一種基于圖像識(shí)別的2C檢測(cè)方法 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉檢測(cè)領(lǐng)域，具體是一種基于圖像識(shí)別的2C檢測(cè)方法。 背景技術(shù) [0002] 接觸網(wǎng)安全巡檢裝置（簡(jiǎn)稱：2C）,是指通過在運(yùn)營的動(dòng)車組（或機(jī)車）司機(jī)室內(nèi)臨時(shí)架設(shè)便攜式設(shè)備，對(duì)接觸網(wǎng)的狀態(tài)及外部環(huán)境進(jìn)行視頻采集，采集結(jié)果用于指導(dǎo)接觸網(wǎng)運(yùn)行維護(hù)的一種安全監(jiān)測(cè)裝置。 [0003] 其主要作用是監(jiān)測(cè)接觸網(wǎng)設(shè)備有無明顯脫、斷、偏移及其他異常情況； [0004] 有無鳥巢、樹害等可能危及接觸網(wǎng)供電安全的周邊環(huán)境因素； [0005] 有無侵入限界、妨礙機(jī)車車輛運(yùn)行的障礙等。 [0006] 然而現(xiàn)有的網(wǎng)安全巡檢方法（簡(jiǎn)稱：2C檢測(cè)方法），基本通過網(wǎng)安全巡檢裝置采集視頻圖像，然后通過巡檢人員以人工的方式進(jìn)行查看，進(jìn)而判斷出接觸網(wǎng)的狀態(tài)； [0007] 該種方式雖然準(zhǔn)確率更高，但是效率較低，往往一條列車的視頻需要查看很久，與實(shí)際情況而言，不太相符； [0008] 同時(shí)檢測(cè)工人長(zhǎng)時(shí)間查看視頻，容易出現(xiàn)視覺疲勞，進(jìn)而影響判斷準(zhǔn)確度，進(jìn)而影響巡檢效果。 [0009] 現(xiàn)有技術(shù)中，?存在利用2C進(jìn)行圖像監(jiān)測(cè)的技術(shù)手段： [0010] 現(xiàn)有技術(shù)1（CN111598855A）公開了一種基于深度學(xué)習(xí)和遷移學(xué)習(xí)的2C設(shè)備高鐵接觸網(wǎng)吊弦缺陷檢測(cè)方法；具體公開了（1）輸入拍攝的高分辨率圖像；(2)將輸入圖像送入目標(biāo)檢測(cè)網(wǎng)絡(luò)得到預(yù)測(cè)結(jié)果，用非極大值抑制算法過濾掉所有檢測(cè)結(jié)果中重疊部分過大的檢測(cè)框；(3)對(duì)檢測(cè)出的正常部位進(jìn)行坐標(biāo)匹配；(4)根據(jù)匹配結(jié)果對(duì)漏檢的部位進(jìn)行定位； (5)利用分類網(wǎng)絡(luò)對(duì)定位出的漏檢部位進(jìn)行分類；(6)輸出所有異常檢測(cè)結(jié)果.但是，該現(xiàn)有技術(shù)需要基于深度學(xué)習(xí)和遷移學(xué)習(xí)進(jìn)行監(jiān)測(cè)，上述算法對(duì)于硬件計(jì)算能力的要求較高，設(shè)備成本較高，且存在計(jì)算較慢、實(shí)時(shí)監(jiān)測(cè)能力不足的問題，且深度學(xué)習(xí)需要進(jìn)行模型訓(xùn)練，造成初始精度過低。 [0011] 現(xiàn)有技術(shù)2（CN105501248A）公開了一種鐵路線路巡檢系統(tǒng)；具體公開了數(shù)據(jù)采集子系統(tǒng)設(shè)置在所述無人機(jī)上，采集所述鐵路線路的現(xiàn)場(chǎng)數(shù)據(jù)，并將所述現(xiàn)場(chǎng)數(shù)據(jù)發(fā)送至所述數(shù)據(jù)及故障處理子系統(tǒng)進(jìn)行處理，所述現(xiàn)場(chǎng)數(shù)據(jù)包括所述鐵路線路的雷達(dá)掃描數(shù)據(jù)和現(xiàn)場(chǎng)圖像數(shù)據(jù)。