CN110264470A - 货运列车篷布监测方法、装置、终端及存储介质 - Google Patents
货运列车篷布监测方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN110264470A CN110264470A CN201910377516.0A CN201910377516A CN110264470A CN 110264470 A CN110264470 A CN 110264470A CN 201910377516 A CN201910377516 A CN 201910377516A CN 110264470 A CN110264470 A CN 110264470A
- Authority
- CN
- China
- Prior art keywords
- goods train
- tarpaulin
- image
- region
- contour
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000012806 monitoring device Methods 0.000 claims abstract description 13
- 230000015654 memory Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 18
- 230000002146 bilateral effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000011946 reduction process Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 5
- 239000004744 fabric Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000006002 Pepper Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Image Analysis (AREA)
Abstract
一种货运列车篷布监测方法,包括:连续获取货运列车行驶过程中的多张图像;获取每张图像中的货运列车的前景区域;采用YOLO目标检测算法检测出每张图像的前景区域中的多个轮廓区域和车头区域;根据车头区域确定目标基准线;判断多个轮廓区域中是否存在超过目标基准线预设高度的目标轮廓区域;当确定存在目标轮廓区域时,输出货运列车的篷布飘起的结果。本发明还提供一种货运列车篷布监测装置、终端及存储介质。本发明能够通过视频监控技术,在非站点路段,连续获取货运列车的多张图像,并对多张图像进行分析来确定货运列车上的篷布是否发生飘起,为货运列车的安全监测提供了有效的辅助技术手段,提高了货运列车运行的安全性。
Description
技术领域
本发明涉及视频监控技术领域,具体涉及一种货运列车篷布监测方法、装置、终端及存储介质。
背景技术
货车篷布是货物运输的辅助工具,在铁路运输生产中经常采用蓬布遮蔽货物以防止敞车装运货物的湿损和丢失,一块货车篷布价值一千多元。随着货运列车运行速度的提高,加之风害严重等因素的影响,在货运列车的运行过程中经常出现篷布飘起的现象,而篷布飘起又会造成篷布损坏甚至丢失并进一步造成货物湿损和丢失,给铁路运输带来了很大的经济损失和不便。
随着铁路货物运输的不断发展,传统的铁路货运管理已经适应不了实际发展的需要。传统的铁路货物运输管理采用纯人工操作,需要货运列车停车后才能获取相关数据信息,人工检测需耗费大量的时间和人力,而且检测效率低下,容易出现错误,且在非站点的路段也无法通过人工进行检测。
因此,有必要提供一种不依靠人工且在非站点路段的货运列车上的篷布的监测的技术方案。
发明内容
鉴于以上内容,有必要提出一种货运列车篷布监测方法、装置、终端及存储介质,能够通过视频监控技术,在非站点路段,连续获取货运列车的多张图像,并对多张图像进行分析来确定货运列车上的篷布是否发生飘起,为货运列车的安全监测提供了有效的辅助技术手段,提高了货运列车运行的安全性。
本发明的第一方面提供一种货运列车篷布监测方法,所述方法包括:
连续获取货运列车行驶过程中的多张图像;
获取每张图像中的货运列车的前景区域;
采用YOLO目标检测算法检测出每张图像的所述前景区域中的多个轮廓区域和车头区域;
根据所述车头区域确定目标基准线;
判断所述多个轮廓区域中是否存在超过所述目标基准线预设高度的目标轮廓区域;
当确定存在所述目标轮廓区域时,输出所述货运列车的篷布飘起的结果。
优选的,所述获取每张图像中的货运列车的前景区域包括:
获取所述货运列车到来前的背景图像;
将所述每张图像与所述背景图像进行差分处理;
对差分处理之后的每张图像进行腐蚀膨胀处理,得到每张图像中的所述货运列车的前景区域。
优选的,在所述输出所述货运列车的篷布飘起的结果之后,所述方法还包括:
统计每张图像中的所述多个轮廓区域中超过所述目标基准线预设高度的轮廓区域的第一个数;
计算所述多张图像中的所述第一个数的总和;
根据所述总和得到超过所述目标基准线预设高度的轮廓区域的平均个数;
判断所述平均个数是否超过预设个数阈值;
当确定所述平均个数超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况严重的结果;
当确定所述平均个数没有超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况轻微的结果。
优选的,所述根据所述车头区域确定目标基准线包括:
确定所述车头区域对应的矩形框;
将所述矩形框的上边所在的水平线确定为目标基准线。
优选的,当确定不存在所述目标轮廓区域时,所述方法还包括:
输出所述货运列车的篷布正常的结果。
优选的,在所述输出所述货运列车上有攀爬者的结果之后,所述方法还包括:
向所述货运列车的货运列车司机发送告警信息;
