一种基于HOG特征的高铁接触网斜拉线固定钩螺帽脱落不良状态的检测方法

摘要

本发明公开了一种基于HOG特征的高铁接触网斜拉线固定钩部件螺帽脱落不良状态的检测方法。包括以下步骤：首先建立关于固定钩部件的正负样本库，计算样本的HOG特征训练SVM分类器，利用训练得到的分类器定位斜拉线固定钩；其次，采用Hough变换实现目标图像中定位管倾角的提取，并将其旋转至水平方向，进而实现固定钩部分的分割；随后，累加固定钩的竖直方向像素灰度值，确定U型钩的两端，分割出螺钉；最后，归纳正常工作及脱落时螺帽与螺栓的比值的大小关系，从而确定螺帽的工作状态。

主权项

一种基于HOG特征的高铁接触网斜拉线固定钩螺帽脱落不良状态的检测方法，其特征在于，具体的工作步骤包括：A、专用综合列检车在一定运行速度下，对高速铁路接触网支撑及悬挂装置进行成像，将上行和下行的高清图像分别存储在两个图像库中；B、建立关于斜拉线固定钩部件的样本库，正样本是固定钩占据主体的图像，负样本是不包含固定钩的接触网其他零部件图像；C、利用HOG特征和支持向量机算法实现斜拉线固定钩部件的准确定位；a、在HOG特征的计算中每一个检测窗口图像按空间位置被均匀分成若干个细胞单元；对于每一个像素点I(x,y)，采用简单的一阶模板在细胞单元中计算梯度大小m(x,y)和方向θ(x,y)，如式1，$\left\{\begin{array}{c}m(x,y)={({\left(f\left(x+1,y\right)-f\left(x-1,y\right)\right)}^2+{\left(f\left(x,y+1\right)-f\left(x,y-1\right)\right)}^2)}^{\frac{1}{2}}\\ \theta (x,y)=\arctan \left\{\frac{f(x,y+1)-f(x,y-1)}{f(x+1,y)-f(x-1,y)}\right\}\end{array}\right.---\left(1\right)$在细胞单元内，按预先设定的量化间隔统计梯度直方图，梯度方向将0度～360度分为9个方向块，每个方向块大小为20度，将每四个相邻的细胞单元按滑动的方式合并为一个块，相邻的块会有细胞单元重叠；对每一个细胞单元计算HOG积分描述子，将同一块中4个细胞单元的梯度直方图连接在在一起，形成一个9×4＝36维的特征向量；为了消除光照变化等带来的影响，在一个块内进行直方图归一化，如式2，$v\leftarrow v/\sqrt{\left|\right|v|{|}_2^2+{ϵ}^2}---\left(2\right)$其中，ε为一个很小的常数，目的是避免分母为0；归一化后的特征向量v对应于一个块的HOG积分描述子；b、假定用于训练的样本集为(x_i,y_i)，i＝1,...,l，且x_i∈Rⁿ，y_i∈{1,‑1}；l为样本总数，n为特征维数，则训练得到的分类面对所有样本应满足：其中，分类面由参数w与b决定，w为判决平面的权重向量，b为阈值；ξ_i为线性不可分情况下引入的松弛项；C为惩罚系数，用于实现错分样本比例与算法复杂度之间的平衡；将C取为0.01；采用迭代法求解式(3)约束下式(4)中φ(w,ξ)的最小值，即可得到最优分类面[w^*,b^*]与最优分类判决函数，如式(5)所示，式中sgn表示符号函数；对于测试样本,只要将其特征向量代入式(5)，根据函数值即可确定样本类别；$y_i\left(w^T\phi \right(x_i)+b)+C\underset{i=1}{\overset{l}{\Sigma }}{\xi }_i\ge 1-{\xi }_i---\left(3\right)$$\phi (w,\xi )=\underset{w,b,\xi }{\min }\frac{1}{2}{w}^{T}w+C\underset{i=1}{\overset{l}{\Sigma }}{\xi }_i---\left(4\right)$f(x)＝sgn(w^*·x+b^*)   (5)D、斜拉线固定钩与定位管的分割：a、为了排除定位管对检测的干扰，从定位到的图像中将固定钩和定位管分割出来；由于定位管是直线结构，采用Hough变换做线检测并链接线段，在Hough矩阵中提取前2个灰度峰值点，检测到一组近似平行线段，取其平均值作为定位管的倾斜角度，将定位管旋转至水平方向；b、利用Canny算子对旋转后的固定钩图像检测边缘，并在水平方向进行像素灰度值的累加，得到统计曲线；进一步找到定位管的上边缘所在的水平线段，其所在直线即为固定钩与其所在定位管的分割直线；完整地将固定钩分割出来；E、固定钩螺帽脱落的不良状态检测：分析现场采集的接触网图像中固定钩的安装状态，螺帽脱落时，仅存螺栓，为避免固定钩的干扰，提取出螺帽单独分析；a.由于螺帽是微小零部件，采用基于灰度分布规律特征提取的方法提取螺帽并检测其不良状态；固定钩的尺寸是确定的，根据固定钩的两侧的长度规律，在同一横坐标下分析固定钩的像素灰度统计规律，分析统计所得的灰度值曲线，确定出钩弯曲的两处横坐标，进而从固定钩中提取出螺钉；b.观察螺帽正常工作和脱落两种状态，在同一横坐标下计算像素灰度统计规律：由于螺帽直径大于螺栓直径，正常工作的螺钉的直径d大于脱落时候的直径d；为消除拍摄角度的干扰，选用螺帽直径d与螺栓长度的比值作为判据。