一种铁路地面轨道场景目标检测方法及系统技术方案

本发明专利技术公开一种铁路地面轨道场景目标检测方法及系统。所述铁路地面轨道场景目标检测方法包括：获取铁路地面轨道场景图像数据，处理铁路地面轨道场景图像数据，以得到预处理后的图像数据，将预处理后的图像数据划分为源域数据和目标域数据，训练域自适应目标检测模型，以得到训练后的目标检测模型，通过训练后的目标检测模型对测试样本进行检测识别，以得到检测结果。本发明专利技术大大地提高了复杂环境下地面轨道场景的检测效果。

【技术实现步骤摘要】
一种铁路地面轨道场景目标检测方法及系统
本专利技术涉及目标检测
，特别是涉及一种铁路地面轨道场景目标检测方法及系统。
技术介绍
近年来，我国铁路营业里程持续增长。据数据显示，2017年全国铁路营业里程达到12.7万公里，比上年增长2.4％。其中，高速铁路营业里程达到2.5万公里，与2012年相比增加了1.58倍。铁路网络逐渐成熟、运力提升，客货的运输表现保持增长。从铁路旅客发送量来看，随着高速铁路的快速发展，铁路客运量由2012年的18.9亿人次增加到2017年的30.8亿人次、增加了63％，客运周转量由9812亿人公里增加到13457亿人公里、增加37％，高铁动车组承运比例达到56.4％，我国铁路旅客周转量位居世界第一。到2018年，全国铁路客货运输量保持增长。2018年1-11月国家铁路运输旅客发送量累计达31.23亿人，同比增长9.5％；旅客周转量方面，1-11月为13226.12亿人公里，同比增长5.2％。货物运输方面同样保持增长。据数据显示，2018年1-11月全国铁路货运总发送量累计达36.8亿吨，同比增长8.7％。其中，11月货运总发送量为35081万吨，比上年同期增长14％。2018年1-11月，货运总周转量为26322.78亿吨公里，同比增长6.9％。其中，11月货运总周转量为2555.68亿吨公里，比上年同期增长8.7％。然而由于地面轨道的复杂性，以及受多种天气状况的影响，传统的轨道检测方法常常会出现识别率低、受干扰严重以及识别过程中发生负迁移等现象，造成了惨重的生命、经济损失和严重的社会影响，近几年因地面轨道识别错误引起的事故频频发生，该问题到目前为止仍然没有有效解决的方法。综上所述，传统的目标检测方法在应用到地面轨道时容易出现识别率低、受干扰严重以及识别过程中发生负迁移等现象等问题，导致地面轨道无法正确识别，因此迫切需要改进。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种铁路地面轨道场景目标检测方法及系统，用于解决现有技术中的目标检测方法在应用到地面轨道时容易出现识别率低、受干扰严重以及识别过程中发生负迁移等现象等问题。为实现上述目的及其他相关目的，本专利技术提供一种铁路地面轨道场景目标检测方法，所述铁路地面轨道场景目标检测方法包括：通过图像数据获取设备获取铁路地面轨道场景图像数据；通过预处理设备预处理所述铁路地面轨道场景图像数据，以得到预处理后的图像数据；通过数据划分设备将所述预处理后的图像数据划分为源域数据和目标域数据，所述源域数据包括标记数据；通过域自适应目标检测模型创建设备创建一域自适应目标检测模型；通过训练设备在训练集上训练所述域自适应目标检测模型，以得到训练后的目标检测模型；利用检测设备通过所述训练后的目标检测模型对测试样本进行检测识别，以得到检测结果。在本专利技术的一实施例中，所述获取铁路地面轨道场景图像数据的步骤包括：采集机务段机车的行进视频流数据；按照设定的时间间隔提取所述行进视频流数据中的关键帧，保存所述关键帧为图像数据。在本专利技术的一实施例中，所述预处理所述铁路地面轨道场景图像数据，以得到预处理后的图像数据的步骤包括：裁剪图像数据，以得到裁剪后的图像数据；对所述裁剪后的图像数据进行随机反转，以得到随机反转后的图像数据。在本专利技术的一实施例中，所述创建一域自适应目标检测模型的步骤包括：选择一目标检测模型作为网络基本框架，将深度残差网络作为特征提取网络，所述深度残差网络包括并行协同训练网络、特征差异惩罚模块、多级特征对齐模块；所述并行协同训练网络包括共享卷积块和并行卷积块，通过所述共享卷积块和并行卷积块生成特征图；通过所述特征差异惩罚模块对所述特征图进行差异惩罚操作，以得到特征图之间的差异得分图；对所述差异得分图进行对齐操作，以得到对齐后的图形。在本专利技术的一实施例中，所述在训练集上训练所述域自适应目标检测模型，以得到训练后的目标检测模型的步骤包括：设置所述域自适应目标检测模型的训练策略；获取损失函数，以得到分类器损失；根据所述分类器损失，以得到损失函数。在本专利技术的一实施例中，所述通过所述训练后的目标检测模型对测试样本进行检测识别，以得到检测结果的步骤包括：获取所述训练后的目标检测模型；将所述测试样本输入至所述训练后的目标检测模型，并输出检测结果。在本专利技术的一实施例中，所述通过所述特征差异惩罚模块对所述特征图进行差异惩罚操作，以得到特征图之间的差异得分图的步骤包括：根据差异计算公式计算特征图之间的差异，所述差异计算公式为：其中，表示特征图，表示特征图之间的差异得分图。在本专利技术的一实施例中，所述获取损失函数，以得到分类器损失的步骤包括：所述损失函数为：其中，表示将并行卷积块的权重进行全局均值化和通道压缩后的结果，WConv3A、WConv3B表示处理后的权重，Lweight表示损失函数；设置高层图像级特征对齐损失函数：其中，Fb表示高层特征卷积块，分别表示源域图像和目标域图像通过低层卷积块生成的特征图，分别表示和通过高层特征卷积块Fb所生成的低分辨率局部特征图，Wg、Hg分别表示特征图的宽、高，表示高层对齐中的损失函数，Cg表示高层图像级域分类器，表示在经过高层特征卷积块生成的特征图。在本专利技术的一实施例中，所述获取损失函数，以得到分类器损失的步骤还包括：对分类器损失求平均，以得到第一分类器损失：设置低层图像级特征对齐损失函数：其中分别表示源域图像和目标域图像通过低层特征卷积块Fa生成的高分辨率特征图，Hup表示得分图，λlow用于调整差异得分图控制损失函数的比例，ε为接近于0的数值，对分类器损失求平均，以得到第二损失函数：获取总目标函数：Ldet＝Lcls+Lreg，Ldet＝Lcls1+Lreg1+Lcls2+Lreg2，其中，Ldet表示目标函数；根据所述总目标函数，以得到最终的损失函数为：L＝Ldet+Llow+Lhigh。本专利技术还提供一种铁路地面轨道场景目标检测系统，所述铁路地面轨道场景目标检测系统包括：图像数据获取设备，用于获取铁路地面轨道场景图像数据；预处理设备，用于预处理所述铁路地面轨道场景图像数据，以得到预处理后的图像数据；数据划分设备，用于将所述预处理后的图像数据划分为源域数据和目标域数据，所述源域数据包括标记数据；域自适应目标检测模型创建设备，用于创建一域自适应目标检测模型；训练设备，用于在训练集上训练所述域自适应目标检测模型，以得到训练后的目标检测模型；检测设备，用于通过所述训练后的目标检测模型对测试样本进行检测识别，以得到检测结果。如上所述，本专利技术的一种铁路地面轨道场景目标检测本文档来自技高网...