同时,向前方车站的调度室发送包含所述货运列车的机车号的告警信息。
优选的,在所述连续获取货运列车行驶过程中的多张图像之后,所述方法还包括:
对所述多张图像进行照度或对比度归一化处理;
采用双边滤波算法对进行所述归一化处理后的多张图像进行降噪处理。
本发明的第二方面提供一种货运列车篷布监测装置,所述装置包括:
第一获取模块,用于连续获取货运列车行驶过程中的多张图像;
第二获取模块,用于获取每张图像中的货运列车的前景区域;
检测模块,用于采用YOLO目标检测算法检测出每张图像的所述前景区域中的多个轮廓区域和车头区域;
确定模块,用于根据所述车头区域确定目标基准线;
判断模块,用于判断所述多个轮廓区域中是否存在超过所述目标基准线预设高度的目标轮廓区域;
输出模块,用于当所述判断模块确定存在所述目标轮廓区域时,输出所述货运列车的篷布飘起的结果。
本发明的第三方面提供一种终端,所述终端包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现所述货运列车篷布监测方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述货运列车篷布监测方法。
综上所述,本发明所述的货运列车篷布监测方法、装置、终端及存储介质,在货运列车行驶的过程中,获取连续多张图像,然后将每张图像中的背景去掉得到货运列车的前景区域,再采用YOLO目标检测算法在前景区域中检测出多个轮廓区域和车头区域,根据车头区域可以确定出一个货运列车车厢高度的目标基准线,通过比较多个轮廓区域中是否有超过所述目标轮廓区域预设高度的目标轮廓区域来确定是否发生篷布飘起的现象。为车站接发车作业的安全检测提供有效的辅助技术手段,打破了完全依靠纯人工视觉、听觉、触觉被动判断货运列车是否安全运行的机制,避免了人工操作容易出错的风险,大大减轻现场工作人员的工作量,提高了货运列车运行的安全性,提高了工作人员的工作效率,实现了对运输安全生产的有效控制,并为货运列车调度室提供了有效的高清晰图像依据。其次,对有问题的货运列车进行实时报警,可及时处理因篷布飘起造成的停车、延误等事件的发生,提高了铁路运输的效率。
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,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的货运列车篷布监测方法的流程图。
图2是本发明实施例二提供的货运列车篷布监测装置的结构图。
图3是本发明实施例三提供的终端的结构示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,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前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的货运列车篷布监测方法的流程图。
在本实施例中,所述货运列车篷布监测方法可以应用于终端中,对于需要进行货运列车篷布监测的终端,可以直接在终端上集成本发明的方法所提供的货运列车篷布监测的功能,或者以软件开发工具包(Software Development Kit,SKD)的形式运行在终端中。
如图1所示,所述货运列车篷布监测方法,应用于货运列车行驶过程中的这一特定场景,所述货运列车篷布监测方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11:连续获取货运列车行驶过程中的多张图像。
本实施例中的货运列车是由十几甚至几十节的集装箱车厢组成的,每节集装箱车箱长约35-40米。货运列车一般包括头部和尾部,头部位于第一节车厢的前端,尾部位于最后一节车厢的末端。
本实施例中,可以通过高清数字图像采集设备获取货运列车在行驶过程中的多张图像。由于货运列车运行速度较快,可高达几百米每秒,而通过单一图像无法精确的确定货运列车的篷布是否飘起,因此可以采用高速连拍数字照相技术,在货运列车经过时,通过高清数字图像采集设备快速对所述货运列车进行连拍从而获取多张包含货运列车在内的高清数字图像。或者通过高清数字图像采集设备采集视频流,通过提取视频流中的帧得到多张图像,以便通过多张连续性的图像综合识别货运列车的篷布是否飘起。
本实施例中,所述高清数字图像采集设备可以包括多台高清相机,所述高清相机安装在被监视货运列车轨道的两侧沿所述货运列车行进路线设置的至少一个支撑架上。具体的,多台高清相机可以分别安装在铁轨龙门架的顶梁和两根立柱上,实时获取货运列车顶部及两侧视频图像并发送至流媒体存储装置。当然在其它实施例中,所述高清相机还可以有其他的安装位置,只要能清晰地获取货运列车顶部及两侧的清晰图像即可。
高清数字图像采集设备可以通过专用视频光端机、有线网络等技术向各个车站调度室的室内视频分析服务器发送采集的所述高清图像,使得货运列车管理部门能够随时通过室内视频分析服务器掌握货运列车的运行情况。
优选的,在所述连续获取货运列车行驶过程中的多张图像之后,所述方法还包括:
对所述多张图像进行预处理。
本实施例中,对所述多张图像进行预处理包括:对所述多张图像进行照度或对比度归一化处理;采用双边滤波算法对进行所述归一化处理后的多张图像进行降噪处理。
由于监控的是全天候(不同时段、不同光线强度、不同气候特征)的货运列车运行状态,对多张高清图像进行预处理之后,可解决不同时段、不同光照条件下图像的照度或者对比度的归一化,从而将图像中所需要识别部分的特征进行优化凸显,将其余不需要识别部分的特征进行弱化处理,以提高图像识别的准确性和识别速度。
所述双边滤波算法能够有效的去除噪声,例如,由高清数字图像采集设备产生的椒盐噪声,同时,还具有良好的边缘细节保持能力。关于双边滤波算法的处理过程为现有技术,本发明在此不再详细赘述。
需要说明的是,本实施例中,无需对所述多张图像进行图像灰度归一化处理,即多张图像或者经过预处理后的多张图像为彩色图像。
