一种基于视频的积水检测方法与流程

本发明属于轨道交通智能运维领域，涉及一种基于视频的积水检测方法。

背景技术：

1、铁路迅速发展下，其泵房数量急剧上升。泵房常处于干线偏远地区，难以实现人员巡检覆盖。泵房光照环境极差，管理单位不能有效实现对泵房进行实时监控；出现泵房被淹的情况时，一旦不能被及时发现，极大影响行车安全。

2、目前泵房防淹的检测方法，主要依靠人工定期检查或水位传感器。但传统传感器的设备存在型号各异、与铁路专用安全通信协议不兼容等现实问题，且泵房不能停止工作进行设备调试、工程量巨大。现存少量使用yolov5分类模型进行积水检测，但均未充分利用积水过程连续缓慢变化的特征，效果不佳。

技术实现思路

1、基于此，针对现有技术的不足，本发明提出一种基于视频的积水检测方法，实现泵房防淹的非接触和实时高精度监测。

2、为了达到上述目的，本发明的解决方案是：使用差分法获取图像输入集；在yolov5图像分类模型基础上，添加类连续帧特征增强网络结构，进行积水检测。

3、进一步地，所述步骤s1包括以下步骤：

4、s11、获取当前时刻至某历史时刻t0、固定间隔δt下的图片集mi(i＝0...n)。

5、s12、构造差分函数：图像p和图像q的差分图像为|g(mp)-g(mq)|，其中g表示对应图像的灰度图；差分图像中的像素值记为m，并取定像素差分阈值m0；若满足m>m0时，进行累计，如下公式所示。

6、

7、s13、取定图像差分阈值s0，以图像为基准，获得候选图像下标(x0+n)/2；若满足

8、

9、则候选图片的灰度图像为目标图像，并令x1＝(x0+n)/2，重复上述操作；若不满足，则令x0＝(x0+n)/2，重复上述操作；得到单通道目标图像集且xn＝n。

10、进一步地，所述步骤s2包括以下步骤：

11、s21、图像集mxi形成原始特征图c0，尺寸为g×h×w，其中g、h、w分别表示图像集中图像数量、图像高度、图像宽度。

12、s22、c0分别进行h通道和w通道的最大值池化、relu激活，其结果c0h、c0w与c0进行重赋权重，得到尺寸为g×h×w的特征图c1；c1进行最大值池化、relu激活，其结果与c1进行矩阵乘法，得到尺寸为1×h×w的特征图c2；重赋权重时，计算每个通道g中的比例矩阵r0＝c0w·c0h/r0，r0表示c0w·c0h中最大值，则表示矩阵点乘。

13、s23、c0进行卷积得到尺寸为g×h×w的特征图c3；c3进行最大值池化、relu激活，其结果与c3进行矩阵乘法，得到尺寸为1×h×w的特征图c4；

14、s24、c2和c4进行矩阵加法得到c24，c24进行relu激活得到c24r，c24r和c24进行重赋权重，得到尺寸为1×h×w的特征图c5；重赋权重时，计算比例矩阵r5＝c24r/r5，r5表示c24r中最大值，则

15、s25、将原yolov5分类模型修改为单通道模型，将特征图c5作为输入，经主干网络计算，得到检测结果。

技术特征：

1.一种基于视频的积水检测方法，其特征在于，包括以下步骤

2.根据权利要求1所述的检测方法，其特征在于，所述步骤s1包括以下步骤：

3.根据权利要求1所述的检测方法，其特征在于，所述步骤s2包括以下步骤：

技术总结本发明涉及一种基于视频的积水检测方法，包括以下步骤：使用差分法获取图像输入集；在YOLOv5图像分类模型基础上，添加类连续帧特征增强网络结构，进行积水检测。技术研发人员：沈阳,邓辰鑫,谢兰欣,薛腾辉,张国光,李柏松,杨震,惠青文受保护的技术使用者：上海泽高电子工程技术股份有限公司技术研发日：技术公布日：2024/7/29