[发明专利]铁路货车闸瓦钎丢失故障的自动检测方法

说明书

技术领域

本发明涉及的是一种图像处理技术领域的方法，具体是一种铁路货车闸瓦钎丢失故障的自动检测方法。

背景技术

为确保安全运营，故障检测在交通领域扮演了一个主要角色。铁路、航空、航海以及公路桥梁维护中存在着运用故障检测的大量典型事例。由于交通领域责任重大，一旦重要设备出现故障，将引起人员和财产的巨大损失，因此世界上许多国家都投入了大量的人力、物力和财力进行故障检测的研究。故障检测已经成为了当今交通领域的研究热点之一。

故障检测通常采用无损检测手段来实现。无损检测是包含各种手段和方法的非常宽泛的名称，其根本原则是所检测目标的所有方面不会因检测过程而发生损坏。在常用的故障检测技术中，图像信息是一类重要的故障信息形式，随着计算机视觉技术的发展，视觉图像检测已逐渐成为无损检测的最佳手段。

闸瓦钎是货车基础制动装置中的一个部件。随着货车速度的提高，对货车行车安全的要求也随之提高，而制动性能的好坏是一个关键因素。闸瓦钎丢失会造成闸瓦脱落，导致列车制动失灵，以致发生出轨或颠覆事故。因此对故障检测也提出了较高的要求，即尽最大可能地避免漏判和误判现象的存在。正是由于闸瓦钎的重要性，为检查闸瓦钎是否丢失，常由经验丰富的列检员人工检测闸瓦钎是否处于正确位置，由于货车在行进过程中长期的颠簸震动，常造成闸瓦钎丢失，是一类多发且较为严重的故障。在中国，铁路货车闸瓦钎丢失故障的检测目前仍主要由人工进行，这种检测方式费时费力且维护成本高。对铁路部门来说，需要采用能有效保持维护成本的最小化方式来进行这种故障的检测。鉴于以上问题，该铁路货车闸瓦钎丢失故障的自动检测方法应运而生以解决上述问题。

发明内容

本发明针对现有技术存在的上述不足，提供一种铁路货车闸瓦钎丢失故障的自动检测方法，既可降低铁路货车故障检测的成本，又提高了铁路货车故障检测的效率，为铁路提速提供了可靠的安全保障。

本发明是通过以下技术方案实现的。

一种铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，包括以下步骤：

1)将所采集的闸瓦钎部位图像划分为大小相等的四块图像区域；利用四块图像区域的图片样本库，提取多尺度中心变换编码直方图特征作为输入数据，并采用多类线性支持向量机的学习方法对多尺度中心变换编码直方图特征分类，训练出区域分类器；

2)利用闸瓦钎目标物体的图片样本库，提取闸瓦钎目标物体的低层次梯度编码直方图特征作为输入数据，并利用线性支持向量机的学习方法对梯度编码直方图特征分类，训练出定位分类器；

3)利用闸瓦钎丢失和未丢失的图片样本库，提取闸瓦钎丢失与未丢失图像的低层次中心变换编码块特征，并采用编码汇聚方式学习生成中等层次特征作为输入数据，在空间金字塔算法框架下采用线性支持向量机的学习方法对中等层次特征分类，训练出故障判别分类器；

4)利用图像采集模块采集闸瓦钎的图像，利用区域分类器分割出闸瓦钎所在的图像区域；

5)在已分割出的闸瓦钎所在的图像区域内，采用多层次多层级的级联检测方法，先利用定位分类器定位闸瓦钎位置，再利用故障判别分类器对闸瓦钎是否丢失进行故障判别，实现铁路货车闸瓦钎丢失故障的全自动检测。

进一步地，所述步骤(1)中所述的划分大小相等的四块图像区域是指以一幅完整闸瓦钎部位图像的长和宽的一半为图像区域的尺寸标准，在原图像上无重叠地划分出四块图像区域。

进一步地，所述步骤(1)中所述的多尺度中心变换编码直方图特征是通过以下方式得到：针对划分出的图像区域，利用具有尺度缩放的中心变换编码转换为编码图像，从所得到的编码图像中进行直方图统计获得。

进一步地，所述步骤(2)中提取低层次梯度编码直方图特征的方式为：在分割出的闸瓦钎所在图像区域，针对闸瓦钎目标物体图像，通过高斯梯度算子转换为梯度图像，并针对所生成的梯度图像，采用中心变换编码转换为编码图像，从所得到的编码图像中进行直方图统计，得到梯度编码直方图特征。

进一步地，所述步骤(3)中所述的提取低层次中心变换编码块特征的方法是：在获取中心矩形块的平均灰度和其相邻的9个矩形块的平均灰度后，利用中心变换方式编码这些矩形区域，以形成矩形块特征。

进一步地，所述步骤(3)的所述编码汇聚方式是指最大汇聚模型，在图像的不同位置和不同空间尺度下进行特征最大汇聚。