CN103295027A - 一种基于支持向量机的铁路货车挡键丢失故障识别方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的铁路货车挡键丢失故障识别方法，属于铁路货车运行故障检测领域。所述故障识别方法包括支持向量机的训练过程和在线使用支持向量机进行挡键丢失识别的过程。本发明在列车通过时，获取运行中铁路货车车体的图像、车型和车辆信息，通过图像命名确认图像中是否包含挡键部件，通过定位轴端完成挡键粗定位进而完成挡键细定位，对挡键图像提取HOG特征，输入挡键识别分类器完成挡键丢失故障识别。本发明可方便添加训练样本，针对不同探测站训练相应的分类器。本发明可全自动运行，通过配置文件控制运行参数，运行中不需要人工干预；识别速度快，同时以友好的方式保存自动识别结果，便于列检人员确认复查识别结果。

Description

一种基于支持向量机的铁路货车挡键丢失故障识别方法

技术领域

本发明属于铁路货车运行故障检测领域，涉及一种铁路货车挡键丢失故障识别方法，具体涉及一种基于支持向量机的铁路货车挡键丢失故障识别方法。

背景技术

铁路货车运行故障轨边图像检测系统是一套集高速数字图像采集、大容量图像实时处理技术、精确定位技术、网络化技术以及自动控制技术于一体的系统，简称TFDS。

目前TFDS系统主要以人工看图的方式对采集的货车车体图像进行故障识别，人力成本高，劳动强度大，故障识别的效果受到检车员的精神状态和检车经验等主观因素的制约。图像自动识别技术的运用，可以大大降低列检人员的工作强度，显著提高工作效率，也可以减少图像列检人员的数量，从而降低系统的运行成本。

图像识别技术已经在人脸识别、智能交通、医学图像处理、工业产品检测等众多领域得到了广泛成功的应用，但是在货车故障图像自动识别领域内的应用相对有限，尚处于初步研究阶段。

发明内容

本发明的目的在于为降低TFDS系统人工看图工作强度，提高工作效率，降低系统运行成本而提供一种基于支持向量机的铁路货车挡键丢失故障自动识别方法，包括支持向量机的训练过程和在线使用支持向量机进行挡键丢失识别的过程。其中，支持向量机的训练过程包括以下步骤：

（1）对训练样本集进行归一化操作；

（2）提取每一个训练样本的HOG特征，得到特征数据集Xtrain；

（3）利用特征数据集Xtrain训练支持向量机，得到挡键识别分类器；

进一步的，步骤（1）中所述的归一化操作包括将所有样本缩放到统一尺寸，同时进行平滑处理和直方图均衡化处理。

在线使用支持向量机进行挡键丢失识别过程包含以下几个步骤：

（4）列车通过时，获取运行中铁路货车车体图像、车型和车辆信息；

车辆信息为货车车辆数，将车体图像和车型存入货车车体图像库，按照固定命名规则对图像进行命名，通过图像的命名能够获知图像中是否包含挡键；

（5）读入待识别图像；

根据车辆车型和车体图像的命名从货车车体图像库中提取出此辆列车含有挡键部件的图像作为待识别图像；并根据图像命名编号对图像进行翻转，使挡键位于轴端的右下侧，便于后期挡键定位。

（6）图像预处理；

对图像进行降采样操作，同时对图像进行平滑处理、直方图均衡化，降低噪声对挡键定位的影响。

（7）挡键粗定位；

先定位轴端中心，然后根据轴端中心坐标向图像右下侧偏移，偏移量可根据二者相对位置确定，便可初步判定挡键的大致位置，完成挡键粗定位。

（8）挡键细定位；

截取任意一张挡键图像作为模板图像，将挡键模板图像与挡键粗定位结果进行模板匹配，取匹配度最高的位置为挡键位置，进而根据模板图像尺寸分割出挡键区域。

将挡键位置与经验位置比较，得到定位置信度，该参数可用于后期挡键丢失判别中。

（9）提取挡键图像特征；

对挡键细定位结果进行归一化操作，采用HOG描述子进行特征提取得到一个测试样本特征Ytest。

（10）进行基于支持向量机的图像识别；

将测试样本特征Ytest输入到挡键识别分类器进行分类识别，得到识别结果。并结合挡键细定位时的定位置信度将识别结果划分为正常、直接故障、疑似故障三类。

（11）输出识别结果；

如果识别结果为直接故障或疑似故障，将故障区域标记在原图像上并保存至指定位置待人工确认，否则不做处理。

进一步的，步骤（9）中所述的归一化操作包括将所有样本缩放到统一尺寸，同时进行平滑处理和直方图均衡化处理。

进一步的，步骤（9）所述的测试样本特征为HOG特征。

本发明的优点主要有：

（1）本发明可在线进行识别，与现有TFDS系统并行运行，且不影响列检人员在现有的TFDS系统上工作；

（2）本发明可全自动运行，通过配置文件控制运行参数，运行中不需要人工干预；

（3）本发明采用支持向量机进行挡键丢失识别，识别速度快，同时以友好的方式保存自动识别结果，便于列检人员确认复查识别结果；

（4）经过长时间在线测试，本发明正确识别率高，误报少。

附图说明

图1：本发明中支持向量机训练流程图。

图2：本发明中在线使用支持向量机进行挡键丢失识别流程图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步的详细说明：