S12:获取每张图像中的货运列车的前景区域。
由于货运列车的篷布是覆盖在车厢上的,因而,对得到的多张图像进行背景去除,便于后续仅需对篷布和车厢进行分析即可,避免后续采用YOLO目标检测时,将背景中出现的物体当做了目标对象造成了干扰。
若在获取每张图像中的货运列车的前景区域之前,对每张图像进行了预处理,则获取进行预处理之后的每张图像中的货运列车的前景区域。
优选的,所述获取每张图像中的货运列车的前景区域包括:
121)获取所述货运列车到来前的背景图像;
本实施例中,在货运列车到来前先通过高清数字图像采集设备采集一张图像,作为背景图像;或者从视频中截取一帧货运列车到来前的图像,作为背景图像。
应当理解的是,所述背景图像中只包含背景信息,例如,铁轨信息,天空信息等,而不包含任何货运列车及车厢的前景信息。
122)将所述每张图像与所述背景图像进行差分处理;
本实施例中,由于背景图像为货运列车到来前的图像,货运列车到来后的多张图像是在背景图像的基础上增加了货运列车这一前景,而高清数字图像采集设备的拍摄位置固定,即背景图像与所述多张图像的大小是相同的,因而可以直接将每张图像中的每个像素与所述背景图像中的相对应的像素进行差分处理。即,将每张图像中属于背景的区域去掉了,仅保留了货运列车这一前景区域的图像。
123)对差分处理之后的每张图像进行腐蚀膨胀处理,得到每张图像中的所述货运列车的前景区域。
本实施例中,如果对差分处理后的图像中属于货运列车的前景区域再进行一系列的形态学的腐蚀膨胀处理,就可以得到相对完整的联通区域,该相对完整的联通区域即为一整列货运列车的前景区域。
S13:采用YOLO目标检测算法检测出每张图像的所述前景区域中的多个轮廓区域和车头区域。
本实施例中,在得到每张图像中的货运列车的前景区域之后,需要根据预先设置的YOLO目标检测算法来检测每张图像中的多个目标。YOLO(You Only Look Once:Better,Faster,Stronger)目标检测算法为快速多目标检测算法,能够同时检测出多种目标,且用矩形框的形式框选出了每个目标的轮廓区域。
去除了背景之后,采用YOLO目标检测算法检测到的目标仅包括:无篷布覆盖的车头、篷布及篷布覆盖的车厢,将车头对应的区域称之为车头区域,将篷布及篷布覆盖的车厢统称为轮廓区域,即非车头区域。
S14:根据所述车头区域确定目标基准线。
本实施例中,采用YOLO目标检测算法检测出每张图像中的前景区域中的车头区域后,即可根据所述车头区域确定一个目标基准线。
由于相对于高清数字图像采集设备所拍摄的方向而言,货运列车是在高速前进或后退,因而每张图像中的前景区域的大小必不相同,前景区域中的车头区域也必不相同,则需要根据每张图像的车头区域确定该张每张图像的目标基准线。
本实施例中,所述根据所述车头区域确定目标基准线包括:
确定所述车头区域对应的矩形框;
将所述矩形框的上边所在的水平线确定为目标基准线。
YOLO目标检测算法检测出车头区域后,以矩形框表示车头所在的区域。一般而言,矩形框是由上边、下边、左边及右边所形成的规则性的几何区域。将矩形框的上边所在的水平线确定为目标基准线。所述目标基准线代表了货运列车车厢的高度。可根据目标基准线判断是否存在篷布飘起。
S15:判断所述多个轮廓区域中是否存在超过所述目标基准线预设高度的目标轮廓区域。
本实施例中,所述预设高度为预先设置的高度,用以表示篷布是否发生飘起的临界值。
实际应用中,由于车厢中装有货物,故货运列车的车厢会比车头高出部分高度,因而在目标基准线的基础上设置一个临界值,当多个轮廓区域中存在有超过目标基准线临界值的轮廓区域,则认为是由于篷布飘起造成的轮廓区域高出了目标基准线的预设高度。而当多个轮廓区域中不存在有超过目标基准线临界值的轮廓区域,则认为是篷布没有发生飘起或者飘起的高度并没有超过所述目标基准线的预设高度,这种情况下,认为篷布是安全的。
YOLO目标检测算法检测出多个目标后,以矩形框表示每个目标所在的轮廓区域。此时,仅需判断某个目标所在的轮廓区域的矩形框的上边所在的水平线是否高于所述目标基准线预设高度,即可判断该目标所在的轮廓区域是否超过所述目标基准线预设高度的轮廓区域。
以此类推,可确定所述多个轮廓区域中的每一个轮廓区域是否超过所述目标基准线预设高度。当有一个轮廓区域超过所述目标基准线预设高度,则表明所述多个轮廓区域中存在超过所述目标基准线预设高度的轮廓区域;当没有任何一个轮廓区域超过所述目标基准线预设高度,则表明所述多个轮廓区域中不存在超过所述目标基准线预设高度的轮廓区域。
若判断所述多个轮廓区域中存在超过所述目标基准线预设高度的目标轮廓区域,即判断存在所述目标轮廓区域,则执行S16;否则,若判断所述多个轮廓区域中不存在超过所述目标基准线预设高度的目标轮廓区域,即,判断不存在所述目标轮廓区域,则执行S17。
S16:输出所述货运列车的篷布飘起的结果。
本实施例中,当判断所述多个轮廓区域中存在超过所述目标基准线预设高度的目标轮廓区域时,认为所述货运列车的多节车厢中存在某节车厢的篷布出现了飘起的现象,则输出篷布飘起的结果。
优选的,在所述输出所述货运列车的篷布飘起的结果之后,所述方法还包括:
161)统计每张图像中的所述多个轮廓区域中超过所述目标基准线预设高度的轮廓区域的第一个数;
162)计算所述多张图像中的所述第一个数的总和;
163)根据所述总和得到超过所述目标基准线预设高度的轮廓区域的平均个数;
164)判断所述平均个数是否超过预设个数阈值;
165)当确定所述平均个数超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况严重的结果;当确定所述平均个数没有超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况轻微的结果。
本实施例中,由于货运列车在运行的过程中引起风压的变化从而造成篷布被风吹起,但被飘起的篷布的形状及大小也时刻发生着变化,比如当前时刻有一块篷布发生了飘起,下一时刻有3块篷布发生了飘起。因此,通过统计每张图像中的所述多个轮廓区域中超过所述目标基准线预设高度的轮廓区域的第一个数得到一个总和,在根据总和确定平均个数,最后通过判断超过目标基准线预设高度的轮廓区域的平均个数与预先设置的个数阈值之间的大小关系来确定篷布飘起的情况是否严重。
