面向监控视频的受电弓与接触网支柱检测

• 作 者: 韦璞
• 机 构: 西南交通大学
• 出 处: 西南交通大学
• 发表日期: 2017年期
• 关键词: 受电弓 接触网 支柱 图像处理 目标检测

当前我国高速铁路事业正在快速发展,"四横四纵"网络已基本形成,运行车次和速度都在不断增加,铁路的安全运行也越来越受到重视,而供电系统的安全在这中间扮演着关键角色。为了满足不断提高的对铁路供电系统安全检测和监测的要求,缓解人工检测压力,实现自动化、智能化的弓网系统安全巡检,基于图像处理技术的检测和监测手段越来越得到关注。本文的研究工作是按照6C系统中的接触网安全巡检装置和受电弓滑板监测装置的技术规范来展开的。本文算法以动车组车顶图像和接触网巡检图像为实验数据,利用图像处理和机器学习的方法实现了对图像中的目标设备的智能检测提取,最后通过实验测试也验证了本文所提出的算法的有效性。本文的主要工作及创新内容包括以下几个方面:在对图像的预处理过程中,首先研究采用受限对比度自适应直方图均衡化算法(Contrast Limited Adaptive Histogram Equalization,CLAHE)对存在雾气影响、对比度不明显的图像进行图像增强处理。然后,结合Hough变换和Canny算法对车顶图像进行倾角检测,再用透视变换进行图像矫正。最后,利用旋转投影法对接触网巡检图像进行倾角检测,再用仿射变换进行接触网图像矫正。在受电弓检测中,本文采用Sobel算子和形态学操作对受电弓区域进行粗提取。然后,利用Paralleled-Gabor变换提取受电弓区域的方向性特征。最后研究利用多个支持向量机(Support Vector Machine,SVM)分类器的决策融合方法实现受电弓区域的精确检测提取。在接触网支柱检测中,研究了采用检测图像灭点的方式得到接触网图像的透视信息。然后,根据铁轨与支柱的相对位置关系,利用透视信息得到支柱区域位置并采样得到支柱疑似区域图像。最后采用卷积神经网络实现对巡检图像中接触网支柱区域的检测提取。本文对现有动车组车顶图像和接触网巡检图像数据集进行了实验测试。结果表明,本文算法具有较好的适用性,得到了理想的识别率,验证了本文算法具有一定的工程应用价值。