本发明是一种基于支持向量机的铁路货车挡键丢失故障识别方法，包括支持向量机的训练过程和在线使用支持向量机进行挡键丢失识别过程，其中，支持向量机的训练过程流程如图1所示，包含以下步骤：

（1）对训练样本集进行归一化操作；

作为一个具体的实施例，训练样本集中包含足够多的正样本（包含挡键图片）和负样本（不包含挡键的任意图片），并且训练样本集中所有训练样本进行归一化操作。所述的归一化操作为：将所有训练样本图片缩放为同一尺寸；由于不同探测站拍摄图片角度、光线、清晰度均有所不同，为保证本发明广泛适用性及识别率，需要对训练样本图片进行一系列的预处理操作，包括平滑、直方图均衡化等操作。

（2）提取每一个训练样本的HOG特征，得到特征数据集Xtrain；

对每一幅经过归一化的训练样本图片提取HOG特征，所有图片的HOG特征构成特征数据集Xtrain。

（3）利用特征数据集Xtrain训练支持向量机，得到挡键识别分类器；

对特征数据集Xtrain的HOG特征赋予标签，如正样本标记为1，负样本标记为0，然后训练支持向量机得到挡键识别分类器。

进一步的，本发明的一个重要功能在于训练样本集可以随时增加调整训练样本数量，以得到更加鲁棒的挡键识别分类器。

在线使用支持向量机进行挡键丢失识别过程如图2所示，包括以下步骤：

（4）列车通过时，接收从高速图像采集器采集的运行中铁路货车车体图像、车型和车辆信息；

所述车辆信息为货车车辆数，一列货车大概由40-70辆车和1辆机车构成，车体的图像和车型存入货车车体图像库，车体图像的命名规则为：x_y_z.jpg，x为车辆在车次列车中的编号，从1开始编排；y为该车辆的部位，如x_1_z表示车辆的转向架部位，x_2_z表示车辆的制动梁部位，x_3_z表示车辆中间部部位，x_4_z表示车钩勾缓部；z为列车该部位图像的编号，从1开始编排，车型不同，其车辆长短不同，因此图像数量也不同。如3_1_8.jpg表示该列车的第3辆车转向架部位的第8张图像。

（5）读入待识别图像；

根据车辆车型和车体图像的命名规则从货车车体图像库中提取出此辆列车含有挡键部件的图像作为待识别图像。

挡键属于转向架部位的部件，因此挡键只会出现在x_1_z图像里，更进一步，根据目前相机的拍摄方法，该部件只存在于每辆车的x_1_0、x_1_2、x_1_3、x_1_5、x_1_6、x_1_8、x_1_9、x_1_11的8张图像里。

进一步的，为了便于定位挡键，根据车体图像命名规则将图像进行自动翻转，最终使挡键位于轴端的右下侧，便于后期挡键定位。

（6）图像预处理；

为了减少计算量，提高定位精度及效率，对图像进行比例因子为2的降采样操作，将图像缩小到原图像1/4大小，然后进行平滑处理、直方图均衡化等操作，改善图像质量，抑制噪声对挡键定位的影响。

（7）挡键粗定位；

挡键在图像中目标较小，直接定位挡键较为困难，而轴端目标区域较大，特征明显，容易定位，同时二者相对位置较固定，本发明通过先定位轴端中心，然后根据轴端中心坐标向图像右下侧偏移，偏移量可根据二者相对位置确定，便可初步判定挡键的大致位置，完成挡键粗定位。

（8）挡键细定位；

根据所述的挡键粗定位结果，对挡键进行细定位。截取任意一张挡键图像作为模板图像，将挡键模板图像与挡键粗定位结果进行模板匹配，取匹配度最高的位置为挡键位置，进而根据模板图像尺寸分割出挡键区域。挡键丢失后，匹配度最高的位置可能是上述粗定位中的任意一位置，不影响最后的识别结果。

