CN109858456B - 一种铁路车辆状态故障分析系统 - Google Patents
一种铁路车辆状态故障分析系统 Download PDFInfo
- Publication number
- CN109858456B CN109858456B CN201910122362.0A CN201910122362A CN109858456B CN 109858456 B CN109858456 B CN 109858456B CN 201910122362 A CN201910122362 A CN 201910122362A CN 109858456 B CN109858456 B CN 109858456B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- processing module
- analysis processing
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种铁路车辆状态故障分析系统,包括:图像分析处理模块、视频分析处理模块、热像仪数据分析处理模块和音频数据分析处理模块。有益效果在于:该系统能够通过图像分析处理模块检测车辆开启状态,如车门开启状态、车窗开启状态、尾管吊起状态、篷布飘起状态、动车注水口开启状态和客车蓄电池盖开启状态;通过视频分析处理模块对烟雾货物自燃检测、散落异物检测和列尾装置检测;通过热像仪数据分析处理模块诊断车辆是否抱闸;通过音频数据分析处理模块声学诊断对行车过程中的异常声音进行识别,从而判断车辆的运行状态和装载状态是否存在危及行车的安全隐患。
Description
技术领域
本发明涉及铁路车辆故障检测领域,具体涉及一种铁路车辆状态故障分析系统。
背景技术
传统的铁路车辆故障检测方法采用车辆到站后人工检测,通过眼观、耳听、手摸、试探和比较的诊断方式,主要依靠检测工人个人的经验和技能,对工人的要求特别高,之后随着电子技术的发展,出现了检测仪器,虽然能够从一定程度上降低对工人的要求,但是仍需要工人现场操作检测,若有一点疏忽便可能影响列车的安全。
发明内容
本发明的目的就在于为了解决上述问题而提供一种铁路车辆状态故障分析系统,基于机器视觉的图像识别技术、基于深度学习的预警判别技术、基于动态帧的视频识别技术、基于轮温的抱闸检测技术、基于音频的行车故障监测技术来判断车辆的运行状态和装载状态是否存在危及行车的安全隐患。
本发明通过以下技术方案来实现上述目的:
一种铁路车辆状态故障分析系统,包括:
图像分析处理模块,该图像分析处理模块包括图像预处理单元、图像识别单元和图像分类单元,用来检测车辆开启状态,该开启状态包括车门开启状态、车窗开启状态、尾管吊起状态、篷布飘起状态、动车注水口开启状态和客车蓄电池盖开启状态;
视频分析处理模块,该视频分析处理模块通过面阵相机获取车辆的高清视频,运用动态帧分析技术,通过对关键帧之间的对比来判定车辆预警信息,该车辆预警信息包括烟雾货物自燃检测、散落异物检测和列尾装置检测;
热像仪数据分析处理模块,该热像仪数据分析处理模块通过热像探测轮温,根据温度计算轮温、列比、温差、均温差参数,并以此结合双侧制动故障判别模型和单侧制动故障判别模型,诊断车辆是否抱闸;
音频数据分析处理模块,该音频数据分析处理模块采用声学诊断对行车过程中的异常声音进行识别。
具体地,所述图像预处理单元执行以下步骤:
(1)图像多次度增强,对采集到的高清图像,进行有目的的区域增强,灰度变换,以期能使图像中的相关信息得到放大或减小,自动的改变一些本来无法观测区域的清晰度;
(2)图像区域分割,将图像中的重点区域自动选取并分割出来,分割出来的不同区域可以有针对性的用于不同的问题检测当中;
(3)快速背景去除;
(4)大尺度快速中值滤波;
(5)快速均值偏移滤波;
(6)图像模板区域匹配,通过扫描车辆图像中的特殊区域,找到与之前已经训练好的模板相匹配的位置,这些位置将会为之后的区域分割,问题区域定位和识别提供坐标性依据,匹配技术的算法是由二值化局部相关系数匹配算法实现。
具体地,所述图像识别单元包括:
车种车型识别,根据车体的几何特征和标识特征,用于判断车种和车型;
多种车辆兴趣区域划分,根据车型的具体特征,分割出不同兴趣区域进行智能识别;
图像特征点提取,针对不同的车辆兴趣区域,对该区域提不同的特征点,该特征点包括纹理特征、灰度变换特征、几何特征和直方图特征,这些特征信息能够有效地描述该区域有问题或无问题的图像状态。
具体地,所述图像分类单元根据不同车型,得到其相关区域的特征信息后,根据不同的问题要求,对图像上的各个区域进行检测和识别;当判断出有问题出现的情况时,对发生问题的车辆信息、区域信息、问题位置和范围进行汇总并将这些结果返回给预警平台。
具体地,所述烟雾货物自燃检测先通过对视频中的静态信息得到背景模板,再对每一帧图像进行与背景图像差异比对,对每一帧图像的背景差异进行烟雾识别,对烟雾特征信息进行识别,包括以下步骤:
