CN110490163A - 一种铁路视频数据智能处理方法及装置 - Google Patents

一种铁路视频数据智能处理方法及装置 Download PDF

Info

Publication number
CN110490163A
CN110490163A CN201910790315.3A CN201910790315A CN110490163A CN 110490163 A CN110490163 A CN 110490163A CN 201910790315 A CN201910790315 A CN 201910790315A CN 110490163 A CN110490163 A CN 110490163A
Authority
CN
China
Prior art keywords
gray
image
pixel
edge
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910790315.3A
Other languages
English (en)
Other versions
CN110490163B (zh
Inventor
杨长卫
廖峪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nobicam Artificial Intelligence Technology Chengdu Co ltd
Original Assignee
Chengdu Nbk Technology Co Ltd
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Nbk Technology Co Ltd, Southwest Jiaotong University filed Critical Chengdu Nbk Technology Co Ltd
Priority to CN201910790315.3A priority Critical patent/CN110490163B/zh
Publication of CN110490163A publication Critical patent/CN110490163A/zh
Application granted granted Critical
Publication of CN110490163B publication Critical patent/CN110490163B/zh
Withdrawn - After Issue legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/60Rotation of whole images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种铁路视频数据智能处理方法及装置,所述方法包括获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨;构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像;根据所述灰度图像生成边缘图像;对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。本发明对巡检视频图像进行处理,通过对图像进行旋转从而调整铁轨方向,以便于后续图像识别中基于铁轨位置对其它相关构件进行定位分析。

