用于动车组故障检测的图像识别算法研究

《用于动车组故障检测的图像识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、用于动车组故障检测的图像识别算法研究摘要：动车组运行故障动态图像检测系统（TEDS）利用对当前图像与其历史图像的比较，实现列车运行状况的即时监测以及自动预警。因为，各个时间获得的图像肯定不可能完全一致，就造成仅仅基于SIFT特征匹配的故障识别算法误报率非常高。因此，本文给出一种自适应融合局部和全局匹配的图像故障识别算法：将图像基于车厢对齐比对；基于SIFT特征匹配，利用局部比对粗略定位故障位置；以上述位置为模板，查询历史图像以精确判断故障位置。后续实验证明，这一算法能有效地分析和警示运行动车组的问题情况，使得工作人员能够及时发现突发问题，确保动车

2、运行安全。中国8/vie　　关键词：动车组故障检测图像识别算法　　中图分类号：TP39文献标识码：A：1007-9416（2016）12-0140-02　　随着我国高速铁路事业的进一步发展，动车组安全检测工作的建设变得尤为关键。当前的检测形式为入库地沟式静态监控，而运行过程中的动态监控不足。这必然造成动车组可能长时间带问题行驶，造成了很大的安全隐患。高速运行中的车辆，其关键部位容易遭受石块等物体的较强撞击，另外因为长时间受到传动力及制动力，其部件可能出现各种程度的动摇，所以行驶中的动态监控对于确保动车运行安全起到非常关键的作用。　　对于以上情况，

3、相关部门提出了动车组运行故障动态图像检测系统（TEDS，TroubleofmovingEMUDetectionSystem）。它通过轨边装设的线阵摄像头，收集行驶动车组走行部、底架悬吊件、钩缓连接、制动配件、车体两侧裙板、转向架等位置图像，与其最近行驶的历史图像进行比较，检查当前行驶车辆的结构件是否有改变、改变的趋势以及改变的形式，完成故障的及时预警。但是因为速度、光线、大气、抖动等各种外界因素的变化，造成不同时间采集的两幅图像之间存在分辨率、亮度、长度等差别，所以当前�H是应用基于SIFT特征匹配的图像故障识别算法具有许多的误报情况，故障定位不

4、准确。　　因此，本文提出一种自适应融合局部和全局匹配的图像故障识别算法：（l）将图像基于车厢对齐比对；（2）基于SIFT特征匹配，利用局部比对粗略定位故障位置；（3）以上述位置为模板，查询历史图像以精确判断故障位置。后续实验证明，本算法对于行驶动车组的异常状况能有效地及时告警，使得工作人员可迅速发现相关故障，确保动车运行安全。　　1用于动车组故障检测的图像识别算法　　文中提出的自适应融合局部和全局匹配的图像故障识别算法框架：（1）以车厢为基准对不同时间采集的动车图像进行对齐配准，尽可能地排除因为速率、抖动、光线等外部原因引起的图像错位情况；接着应

5、用局部匹配粗略定位故障坐标，也就是利用SIFT特征匹配算法，查找现场采集图像中无法与历史图像匹配成功的特征区域，将其当作待识别故障区域；（2）将待识别故障区域当作模板，在整幅历史图像中实现全局查找匹配，准确定位故障。后续实验证明，本算法针对运行动车组的异常状况能有效地实现告警，增强了动车组隐蔽故障发现能力和故障产生初期的预警性能，提高了动车组行驶的安全预防能力，为避免动车组问题运行提供了有效措施。　　1.1图像的对齐比对　　因为图像在采集过程中容易遭受车速、天气等很多外部原因的干扰，往往引起图像差别，为此首先要对现场采集的动车图像以车厢为基准进行

6、图像拼接和分割，实现与历史图像的对齐比对。具体来讲，分为三部分：（1）实现动车车头对齐，即根据火车车号，从火车车头模板库中提取该车型的车头模板，与现场采集的火车图像进行车头模板匹配，并对匹配成功的图像于车头起始位置进行图像分割。（2）实现车厢对齐，即利用车厢模板库中该车型的车厢连接处模板，对实时采集的火车图像进行模板匹配，并对匹配成功的图像在车厢连接处位置进行图像分割，而其他图像则依次拼接，从而形成一幅完整的车厢图像。（3）存储车厢图像，完成该车型历史图像库的更新。　　1.2图像的故障识别算法　　当前的图像故障识别算法多数是应用基于SIFT特征的

7、匹配算法，但是局部特征中不包含所有位置信息，而图像中又有着许多的特征类似而语义差别的特征点，所以仅从特征类似性的角度分析，会造成许多的误报故障点。因此，有些算法提出使用基于像素的全局匹配解决问题，但是因为车速、天气、光线、抖动等外部因素引发的图像不一致状况，即相同坐标位置对应的图像内容不一致，造成仅是利用像素差的全局匹配不能较好地解决误报情况。基于此种情况，本文提出一种自适应融合局部和全局匹配的故障识别算法。　　（1）提取现场采集图像的尺度不变特征变换描述子（SIFT，Scale-invariantfeaturetransform），该描述子是一

8、种局部特征，不仅具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够保持较好的不变性。（2）提取历史图像的SIFT特征描述子，