一種列車截斷塞門把手丟失故障自動識別方法
【技術領域】
[0001] 本發明屬于圖像分析和處理技術領域，涉及一種列車截斷塞門把手丟失故障自動 識別方法。
【背景技術】
[0002] 長久以來，我國的列車技術檢查（簡稱"列檢"）一直依靠列檢員的人工檢測方式 來完成。受人為主觀因素如視力、疲勞程度和外界環境如氣候、光照等影響，其檢測效率低 下且存在一定的誤判。2014年我國鐵路貨運量高達38. 1億噸，位居世界第一位，而大批 量、高密度的貨物運輸同時也給列車故障檢測提出了更高的要求。于是，TFDS(Troubleof movingFreightcarDetectionSystem，貨車運行故障動態圖像檢測系統）逐漸應用于 國內部分鐵路干線上。該系統是一套集高速數字圖像采集、大容量圖像數據實時處理和精 確定位、模式識別技術于一體的智能系統，由軌邊圖像采集站、列檢檢測中心兩部分組成。 其中軌邊圖像采集站由車輪傳感器、車號采集系統、前置信息處理機、圖像服務器、高速圖 像采集設備、光源補償設備、軌邊設備防護裝置和網絡傳輸設備組成；列檢檢測中心由網絡 傳輸設備、網絡服務器、圖像瀏覽終端組成。通過人機結合的方式判別出車輛轉向架、制動 裝置、車鉤緩沖裝置等部件有無缺損、斷裂、丟失等故障，從而實現列車技術檢查由"人檢人 修"向"機檢人修"的逐漸轉變。
[0003] 截斷塞門把手是貨運列車制動過程中的一個重要部件，位于貨車底部，用于關閉 或者打開制動管，塞門在制動時操縱端必須打開，而非制動時操縱端要求關閉。如果非制動 操縱端塞門未關閉，而且自閥手把置于緩解位，此時如果施行制動，就不起制動作用，容易 引發嚴重安全事故。現階段國內學者對于TFDS故障檢測與識別做出了大量研究，部分成熟 技術已運用于地方鐵路局列檢所，但由于截斷塞門把手操作是旋轉運動，其位置存在一定 不確定性，很難直接定位把手所在的區域。迄今為止，國內一些高等院校和科研院所致力于 對TFDF系統進行研究和完善。哈爾濱工業大學蔣春明、楊旭東針對關門車和交叉桿兩類故 障的特點，采用窗口灰度映射算法實現故障部位的精確定位與分割，以提取灰度梯度特征 實現故障識別；鄭州大學范文兵等提出了基于自適應劃分實例集的Q-relief算法，并成功 運用于枕簧故障自動識別。該算法選擇的特征集進行模式識別的正確率遠高于Relief算 法，但其計算復雜度會隨著偽屬性維數的增大而劇增。
【發明內容】
[0004] 本發明的目的在于提供一種列車截斷塞門把手丟失故障自動識別方法，解決了人 工檢測效率低下并且存在誤判的問題。
[0005] 本發明所采用的技術方案是按照以下步驟進行：
[0006] 1)將鐵路貨車運行故障動態圖像檢測系統所采集的圖像進行預處理以消除拍攝 環境對原始圖像的影響，然后對去噪后的圖像進行圖像分割處理；
[0007] 2)在檢測圖像對應位置設定ROI(RegionsofInterest，感興趣區域），使用基于 Hu不變矩匹配值的把手變步長快速匹配方法，計算模板圖像和ROI圖像的匹配值，并與預 先設定粗定位閾值對比，決定該對應位置是否為精匹配候選點，若是則將該位置存儲于精 匹配預選點序列中；
[0008] 3)對于匹配值小于粗定位閾值的非精匹配候選點，根據其匹配值計算下一步橫向 匹配步長，重復上述匹配步驟；
[0009] 4)通過最終匹配結果判斷截斷塞門把手是否丟失。
