[发明专利]一种基于AEHAL特征的轨道扣件状态检测方法

权利要求书

1.一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，包括以下步骤：

S1、获取轨道扣件图像的训练数据集，所述训练数据集包括多个对应于正常扣件图像的正样本以及多个对应于异常扣件图像的负样本；

S2、对训练数据集中的正样本和负样本进行图像预处理；

S3、基于图像预处理后的正样本，通过提取HOG特征，并结合AE训练，得到降维编码器；

S4、基于图像预处理后的正样本和负样本，通过提取HOG特征和LBP特征，结合降维编码器以及串行融合方法，得到与正负样本相对应的AEHAL特征；

S5、基于与正负样本相对应的AEHAL特征，通过SVM训练，得到扣件状态分类器；

S6、获取待检测的轨道扣件图像，并对待检测的轨道扣件图像依次进行图像预处理、提取HOG特征和LBP特征，之后利用降维编码器对HOG特征进行降维处理，再将LBP特征与降维后的HOG特征串行融合得到对应于待检测轨道扣件图像的AEHAL特征；

S7、将待检测轨道扣件图像的AEHAL特征输入扣件状态分类器，输出得到对应的扣件状态检测结果。

2.根据权利要求1所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述图像预处理具体包括灰度化处理、图像增强处理以及去除图像噪声处理。

3.根据权利要求1所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述步骤S3具体包括以下步骤：

S31、从图像预处理后的正样本中提取HOG特征；

S32、对步骤S31提取得到的HOG特征进行平均HOG特征计算，得到平均HOG特征；

S33、将平均HOG特征输入AE中进行训练，得到用于对HOG特征降维的编码器，即降维编码器。

4.根据权利要求1～3任一所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述提取HOG特征具体使用的参数为：

bin＝9

cell＝(8×8)

block＝(2×2)

提取的HOG特征维数为(1×8100)维。

5.根据权利要求3所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述平均HOG特征的计算公式为：

其中，为平均HOG特征，V_i为第i张正样本扣件图像对应的HOG特征，n为正样本扣件图像的数量。

6.根据权利要求1所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述AE具体使用一层神经网络进行降维的编码和解码训练。

7.根据权利要求1所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述降维编码器的降维处理公式具体为：

H₂₅₆＝H₈₁₀₀·w+b

其中，H₂₅₆为降维后256维的HOG特征，H₈₁₀₀为原始的8100维HOG特征，w为编码权值矩阵，w为(8100×256)维，b为编码偏置矩阵，b为(1×256)维。

8.根据权利要求1所述的一种基于AEHAL特征的轨道扣件状态检测方法，其特征在于，所述提取LBP特征具体是提取中心像素点周围(3×3)领域范围内的局部纹理特征。