但是，該現(xiàn)有技術(shù)并未涉及如何對(duì)圖像進(jìn)行處理以提高檢測(cè)精度的技術(shù)手段，具體來說，在實(shí)際場(chǎng)景中，由于鐵路沿線的風(fēng)霜雨雪和灰塵問題，無人機(jī)巡線檢測(cè)手段的圖像精度會(huì)嚴(yán)重降低，造成檢測(cè)精度不足，無法提供準(zhǔn)確的圖像數(shù)據(jù)，也無法在簡(jiǎn)單高效的情況下完成對(duì)原始圖像數(shù)據(jù)的處理。 [0012] 現(xiàn)有技術(shù)3（CN104299260A）公開了一種基于SIFT和LBP的點(diǎn)云配準(zhǔn)的接觸網(wǎng)三維重建方法；具體公開了利用均勻模式的圖像局部二值模式(LBP：Local?Binary?Patterns)對(duì)關(guān)鍵點(diǎn)進(jìn)行特征描述，獲得各關(guān)鍵點(diǎn)特征描述向量；然后，將向量間距離作為關(guān)鍵點(diǎn)間相似性判定度量，并以此確定不同視角下點(diǎn)云間的對(duì)應(yīng)關(guān)系；最后，進(jìn)行點(diǎn)云粗配準(zhǔn)和最近點(diǎn)迭代(ICP：Iterative?Closest?Point)精配準(zhǔn)，獲取待重建接觸網(wǎng)零部件完整三維點(diǎn)云數(shù)據(jù)。該技術(shù)手段通過三維建模來實(shí)現(xiàn)對(duì)接觸網(wǎng)的檢測(cè)，同樣存在計(jì)算量過大，造成非需要的建模數(shù)據(jù)等問題，特別的，該方法僅適應(yīng)于“大檢”，即，在完成正常建模后，需要在大檢時(shí)再次建模，與正常建模進(jìn)行對(duì)比，才能發(fā)現(xiàn)異常點(diǎn)，無法進(jìn)行實(shí)時(shí)監(jiān)測(cè)。 [0013] 現(xiàn)有技術(shù)4（CN104567708A）公開了一種基于主動(dòng)式全景視覺的隧道全斷面高速動(dòng)態(tài)健康檢測(cè)裝置與方法；具體公開了將全景圖的RGB顏色空間轉(zhuǎn)化成HIS顏色空間，然后將成像平面上的平均亮度的1.2倍作為提取紅色激光投射點(diǎn)的閾值，為了得到激光投射線的準(zhǔn)確位置，本發(fā)明采用高斯近似方法來抽取出激光投射線的中心位置。但是，該方法需要進(jìn)行高斯變換，對(duì)約束條件和位置關(guān)系的要求較高，在軌道沿線存在日常震動(dòng)，會(huì)造成高斯變換中參數(shù)的畸變，使計(jì)算精度下降。 發(fā)明內(nèi)容 [0014] 發(fā)明目的：提供一種基于圖像識(shí)別的2C檢測(cè)方法，以解決現(xiàn)有技術(shù)存在的上述問題。 [0015] 技術(shù)方案：一種基于圖像識(shí)別的2C檢測(cè)方法，包括： [0016] 在列車上使用采集設(shè)備對(duì)接觸網(wǎng)懸掛及高速鐵路線路全景進(jìn)行實(shí)時(shí)采集，在該過程中實(shí)時(shí)記錄時(shí)間點(diǎn)； [0017] 對(duì)采集到的圖像數(shù)據(jù)進(jìn)行處理，并判斷圖像數(shù)據(jù)中存在的異常； [0018] 對(duì)圖像數(shù)據(jù)中存在的異常進(jìn)行標(biāo)記，記錄采集到異常圖像數(shù)據(jù)的時(shí)間點(diǎn)，基于時(shí)間點(diǎn)判斷標(biāo)記點(diǎn)所在位置，并記錄該位置經(jīng)緯度； [0019] 選取所有異常點(diǎn)圖片組成二維關(guān)系圖，以經(jīng)緯度作為二維圖的關(guān)系軸，展示異常點(diǎn)位置，并在終端上展示。 [0020] 在展示時(shí)，可以包括兩種方式； [0021] 方式一： [0022] 選取只查看異常點(diǎn)，此時(shí)可剔無異常的所有圖片，可以更加迅速的查看異常位置及異常狀態(tài)； [0023] 方式二：