示例性,假设获取了5张图像,通过YOLO目标检测算法检测出每张图像中有多个轮廓区域,其中,第1张图像中的多个轮廓区域中有3个目标轮廓区域超过了目标基准线预设高度,其中第2张图像中的多个轮廓区域中有2个目标轮廓区域超过了目标基准线预设高度,第3张图像中的多个轮廓区域中有4个目标轮廓区域超过了目标基准线预设高度,第4张图像中的多个轮廓区域中有3个目标轮廓区域超过了目标基准线预设高度,第5张图像中的多个轮廓区域中有3个目标轮廓区域超过了目标基准线预设高度。则所述5张图像中超过目标基准线预设高度的目标轮廓区域的总和为15,平均个数为3,超过了预设个数阈值2,认为货运列车的篷布存在严重的飘起现象,输出货运列车的篷布飘起情况严重的结果。对于存在严重飘起的现象,可以通知货运列车司机停车,以进行检修或者将飘起的篷布进行重新捆绑。
S17:输出所述货运列车的篷布正常的结果。
本实施例中,当判断所述多个轮廓区域中不存在超过所述目标基准线预设高度的目标轮廓区域时,认为所述货运列车的每节车厢的篷布都没有出现飘起的现象,则输出篷布正常的结果。
进一步的,在所述输出所述货运列车的篷布飘起的结果之后,所述方法还包括:
向所述货运列车的列车司机发送告警信息;
同时,向前方车站的调度室发送包含所述货运列车的机车号的告警信息。
本实施例中,机车号为永久标示货运列车的号码,包括:型号和编号,机车号在全路管辖范围内是唯一的。在篷布有异常时,同时向列车司机和前方站的调度室发送告警信息。向所述货运列车的列车司机发送告警信息,便于司机能实时了解正在运行的货运列车的状况,提高警惕性,也能够起到提醒司机做停车处理,并通知货运列车检修人员将飘起的篷布再次封盖好;而向前方车站发送包含货运列车的机车号的告警信息,便于前方车站工作人员在接车时能第一时间对篷布进行检修或者更换。即,起到了双重保障对有异常的篷布进行及时处理的效果。
综上所述,本发明所述的货运列车篷布监测方法,在货运列车行驶的过程中,获取连续多张图像,然后将每张图像中的背景去掉得到货运列车的前景区域,再采用YOLO目标检测算法在前景区域中检测出多个轮廓区域和车头区域,根据车头区域可以确定出一个货运列车车厢高度的目标基准线,通过比较多个轮廓区域中是否有超过所述目标轮廓区域预设高度的目标轮廓区域来确定是否发生篷布飘起的现象。为车站接发车作业的安全检测提供有效的辅助技术手段,打破了完全依靠纯人工视觉、听觉、触觉被动判断货运列车是否安全运行的机制,避免了人工操作容易出错的风险,大大减轻现场工作人员的工作量,提高了货运列车运行的安全性,提高了工作人员的工作效率,实现了对运输安全生产的有效控制,并为货运列车调度室提供了有效的高清晰图像依据。其次,对有问题的货运列车进行实时报警,可及时处理因篷布飘起造成的停车、延误等事件的发生,提高了铁路运输的效率。
实施例二
图2是本发明实施例二提供的货运列车篷布监测装置的结构图。
在一些实施例中,所述货运列车篷布监测装置20可以包括多个由程序代码段所组成的功能模块。所述货运列车篷布监测装置20中的各个程序段的程序代码可以存储于终端的存储器中,并由所述至少一个处理器所执行,以执行(详见图1描述)对货运列车篷布的监测的功能。
本实施例中,所述货运列车篷布监测装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:第一获取模块201、预处理模块202、第二获取模块203、检测模块204、确定模块205、判断模块206、输出模块207及发送模块208。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
第一获取模块201,用于连续获取货运列车行驶过程中的多张图像。
本实施例中的货运列车是由十几甚至几十节的集装箱车厢组成的,每节集装箱车箱长约35-40米。货运列车一般包括头部和尾部,头部位于第一节车厢的前端,尾部位于最后一节车厢的末端。
本实施例中,可以通过高清数字图像采集设备获取货运列车在行驶过程中的多张图像。由于货运列车运行速度较快,可高达几百米每秒,而通过单一图像无法精确的确定货运列车的篷布是否飘起,因此可以采用高速连拍数字照相技术,在货运列车经过时,通过高清数字图像采集设备快速对所述货运列车进行连拍从而获取多张包含货运列车在内的高清数字图像。或者通过高清数字图像采集设备采集视频流,通过提取视频流中的帧得到多张图像,以便通过多张连续性的图像综合识别货运列车的篷布是否飘起。
本实施例中,所述高清数字图像采集设备可以包括多台高清相机,所述高清相机安装在被监视货运列车轨道的两侧沿所述货运列车行进路线设置的至少一个支撑架上。具体的,多台高清相机可以分别安装在铁轨龙门架的顶梁和两根立柱上,实时获取货运列车顶部及两侧视频图像并发送至流媒体存储装置。当然在其它实施例中,所述高清相机还可以有其他的安装位置,只要能清晰地获取货运列车顶部及两侧的清晰图像即可。
高清数字图像采集设备可以通过专用视频光端机、有线网络等技术向各个车站调度室的室内视频分析服务器发送采集的所述高清图像,使得货运列车管理部门能够随时通过室内视频分析服务器掌握货运列车的运行情况。
优选的,在所述第一获取模块201连续获取货运列车行驶过程中的多张图像之后,所述货运列车篷布监测装置20还包括:
预处理模块202,用于对所述多张图像进行预处理。
本实施例中,对所述多张图像进行预处理包括:对所述多张图像进行照度或对比度归一化处理;采用双边滤波算法对进行所述归一化处理后的多张图像进行降噪处理。
由于监控的是全天候(不同时段、不同光线强度、不同气候特征)的货运列车运行状态,对多张高清图像进行预处理之后,可解决不同时段、不同光照条件下图像的照度或者对比度的归一化,从而将图像中所需要识别部分的特征进行优化凸显,将其余不需要识别部分的特征进行弱化处理,以提高图像识别的准确性和识别速度。