第一步:解码图片,去除背景;
第二步:滤波处理,获得二值化前景图;
第三步:二值图像形态学操作处理;
第四步:图像相关区域的轮廓特征提取和纹理特征提取;
第五步:根据特征信息判断是否存在烟雾;
第六步:预警并返回识别结果。
具体地,列尾装置安装在列车最后一节车厢尾部,列尾装置检测定义两个区域,分别为进入区域和离开区域,使用帧差法分析图像运动信息,当进入区域无运动,离开区域有运动时进行分类器检测,其中分类器基于OpenCV的级联分类器实现,特征选取LBP。
具体地,所述音频数据分析处理模块采用阵列的噪声源定位和显示功能,分析车辆设备产生声音的来源,进而分析可能存在的质量问题,使用声相仪对车辆各部位或者整体所产生的声音进行精确和快速的可视化,对设备进行精确的故障诊断。
综上,本发明的有益效果在于:该系统能够通过图像分析处理模块检测车辆开启状态,如车门开启状态、车窗开启状态、尾管吊起状态、篷布飘起状态、动车注水口开启状态和客车蓄电池盖开启状态;通过视频分析处理模块对烟雾货物自燃检测、散落异物检测和列尾装置检测;通过热像仪数据分析处理模块诊断车辆是否抱闸;通过音频数据分析处理模块声学诊断对行车过程中的异常声音进行识别,从而判断车辆的运行状态和装载状态是否存在危及行车的安全隐患。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的图像识别处理模型。
实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
参见图1所示,本发明提供了一种铁路车辆状态故障分析系统,包括:图像分析处理模块、视频分析处理模块、热像仪数据分析处理模块和音频数据分析处理模块。
图像分析处理模块包括图像预处理单元、图像识别单元和图像分类单元,用来检测车辆开启状态,该开启状态包括车门开启状态、车窗开启状态、尾管吊起状态、篷布飘起状态、动车注水口开启状态和客车蓄电池盖开启状态。具体地,所述图像预处理单元执行以下步骤:
(1)图像多次度增强,对采集到的高清图像,进行有目的的区域增强,灰度变换,以期能使图像中的相关信息得到放大或减小,自动的改变一些本来无法观测区域的清晰度;使图像的利用价值更高,更加能用于之后的图像处理和识别。
(2)图像区域分割,将图像中的重点区域自动选取并分割出来,分割出来的不同区域可以有针对性的用于不同的问题检测当中;对于区域分割,本发明采用K-Mean的选取算法,并且结合多阈值估算算法,将这两种算法进行合理的搭配使用,使不同车辆的区域得到合理的分割。
(3)快速背景去除。
(4)大尺度快速中值滤波。
(5)快速均值偏移滤波。
(6)图像模板区域匹配,通过扫描车辆图像中的特殊区域,找到与之前已经训练好的模板相匹配的位置,这些位置将会为之后的区域分割,问题区域定位和识别提供坐标性依据,匹配技术的算法是由二值化局部相关系数匹配算法实现。
所述图像识别单元包括:
车种车型识别,根据车体的几何特征和标识特征,用于判断车种和车型;采用几何特征和标识特征识别车体,更能保证智能识别的针对性和准确性。
多种车辆兴趣区域划分,根据车型的具体特征,分割出不同兴趣区域进行智能识别;在铁路车辆中,车型不多,而针对每个车型都具有其具体特征,针对这些具体特征能够分割出不同兴趣区域进行智能识别。
图像特征点提取,针对不同的车辆兴趣区域,对该区域提不同的特征点,该特征点包括纹理特征、灰度变换特征、几何特征和直方图特征,这些特征信息能够有效地描述该区域有问题或无问题的图像状态。
所述图像分类单元根据不同车型,得到其相关区域的特征信息后,根据不同的问题要求,对图像上的各个区域进行检测和识别;当判断出有问题出现的情况时,对发生问题的车辆信息、区域信息、问题位置和范围进行汇总并将这些结果返回给预警平台。
如图1,具体的图像识别处理模型建立包括以下流程:
首先,对于图像采集装置所采集的图像和文本信息,通过互联网传输、计算机进行读取图像和读取文本,之后对于车辆图像判断图像是否符合标准规范,若符合标准规范,则与车辆信息一起识别目标,若不符合规范,则无法判断,将信息传输到接发列车预警系统。符合标准规范且识别目标后,进行车辆车型识别和车尾风管识别(需要说明的是烟雾货物自燃检测、散落异物检测和列尾装置检测为同样的故障诊断模型),对于不同车辆车型识别进行模式识别调用(该模式识别调用包括车门车窗识别、异物悬挂识别、异物堆放识别、篷布飘起识别),对烟雾识别进行实时识别,之后将车辆车型识别、车尾风管识别、实时烟雾识别进行整合判别结果,返回识别结果,将信息发送到接发列车预警系统。
视频分析处理模块通过面阵相机获取车辆的高清视频,运用动态帧分析技术,通过对关键帧之间的对比来判定车辆预警信息,该车辆预警信息包括烟雾货物自燃检测、散落异物检测和列尾装置检测;
具体地,所述烟雾货物自燃检测先通过对视频中的静态信息得到背景模板,再对每一帧图像进行与背景图像差异比对,对每一帧图像的背景差异进行烟雾识别,对烟雾特征信息进行识别,包括以下步骤:
