一种货车车辆检测图像的样本库构建方法及装置与流程

1.本技术涉及铁路货车技术领域，尤其涉及一种货车车辆检测图像的样本库构建方法及装置。


背景技术：

2.货车运行故障动态图像检测系统是一套集高速数字图像采集技术、大容量图像实时处理技术、精确定位技术、网络化技术及自动控制技术于一体的系统，简称tfds轨边检测系统，在铁路货车安全防范上发挥着“千里眼”的作用。通过摄像设备拍摄的货车车辆图片，由动态检车员从中查找运行中的货车车辆故障和隐患，保障货车安全运行。
3.目前tfds轨边检测系统，在动态检车员即时判定货车车辆是否故障后，对于拍摄的货车车辆图片就只进行短期的保留，然后删除，造成大量货车车辆图片所包含的信息资源浪费。现如今随着tfds轨边检测系统技术发展及全面应用，尤其自动识别车辆故障技术已成为发展的重点方向，而这些货车车辆图片就有必要进行有规则的存储，为其提供有利的数据支撑。


技术实现要素：

4.为克服现有技术中的不足，本技术提供一种货车车辆检测图像的样本库构建方法及装置，能够将tfds获取的货车图像构建为样本库，进行分类管理。
5.本技术提供的一种货车车辆检测图像的样本库构建方法，应用于货车运行故障动态图像检测系统tfds，所述方法包括：
6.获取所述tfds采集的货车车辆检测图像；其中，所述tfds通过探测站设置的检测信息采集设备采集货车车辆检测图像，并通过集中检车中心的检测将采集的货车车辆检测图像分为故障货车车辆图像和非故障货车车辆图像；
7.基于所述货车车辆检测图像构建货车车辆检测图像的样本库，所述样本库至少通过以下一种方式对所述货车车辆检测图像进行分类：
8.对所述非故障货车车辆图像进行名称分类；
9.对所述故障货车车辆图像进行故障等级分类；
10.对所述货车车辆检测图像进行质量分类。
11.在一种可能的实施方式中，所述对所述非故障货车车辆图像进行名称分类，包括：
12.基于图像识别获取所述非故障货车车辆图像中被检测货车车辆的型号以及被检测的部件名称；
13.根据预设的第一命名规则对所述非故障货车车辆图像进行命名分类，其中，将相同货车车辆的型号和相同货车车辆的部件的非故障货车车辆图像分为一类。
14.在一种可能的实施方式中，所述对所述故障货车车辆图像进行故障等级分类，包括：
15.基于图像识别获取所述故障货车车辆图像中被检测货车车辆的型号以及被检测
的部件名称，并将相同货车车辆的型号和相同货车车辆的部件的非故障货车车辆图像分为一类；
16.基于训练好的故障分类模型获取同类故障货车车辆图像的故障等级；
17.根据预设的第二命名规则对所述故障货车车辆图像进行故障等级分类。
18.在一种可能的实施方式中，所述对所述货车车辆检测图像进行质量分类，包括：
19.基于所述货车车辆检测图像的亮度、拍摄角度或者拍摄设备的型号，对所述故障货车车辆图像进行质量分类中的一种或多种。
20.在一种可能的实施方式中，所述基于所述货车车辆检测图像的亮度对所述故障货车车辆图像进行质量分类，包括：
21.计算每张所述货车车辆检测图像的亮度值；
22.按照预设的亮度等级对所述货车车辆检测图像进行质量分类，其中，不同的亮度等级对应不同的亮度值范围。
23.在一种可能的实施方式中，所述基于所述货车车辆检测图像的拍摄角度对所述故障货车车辆图像进行质量分类，包括：
24.获取每张所述货车车辆检测图像的拍摄角度值；
25.按照预设的角度等级对所述货车车辆检测图像进行质量分类，其中，不同的角度等级对应不同的拍摄角度值。
26.在一种可能的实施方式中，每个所述探测站设置的检测信息采集设备的型号不一样。
27.一种货车车辆检测图像的样本库构建装置，应用于货车运行故障动态图像检测系统tfds，所述装置包括：
28.获取模块，用于获取所述tfds采集的货车车辆检测图像；其中，所述tfds通过探测站设置的摄像设备采集货车车辆检测图像，并通过集中检车中心的检测将采集的货车车辆检测图像分为故障货车车辆图像和非故障货车车辆图像；
29.构建模块，用于基于所述货车车辆检测图像构建货车车辆检测图像的样本库，所述样本库至少通过以下一种方式对所述货车车辆检测图像进行分类：
30.对所述非故障货车车辆图像进行名称分类；
31.对所述故障货车车辆图像进行故障等级分类；
32.对所述货车车辆检测图像进行质量分类。
33.本实施例提供的一种货车车辆检测图像的样本库构建方法及装置，应用于货车运行故障动态图像检测系统tfds，将tfds采集的货车车辆检测图像构建成数据库，并按照通过以下一种方式对所述货车车辆检测图像进行分类：对所述非故障货车车辆图像进行名称分类；对所述故障货车车辆图像进行故障等级分类；对所述货车车辆检测图像进行质量分类；从而能够对tfds采集的货车车辆检测图像进行有规则的分类管理，为tfds的全面应用提供数据支撑。
附图说明
34.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对
范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
35.图1示出了本技术一实施例所述样本库构建方法的流程图；
36.图2示出了本技术一实施例对非故障货车车辆图像进行名称分类的流程图；
37.图3示出了本技术一实施例对故障货车车辆图像进行故障等级分类的流程图；
38.图4示出了本技术一实施例基于货车车辆检测图像的亮度对所述故障货车车辆图像进行质量分类的流程图；
39.图5示出了本技术一实施例基于货车车辆检测图像的拍摄角度对所述故障货车车辆图像进行质量分类的流程图；
40.图6示出了本技术一实施例所述样本库构建装置的结构框图；
41.图7示出了本技术一实施例所述电子设备的结构示意图。
具体实施方式
42.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
43.目前tfds轨边检测系统对于人工提交的货车车辆图片缺乏统一的管理，使其得不到充分的利用，造成资源浪费。基于此，本技术提供一种货车车辆检测图像的样本库构建方法、装置、电子设备及存储介质，能够将tfds获取的货车图像构建为样本库，并进行分类管理，为tfds的技术发展及全面应用提供数据支撑。
44.如说明书附图1所示，在一实施例中，本技术提供的一种货车车辆检测图像的样本库构建方法，应用于货车运行故障动态图像检测系统tfds，所述方法包括：
45.s1、获取所述tfds采集的货车车辆检测图像；其中，所述tfds通过探测站设置的摄像设备采集货车车辆检测图像，并通过集中检车中心的检测将采集的货车车辆检测图像分为故障货车车辆图像和非故障货车车辆图像；
46.s2、基于所述货车车辆检测图像构建货车车辆检测图像的样本库，所述样本库至少通过以下一种方式对所述货车车辆检测图像进行分类：
47.对所述非故障货车车辆图像进行名称分类；
48.对所述故障货车车辆图像进行故障等级分类；
49.对所述货车车辆检测图像进行质量分类。
50.在步骤s1中，货车运行故障动态图像检测系统tfds主要由集中检车中心系统、检测信息采集设备、信息处理传输设备、列检检测中心构成，检测信息采集设备获取货车图像信息，利用信息处理传输设备将货车图像信息传输至集中检车中心，并通过集中检车中心初步筛选出无故障图像和故障图像，根据故障图像的信息，对相应的货车车辆进行即时检修。则通过tfds就可以直接获取初步筛选好的故障货车车辆图像和非故障货车车辆图像，
且不会影响tfds的正常工作。
51.在步骤s2中，将从tfds获取的货车车辆图像进行统一存储以构成一样本库时，由于集中检车中心筛选的故障货车车辆图像和非故障货车车辆图像缺乏统一的分类标注，车辆故障判定界限模糊，货车车辆图像的质量参差不齐，是不便于后期精确查找以查阅、调用相应货车车辆图像的，所以对样本库中的货车车辆图像进行多种方式的分类，同时为货车车辆图像进一步研究提供数据支撑。如随着人工智能的发展应用，后期tfds势必也会运用人工智能技术，对货车车辆图像进行自动检测，以判断货车车辆是否存在故障和安全隐患，而人工智能的发展是建立在大量训练样本的基础上的，如果不能对货车车辆图像进行精准的分类，是不利于tfds的技术发展及全面应用的。
52.如说明书附图2所示，对构建的样本库中的非故障货车车辆图像进行名称分类，包括以下步骤：
53.s201、基于图像识别获取所述非故障货车车辆图像中被检测货车车辆的型号以及被检测的部件名称；
54.s202、根据预设的第一命名规则对所述非故障货车车辆图像进行命名分类，其中，将相同货车车辆的型号和相同货车车辆的部件的非故障货车车辆图像分为一类。
55.在一实施例中，通过图像识别获取非故障货车车辆图像中的货车车辆特征以及检测部件的特征，进而判断出该货车车辆的型号，以及被检测的部件名称。其中，图像识别应为本领域技术人员所熟知的技术手段，在此不做赘述。
56.在其他实施例中，还可以通过扫描货车车辆车底安装的无线射频标签，直接获取货车车辆的型号。
57.在一实施例中，所述第一命名规则为a_b_c。其中，a为机后辆序，代表某辆车在整个列车中的顺位，从1开始编排，一列货车大概由40至70辆车和1辆机车构成，所以机后辆序大概范围为1至70；b为部件号，代表车辆大部件的编号，货车车辆由侧架、车钩、互钩差、制动架、中间部、中间部侧部、车体侧面，七个大部件组成，其中00表示前台侧架、15表示车尾互钩差、02表示前台制动梁、08表示中间部、1、17表示中间部侧部、18表示车体侧面等，每个部件有且只有唯一对应编号；c为图号，代表组成大部件图像中的每张小图像的编号。如2_00_6表示该列车的第3辆车前台侧架部位的第6张图像。