Description

一种铁路视频数据智能处理方法及装置
技术领域
本发明涉及数据处理领域,尤其涉及一种铁路视频数据智能处理方法及装置。
背景技术
铁路轨道,简称路轨、铁轨、轨道等。用于铁路上,并与转辙器合作,令火车无需转向便能行走。轨道通常由两条平行的钢轨组成。钢轨固定放在轨枕上,轨枕之下为路碴。以钢铁制成的路轨,可以比其它物料承受更大的重量。轨枕亦称枕木,或路枕,功用是把钢轨的重量分开散布,和保持路轨固定,维持路轨的轨距。
铁轨、轨枕及其连接件的状态检测是铁路巡检的重要一环。目前自动化监控技术的视频采集、视频处理等技术日趋成熟,因此可以基于图像识别的方法对铁轨、轨枕及其连接件进行状态检测,然而在实际检测过程中发现,采集到的图像可能会发生某种偏转,从而使得图像识别过程中使用的图像中铁轨、轨枕的方向不一致,因此,需要进行相关处理。
发明内容
为了解决上述技术问题,本发明提供一种铁路视频数据智能处理方法及装置。
本发明是以如下技术方案实现的:
一种铁路视频数据智能处理方法,所述方法包括:
获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨;
构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像;
根据所述灰度图像生成边缘图像;
对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。
优选的,所述根据所述灰度图像生成边缘图像,包括:
获取所述灰度图像中各个像素点的灰度;
根据所述各个像素点的灰度计算每个像素点的灰度指示指数;
将灰度指示指数达到预设要求的像素点确定为边缘像素点,由所述边缘像素点构成边缘轮廓;
提取所述边缘像素点中的锯齿像素;
根据所述锯齿像素对所述边缘轮廓进行去锯齿处理以得到边缘图像。
优选的,所述提取所述边缘像素点中的锯齿像素,包括:
获取各个边缘像素点中每个边缘像素点的灰度延伸方向,所述灰度延伸方向为所述边缘像素点与参考像素之间连线构成所在方向,所述参考像素为与所述边缘像素点灰度差最大的相关像素,所述相关像素为与所述边缘像素点相邻的像素;
提取所述边缘像素点的灰度延伸方向上的N个像素,若所述N个像素满足锯齿条件,则判定所述边缘像素点为锯齿像素,所述锯齿条件包括:第T-1个像素的灰度与第T个像素的灰度的差值大于第T预设阈值,其中当T为0时,第T-1个像素为所述边缘像素点。
优选的,所述对所述边缘图像进行分析以得到调整角度,包括:
计算所述边缘图像在所述平面直角坐标系中的灰度特征值,所述灰度特征值唯一对应所述边缘图像的各个像素的灰度值在所述平面直角坐标系中X轴方向的投影结果;
以所述边缘图像的中心为旋转中心顺时针对所述边缘图像进行旋转,计算对旋转后的图像的灰度特征值,以得到灰度特征值记录表,所述灰度特征值记录表记录旋转角度与灰度特征值的映射关系;
根据所述灰度特征值记录表选择目标灰度特征值,所述目标灰度特征值为所述灰度特征值记录表中数值最大的灰度特征值;
根据所述灰度特征值记录表提取所述目标灰度值对应的旋转角度,并将所述旋转角度的相反数确定为调整角度。
优选的,还包括计算灰度特征值,所述计算所述灰度值,包括:
获取待计算灰度值的轮廓图像;
将所述轮廓图像中的各个像素点的灰度值在平面直角坐标系中的X轴方向进行投影以得到投影向量,所述投影向量中每个元素的灰度值均为相关像素的灰度值的累加和,所述相关像素的投影位置均为所述元素所对应的位置;
将所述投影向量中各个元素的最大值作为所述灰度特征值。
一种铁路视频数据智能处理装置,所述装置包括:
巡检视频图像拍摄模块,用于获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨;
灰度图像获取模块,用于构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像;
边缘图像生成模块,用于根据所述灰度图像生成边缘图像;
调整模块,用于对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。
优选的,所述边缘图像生成模块,包括:
灰度获取单元,用于获取所述灰度图像中各个像素点的灰度;
灰度指示指数计算单元,用于根据所述各个像素点的灰度计算每个像素点的灰度指示指数;
边缘轮廓单元,用于将灰度指示指数达到预设要求的像素点确定为边缘像素点,由所述边缘像素点构成边缘轮廓;
锯齿像素提取单元,用于提取所述边缘像素点中的锯齿像素;
边缘图像获取单元,用于根据所述锯齿像素对所述边缘轮廓进行去锯齿处理以得到边缘图像。
优选的,所述锯齿像素提取单元,包括:
灰度延伸方向获取单元,用于获取各个边缘像素点中每个边缘像素点的灰度延伸方向,所述灰度延伸方向为所述边缘像素点与参考像素之间连线构成所在方向,所述参考像素为与所述边缘像素点灰度差最大的相关像素,所述相关像素为与所述边缘像素点相邻的像素;
锯齿确定单元,用于提取所述边缘像素点的灰度延伸方向上的N个像素,若所述N个像素满足锯齿条件,则判定所述边缘像素点为锯齿像素,所述锯齿条件包括:第T-1个像素的灰度与第T个像素的灰度的差值大于第T预设阈值,其中当T为0时,第T-1个像素为所述边缘像素点。
