[发明专利]一种基于对比的地铁图像异常检测方法、系统及存储介质

说明书

本发明提供一种基于对比的地铁图像异常检测方法、系统及存储介质。方法包括：通过线扫相机组获取当前运行车辆图像；通过当前运行车辆图像获取车辆标识信息，并基于所述车辆标识信息提取对应当前运行车辆的模板图；分别对所述当前运行车辆图像和模板图像进行特征点检测，提取当前图像特征点和模板图像特征点进行配对，根据匹配的特征点对的位置特征实现当前运行车辆图像和模板图像的对齐；通过对比滑块遍历对齐后的当前运行车辆图像和模板图像，分别提取每个区域的对比差异特征，当对比差异特征值大于预设阈值时，判断当前区域异常，否则判断当前区域正常。本发明能够实现当前地铁图像异常检测，从而以机检代替人检，提高检车效率，节约人力成本。

技术领域

本发明涉及图像处理技术领域，具体而言，尤其涉及一种基于对比的地铁图像异常检测方法、系统及存储介质。

背景技术

近年来，城市轨道交通高速发展，已是城市交通的最重要组成部分，而地铁更是城市轨道交通中的重中之重。地铁车辆在长期运行中，车辆的各部分可能会出现变形、老化、磨损或运行温度过高等情况，为了保障地铁车辆的安全行驶，需要配置大量的运维人员每日进行列检作业。

但是，人工列检存在以下问题：

1.地铁夜间回库检车耗时长、效率低

2.对检修人员的专业技能、素质要求高

3.人员需求量大，人力成本高

4.人工作业容易因视觉疲劳、粗心出现漏检情况。

低效的人工巡检方式严重束缚我国轨道交通事业进一步发展。

发明内容

根据上述提出的人工巡检作业强度大、成本高、效率低、实时性差、安全隐患高等技术问题，而提供一种基于对比的地铁图像异常检测方法、系统及存储介质。本发明通过机检以不停车的方式检测出当前地铁车辆异常，以机检代替人检，降低人工成本，极大缩短检车时间，为地铁安全行驶保驾护航。

本发明采用的技术手段如下：

本发明提供了一种基于对比的地铁图像异常检测方法，包括：

通过线扫相机组获取当前运行车辆图像，所述线扫相机组中的线扫相机被设置为拍摄范围覆盖车身任意位置；

通过当前运行车辆图像获取车辆标识信息，并基于所述车辆标识信息提取对应当前运行车辆的模板图；

分别对所述当前运行车辆图像和模板图像进行特征点检测，提取当前图像特征点和模板图像特征点进行配对，根据匹配的特征点对的位置特征实现当前运行车辆图像和模板图像的对齐；

通过对比滑块遍历对齐后的当前运行车辆图像和模板图像，分别提取每个区域的对比差异特征，当对比差异特征值大于预设阈值时，判断当前区域异常，否则判断当前区域正常。

进一步地，通过当前运行车辆图像获取车辆标识信息，并基于所述车辆标识信息提取对应当前运行车辆的模板图，包括：

基于训练好的YOLO_V3目标检测模型由当前运行车辆图像识别车身车号字符，按照识别字符的前后位置顺序整合获得地铁车号，所述地铁车号对应唯一地铁车辆；

根据所述地铁车号由数据库查找该车号对应的地铁车辆前一次过车时间段，将时间段内线扫相机组获取的运行车辆图像作为模板图。

进一步地，分别对所述当前运行车辆图像和模板图像进行特征点检测，包括：基于OPENCV中的Surf特征点检测算法对所述当前运行车辆图像和模板图像进行特征点检测。

进一步地，提取当前图像特征点和模板图像特征点进行配对，包括：

采用区域K近邻优化匹配算法对当前图像特征点和模板图像特征点进行配对；