58.对按照第一命名规则命名好的非故障货车车辆图像进行分类时，可以利用substing算法对图像名称部件编号部分截取，提取部件编号部分，运用排序算法中的堆排序将部件编号由大到小排序，最后将排序完成的图像名称与图像一一匹配，完成分类。
59.如说明书附图3所示，对所述故障货车车辆图像进行故障等级分类，包括以下步骤：
60.s203、基于图像识别获取所述故障货车车辆图像中被检测货车车辆的型号以及被检测的部件名称，并将相同货车车辆的型号和相同货车车辆的部件的非故障货车车辆图像分为一类；
61.s204、基于训练好的故障分类模型获取同类故障货车车辆图像的故障等级；
62.s205、根据预设的第二命名规则对所述故障货车车辆图像进行故障等级分类。
63.其中，步骤s203与步骤s201的实施方式一样，在此不做赘述。在步骤s204中，通过训练好的故障分类模型获取同类故障货车车辆图像的故障等级，其中，训练故障分类模型
应为本领域技术人员所熟知的技术手段，在此不做赘述。
64.在一实施例中，所述第二命名规则应包括货车车辆型号、被检测的部件名称、故障等级等内容，所述故障等级可以分为三种级别：
65.一般故障，货车车辆有故障但不影响运营，可标记故障并提示下一个探测站重点观测此故障；
66.重点故障，货车车辆有故障但暂时可以运营，可标记故障并通知下一个检修场进行检修；
67.拦停故障，货车车辆有故障且不能运营，必须立即拦停就近选择检修场进行检修。
68.如利用14位货车图像故障编码作为第二命名规则，其中一、二位是货车结构大部件编码、三、四位是车种或零部件型号编码、五、六、七位是小部位编码、八、九、十位是具体部位编码、十一、十二、十三位是状态编码，其中状态编码内包含故障等级信息。如故障名称：车门丢失；故障编码：01tf0050200017；故障等级：重点故障。
69.另外，需要说明的是，tfds采集货车车辆图像的检测信息采集设备除了包括高速摄像机阵列外还包括照明补偿光源，需要适当时刻开启主动补偿光源，以及控制曝光时长，以使高速摄像机拍摄更为清晰的图片。由于每个探测站安装的高速摄像机的型号是不一样的，有的是线阵高速摄像机，有的是面阵高速摄像机，而高速摄像机的型号本身就决定了图片拍摄的质量，在本技术中基于所述货车车辆检测图像的亮度、拍摄角度或者拍摄设备的型号，对所述故障货车车辆图像进行质量分类。
70.如说明书附图4所示，基于货车车辆检测图像的亮度对所述故障货车车辆图像进行质量分类，包括以下步骤：
71.s401、计算每张所述货车车辆检测图像的亮度值；
72.s402、按照预设的亮度等级对所述货车车辆检测图像进行质量分类，其中，不同的亮度等级对应不同的亮度值范围。
73.在一实施例中，计算每张所述货车车辆检测图像的亮度值时，取图像最左侧最上方像素点为坐标原点，穿过该点水平向右方向为x轴正方向，穿过该点竖直向下方向为y轴正方向。记录故障图像每个像素点的x、y轴坐标与亮度数值，将不同图像对应像素点之间的亮度数值进行合计比较，图像总体亮度值小的判定为较暗图像，总体亮度值大的判定为较亮图像，较暗图像分类排序在较亮图像后，毕竟亮度值较大的图片相比亮度值较小的图片更为清晰。
74.如说明书附图5所示，基于所述货车车辆检测图像的拍摄角度对所述故障货车车辆图像进行质量分类，包括以下步骤：
75.s403、获取每张所述货车车辆检测图像的拍摄角度值；
76.s404、按照预设的角度等级对所述货车车辆检测图像进行质量分类，其中，不同的角度等级对应不同的拍摄角度值。
77.在一实施例中，获取每张所述货车车辆检测图像的拍摄角度值时，采用hog特征提取方法，首先将图像分成小的连通区域，叫做细胞单元；然后采集细胞单元中各像素点的梯度的或边缘的方向直方图；最后把这些直方图组合起来就可以构成特征描述，以得到拍摄角度值。其中，拍摄角度之所以重要，是由于其不仅能够体现图片质量，关键还在于好的拍摄角度能够更加准确地判断货车车辆是否发生故障。
78.本技术提供的一种货车车辆检测图像的样本库构建方法，将tfds采集的货车车辆检测图像构建成数据库，并按照通过以下一种方式对所述货车车辆检测图像进行分类，一方面不影响目前tfds的正常工作；另一方m面能够对后期tfds进行智能化应用提供数据支撑。
79.基于同一发明构思，本技术实施例中还提供了一种货车车辆检测图像的样本库构建装置，由于本技术实施例中的装置解决问题的原理与本技术实施例上述一种货车车辆检测图像的样本库构建方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
80.如说明书附图6所示，本技术提供的一种货车车辆检测图像的样本库构建装置，应用于货车运行故障动态图像检测系统tfds，所述装置包括：
81.获取模块601，用于获取所述tfds采集的货车车辆检测图像；其中，所述tfds通过探测站设置的检测信息采集设备采集货车车辆检测图像，并通过集中检车中心的检测将采集的货车车辆检测图像分为故障货车车辆图像和非故障货车车辆图像；
