一种ATP视频监控与智能识别分析系统的制作方法

技术特征：

1.一种atp视频监控与智能识别分析系统，其特征在于：包括车载视频采集装置和专家智能诊断系统，所述车载视频采集装置通过网线连接车载服务器，所述车载服务器通过网线连接专家智能诊断系统，所述专家智能诊断系统通过传输平台连接中心服务器，所述专家智能诊断系统包括图像获取模块，所述图像获取模块通过线缆连接指示灯、开关、拨码器和行叉，所述指示灯、开关、拨码器和行叉通过线缆连接图像处理模块，所述图像处理模块通过线缆连接线缆连接指示灯状态、开关状态、拨码器轮径值和行叉状态，所述指示灯状态、开关状态、拨码器轮径值和行叉状态通过线缆连接汇总监视信息并对比，所述汇总监视信息并对比后通过线缆连接正常运行状态实时显示和故障警报。

2.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于所述车载视频采集装置采用多路摄像头负责采集监控对象的视频信息等atp所有目标状态，输出标准视频格式给车载服务器，为智能分析系统提供实时影像；

所述车载服务器负责处理通过网线传送至车载服务器的视频信息采集，在车载服务器上进行图像分析，对故障情况进行判断，并将判断结果转换为数字信号；

所述专家智能诊断系统通过网线连接铁路内部传输平台，通过平台将数据传输至中心服务器；所述中心服务器负责信号接收、状态还原工作，并呈现结果，以及对故障信息进行数字化处理，整理并存储；

所述图像处理模块通过图像获取模块获取场景的图像，存储为一个单独的二维信号数组，然后采用256量化等级进行图像进行量化，每个像素取值范围为0～255，而后采用rgb色彩模型进行色彩表征，用红绿蓝三个颜色分量来表示任意颜色，每个像素点包含了其在三个颜色分量下的饱和度，通过rgb的三个颜色分量，可以获得图像的颜色信息；

所述图像获取模块利用摄像头获取指示灯状态的图像，通过人工智能云图像处理技术，获取指示灯当前的颜色及该颜色对应的仪器状态，从而实现对设备的即时监控，机柜内没有光源，对于非指示灯的设备而言，采集图像的方法为同步控制的led闪光灯，在闪光灯亮时进行图像采集，为了不干扰周边其他摄像头的图像采集，该led将进行特殊设计，使其能刚好照亮空气开关所在区域。

3.根据权利要求1或2所述的一种atp视频监控与智能识别分析系统，其特征在于：所述图像处理模块所述图像处理模块通过线缆连接机器学习深度学习模块，所述机器学习深度学习模块通过线缆连接指示灯状态、开关状态、拨码器轮径值和行叉状态，使得当前的仪器状态能够在图像获取之后迅速通过上述处理方法转换成仪器状态的信息。

4.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于：所述正常运行状态实时显示包括以下内容：a.面板上全部指示灯状态，共187个，包括明灭、频闪，其中vc144个，vc244个，dru45个，rlu16个，stn18个，btm20个；b.行叉cn3、cn4、cn5、cn6、cn7、cn8在系统通电时，是否有插头插入插槽；c.vc1、vc2、dru模块拨码器设置值读数；d.vc1模块两个拨码器轮径值码是否一致、vc2模块两个拨码器轮径值是否一致。

5.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于：所述故障报警的状况包括：a.指示灯状态改变，模块有故障；b.系统通电时，插槽位置无对应行叉；c.显示全部拨码器读数；d.vc1、vc2两拨码器显示轮径值码不一致。

6.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于：所述中心服务器向车载服务器发出调取要求，车载服务器响应并传输实时信息，并通过中心服务器在界面上显示atp柜实时工作状态。

7.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于：所述车载系统技术指标要求为：车载视频采集装置功率150w、车载服务器功率不大于300w、总功率不大于450w、电压为dc110v、工作环境温度-25℃～ 70℃、保护等级ip20、无需主动冷却、大气压力为海拔高度不超过2500m、冲击振动gb/t25119-2010和相对湿度25％～90％，所述智能维护中心技术指标要求为：电压为ac220v、功率不大于1250w、工作环境温度5℃～35℃、需主动冷却、大气压力为海拔高度不超过2500m、相对湿度≤90％，非凝结。

8.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于：所述车载视频采集装置包括铝合金框架1组，摄像头模组及快拆单18组，视频解码系统1套，补光系统1套。

9.根据权利要求1所述的一种atp视频监控与智能识别分析系统，其特征在于：所述专家智能诊断系统中设有atp设备状态图像识别sdk，所述atp设备状态图像识别sdk包括设备面板检测区域定位、指示灯状态识别、拨码器数字识别、航空插头连接状态识别功能，所述atp设备状态图像识别sdk实现步骤包括图像预处理：通过对摄像头采集的图像帧进行图像预处理，得到清晰度更高的图像；检测区域标记：根据摄像头的编号，自动选择监控区域标记策略，并完成检测区域的标记，检测区域图像提取；区域检测对象识别：主要识别指示灯状态、拨码器数字、航插连接状态，最终将识别结果汇总输出。

10.根据权利要求3所述的一种atp视频监控与智能识别分析系统，其特征在于：所述机器学习深度学习模块基于深度学习网络fasterr-cnn的故障检测与识别的方法,通过对人工标注的图片数据进行卷积特征训练,得到了用于该场景下指示灯、轮径拨码器、航空插头三种设备的检测识别模型，样本数据来源于采集的atp设备状态监控视频,间隔截取帧图像,通过人工的方式分别挑选出6000张atp设备指示灯、轮径拨码器、航空插头状态相关的图像，将其作为训练样本集；通过配置tensorflow平台的运行环境，平台上搭建fasterr-cnn算法,将筛选出的样本集按照pascalvoc2007数据集的标准进行数据标注和存储，基于vgg16预训练模型进行参数微调,使得最终模型适用于atp设备状态监测的故障检测和识别问题。

技术总结
本发明公开了一种ATP视频监控与智能识别分析系统，包括车载视频采集装置和专家智能诊断系统，所述车载视频采集装置通过网线连接车载服务器，所述车载服务器通过网线连接专家智能诊断系统，所述专家智能诊断系统通过传输平台连接中心服务器，通过多通道并行采集技术，收集汇总CTCS2‑200H型ATP设备各个板卡的视频信息，对指示灯明灭和频闪变化、拨码器读数、拔叉位置进行监测，可供段内随时调用，车载服务器通过人工智能识别算法，发现设备异常后主动向段内服务器发出报警，并在段内服务器软件内还原车载ATP设备实时工作状态，实现车辆车载ATP设备故障的实时监控及管理。

技术研发人员：贾水生;黄进中
受保护的技术使用者：中国铁路上海局集团有限公司合肥电务段;南京宁铁无损检测技术研究院有限公司
技术研发日：2021.04.16
技术公布日：2021.07.30