第一步:解码图片,去除背景;
第二步:滤波处理,获得二值化前景图;
第三步:二值图像形态学操作处理;
第四步:图像相关区域的轮廓特征提取和纹理特征提取;
第五步:根据特征信息判断是否存在烟雾;
第六步:预警并返回识别结果。
因为散落物或异物相较车轮部分具有不较大梯度差异并且会进行运动。因此,使用基于梯度的VIBE背景建模技术可以较好的检测出疑似的散落物。
同时,由于车轮部分场景会相对固定,因此可以通过大量采集素材后,对车轮部分进行ANN或SVM模型训练,再将疑似散落物跟模型进行匹配,将车轮得分高的进行滤除,以减少误检率。
具体地,列尾装置安装在列车最后一节车厢尾部,列尾装置检测定义两个区域,分别为进入区域和离开区域,使用帧差法分析图像运动信息,当进入区域无运动,离开区域有运动时进行分类器检测,其中分类器基于OpenCV的级联分类器实现,特征选取LBP,这样当车速正常的情况下,可以不使用跳帧就能保证图像缓冲区不溢出,能够有效提高分类器检测率,从而提高最终的检测率。列车最后一节车厢尾部会安装列尾装置,列尾装置规格统一,样式相同,符合使用级联分类器的条件。
热像仪数据分析处理模块通过热像探测轮温,根据温度计算轮温、列比、温差、均温差参数,并以此结合双侧制动故障判别模型和单侧制动故障判别模型,诊断车辆是否抱闸;选用热像探测轮温,采用列车车辆制动抱闸故障报警系统通过对车辆车轮温度的动态检测,根据车轮温度的变化反应车辆制动装置的工作状况,及时发现车辆制动不灵或缓解不良等故障。系统自动根据采集的车号、车位以及每辆车的每个轮子的温度数据经智能分析处理,计算出辆平均温升、列比、温差、均温差等参数,根据制动故障判别模型计算列车温度是否存在异常。异常故障等级分为微热、强热、激热等。
音频数据分析处理模块采用声学诊断对行车过程中的异常声音进行识别。
具体地,所述音频数据分析处理模块采用阵列的噪声源定位和显示功能,分析车辆设备产生声音的来源,进而分析可能存在的质量问题,使用声相仪对车辆各部位或者整体所产生的声音进行精确和快速的可视化,对设备进行精确的故障诊断。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.一种铁路车辆状态故障分析系统,其特征在于,包括:
图像分析处理模块,该图像分析处理模块包括图像预处理单元、图像识别单元和图像分类单元,用来检测车辆开启状态,该开启状态包括车门开启状态、车窗开启状态、尾管吊起状态、篷布飘起状态、动车注水口开启状态和客车蓄电池盖开启状态;
视频分析处理模块,该视频分析处理模块通过面阵相机获取车辆的高清视频,运用动态帧分析技术,通过对关键帧之间的对比来判定车辆预警信息,该车辆预警信息包括烟雾货物自燃检测、散落异物检测和列尾装置检测;
热像仪数据分析处理模块,该热像仪数据分析处理模块通过热像探测轮温,根据温度计算轮温、列比、温差、均温差参数,并以此结合双侧制动故障判别模型和单侧制动故障判别模型,诊断车辆是否抱闸;
音频数据分析处理模块,该音频数据分析处理模块采用声学诊断对行车过程中的异常声音进行识别;
所述烟雾货物自燃检测先通过对视频中的静态信息得到背景模板,再对每一帧图像进行与背景图像差异比对,对每一帧图像的背景差异进行烟雾识别,对烟雾特征信息进行识别,包括以下步骤:
第一步:解码图片,去除背景;
第二步:滤波处理,获得二值化前景图;
第三步:二值图像形态学操作处理;
第四步:图像相关区域的轮廓特征提取和纹理特征提取;
第五步:根据特征信息判断是否存在烟雾;
第六步:预警并返回识别结果;
列尾装置安装在列车最后一节车厢尾部,列尾装置检测定义两个区域,分别为进入区域和离开区域,使用帧差法分析图像运动信息,当进入区域无运动,离开区域有运动时进行分类器检测,其中分类器基于OpenCV的级联分类器实现,特征选取LBP;
所述图像预处理单元执行以下步骤:
(1)图像多次度增强,对采集到的高清图像,进行有目的的区域增强,灰度变换,以期能使图像中的相关信息得到放大或减小,自动的改变一些本来无法观测区域的清晰度;
(2)图像区域分割,将图像中的重点区域自动选取并分割出来,分割出来的不同区域可以有针对性的用于不同的问题检测当中;
(3)快速背景去除;
(4)大尺度快速中值滤波;
(5)快速均值偏移滤波;
(6)图像模板区域匹配,通过扫描车辆图像中的特殊区域,找到与之前已经训练好的模板相匹配的位置,这些位置将会为之后的区域分割,问题区域定位和识别提供坐标性依据,匹配技术的算法是由二值化局部相关系数匹配算法实现;
所述图像识别单元包括:
车种车型识别,根据车体的几何特征和标识特征,用于判断车种和车型;
多种车辆兴趣区域划分,根据车型的具体特征,分割出不同兴趣区域进行智能识别;
图像特征点提取,针对不同的车辆兴趣区域,对该区域提不同的特征点,该特征点包括纹理特征、灰度变换特征、几何特征和直方图特征,这些特征信息能够有效地描述该区域有问题或无问题的图像状态;
