo)窩可疑區(qū)域使用霍夫變換檢測(cè)出直線，計(jì)算直線的方向和長(zhǎng)度，從而進(jìn)行統(tǒng)計(jì)得到該區(qū)域直線的方向直方圖和長(zhǎng)度直方圖作為特征向量。
[0011](5)基于直線方向和長(zhǎng)度分布特性的鳥(niǎo)窩識(shí)別:將特征信息輸入對(duì)應(yīng)的已構(gòu)造完成的分類器進(jìn)行分類，將分類結(jié)果進(jìn)行概率融合，從而自動(dòng)檢測(cè)鐵路接觸網(wǎng)圖像中是否存在鳥(niǎo)窩異常。
[0012]所述步驟(I)中，采用不同大小的滑動(dòng)窗口對(duì)圖像進(jìn)行自適應(yīng)閾值化，將得到的二值圖像結(jié)合，并通過(guò)連通區(qū)域檢測(cè)移除噪點(diǎn)，最終得到包含完整圖像信息的二值圖。
[0013]所述步驟(2)中，在接觸網(wǎng)支柱的主干部分方面采用邊緣膨脹的方法提??；在細(xì)線區(qū)域部分方面采用腐蝕相減的方法提取。
[0014]所述步驟(3)中，鳥(niǎo)窩可疑區(qū)域的定位結(jié)合接觸網(wǎng)支柱主干部分圖像和二值圖像進(jìn)行，主要是通過(guò)滑動(dòng)窗口在接觸網(wǎng)支柱的主干區(qū)域附近對(duì)二值圖像進(jìn)行懸空點(diǎn)檢測(cè)，若滑動(dòng)窗口內(nèi)的懸空點(diǎn)數(shù)高于閾值，就認(rèn)為該塊是鳥(niǎo)窩可疑區(qū)域。
[0015]所述步驟(4)中，對(duì)鳥(niǎo)窩可疑區(qū)域進(jìn)行霍夫變換提取直線，計(jì)算直線的方向和長(zhǎng)度，從而進(jìn)行統(tǒng)計(jì)得到該區(qū)域直線的方向直方圖和長(zhǎng)度直方圖，并將其作為特征向量。
[0016]所述步驟(5)中，將鳥(niǎo)窩可疑區(qū)域中提取出的直線的方向直方圖特征向量和長(zhǎng)度直方圖特征向量輸入對(duì)應(yīng)的已構(gòu)造SVM分類器，通過(guò)SVM分類器得到該區(qū)域存在鳥(niǎo)窩的概率，最后，通過(guò)概率融合判定該區(qū)域是否存在鳥(niǎo)窩異常。
[0017]采用本發(fā)明能夠?qū)崟r(shí)地對(duì)鐵路接觸網(wǎng)巡檢圖像是否存在鳥(niǎo)窩異常進(jìn)行自動(dòng)識(shí)別，該技術(shù)能夠有效解決人工判讀帶來(lái)的巨大工作量的問(wèn)題，為巡檢人員的工作帶來(lái)極大的便利，從而提高巡檢人員的工作效率。
【專利附圖】

【附圖說(shuō)明】
[0018]圖1是鐵路接觸網(wǎng)存在鳥(niǎo)窩異常的示例圖。
[0019]圖2是本發(fā)明的系統(tǒng)框圖。
[0020]圖3是本發(fā)明的總體框圖。
[0021]圖4是存在鳥(niǎo)窩異常圖像與不存在鳥(niǎo)窩異常圖像的直線方向和長(zhǎng)度分布對(duì)比圖。
[0022]圖5是鳥(niǎo)窩異常的定位與識(shí)別算法流程圖。
【具體實(shí)施方式】
[0023]下面結(jié)合附圖介紹本發(fā)明【具體實(shí)施方式】。
[0024]圖1為典型的鐵路接觸網(wǎng)巡檢圖像存在鳥(niǎo)窩異常的示意圖。
[0025]圖2為本發(fā)明的系統(tǒng)框圖，鐵路接觸網(wǎng)巡檢系統(tǒng)配備有兩個(gè)車載CXD攝像機(jī)，分辨率分別是2456X2058(500萬(wàn)像素)和1392 X 1040(100萬(wàn)像素)。分辨率較高的攝像機(jī)用于拍攝鐵路接觸網(wǎng)圖像，分辨率較低的圖像用于拍攝接觸網(wǎng)支柱桿號(hào)和里程碑。本發(fā)明中，僅采用高分辨率攝像機(jī)拍攝的接觸網(wǎng)圖像。在列車運(yùn)行過(guò)程中，兩個(gè)攝像機(jī)以17幀/ s的幀率同時(shí)拍攝列車前方的鐵路圖像。每次巡檢系統(tǒng)運(yùn)行都將在線拍攝大量的圖片數(shù)據(jù)，因此將這些圖片數(shù)據(jù)存儲(chǔ)到可移動(dòng)的存儲(chǔ)設(shè)備上?？梢苿?dòng)存儲(chǔ)設(shè)備上的數(shù)據(jù)可以通過(guò)計(jì)算機(jī)進(jìn)行離線的分析和處理，包括鳥(niǎo)窩異常檢測(cè)，而這部分就是本發(fā)明所做的工作。