面向监控视频的接触网设备检测及异常识别-电气工程专业论文.docxVIP

西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： (1)针对接触网巡检工作中遇到的雾气天气干扰，研究了采用MSRCR算法对图 像进行增强操作从而达到去雾的效果；针对列车在过弯等情况造成的图像倾斜对后续 算法带来的影响，提出了基于Radon变换的接触网巡检图像倾斜校正算法，对不同场 景的巡检图像进行测试均取得了理想的效果； (2)为提高计算效率及减少过多干扰，对巡检图像进行区域划分，研究了采用检 测灭点的方式来动态提供区域划分参照点，通过测试发现该方法能够对巡检图像进行 准确的区域划分； (3)为避免巡检图像背景中建筑物及其他塔杆对接触网网杆检测造成影响，研究 了采用LK光流方法对图像前景运动区域进行提取，本文采用了布置点阵的方式进行 光流计算，通过分析点阵光流值有效地将接触网支柱区域进行了提取； (4)在对接触网支柱设备进行精确检测时，由于受天气及图像分辨率影响不能对 设备细节特征进行识别，本文对设备的基础机构特征进行了提取，提出了采用广义 Hough变换的思想对采集到的结构特征进行整合，实现了对接触网支柱的精确检测； (5)针对鸟巢异常的检测，提出了基于HOG特征的鸟巢检测算法，首先对疑似 鸟巢的样本区域进行粗提取，并提取HOG特征，再通过SVM分类器对样本进行分类 筛选，通过分析鸟巢样本的分布自动甄别出鸟巢区域，通过测试，达到了较高的准确 率。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：段睡乙毋L 日期：沙f6，牛、叼 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 近年来，随着我国高速铁路的逐渐普及，铁路的安全运行受到了越来越多的关 注。要保证行车安全，必须及时排除潜在的安全隐患，铁路沿线接触网设备存在的安 全隐患只能通过巡视的手段进行排除。因传统的人工巡检方式，效率低、周期长、检 测成本高，已经不能满足要求，采用图像处理技术的智能巡检方式开始受到重视。接 触网智能巡检装置安装在列车司机室，在列车行进中完成图像采集，并在线实现对接 触网设备的智能识别定位，以及异常状态检测，不但可以解放人力，还能够更及时的 发现安全隐患，对高速铁路的运行安全具有重大意义。 本文的研究工作是按照6C系统中的接触网安全巡检装置的技术规范来展开的， 本文算法以接触网巡检图像为实验数据，利用图像处理的手段实现对巡检图像内的设 备及异常状态智能识别，通过实验测试也论证了本文所提算法的有效性。 本文的主要工作及创新内容包括以下几个方面： 在巡检图像预处理阶段，首先研究了采用MSRCR算法对存在雾气影响的图像进 行去雾操作；接着，提出了采用Radon算法对接触网巡检图像进行倾角检测，应用仿 射变换实现图像的水平校正，通过测试该算法具有较好的适用性。 在接触网支柱检测中，研究了采用检测铁轨灭点的方式对图像进行区域划分，减 少干扰，提高检测速度；然后，研究了采用分析布置点阵光流值的方法实现对巡检图 像运动前景内接触网支柱区域的提取：最后，提出了采用广义Hough变换的思想对提 取的接触网设备结构特征进行整合，实现接触网支柱设备的识别。 在接触网鸟巢异常的检测中，提出了基于HOG特征的鸟巢检测算法，首先对疑 似鸟巢的样本区域进行粗提取，并提取HOG特征，再通过SVM分类器对样本进行分 类筛选，通过分析鸟巢样本的分布自动确定出鸟巢区域。 最后，对不同地域的多条线路巡检图像进行了实验测试。本文算法具有较好的适 用性，得到了理想的识别率，证实本文算法具有一定的工程应用价值。 关键词：接触网；图像处理；目标识别；鸟巢检测 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第lI页 Abstract In recent years，with the gradual popularization of Chinas high-speed railway，more and more attention is paid to the safety ofthe railway．In order to ensure the safety ofrailway traf矗c，the potential safety hazard must be eliminated in a timely manner．The security r