所述图像分类单元根据不同车型,得到其相关区域的特征信息后,根据不同的问题要求,对图像上的各个区域进行检测和识别;当判断出有问题出现的情况时,对发生问题的车辆信息、区域信息、问题位置和范围进行汇总并将这些结果返回给预警平台。
2.根据权利要求1所述一种铁路车辆状态故障分析系统,其特征在于,所述音频数据分析处理模块采用阵列的噪声源定位和显示功能,分析车辆设备产生声音的来源,进而分析可能存在的质量问题,使用声相仪对车辆各部位或者整体所产生的声音进行精确和快速的可视化,对设备进行精确的故障诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122362.0A CN109858456B (zh) | 2019-02-18 | 2019-02-18 | 一种铁路车辆状态故障分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122362.0A CN109858456B (zh) | 2019-02-18 | 2019-02-18 | 一种铁路车辆状态故障分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858456A CN109858456A (zh) | 2019-06-07 |
CN109858456B true CN109858456B (zh) | 2023-09-22 |
Family
ID=66898179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910122362.0A Active CN109858456B (zh) | 2019-02-18 | 2019-02-18 | 一种铁路车辆状态故障分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858456B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112082781B (zh) * | 2019-06-12 | 2022-03-15 | 比亚迪股份有限公司 | 车辆及其故障检测方法和故障检测装置 |
CN112183453B (zh) * | 2020-10-15 | 2021-05-11 | 哈尔滨市科佳通用机电股份有限公司 | 基于深度学习的注水口盖板未锁闭到位故障检测方法及系统 |
CN113741395A (zh) * | 2021-09-06 | 2021-12-03 | 深圳市星卡科技有限公司 | 基于热成像技术的故障诊断方法、装置和计算机设备 |
CN113788051A (zh) * | 2021-10-26 | 2021-12-14 | 成都运达科技股份有限公司 | 列车在站运行状态监测分析系统 |
CN115063903A (zh) * | 2022-06-08 | 2022-09-16 | 深圳市永达电子信息股份有限公司 | 一种铁路货列厢体异常监测方法以及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105416340A (zh) * | 2015-12-07 | 2016-03-23 | 河南思维信息技术有限公司 | 一种列车提示和预警系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335880A (zh) * | 2008-08-01 | 2008-12-31 | 上海铁路通信工厂 | 车载视频监控系统及其监控方法 |
CN102941864B (zh) * | 2012-11-09 | 2015-03-25 | 武汉翔翼科技有限公司 | 一种列车装载状态高清监控及超限检测方法 |
JP6552949B2 (ja) * | 2015-11-30 | 2019-07-31 | 株式会社東芝 | 故障点標定装置、その方法及びプログラム |
CN107554558A (zh) * | 2017-08-31 | 2018-01-09 | 哈尔滨威克科技有限公司 | 铁路车辆走行部安全检测预警装置 |
CN108334902A (zh) * | 2018-02-02 | 2018-07-27 | 北京华纵科技有限公司 | 一种基于深度学习的轨道列车设备间烟雾防火监测方法 |
CN207809417U (zh) * | 2018-02-05 | 2018-09-04 | 南京紫台星河电子有限责任公司 | 列车轮温检测装置 |
-
2019
- 2019-02-18 CN CN201910122362.0A patent/CN109858456B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105416340A (zh) * | 2015-12-07 | 2016-03-23 | 河南思维信息技术有限公司 | 一种列车提示和预警系统 |
