专利汇可以提供基于GMM模型与BP神经网络的高速铁路异物识别与分类方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了基于GMM模型与BP神经网络的高速 铁 路异物识别与分类方法,通过利用高清摄像机获取目标物体的实时视频图像,观测其最终的状态以及 位置 ,判断该目标物体是否为异物;并基于高斯混合模型以及BP神经网络对异物进行识别与分类,得到不同异物的类型并对列车发出警示信息。本发明能够实现对入侵异物的分类,对于异物的识别更加地精确,并且能及时的进行预警,很大程度上提高了异物识别的准确性,并且为后续针对异物清除提供了更加详细的信息。,下面是基于GMM模型与BP神经网络的高速铁路异物识别与分类方法专利的具体信息内容。
1.基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于,包括以下操作步骤:
步骤一:通过部署在铁路线路两旁的高清摄像机,连续不断地拍摄移动的目标物体,记录目标物体从出现直至停止移动或离开摄像机的监控视野范围内的视频图像;
步骤二:根据高清摄像机实时拍摄的视频图像进行异物识别与分析,包括:
利用每次拍摄的视频图像获得目标物体的轮廓形状;
根据所拍摄的目标物体的最终状态,判断此目标物体是否为异物,若目标物体最终离开铁路线路或是离开摄像机的监控视野范围,则判断目标不是线路上的异物;若目标物体最终落在监控的范围内或明确存在于铁路线路上,则根据所获取的目标物体的轮廓形状进一步进行异物识别与分类,得出异物的类型;
步骤三:将所获得的有关异物的参数以及位置信息发送给控制中心;
步骤四:由控制中心向列车发出警示信息,并采取相应的解决措施。
2.根据权利要求1所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述步骤一中根据高清摄像机的监控视野范围,在铁路线路两旁间隔安置高清摄像机,其中,高清摄像机根据自身所在的位置,可向控制中心提供目标物体存在于铁路线路路段上的位置信息。
3.根据权利要求1所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述步骤二中通过输入视频图像帧,选取拍摄的无任何异物的图像作为最初始的背景图像,之后则选取每天早上8点拍摄的视频图像作为初始背景图像,接着使用高斯混合模型进行背景建模,使前景与背景分离,得到当前背景图,并将当前背景与初始背景进行图像差分,获得目标物体的轮廓形状。
4.根据权利要求3所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述步骤二中通过所获取的目标物体轮廓形状进一步进行异物识别及分类,采用的是基于BP神经网络进行分类的方法,采集在不同天气、光线情况下,任意可能成为入侵物体的多角度图像对BP神经网络进行模型的训练,得到多种目标物体可能存在的分类情况,再将所获得的目标物体的轮廓模型作为BP神经网络的输入,最终确定目标物体的类型。
5.根据权利要求4所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述利用高斯混合模型进行背景建模,使前景与背景分离,得到当前背景图,并将当前背景与初始背景进行图像差分,获得目标物体的轮廓形状,过程为:
步骤3.1:选取所拍摄的无任何异物的图像作为最初始的背景图像,之后选取每天早上
8点所拍摄的视频图像作为初始背景;
步骤3.2:利用高斯混合模型进行背景建模,首先对初始背景的每个像素点建立K个多维高斯分布,用Xt表示每个像素点,其数学模型表示为:
其中wi,t表示在第t时刻第i个高斯分布的权值,μ,σ分别为第t时刻第i个高斯分布的均值以及方差,η表示概率密度函数,其公式为:
接着,对建立的K个高斯混合模型的权重w,均值μ,方差σ进行预定义;
步骤3.3:获取视频的新一帧图像的像素值Xt与高斯混合模型的K个高斯分布进行匹配,判断每一个像素值是否满足:
|Xt-μi,t-1|≤2.5σi,t-1 (3)
若满足上述式子,则说明该像素点的灰度值与K个模型中的一个模型匹配,则进行步骤
3.4,否则进行步骤3.5;
步骤3.4:根据下列公式更新高斯混合模型:
wm,t=(1-α)wm,t-1+α (4)
μm,t=(1-ρ)μm,t-1+ρXt (5)
其中,α为学习率,0≤α≤1,其决定背景的更新速度,ρ为更新速率,大小约为ρ≈α/wi,t;
步骤3.5:由于该像素与K个模型均不匹配,则将其作为一个新的高斯模型,并且预定义参数,把权重最小的高斯分布剔除,并由此代替,其中对于该模型的更新,均值与方差的更新公式不变,权值的更新按照以下式子更新:
wi,t=(1-α)wi.t-1 (i≠m) (7)
步骤3.6:将更新之后的K个模型的权重进行归一化,并根据wi,t/σi,t的大小,对K个高斯分布进行排序,并选择前B个高斯分布对背景图像进行表示,B的取值如下式,T为权重阈值:
步骤3.7:将新获取的像素值与完成排序后的K个背景模型进行匹配,若与其中一个模型匹配成功,则该像素点为背景点,否则为前景点,由此将背景与前景分离,获得当前背景;
步骤3.8:将获得的当前背景与初始背景进行图像差分,得到目标物体即异物的轮廓形状。
6.根据权利要求4所述的基于GMM模型与BP神经网络的高速铁路异物识别与分类方法,其特征在于所述基于BP神经网络进行分类的方法具体过程为:
步骤4.1:首先采集在不同的天气情况,以及不同的光线情况下,任意可能成为入侵异物的多角度图像,并且对采集的图像进行分类,比如人类、动物、树枝、垃圾袋、动物、石块类型的分类模型,
步骤4.2:进行图像预处理:将采集并分类的图像进行初步处理,将其进行二值化,提取其边缘信息,便于之后进行特征值的提取,
步骤4.3:训练BP神经网络:通过提取的异物的特征向量,将其作为BP神经网络的样本输入,反复进行训练,直至达到最佳的效果,提高识别的精确度;除此之外,在识别过程中遇到新的异物图像,将重新更新样本数据,重新训练BP神经网络,如此往复,以期达到最佳的效果;
步骤4.4:得到BP神经网络的结果。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
用于体育视频识别的快速对象跟踪框架 | 2020-05-11 | 9 |
基于参数解析的自动控制系统 | 2020-05-11 | 802 |
移动终端自动估价机构 | 2020-05-11 | 641 |
一种FSR确定方法及电子设备 | 2020-05-11 | 679 |
一种基于显著性的CNN盲图像质量评估方法 | 2020-05-11 | 87 |
一种基于视觉的实时交通信号灯识别方法 | 2020-05-11 | 789 |
检测对象的方法、装置、电子设备和存储介质 | 2020-05-08 | 197 |
一种基于异常追踪的视频异常行为检测方法 | 2020-05-08 | 508 |
基于可形变配准和DCNN的宫颈MRI图像分割方法 | 2020-05-08 | 70 |
一种字符分割方法、装置以及计算机可读存储介质 | 2020-05-11 | 265 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。