所述双边滤波算法能够有效的去除噪声,例如,由高清数字图像采集设备产生的椒盐噪声,同时,还具有良好的边缘细节保持能力。关于双边滤波算法的处理过程为现有技术,本发明在此不再详细赘述。
需要说明的是,本实施例中,无需对所述多张图像进行图像灰度归一化处理,即多张图像或者经过预处理后的多张图像为彩色图像。
第二获取模块203,用于获取每张图像中的货运列车的前景区域。
由于货运列车的篷布是覆盖在车厢上的,因而,对得到的多张图像进行背景去除,便于后续仅需对篷布和车厢进行分析即可,避免后续采用YOLO目标检测时,将背景中出现的物体当做了目标对象造成了干扰。
若在第二获取模块203获取每张图像中的货运列车的前景区域之前,所述预处理模块202对每张图像进行了预处理,则所述第二获取模块203获取进行预处理之后的每张图像中的货运列车的前景区域。
优选的,所述第二获取模块203获取每张图像中的货运列车的前景区域包括:
121)获取所述货运列车到来前的背景图像;
本实施例中,在货运列车到来前先通过高清数字图像采集设备采集一张图像,作为背景图像;或者从视频中截取一帧货运列车到来前的图像,作为背景图像。
应当理解的是,所述背景图像中只包含背景信息,例如,铁轨信息,天空信息等,而不包含任何货运列车及车厢的前景信息。
122)将所述每张图像与所述背景图像进行差分处理;
本实施例中,由于背景图像为货运列车到来前的图像,货运列车到来后的多张图像是在背景图像的基础上增加了货运列车这一前景,而高清数字图像采集设备的拍摄位置固定,即背景图像与所述多张图像的大小是相同的,因而可以直接将每张图像中的每个像素与所述背景图像中的相对应的像素进行差分处理。即,将每张图像中属于背景的区域去掉了,仅保留了货运列车这一前景区域的图像。
123)对差分处理之后的每张图像进行腐蚀膨胀处理,得到每张图像中的所述货运列车的前景区域。
本实施例中,如果对差分处理后的图像中属于货运列车的前景区域再进行一系列的形态学的腐蚀膨胀处理,就可以得到相对完整的联通区域,该相对完整的联通区域即为一整列货运列车的前景区域。
检测模块204,用于采用YOLO目标检测算法检测出每张图像的所述前景区域中的多个轮廓区域和车头区域。
本实施例中,在得到每张图像中的货运列车的前景区域之后,需要根据预先设置的YOLO目标检测算法来检测每张图像中的多个目标。YOLO(You Only Look Once:Better,Faster,Stronger)目标检测算法为快速多目标检测算法,能够同时检测出多种目标,且用矩形框的形式框选出了每个目标的轮廓区域。
去除了背景之后,采用YOLO目标检测算法检测到的目标仅包括:无篷布覆盖的车头、篷布及篷布覆盖的车厢,将车头对应的区域称之为车头区域,将篷布及篷布覆盖的车厢统称为轮廓区域,即非车头区域。
确定模块205,用于根据所述车头区域确定目标基准线。
本实施例中,采用YOLO目标检测算法检测出每张图像中的前景区域中的车头区域后,即可根据所述车头区域确定一个目标基准线。
由于相对于高清数字图像采集设备所拍摄的方向而言,货运列车是在高速前进或后退,因而每张图像中的前景区域的大小必不相同,前景区域中的车头区域也必不相同,则需要根据每张图像的车头区域确定该张每张图像的目标基准线。
本实施例中,所述确定模块205根据所述车头区域确定目标基准线包括:
确定所述车头区域对应的矩形框;
将所述矩形框的上边所在的水平线确定为目标基准线。
YOLO目标检测算法检测出车头区域后,以矩形框表示车头所在的区域。一般而言,矩形框是由上边、下边、左边及右边所形成的规则性的几何区域。将矩形框的上边所在的水平线确定为目标基准线。所述目标基准线代表了货运列车车厢的高度。可根据目标基准线判断是否存在篷布飘起。
判断模块206,用于判断所述多个轮廓区域中是否存在超过所述目标基准线预设高度的目标轮廓区域。
本实施例中,所述预设高度为预先设置的高度,用以表示篷布是否发生飘起的临界值。
实际应用中,由于车厢中装有货物,故货运列车的车厢会比车头高出部分高度,因而在目标基准线的基础上设置一个临界值,当多个轮廓区域中存在有超过目标基准线临界值的轮廓区域,则认为是由于篷布飘起造成的轮廓区域高出了目标基准线的预设高度。而当多个轮廓区域中不存在有超过目标基准线临界值的轮廓区域,则认为是篷布没有发生飘起或者飘起的高度并没有超过所述目标基准线的预设高度,这种情况下,认为篷布是安全的。
YOLO目标检测算法检测出多个目标后,以矩形框表示每个目标所在的轮廓区域。此时,仅需判断某个目标所在的轮廓区域的矩形框的上边所在的水平线是否高于所述目标基准线预设高度,即可判断该目标所在的轮廓区域是否超过所述目标基准线预设高度的轮廓区域。
以此类推,可确定所述多个轮廓区域中的每一个轮廓区域是否超过所述目标基准线预设高度。当有一个轮廓区域超过所述目标基准线预设高度,则表明所述多个轮廓区域中存在超过所述目标基准线预设高度的轮廓区域;当没有任何一个轮廓区域超过所述目标基准线预设高度,则表明所述多个轮廓区域中不存在超过所述目标基准线预设高度的轮廓区域。
输出模块207,用于当所述判断模块206确定所述多个轮廓区域中存在超过所述目标基准线预设高度的目标轮廓区域时,输出所述货运列车的篷布飘起的结果。
本实施例中,当判断所述多个轮廓区域中存在超过所述目标基准线预设高度的目标轮廓区域时,认为所述货运列车的多节车厢中存在某节车厢的篷布出现了飘起的现象,则输出篷布飘起的结果。
优选的,在所述输出所述货运列车的篷布飘起的结果之后,所述装置还包括:
161)统计每张图像中的所述多个轮廓区域中超过所述目标基准线预设高度的轮廓区域的第一个数;
162)计算所述多张图像中的所述第一个数的总和;
163)根据所述总和得到超过所述目标基准线预设高度的轮廓区域的平均个数;
164)判断所述平均个数是否超过预设个数阈值;
165)当确定所述平均个数超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况严重的结果;当确定所述平均个数没有超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况轻微的结果。