Non-Patent Citations (1)
Title |
---|
"基于机器视觉的货车转向架典型故障检测方法研究";王斌;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;1-64 * |
Also Published As
Publication number | Publication date |
---|---|
CN109858456A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858456B (zh) | 一种铁路车辆状态故障分析系统 | |
US8902053B2 (en) | Method and system for lane departure warning | |
CN105744232A (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN111553214B (zh) | 一种驾驶员吸烟行为检测方法及系统 | |
CN107798688B (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
CN107273785A (zh) | 多尺度融合的道路表面状况检测 | |
CN112744174A (zh) | 车辆碰撞监测方法、装置、设备及计算机可读存储介质 | |
CN113408364B (zh) | 一种临时车牌识别方法、系统、装置及存储介质 | |
CN111460917A (zh) | 基于多模态信息融合的机场异常行为检测系统及方法 | |
CN111009136A (zh) | 一种高速公路行驶速度异常车辆检测方法、装置及系统 | |
CN113701642A (zh) | 一种车身外观尺寸的计算方法及系统 | |
Tumas et al. | Acceleration of HOG based pedestrian detection in FIR camera video stream | |
Ramanathan et al. | Spatiotemporal vehicle tracking, counting and classification | |
CN113487561A (zh) | 基于灰度梯度异常投票的受电弓异物检测方法及装置 | |
CN110502995B (zh) | 基于细微面部动作识别的驾驶员打哈欠检测方法 | |
CN109165607B (zh) | 一种基于深度学习的驾驶员手持电话检测方法 | |
WO2017077261A1 (en) | A monocular camera cognitive imaging system for a vehicle | |
CN202771439U (zh) | 基于matlab交通标志自动识别装置 | |
CN111242076B (zh) | 行人检测方法及系统 | |
CN110414357B (zh) | 一种基于车辆类型识别的前方车辆定位方法 | |
CN108242183A (zh) | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 | |
CN113553953A (zh) | 车辆抛物检测方法、装置、电子装置及可读存储介质 | |
Frías-Velázquez et al. | A mathematical morphology-based approach for vehicle detection in road tunnels | |
CN116612642B (zh) | 一种车辆连续变道检测方法及电子设备 | |
CN113449629B (zh) | 基于行车视频的车道线虚实识别装置、方法、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200914 Address after: 110013 4-3, Jing bin street, Shenhe District, Shenyang City, Liaoning province (1-7 level) Applicant after: Shenyang Railway Science and Technology Research Institute Co.,Ltd. Address before: No.4-3 Jingbin street, Shenhe District, Shenyang City, Liaoning Province Applicant before: Science and Technology Institute of China Railway Shenyang Bureau Group Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |