(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211206043.6 (22)申请日 2022.09.30 (71)申请人 厦门破云溯星科技有限公司 地址 361001 福建省厦门市 火炬高新区软 件园三期凤岐路208-1号204单 元 (72)发明人 余孟达　 (74)专利代理 机构 安徽善安知识产权代理事务 所(特殊普通 合伙) 3420 0 专利代理师 刘勇 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/194(2017.01) G06T 7/33(2017.01) (54)发明名称 一种基于历史轨道列车线阵图像检测零部 件异常的方法 (57)摘要 本发明公开了一种基于历史轨道列车线阵 图像检测零部件异常的方法， 包括以下步骤： 步 骤一， 对图像进行前处理； 步骤 二， 采用SIFT和快 速最近邻搜索算法匹配图片， 判断是否有足够优 秀的匹配点； 步骤三， 当优秀的匹配点数量不足 时， 采用模板匹配算法， 并判断匹配值是否达标； 步骤四， 获取需检测的目标； 步骤五， 采用MOG算 法对前景和背景分离。 本发明结合线阵列车图像 处理系统， 采用SIFT、 快速最近邻搜索算法、 模 版 匹配算法和高斯混合模型进行前景/背景分离等 多种计算机图像处理算法， 实现对畸变线阵图像 的校正以及零部件的异常检测， 有效地节省了大 量的人力资源和时间成本， 提升了列车检测的智 能化和自动化， 大 大保障列车 行驶的安全性。 权利要求书1页 说明书4页 附图4页 CN 115409829 A 2022.11.29 CN 115409829 A 1.一种基于历史轨道列车线阵图像检测零部件异常的方法， 其特征在于： 包括以下步 骤， 步骤一， 获取零部件P在无故障的列车线阵图像一的边界框Prect1， 获取待检测同位零部 件Q在待检列车线阵图像二的边界框Qrect1， 分别对零部件P和Q的边界框进行扩大得到边界 框Prect2和Qrect2， 使用Prect1和Qrect1对列车线阵图像 一和图像 二进行裁剪， 得到扩大后的零部 件图像P2和Q2； 步骤二， 通过SIFT算法分别对图像P2和Q2提取关键点以及特征描述符， 利用快速最近 邻搜索算法对特征描述符进行匹配， 采用Lowe ’s算法筛选匹配从中获取优秀的匹配点， 建 立还原矩阵并通过还原 矩阵对图像Q2进行透 视变换得到图像Q2 ’； 步骤三， 当步骤二获取的优秀的匹配点的数量不足时， 采用模版匹配算法作为候选方 式对图像进行配准； 步骤四， 计算边界框Prect1在边界框Prect2的相对坐标Prect’， 用该坐标分别从图像P2和 Q2’裁出需检测的目标P3和Q3； 步骤五， 利用高斯混合模型分离前 景背景算法， 创建模型， 判断零部件是否异常。 2.根据权利要求1所述的一种基于历史轨道列车线阵图像检测零部件异常的方法， 其 特征在于： 所述步骤二中的优秀匹配点达到足够个数时被认定匹配成功， 算法通过， 直接实 行步骤四。 3.根据权利要求1所述的一种基于历史轨道列车线阵图像检测零部件异常的方法， 其 特征在于： 所述步骤三中模板匹配算法的具体方法为， 在大图像Q2中搜索和目标图像P2平 方差最小的图像区域， 作为配准对 象， 当计算得出的平方差大于一定经验值， 则配准失败； 反之， 当计算得 出的平方差小于一定经验值， 则配准成功， 得到图像Q2 ’。 4.根据权利要求1所述的一种基于历史轨道列车线阵图像检测零部件异常的方法， 其 特征在于： 所述步骤一中待检测同位零部件Q在待检列 车线阵图像二的边界框Qrect1的获取 方式为由Prect1通过算法映射到线阵 图像二。 5.