本实施例中,由于货运列车在运行的过程中引起风压的变化从而造成篷布被风吹起,但被飘起的篷布的形状及大小也时刻发生着变化,比如当前时刻有一块篷布发生了飘起,下一时刻有3块篷布发生了飘起。因此,通过统计每张图像中的所述多个轮廓区域中超过所述目标基准线预设高度的轮廓区域的第一个数得到一个总和,在根据总和确定平均个数,最后通过判断超过目标基准线预设高度的轮廓区域的平均个数与预先设置的个数阈值之间的大小关系来确定篷布飘起的情况是否严重。
示例性,假设获取了5张图像,通过YOLO目标检测算法检测出每张图像中有多个轮廓区域,其中,第1张图像中的多个轮廓区域中有3个目标轮廓区域超过了目标基准线预设高度,其中第2张图像中的多个轮廓区域中有2个目标轮廓区域超过了目标基准线预设高度,第3张图像中的多个轮廓区域中有4个目标轮廓区域超过了目标基准线预设高度,第4张图像中的多个轮廓区域中有3个目标轮廓区域超过了目标基准线预设高度,第5张图像中的多个轮廓区域中有3个目标轮廓区域超过了目标基准线预设高度。则所述5张图像中超过目标基准线预设高度的目标轮廓区域的总和为15,平均个数为3,超过了预设个数阈值2,认为货运列车的篷布存在严重的飘起现象,输出货运列车的篷布飘起情况严重的结果。对于存在严重飘起的现象,可以通知货运列车司机停车,以进行检修或者将飘起的篷布进行重新捆绑。
所述输出模块207,还用于当所述判断模块206确定所述多个轮廓区域中不存在超过所述目标基准线预设高度的目标轮廓区域,输出所述货运列车的篷布正常的结果。
本实施例中,当判断所述多个轮廓区域中不存在超过所述目标基准线预设高度的目标轮廓区域时,认为所述货运列车的每节车厢的篷布都没有出现飘起的现象,则输出篷布正常的结果。
进一步的,在所述输出模块207输出所述货运列车的篷布飘起的结果之后,所述货运列车篷布监测装置20还包括:
发送模块208,用于向所述货运列车的列车司机发送告警信息;
所述发送模块208,还用于向前方车站的调度室发送包含所述货运列车的机车号的告警信息。
本实施例中,机车号为永久标示货运列车的号码,包括:型号和编号,机车号在全路管辖范围内是唯一的。在篷布有异常时,同时向列车司机和前方站的调度室发送告警信息。向所述货运列车的列车司机发送告警信息,便于司机能实时了解正在运行的货运列车的状况,提高警惕性,也能够起到提醒司机做停车处理,并通知货运列车检修人员将飘起的篷布再次封盖好;而向前方车站发送包含货运列车的机车号的告警信息,便于前方车站工作人员在接车时能第一时间对篷布进行检修或者更换。即,起到了双重保障对有异常的篷布进行及时处理的效果。
综上所述,本发明所述的货运列车篷布监测装置,在货运列车行驶的过程中,获取连续多张图像,然后将每张图像中的背景去掉得到货运列车的前景区域,再采用YOLO目标检测算法在前景区域中检测出多个轮廓区域和车头区域,根据车头区域可以确定出一个货运列车车厢高度的目标基准线,通过比较多个轮廓区域中是否有超过所述目标轮廓区域预设高度的目标轮廓区域来确定是否发生篷布飘起的现象。为车站接发车作业的安全检测提供有效的辅助技术手段,打破了完全依靠纯人工视觉、听觉、触觉被动判断货运列车是否安全运行的机制,避免了人工操作容易出错的风险,大大减轻现场工作人员的工作量,提高了货运列车运行的安全性,提高了工作人员的工作效率,实现了对运输安全生产的有效控制,并为货运列车调度室提供了有效的高清晰图像依据。其次,对有问题的货运列车进行实时报警,可及时处理因篷布飘起造成的停车、延误等事件的发生,提高了铁路运输的效率。
实施例三
参阅图3所示,为本发明实施例三提供的终端的结构示意图。在本发明较佳实施例中,所述终端3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的终端的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述终端3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述终端3包括一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的终端,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述终端3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述终端3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31用于存储程序代码和各种数据,例如安装在所述终端3中的货运列车篷布监测装置20,并在终端3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述终端3的控制核心(Control Unit),利用各种接口和线路连接整个终端3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行终端3的各种功能和处理数据,例如执行货运列车篷布监测的功能。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述终端3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述终端3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中,结合图2,所述至少一个处理器32可执行所述终端3的操作装置以及安装的各类应用程序(如所述的货运列车篷布监测装置20)、程序代码等,例如,上述的各个模块。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图2中所述的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到货运列车篷布监测的目的。