1.一種基于圖像識(shí)別的2C檢測(cè)方法，其特征在于，包括： 在列車上使用采集設(shè)備對(duì)接觸網(wǎng)懸掛及高速鐵路線路全景進(jìn)行實(shí)時(shí)采集，實(shí)時(shí)記錄時(shí)間點(diǎn)； 對(duì)采集到的圖像數(shù)據(jù)進(jìn)行處理，并判斷圖像數(shù)據(jù)中存在的異常； 所述對(duì)采集到的圖像數(shù)據(jù)進(jìn)行處理包括： S1、對(duì)圖像進(jìn)行灰度化處理，處理前，將采集到的視頻圖像截取為圖片狀態(tài)； 所述S1還包括： S11、將彩色圖像從RGB色彩模型轉(zhuǎn)換至CIE?Lab色彩模型； S12、在CIE?Lab色彩空間中求原彩色圖像的感知亮度，再利用色度分量a?、b修正圖像感知亮度，實(shí)現(xiàn)彩色圖像的初步灰度化，得到初步灰度圖像；其中，a代表紅綠色，b代表黃藍(lán)色； S13、在CIE?Lab色彩模型中，對(duì)所述彩色圖像進(jìn)行輪廓波分解，得到1個(gè)低頻分量子帶圖像和多個(gè)高頻分量子帶圖像； S14、對(duì)所述初步灰度圖像進(jìn)行與所述彩色圖像同尺度的輪廓波分解； S15、計(jì)算所述彩色圖像和所述初步灰度圖像各子帶之間色度對(duì)比度的比值，并按比例將所述彩色圖像的色度信息添加到所述初步灰度圖像中，得到最終的局部對(duì)比度增強(qiáng)的灰度圖； S2、通過均值濾波法對(duì)灰度化處理后的圖像進(jìn)行去噪； 所述S2包括通過在濾波的過程中選定模板，圖像中每一點(diǎn)的像素值都由模板中所有點(diǎn)的像素值的均值代替； 所述均值濾波法的濾波公式為： 上式中， 表示含有噪聲的原始圖像，即 灰度化處理后的圖像， 表示經(jīng)過均值濾波之后得到的圖像，表示點(diǎn) 為中心的模板中像素的集合，為集合符號(hào)， 表示模板尺寸； S3、基于機(jī)器學(xué)習(xí)算法，對(duì)去噪處理后的圖像檢測(cè)，判斷出異常圖像； S4、對(duì)異常圖像進(jìn)行標(biāo)記； 對(duì)圖像數(shù)據(jù)中存在的異常進(jìn)行標(biāo)記，記錄采集到異常圖像數(shù)據(jù)的時(shí)間點(diǎn)，定位系統(tǒng)基于時(shí)間點(diǎn)判斷標(biāo)記點(diǎn)所在位置，并記錄該位置經(jīng)緯度； 選取所有異常點(diǎn)圖片組成二維關(guān)系圖，以經(jīng)緯度作為二維圖的關(guān)系軸，展示異常點(diǎn)位置，并在終端上展示。 2.根據(jù)權(quán)利要求1所述的一種基于圖像識(shí)別的2C檢測(cè)方法，其特征是：基于時(shí)間點(diǎn)判斷標(biāo)記點(diǎn)所在位置包括定位法及計(jì)算法； 所述定位法包括： 基于圖像數(shù)據(jù)中存在的異常點(diǎn)對(duì)應(yīng)的時(shí)間點(diǎn)，回溯在該時(shí)間點(diǎn)時(shí)列車的位置，進(jìn)而判斷出該圖像數(shù)據(jù)中存在的異常位置； 所述計(jì)算法包括： 基于列車每個(gè)時(shí)間段的行駛速度，結(jié)合圖像數(shù)據(jù)中存在的異常時(shí)間，計(jì)算出列車在軌道上的行駛距離，進(jìn)而在軌道上判斷出該圖像數(shù)據(jù)中存在的異常位置。