[发明专利]一种高速铁路落石实时检测方法

说明书

本发明公开了一种基于聚合通道特征和纹理特征的高速铁路落石实时检测方法，属于图像目标检测领域。采集无落石的样本图像并进行图像预处理，建立初始背景模型；利用建立好的背景模型，确定检测区域，提取图像中的聚合通道特征；基于背景减差法，得到二值化图像作为初步检测结果；引入HSV颜色空间，基于纹理特征去除二值化图像中的虚景，将去除虚景后的二值化图像作为当前时刻的落石检测结果，并在当前图像中标出检测结果；更新背景模型。本发明可从RGB图像中快速划分铁轨区域，无需利用先验信息，也无需进行大量特征匹配计算，同时利用聚合通道特征和纹理特征，有效解决因光照等室外因素带来的干扰，同时可以有效检测出高速铁路上的落石。

技术领域

本发明属于图像目标检测领域，更具体地，涉及一种基于聚合通道特征和纹理特征的高速铁路落石实时检测方法。

背景技术

铁路沿线地质条件复杂多变，轨道结构还面临滑坡、崩塌、泥石流、地震等多种自然灾害导致的异物入侵风险，每年因此导致铁路事故频发，对铁路运输安全构成极大安全隐患。因此，轨道结构安全监测问题已成为亟待解决的关键问题。

目前，虽然我国铁路轨道结构防外物入侵建设和运营具有多年工程实践经验，在轨道结构外物入侵报警与视频监控领域也积累了一定的理论研究成果，但针对高速铁路轨道结构防外物入侵安全防护面临的长距离、大范围、全天候、复杂环境条件下的可靠预警与安全运行的挑战，如何提升预警性能和应急保障机制，提前化解各类潜在安全事故，尚未形成一套成熟的理论指导体系，相关基础研究仍滞后于工程，制约了高速铁路的健康可持续发展。因此，系统深入地研究一套铁路轨道结构安全防护监控预警与识别理论方法及技术手段，确保列车可靠高效运行，具有十分迫切的现实意义。

基于视频图像下的高速铁路异物检测技术，主要检测目标为落石，铁路作业工具等影响列车安全运行的物体。由于监控视频图像覆盖范围大，图像中会同时具备铁轨区域和非铁轨区域，且落石、铁路作业工具等目标在图像中所占据的图像区间较小，甚至肉眼难以分辨。故基于视频图像的落石、铁路作业工具检测需要先定位铁轨监测区域，再基于定位的铁轨区域对目标进行检测。

以高速铁路轨道为背景的检测场景，其主要特点为存在复杂的室外因素影响，铁轨环境色调单一，多呈灰色，在检测时需区分图像中的铁轨区域及非铁轨区域，避免误检。在检测时，室外的天气因素，如雨水，光照变化等对目标的检测有较大影响，会造成较多虚景或误检。这些因素的存在使得室外复杂场景目标检测一直是图像检测中的难点。

当前高速铁路背景下落石体积较小，不明显，检测时需要先划定铁轨区域，再基于划分出的铁轨区域进行目标检测。目前，现有检测方法主要不足主要包括：

(1)落石目标形状大小不一，无明显突出特征，既无法采用传统的特征匹配方法检测，也无法采用深度学习的方式进行特征学习。且落石目标一般较小，在图像中所占像素点较少，易受噪声干扰。

(2)处于复杂的室外环境中，雨水，光照变化的影响易对铁路作业工具等目标造成阴影，在检测时将会形成干扰，造成虚景。阴影区域与正常区域并无明显差异，特性较少，传统方式只是基于亮度特性去除阴影影响，对阴影区域的特性描述过少，不能有效的消除阴影影响。具有一定的局限性。

发明内容

针对现有技术在落石目标检测时，既无法采用传统的特征匹配方法检测，也无法采用深度学习的方式进行特征学习，无法进行有效检测；在复杂室外背景下，目标检测时易受雨水，光照变化等室外因素的影响造成误检等问题，本发明提出一种基于聚合通道特征和纹理特征的高速铁路落石检测方法来解决这些问题。

首先，初始帧图像建立背景模型，通过滤波、图像增强等技术，强化图像特征，利用hough变换，边缘检测等方法检测铁轨区域并进行划定，根据聚合通道特征，初步筛选出感兴趣目标，进一步利用空间几何特征以及纹理特征等多维特性，实现异常目标检测的任务。