在本发明的一个实施例中,所述存储器31存储多个指令,所述多个指令被所述至少一个处理器32所执行以实现货运列车篷布的检测。
具体地,所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种货运列车篷布监测方法,其特征在于,所述方法包括:
连续获取货运列车行驶过程中的多张图像;
获取每张图像中的货运列车的前景区域;
采用YOLO目标检测算法检测出每张图像的所述前景区域中的多个轮廓区域和车头区域;
根据所述车头区域确定目标基准线;
判断所述多个轮廓区域中是否存在超过所述目标基准线预设高度的目标轮廓区域;
当确定存在所述目标轮廓区域时,输出所述货运列车的篷布飘起的结果。
2.如权利要求1所述的方法,其特征在于,所述获取每张图像中的货运列车的前景区域包括:
获取所述货运列车到来前的背景图像;
将所述每张图像与所述背景图像进行差分处理;
对差分处理之后的每张图像进行腐蚀膨胀处理,得到每张图像中的所述货运列车的前景区域。
3.如权利要求1所述的方法,其特征在于,在所述输出所述货运列车的篷布飘起的结果之后,所述方法还包括:
统计每张图像中的所述多个轮廓区域中超过所述目标基准线预设高度的轮廓区域的第一个数;
计算所述多张图像中的所述第一个数的总和;
根据所述总和得到超过所述目标基准线预设高度的轮廓区域的平均个数;
判断所述平均个数是否超过预设个数阈值;
当确定所述平均个数超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况严重的结果;
当确定所述平均个数没有超过所述预设个数阈值时,输出所述货运列车的篷布飘起情况轻微的结果。
4.如权利要求1所述的方法,其特征在于,所述根据所述车头区域确定目标基准线包括:
确定所述车头区域对应的矩形框;
将所述矩形框的上边所在的水平线确定为目标基准线。
5.如权利要求1所述的方法,其特征在于,当确定不存在所述目标轮廓区域时,所述方法还包括:
输出所述货运列车的篷布正常的结果。
6.如权利要求1所述的方法,其特征在于,在所述输出所述货运列车上有攀爬者的结果之后,所述方法还包括:
向所述货运列车的货运列车司机发送告警信息;
同时,向前方车站的调度室发送包含所述货运列车的机车号的告警信息。
7.如权利要求1至6中任意一项所述的方法,其特征在于,在所述连续获取货运列车行驶过程中的多张图像之后,所述方法还包括:
对所述多张图像进行照度或对比度归一化处理;
采用双边滤波算法对进行所述归一化处理后的多张图像进行降噪处理。
8.一种货运列车篷布监测装置,其特征在于,所述装置包括:
第一获取模块,用于连续获取货运列车行驶过程中的多张图像;
第二获取模块,用于获取每张图像中的货运列车的前景区域;
检测模块,用于采用YOLO目标检测算法检测出每张图像的所述前景区域中的多个轮廓区域和车头区域;
确定模块,用于根据所述车头区域确定目标基准线;
判断模块,用于判断所述多个轮廓区域中是否存在超过所述目标基准线预设高度的目标轮廓区域;
输出模块,用于当所述判断模块确定存在所述目标轮廓区域时,输出所述货运列车的篷布飘起的结果。
9.一种终端,其特征在于,所述终端包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述货运列车篷布监测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述货运列车篷布监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910377516.0A CN110264470B (zh) | 2019-05-07 | 2019-05-07 | 货运列车篷布监测方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910377516.0A CN110264470B (zh) | 2019-05-07 | 2019-05-07 | 货运列车篷布监测方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110264470A true CN110264470A (zh) | 2019-09-20 |
CN110264470B CN110264470B (zh) | 2024-05-28 |
Family
ID=67914346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910377516.0A Active CN110264470B (zh) | 2019-05-07 | 2019-05-07 | 货运列车篷布监测方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110264470B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508034A (zh) * | 2020-11-03 | 2021-03-16 | 精英数智科技股份有限公司 | 货运列车故障检测方法、装置及电子设备 |
CN114435828A (zh) * | 2021-12-31 | 2022-05-06 | 深圳云天励飞技术股份有限公司 | 货品存储方法、装置、搬运设备及存储介质 |
CN117576490A (zh) * | 2024-01-16 | 2024-02-20 | 口碑(上海)信息技术有限公司 | 一种后厨环境检测方法和装置、存储介质和电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102941864A (zh) * | 2012-11-09 | 2013-02-27 | 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 |