[0026]圖3為本發(fā)明的總體框圖，讀取鐵路接觸網(wǎng)圖像后，首先，采用自適應(yīng)二值化方法，得到能夠完整保留圖像有用信息的鐵路接觸網(wǎng)二值圖；然后，提取接觸網(wǎng)支柱主干部分和細(xì)線區(qū)域部分，分別用于鳥(niǎo)窩的輔助定位和直線提?。浑S后，使用滑動(dòng)窗口遍歷圖像，結(jié)合鳥(niǎo)窩存在支柱附近的先驗(yàn)知識(shí)進(jìn)行懸空點(diǎn)檢測(cè)以定位鳥(niǎo)窩區(qū)域；然后，對(duì)鳥(niǎo)窩可疑區(qū)域進(jìn)行霍夫變換提取直線，并計(jì)算直線的方向和長(zhǎng)度，進(jìn)而統(tǒng)計(jì)得到直線的方向直方圖向量和長(zhǎng)度直方圖向量；最后， 將特征向量輸入分類器進(jìn)行鳥(niǎo)窩識(shí)別，如果存在鳥(niǎo)窩異常則預(yù)
目O
[0027]圖4為存在鳥(niǎo)窩異常圖像與不存在鳥(niǎo)窩異常圖像的直線方向和長(zhǎng)度分布對(duì)比圖，用于說(shuō)明本發(fā)明提出的兩個(gè)特征能夠很好的描述鳥(niǎo)窩。其中(a)是原圖，(b)是使用定位出的鳥(niǎo)窩可疑區(qū)域，(C)是對(duì)鳥(niǎo)窩可疑區(qū)域進(jìn)行霍夫變換提取出的直線，(d)是直線的方向直方圖，(e)是直線的長(zhǎng)度直方圖。從圖4中可以看出，鳥(niǎo)窩圖像中的直線通常方向不一、長(zhǎng)度不一，因此直線的方向直方圖和長(zhǎng)度直方圖分布比較廣泛，而非鳥(niǎo)窩圖像，例如絕緣子圖像，通常是由幾個(gè)明顯的峰值構(gòu)成。
[0028]圖5為鳥(niǎo)窩異常的定位與識(shí)別算法流程圖，取wXw大小的滑動(dòng)窗口 P遍歷圖像，判斷P中是否存在鳥(niǎo)窩。輸入的圖像為三幅預(yù)處理得到的二值圖1p主干圖1m和細(xì)枝圖1t,使用滑動(dòng)窗口遍歷圖像，分別設(shè)置P為三個(gè)圖像的感興趣區(qū)域，提取P對(duì)應(yīng)位置的Pc、Pm和Pt，若Pm中屬于主干區(qū)域的像素個(gè)數(shù)大于閾值ε 1且匕中檢測(cè)到的懸空點(diǎn)個(gè)數(shù)大于閾值ε2，則該區(qū)域是鳥(niǎo)窩可疑區(qū)域，對(duì)Pt提取可疑區(qū)域的直線方向直方圖描述向量和長(zhǎng)度直方圖描述向量，分別通過(guò)對(duì)應(yīng)的分類器得到存在鳥(niǎo)窩的兩個(gè)概率值，通過(guò)兩個(gè)概率值的融合判定該區(qū)域是否存在鳥(niǎo)窩異常。若遍歷完圖像沒(méi)有一個(gè)區(qū)域存在鳥(niǎo)窩異常則該圖像檢測(cè)結(jié)果為不存在鳥(niǎo)窩異常。
[0029]為便于對(duì)本發(fā)明的細(xì)節(jié)作更為清楚的介紹，對(duì)本發(fā)明主要步驟詳述如下:
[0030]步驟1:鐵路接觸網(wǎng)圖像二值化。使用自適應(yīng)二值化的方法，選擇不同的大小的ηΧη滑動(dòng)窗口對(duì)圖像進(jìn)行分塊二值化，每一塊采用該塊的均值作為二值化閾值，計(jì)算公式如下:
[0031 ]
【權(quán)利要求】
1.一種基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，從高速客運(yùn)專線接觸網(wǎng)設(shè)備進(jìn)行在線巡視拍攝的連續(xù)視頻圖像中識(shí)別出接觸網(wǎng)是否存在鳥(niǎo)窩異常，包含如下處理步驟: (1)鐵路接觸網(wǎng)圖像二值化:使用自適應(yīng)二值化的方法，得到很好地保持鐵路接觸網(wǎng)圖像信息的二值圖1c; (2)接觸網(wǎng)支柱主干部分和細(xì)線區(qū)域部分提取:采用邊緣膨脹法提取接觸網(wǎng)支架的主干區(qū)域的二值圖1M;提取細(xì)線區(qū)域部分:對(duì)步驟(I)中提取的清晰二值圖L使用腐蝕相減的方法得到一個(gè)只包含圖像中細(xì)線區(qū)域的二值圖1t ; (3)基于懸空點(diǎn)檢測(cè)的鳥(niǎo)窩可疑區(qū)域定位:結(jié)合接觸網(wǎng)支架的主干區(qū)域圖像Im和二值圖像I。