[0010] 進一步，所述步驟1中，采集的圖像為由列車故障軌邊圖像檢測系統室外圖像采 集設備實時拍攝途經列車底部制動裝置動態圖像，并通過光纖網絡傳輸；圖像進行預處理 的方法是采用高斯濾波消除拍攝環境對原始圖像的影響；圖像進行圖像分割是采取二值化 處理。
[0011] 進一步，所述步驟2中基于Hu不變矩匹配值的把手變步長快速匹配方法步驟是：
[0012] ①在檢測圖像對應位置設定R0I，計算模板圖像和R0I的匹配值。
[0013] ②將上一步驟所得匹配值與通過實驗分析設定的粗定位閾值比較。若該位置匹配 值大于閾值，則將此位置存于精匹配預選點序列中；若該位置匹配值小于閾值，則根據匹配 值重新計算步長，并由該步長確定下一匹配位置；
[0014] ③重復上述①②步驟，直至搜索匹配過程超出區域邊界；
[0015] ④遍歷預選點序列，并于預選點鄰域內設定動態R0I，計算其與模板的匹配值；
[0016] ⑤獲取該鄰域內最大匹配值的對應點，并將該點位置與匹配值保存于極大值序列 中；
[0017] ⑥在步驟⑤所得極大值序列中搜索最大值及其對應位置，進而鎖定把手區域，BP 匹配成功。
[0018] 進一步，所述步驟2中粗定位閾值為T= 0· 99。
[0019] 進一步，所述步驟3中，計算下一步橫向匹配步長算法步驟為：①計算模板圖像與 動態R0I的匹配值；②匹配值若大于〇. 9,得出下一步橫向匹配步長；匹配值若小于0. 9,則 設定下一步步長為2。
[0020] 進一步，所述步驟4中判定截斷塞門把手是否丟失的方法是：若最終鎖定把手區 域匹配成功，即截斷塞門把手未丟失；否則截斷塞門把手丟失。
[0021] 本發明的有益效果是能夠精確快速的自動檢測判斷列車截斷塞門把手丟失故障。
【附圖說明】
[0022] 圖1為本發明列車故障軌邊圖像檢測系統的截斷塞門把手丟失故障自動識別方 法的實現流程圖；
[0023] 圖2為本發明測試的圖像預處理與圖像分割效果圖；
[0024] 圖3為本發明設計的精匹配示意圖。
【具體實施方式】
[0025] 下面結合【具體實施方式】對本發明進行詳細說明。
[0026] 本發明列車截斷塞門把手丟失故障自動識別方法步驟如圖1所示：
[0027] 步驟1 :由列車故障軌邊圖像檢測系統室外圖像采集設備實時拍攝途經列車底部 制動裝置動態圖像，并通過光纖網絡傳輸至列檢所。
[0028] 步驟2 :對列車故障軌邊圖像檢測系統采集到的原圖像進行預處理，應用高斯濾 波消除拍攝環境對原始圖像的影響。
[0029] 具體地，高斯平滑濾波是一種線性平滑濾波，對于服從或者近似服從正態分布的 噪聲具有良好的消除效果。其原理是計算某點像素鄰域的加權均值來代替該點像素值。對 原始圖像進行高斯平滑濾波處理的過程為：設原始圖像為f(x，y)，經高斯平滑處理后的函 數為fs(x，y)，則可基于公式（1)將G(x，y，〇)與圖像函數f(x，y)進行卷積運算，得到原始 圖像f(X，y)高斯平滑濾波后的圖像fs(x，y)，
[0030] fs(x,y) =f(x,y)*G(x,y,σ) (1)
[0031] 其中，f(x,y)代表存在噪聲干擾的原始圖像，符號*表示卷積運算，G(x,y,σ)表 示高斯函數的二維形式：
[0032]
? C2)
[0033] 步驟3 :對濾波后的圖像進行圖像分割，具體的是采取二值化處理。
[0034] 具體