CN103077387A (zh) * | 2013-02-07 | 2013-05-01 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN107103654A (zh) * | 2017-05-02 | 2017-08-29 | 郑州华瑞伟业电子科技有限公司 | 一种货检安全检测监控和管理系统和方法 |
-
2019
- 2019-05-07 CN CN201910377516.0A patent/CN110264470B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102941864A (zh) * | 2012-11-09 | 2013-02-27 | 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 |
CN103077387A (zh) * | 2013-02-07 | 2013-05-01 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN107103654A (zh) * | 2017-05-02 | 2017-08-29 | 郑州华瑞伟业电子科技有限公司 | 一种货检安全检测监控和管理系统和方法 |
Non-Patent Citations (1)
Title |
---|
柴雪松等: "货车装载安全状态监测系统的研制", 《铁路计算机应用》, no. 04, pages 1 - 3 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508034A (zh) * | 2020-11-03 | 2021-03-16 | 精英数智科技股份有限公司 | 货运列车故障检测方法、装置及电子设备 |
CN112508034B (zh) * | 2020-11-03 | 2024-04-30 | 精英数智科技股份有限公司 | 货运列车故障检测方法、装置及电子设备 |
CN114435828A (zh) * | 2021-12-31 | 2022-05-06 | 深圳云天励飞技术股份有限公司 | 货品存储方法、装置、搬运设备及存储介质 |
CN117576490A (zh) * | 2024-01-16 | 2024-02-20 | 口碑(上海)信息技术有限公司 | 一种后厨环境检测方法和装置、存储介质和电子设备 |
CN117576490B (zh) * | 2024-01-16 | 2024-04-05 | 口碑(上海)信息技术有限公司 | 一种后厨环境检测方法和装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110264470B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Banić et al. | Intelligent machine vision based railway infrastructure inspection and monitoring using UAV | |
CN110264470A (zh) | 货运列车篷布监测方法、装置、终端及存储介质 | |
CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
CN107886055A (zh) | 一种用于车辆运动方向判定的逆行检测方法 | |
CN105809975A (zh) | 一种异常停车判断方法和装置 | |
CN104809887B (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN103366569A (zh) | 实时抓拍交通违章车辆的方法及系统 | |
CN104029680A (zh) | 基于单目摄像头的车道偏离预警系统及方法 | |
CN110780665A (zh) | 车辆无人驾驶控制方法及装置 | |
CN110263623A (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN105243381A (zh) | 基于3d信息的故障自动识别检测系统及方法 | |
CN113298059A (zh) | 受电弓异物入侵检测方法、装置、计算机设备、系统及存储介质 | |
CN102496281A (zh) | 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 | |
CN111723706A (zh) | 基于树莓派的厢式货车厢门开度监控装置及系统 | |
CN103077387A (zh) | 视频中货运列车车厢自动检测方法 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
CN110175533A (zh) | 高架桥交通状况实时监测方法、装置、终端及存储介质 | |
CN110264651A (zh) | 列车站台行人越线监测方法、装置、终端及存储介质 | |
CN105957352B (zh) | 违章停车检测方法和装置 | |
CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
CN111723704A (zh) | 基于树莓派的厢式货车厢门开度监控方法 | |
CN113255552A (zh) | 公交车载视频乘客od分析系统、方法、装置及存储介质 | |
CN115600124A (zh) | 地铁隧道巡检系统及巡检方法 | |
CN111738109A (zh) | 一种基于深度学习的厢式货车厢门状态识别方法 |
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 | ||
GR01 | Patent grant |