根据权利要求1所述的一种基于历史轨道列车线阵图像检测零部件异常的方法， 其 特征在于： 所述步骤一中对零部件P和Q的边界框进行扩大的标准为， 分别对零部件P和Q的 边界框进行R1和R2倍的扩大， 其中R2 >= R1， R1 >1， R2 > 1。 6.根据权利要求1所述的一种基于历史轨道列车线阵图像检测零部件异常的方法， 其 特征在于： 所述步骤五中判断零部件是否异常的方法为， 先判断一个像素点与任何一个高 斯模型的均值μ的之差是否大于其3倍的标准差σ， 若大于则判断为前景， 否则为背景； 之后 通过图像后处 理， 计算出 前景的面积； 当前 景面积大于一定阈值的时候， 被认定为异常。权　利　要　求　书 1/1 页 2 CN 115409829 A 2一种基于历史轨道列车线阵图像检测零部件异常的方 法 技术领域 [0001]本发明涉及计算机视觉技术领域， 特别涉及一种基于历史轨道列车线阵图像检测 零部件异常的方法。 背景技术 [0002]铁路和城市轨道交通作为国家重要的基础设施、 国民经济的大动脉以及大众化的 交通工具， 在推动我国经济社会又快又好发展的过程中扮演着重要的角色。 随着铁路行业 运营里程的不断增加， 铁路维修市场存在较大缺口。 传统轨道列车检测主要采用轨道运维 人员结合 自身经验进行故障检测， 然而， 这种检修方法存在一些缺点， 包括但不限于： 1、 列 车零部件 结构繁多， 细小且复杂。 一组标准组列车需检项目高达上千种， 采用人工巡检存在 工作效率不高和易产生漏检等弊端； 2、 检修零部件异常往往需要工作人员具备丰富的检修 经验和长时间的注意力集中， 每次检修可长达2个多小时， 同时列车隐蔽部件较多， 进一步 提高了漏检的风险； 3、 此外， 列车存在直达或停站时间短的行驶状况， 也无法采用人工巡 检。 [0003]为了解决列车传统人工巡检遇到的痛点， 一种方式是通过沿着轨道设置列车图像 检测系统， 该系统提供图像采集设备对过往车辆进 行全方位线阵图像采集， 包含 车顶， 车侧 以及车底， 然后通过系统内部的图像算法以及深度学习算法进行处理， 完成部件故障的自 动化、 智能化检测。 但是 由于轨道列车经过线阵图像采集设备时无法精准地以同一标准速 度(即与拍摄频率同步)匀速通过， 每趟列车的成像都会产生一定的畸变和位移， 进而导致 算法对零部件定位出现偏差， 增加了对故障检测的困难性和准确度。 针对现有的这一痛点， 有必要提升列车线阵图像检测 算法在零部件定位出现小范围偏差的情况下对异常和故障 的检测能力。 为此， 我们提出一种基于历史轨道列车线阵 图像检测零部件异常的方法。 发明内容 [0004]本发明的主要目的在于提供一种基于历史轨道列车线阵图像检测零部件异常的 方法， 包括以历史无故障线阵图像为基础 模版， 对畸变的待检测图像进 行配准校正， 最后用 前景/背景减除算法进行故障异常检测。 当列车线阵相 机图像发生畸变和位移影响零部件 定位时， 算法可以高效地配准同时对该零部件进行异常检测， 可以有效解决背景技术中的 问题。 [0005]为实现上述目的， 本发明采取的技 术方案为： 一种基于历史轨道列车线阵 图像检测零部件异常的方法， 包括以下步骤： 步骤一， 获取零部件P在无故障的列车线阵图像一的边界框Prect1=[[x1,y1],[x2, y2]]， 其中x1,y1为零部件P边界框的左上角坐标点， x2,y2为右下角坐标点； 获取待检测同位 零部件Q在待检列车线阵图像二的边 界框Qrect1=[[x1,y1],[x2,y2]]， 其中x1,y1为零部件Q边 界框的左上角坐标点， x2,y2位右下角坐标点， 分别对零部件P和Q的边界框进行扩大得到边 界框Prect2和Qrect2， 使用Prect1和Qrect1对列车线阵图像 一和图像 二进行裁剪， 得到扩大后的零说　明　书 1/4 页 3 CN 115409829 A 3