【技术保护点】
1.一种铁路地面轨道场景目标检测方法，其特征在于，所述铁路地面轨道场景目标检测方法包括：/n通过图像数据获取设备获取铁路地面轨道场景图像数据；/n通过预处理设备预处理所述铁路地面轨道场景图像数据，以得到预处理后的图像数据；/n通过数据划分设备将所述预处理后的图像数据划分为源域数据和目标域数据，所述源域数据包括标记数据；/n通过域自适应目标检测模型创建设备创建一域自适应目标检测模型；/n通过训练设备在训练集上训练所述域自适应目标检测模型，以得到训练后的目标检测模型；/n利用检测设备通过所述训练后的目标检测模型对测试样本进行检测识别，以得到检测结果。/n

【技术特征摘要】
1.一种铁路地面轨道场景目标检测方法，其特征在于，所述铁路地面轨道场景目标检测方法包括：
通过图像数据获取设备获取铁路地面轨道场景图像数据；
通过预处理设备预处理所述铁路地面轨道场景图像数据，以得到预处理后的图像数据；
通过数据划分设备将所述预处理后的图像数据划分为源域数据和目标域数据，所述源域数据包括标记数据；
通过域自适应目标检测模型创建设备创建一域自适应目标检测模型；
通过训练设备在训练集上训练所述域自适应目标检测模型，以得到训练后的目标检测模型；
利用检测设备通过所述训练后的目标检测模型对测试样本进行检测识别，以得到检测结果。


2.根据权利要求1所述的一种铁路地面轨道场景目标检测方法，其特征在于，所述获取铁路地面轨道场景图像数据的步骤包括：
采集机务段机车的行进视频流数据；
按照设定的时间间隔提取所述行进视频流数据中的关键帧，保存所述关键帧为图像数据。


3.根据权利要求1所述的一种铁路地面轨道场景目标检测方法，其特征在于，所述预处理所述铁路地面轨道场景图像数据，以得到预处理后的图像数据的步骤包括：
裁剪图像数据，以得到裁剪后的图像数据；
对所述裁剪后的图像数据进行随机反转，以得到随机反转后的图像数据。


4.根据权利要求1所述的一种铁路地面轨道场景目标检测方法，其特征在于，所述创建一域自适应目标检测模型的步骤包括：
选择一目标检测模型作为网络基本框架，将深度残差网络作为特征提取网络，所述深度残差网络包括并行协同训练网络、特征差异惩罚模块、多级特征对齐模块；
所述并行协同训练网络包括共享卷积块和并行卷积块，通过所述共享卷积块和并行卷积块生成特征图；
通过所述特征差异惩罚模块对所述特征图进行差异惩罚操作，以得到特征图之间的差异得分图；
对所述差异得分图进行对齐操作，以得到对齐后的图形。


5.根据权利要求1所述的一种铁路地面轨道场景目标检测方法，其特征在于，所述在训练集上训练所述域自适应目标检测模型，以得到训练后的目标检测模型的步骤包括：
设置所述域自适应目标检测模型的训练策略；
获取损失函数，以得到分类器损失；
根据所述分类器损失，以得到损失函数。


6.根据权利要求1所述的一种铁路地面轨道场景目标检测方法，其特征在于，所述通过所述训练后的目标检测模型对测试样本进行检测识别，以得到检测结果的步骤包括：
获取所述训练后的目标检测模型；
将所述测试样本输入至所述训练后的目标检测模型，并输出检测结果。


7.根据权利要求4所述的一种铁路地面轨道场景目标检测方法，其特征...

【专利技术属性】
技术研发人员：卫星，盛典墨，李航，翟琰，陆阳，赵明，王秀秀，张研，陈柏霖，周芳，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34