82.构建模块602，用于基于所述货车车辆检测图像构建货车车辆检测图像的样本库，所述样本库至少通过以下一种方式对所述货车车辆检测图像进行分类：
83.对所述非故障货车车辆图像进行名称分类；
84.对所述故障货车车辆图像进行故障等级分类；
85.对所述货车车辆检测图像进行质量分类。
86.在一种可能的实施方式中，所述构建模块602，还包括：
87.第一获取模块，用于基于图像识别获取所述非故障货车车辆图像中被检测货车车辆的型号以及被检测的部件名称；
88.第一分类模块，用于根据预设的第一命名规则对所述非故障货车车辆图像进行命名分类，其中，将相同货车车辆的型号和相同货车车辆的部件的非故障货车车辆图像分为一类。
89.在一种可能的实施方式中，所述构建模块602，还包括：
90.第二获取模块，用于基于图像识别获取所述故障货车车辆图像中被检测货车车辆的型号以及被检测的部件名称，并将相同货车车辆的型号和相同货车车辆的部件的非故障货车车辆图像分为一类；
91.第三获取模块，用于基于训练好的故障分类模型获取同类故障货车车辆图像的故障等级；
92.第二分类模块，用于根据预设的第二命名规则对所述故障货车车辆图像进行故障等级分类。
93.在一种可能的实施方式中，所述构建模块602，还包括：
94.第一计算模块，用于计算每张所述货车车辆检测图像的亮度值；
95.第三分类模块，用于按照预设的亮度等级对所述货车车辆检测图像进行质量分类，其中，不同的亮度等级对应不同的亮度值范围。
96.在一种可能的实施方式中，所述构建模块602，还包括：
97.第二计算模块，用于获取每张所述货车车辆检测图像的拍摄角度值；
98.第四分类模块，用于按照预设的角度等级对所述货车车辆检测图像进行质量分类，其中，不同的角度等级对应不同的拍摄角度值。
99.本技术提供的一种货车车辆检测图像的样本库构建装置，应用于货车运行故障动态图像检测系统tfds，将tfds采集的货车车辆检测图像构建成数据库，并按照通过以下一种方式对所述货车车辆检测图像进行分类：从而能够对tfds采集的货车车辆检测图像进行有规则的分类管理，为tfds的全面应用提供数据支撑。
100.基于本发明的同一构思，说明书附图7所示，本技术实施例提供的一种电子设备700的结构，该电子设备700包括：至少一个处理器701，至少一个网络接口704或者其他用户接口703，存储器705，至少一个通信总线702。通信总线702用于实现这些组件之间的连接通信。该电子设备700可选的包含用户接口703，包括显示器(例如，触摸屏、lcd、crt、全息成像(holographic)或者投影(projector)等)，键盘或者点击设备(例如，鼠标，轨迹球(trackball)，触感板或者触摸屏等)。
101.存储器705可以包括只读存储器和随机存取存储器，并向处理器701提供指令和数据。存储器705的一部分还可以包括非易失性随机存取存储器(nvram)。
102.在一些实施方式中，存储器705存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：
103.操作系统7051，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务；
104.应用程序模块7052，包含各种应用程序，例如桌面(launcher)、媒体播放器(media player)、浏览器(browser)等，用于实现各种应用业务。
105.在本技术实施例中，通过调用存储器705存储的程序或指令，处理器701用于执行如一种货车车辆检测图像的样本库构建方法中的步骤。
106.本技术还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如货车车辆检测图像的样本库构建方法中的步骤。
107.具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述货车车辆检测图像的样本库构建方法。
108.在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
109.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
110.另外，在本技术提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
111.功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机
软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
112.最后应说明的是：以上实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。