更进一步的，在进行挡键细定位时，将挡键定位位置与经验位置比较，结合最佳匹配位置可得到定位置信度，该定位置信度参数可用于后期挡键丢失判别中。

（9）提取挡键图像特征；

对挡键细定位结果进行归一化操作（包括直方图均衡化操作），提高图像对比度，同时可在一定程度上降低光照对识别的影响，采用HOG描述子进行特征提取得到一个测试样本特征Ytest。

（10）进行基于支持向量机的图像识别；

将测试样本特征Ytest输入到挡键识别分类器进行分类识别，得到识别结果。所述的识别结果-分为正常和故障两类。为降低漏报率，可以对输出结果为正常的测试样本进行进一步的判定，即根据定位置信度，如果定位置信度小于等于给定阈值，则认为该测试样本为疑似故障。

（11）输出识别结果；

如果识别结果为直接故障或疑似故障，将故障区域标记在原图像上并保存至指定位置待人工确认，否则不做处理，其中直接故障命名格式为ab_x_y_z.jpg，疑似故障命名格式为sp_x_y_z.jpg。同时将相关的车型信息、识别时间、识别结果的等相关数据存储到数据库中，便于后期统计查询。

本发明综合应用了图像处理和机器学习理论，对铁路货车挡键丢失故障进行自动识别，降低了货车安全运行系统的人力成本和安检人员劳动强度，强化了列检的安全控制能力，对于保证运输安全畅通，提高运输效率具有非常重要的意义。

Claims (5)

1.一种基于支持向量机的铁路货车挡键丢失故障识别方法，其特征在于：包括支持向量机的训练过程和在线使用支持向量机进行挡键丢失故障识别的过程；其中，所述支持向量机的训练过程包括以下步骤：

（1）对训练样本集进行归一化操作；

（2）提取每一个训练样本的HOG特征，得到特征数据集Xtrain；

（3）利用特征数据集Xtrain训练支持向量机，得到挡键识别分类器；

在线使用支持向量机进行挡键丢失故障识别的过程包含以下几个步骤：

（4）列车通过时，获取运行中铁路货车车体图像、车型和车辆信息，按照固定命名规则对车体图像进行命名，通过图像的命名能够获知图像中是否包含挡键；

（5）读入待识别图像；

根据车辆车型和车体图像的命名从货车车体图像库中提取出此辆列车含有挡键部件的图像作为待识别图像；并根据图像命名编号对图像进行翻转，使挡键位于轴端的右下侧；

（6）图像预处理；

对待识别图像进行降采样操作，同时对待识别图像进行平滑处理、直方图均衡化，降低噪声对挡键定位的影响；

（7）挡键粗定位；

先定位轴端中心，然后将轴端中心坐标移到图像右下侧，判定为挡键粗定位的位置；

（8）挡键细定位；

截取任意一张挡键图像作为模板图像，将模板图像与挡键粗定位结果进行模板匹配，取匹配度最高的位置为挡键位置，进而根据模板图像尺寸分割出挡键区域；

将挡键位置与经验位置比较，得到挡键定位置信度；

（9）提取挡键图像特征；

对挡键细定位结果进行归一化操作，采用HOG描述子进行特征提取得到一个测试样本特征Ytest；

（10）进行基于支持向量机的图像识别；

将测试样本特征Ytest输入到挡键识别分类器进行分类识别，得到识别结果；并结合挡键细定位时的定位置信度将识别结果划分为正常、直接故障、疑似故障三类；

（11）输出识别结果；

如果识别结果为直接故障或疑似故障，将故障区域标记在原图像上并保存至指定位置待人工确认，否则不做处理。

2.根据权利要求1所述的一种基于支持向量机的铁路货车挡键丢失故障识别方法，其特征在于：所述的归一化操作包括将所有样本缩放到统一尺寸，同时进行平滑处理和直方图均衡化处理。

3.根据权利要求1所述的一种基于支持向量机的铁路货车挡键丢失故障识别方法，其特征在于：所述的车体图像命名规则为：x_y_z.jpg，x为车辆在车次列车中的编号，从1开始编排；y为该车辆的部位；z为列车该部位图像的编号，从1开始编排。

4.根据权利要求1所述的一种基于支持向量机的铁路货车挡键丢失故障识别方法，其特征在于：所述的降采样具体为对图像进行比例因子为2的降采样操作，将图像缩小到原图像1/4大小。

5.根据权利要求1所述的一种基于支持向量机的铁路货车挡键丢失故障识别方法，其特征在于：步骤（10）中所述的识别结果包括正样本和负样本，其中的正样本是代表正常，负样本代表故障；根据误报率的限定，对正样本进行进一步的判定，即根据定位置信度，如果定位置信度小于等于给定阈值，则认为正样本中存在疑似故障。

Images