[发明专利]一种基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法

权利要求书

1.一种基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法，其特征在于，包括如下步骤：

步骤1，针对任一个检测点，在需要检测的一对铁轨连接处一侧固定位置设置摄像头，使得一对铁轨连接处位于目标监控范围内，在前一段铁轨的尾部侧面以及后一段铁轨同一侧的侧面分别粘贴至少包括两个圆的标志牌，所述标志牌上所有圆心在同一条直线上，且圆心连线与轨道延伸方向平行；

步骤2，采集目标检测范围内的不同工况下的样本图像，标记样本图像中的每一个标记牌的四个角点的原像素坐标，将角点的原像素坐标转换为检测框顶点的原像素坐标；将矩形检测框的对角线上的两个顶点原像素坐标作为标志牌检测标签，将带标签的样本图像作为训练样本集；

步骤3，建立深度学习模型，利用步骤2得到的训练样本集对深度学习模型进行训练；

步骤4：通过摄像头实时采集每一个检测点处的铁轨视频，从对应当前时刻的视频中等间隔提取m帧作为当前时刻的待检测图像，利用训练好的深度学习模型检测图像中的标志牌区域，根据检测结果过滤无效帧图像；并在检测到的标志牌区域内检测圆心，粗计算每一个有效帧图像对应的铁轨伸缩位移量，取均值作为初始检测结果；

步骤5：对所有有效帧图像的初始检测结果排序和平滑滤波，将滤波后的均值作为最终结果输出；

步骤6：重复步骤4至步骤5，执行下一时刻的检测，实现铁轨伸缩位移的实时测量。

2.根据权利要求1所述的基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法，其特征在于，所述的标志牌上的三个圆区域内的颜色与圆区域外的颜色有明显差异。

3.根据权利要求1所述的基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法，其特征在于，所述的深度学习模型采用在COCO train2017数据集上预训练过的Faster R-CNN模型。

4.根据权利要求1所述的一种基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法，其特征在于，在步骤2和步骤3之间还包括将训练样本集中的样本图像进行数据增广的步骤，包括随机水平翻转、随机裁切、以及随机改变色调、对比度、明度。

5.根据权利要求1所述的一种基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法，其特征在于，所述的步骤S2包括：

2.1)采集目标检测范围内的不同工况下的样本图像，标记样本图像中的每一个标记牌的四个角点的原像素坐标(x(i)，y(i))，i＝1，2，3，4；

2.2)将四个角点的原像素坐标转换为检测框顶点的原像素坐标，转换公式为：

式中，P_lefttop为检测框左上顶点的原像素坐标，P_rightdown为检测框右下顶点的原像素坐标，x(i)和y(i)分别为第i个角点的原像素坐标；

2.3)将矩形检测框的对角线上的两个顶点原像素坐标作为标志牌检测标签。

6.根据权利要求1所述的一种基于Faster R-CNN的非接触式铁轨伸缩位移实时测量方法，其特征在于，步骤4中的无效帧图像满足的条件为：利用训练好的深度学习模型检测到的标志牌区域的数量少于2，且置信度大于90。