，通過(guò)進(jìn)行懸空點(diǎn)檢測(cè)確定鳥(niǎo)窩可疑區(qū)域； (4)鳥(niǎo)窩可疑區(qū)域的直線方向直方圖和長(zhǎng)度直方圖特征提取:對(duì)鳥(niǎo)窩可疑區(qū)域使用霍夫變換檢測(cè)出直線，計(jì)算直線的方向和長(zhǎng)度，從而進(jìn)行統(tǒng)計(jì)得到該區(qū)域直線的方向直方圖和長(zhǎng)度直方圖作為特征向量； (5)基于直線方向和長(zhǎng)度分布特性的鳥(niǎo)窩識(shí)別:將特征信息輸入對(duì)應(yīng)的已構(gòu)造完成的分類器進(jìn)行分類，將分類結(jié)果進(jìn)行概率融合，從而自動(dòng)檢測(cè)鐵路接觸網(wǎng)圖像中是否存在鳥(niǎo)內(nèi)TT巾ο
2.根據(jù)權(quán)利要求1所述的基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，其特征是，所述步驟(I)中，采用不同大小的滑動(dòng)窗口對(duì)圖像進(jìn)行自適應(yīng)閾值化，將得到的二值圖像結(jié)合，并通過(guò)連通區(qū)域檢測(cè)移除噪點(diǎn)，最終得到包含完整圖像信息的二值圖。
3.根據(jù)權(quán)利要求1所述的基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，其特征是，所述步驟(2)中，在接觸網(wǎng)支柱的主干部分方面采用邊緣膨脹的方法提?。辉诩?xì)線區(qū)域部分方面采用腐蝕相減的方法提取。
4.根據(jù)權(quán)利要求1所述的基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，其特征是，所述步驟(3)中，鳥(niǎo)窩可疑區(qū)域的定位結(jié)合接觸網(wǎng)支柱主干部分圖像和二值圖像進(jìn)行，主要是通過(guò)滑動(dòng)窗口在接觸網(wǎng)支柱的主干區(qū)域附近對(duì)二值圖像進(jìn)行懸空點(diǎn)檢測(cè)，若滑動(dòng)窗口內(nèi)的懸空點(diǎn)數(shù)高于閾值，就認(rèn)為該塊是鳥(niǎo)窩可疑區(qū)域。
5.根據(jù)權(quán)利要求1所述的基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，其特征是，所述步驟(4)中，對(duì)鳥(niǎo)窩可疑區(qū)域進(jìn)行霍夫變換提取直線，計(jì)算直線的方向和長(zhǎng)度，從而進(jìn)行統(tǒng)計(jì)得到該區(qū)域直線的方向直方圖和長(zhǎng)度直方圖，并將其作為特征向量。
6.根據(jù)權(quán)利要求1所述的基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，其特征是，所述步驟(5)中，將鳥(niǎo)窩可疑區(qū)域中提取出的直線的方向直方圖特征向量和長(zhǎng)度直方圖特征向量輸入對(duì)應(yīng)的已構(gòu)造SVM分類器，通過(guò)SVM分類器得到該區(qū)域存在鳥(niǎo)窩的概率，最后，通過(guò)概率融合判定該區(qū)域是否存在鳥(niǎo)窩異常。
7.根據(jù)權(quán)利要求1或6所述的基于圖像的鐵路接觸網(wǎng)鳥(niǎo)窩異常情況檢測(cè)方法，其特征是，所述步驟(5)的分類器構(gòu)造特征是:將有鳥(niǎo)窩的圖像和無(wú)鳥(niǎo)窩的圖像分別作為正樣本和負(fù)樣本輸入，通過(guò)支持向量機(jī)(SVM)分別對(duì)鳥(niǎo)窩可疑區(qū)域直線的方向直方圖特征向量和長(zhǎng)度直方圖特征向量進(jìn)行訓(xùn)練，得到基于直線方向分布的SVM分類器和基于直線長(zhǎng)度分布的SVM分類器。
【文檔編號(hào)】G06K9/62GK103745224SQ201310721802
【公開(kāi)日】2014年4月23日 申請(qǐng)日期:2013年12月24日 優(yōu)先權(quán)日:2013年12月24日
【發(fā)明者】吳曉, 袁萍, 彭強(qiáng), 張靚云 申請(qǐng)人:西南交通大學(xué)