优选的,所述调整模块,包括:
灰度特征值计算单元,用于计算所述边缘图像在所述平面直角坐标系中的灰度特征值,所述灰度特征值唯一对应所述边缘图像的各个像素的灰度值在所述平面直角坐标系中X轴方向的投影结果;
旋转计算单元,用于以所述边缘图像的中心为旋转中心顺时针对所述边缘图像进行旋转,计算对旋转后的图像的灰度特征值,以得到灰度特征值记录表,所述灰度特征值记录表记录旋转角度与灰度特征值的映射关系;
目标灰度特征值计算单元,用于根据所述灰度特征值记录表选择目标灰度特征值,所述目标灰度特征值为所述灰度特征值记录表中数值最大的灰度特征值;
调整角度计算单元,用于根据所述灰度特征值记录表提取所述目标灰度值对应的旋转角度,并将所述旋转角度的相反数确定为调整角度。
优选的,还包括灰度值特征值计算单元还用于:
轮廓图像获取单元,用于获取待计算灰度值的轮廓图像;
投影向量获取单元,用于将所述轮廓图像中的各个像素点的灰度值在平面直角坐标系中的X轴方向进行投影以得到投影向量,所述投影向量中每个元素的灰度值均为相关像素的灰度值的累加和,所述相关像素的投影位置均为所述元素所对应的位置;
灰度特征值确定单元,用于将所述投影向量中各个元素的最大值作为所述灰度特征值。
本发明的有益效果是:
本发明实施例公开一种铁路视频数据智能处理方法及装置,以便于对巡检视频图像进行处理,通过对图像进行旋转从而调整铁轨方向,以便于后续图像识别中基于铁轨位置对其它相关构件进行定位分析。
附图说明
图1是本实施例提供的一种铁路视频数据智能处理方法流程图;
图2是本实施例提供的根据所述灰度图像生成边缘图像方法流程图;
图3是本实施例提供的提取所述边缘像素点中的锯齿像素流程图;
图4是本实施例提供的对所述边缘图像进行分析以得到调整角度流程图;
图5是本实施例提供的灰度特征值的计算方法流程图;
图6是本实施例提供的一种铁路视频数据智能处理方法框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
实施例1:
本发明实施例公开一种铁路视频数据智能处理方法,如图1所示,所述方法包括:
S101.获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨。
S103.构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像。
S105.根据所述灰度图像生成边缘图像。
本发明实施例基于对边缘图像的分析而得到调整角度,因此边缘图像的精准度对本发明实施例的效果而言至关重要。为此,本发明实施例首先公开根据所述灰度图像生成边缘图像的方法,如图2所示,所述方法包括:
S1051.获取所述灰度图像中各个像素点的灰度。
S1053.根据所述各个像素点的灰度计算每个像素点的灰度指示指数。
具体地,所述像素点的灰度指示指数根据下述公式计算得到其中,gmax为像素点的相邻像素点中与所述像素点灰度差异最大的像素点与所述像素点的灰度差值,gmin为像素点的相邻像素点中与所述像素点灰度差异最小的像素点与所述像素点的灰度差值。
S1055.将灰度指示指数达到预设要求的像素点确定为边缘像素点,由所述边缘像素点构成边缘轮廓。
S1057.提取所述边缘像素点中的锯齿像素。
具体地,所述提取所述边缘像素点中的锯齿像素,如图3所示,包括:
S10571.获取各个边缘像素点中每个边缘像素点的灰度延伸方向,所述灰度延伸方向为所述边缘像素点与参考像素之间连线构成所在方向,所述参考像素为与所述边缘像素点灰度差最大的相关像素,所述相关像素为与所述边缘像素点相邻的像素。
S310573.提取所述边缘像素点的灰度延伸方向上的N个像素,若所述N个像素满足锯齿条件,则判定所述边缘像素点为锯齿像素,所述锯齿条件包括:第T-1个像素的灰度与第T个像素的灰度的差值大于第T预设阈值,其中当T为0时,第T-1个像素为所述边缘像素点。
S1059.根据所述锯齿像素对所述边缘轮廓进行去锯齿处理以得到边缘图像。
S107.对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。
具体地,所述对所述边缘图像进行分析以得到调整角度,如图4所示,包括:
S1071.计算所述边缘图像在所述平面直角坐标系中的灰度特征值,所述灰度特征值唯一对应所述边缘图像的各个像素的灰度值在所述平面直角坐标系中X轴方向的投影结果。
S1073.以所述边缘图像的中心为旋转中心顺时针对所述边缘图像进行旋转,计算对旋转后的图像的灰度特征值,以得到灰度特征值记录表,所述灰度特征值记录表记录旋转角度与灰度特征值的映射关系。
具体地,本发明实施例给出灰度特征值的计算方法,如图5所示,所述方法包括:
S1.获取待计算灰度值的轮廓图像。
具体地,本发明实施例中所述轮廓图像即为初始位置的边缘图像和各个旋转角度下的边缘图像。
S3.将所述轮廓图像中的各个像素点的灰度值在平面直角坐标系中的X轴方向进行投影以得到投影向量,所述投影向量中每个元素的灰度值均为相关像素的灰度值的累加和,所述相关像素的投影位置均为所述元素所对应的位置。
以所述轮廓图像为一条不平行与X轴方向的直线为例,其投影向量显然也生成一条直线,而投影向量中各个元素的灰度值根据所述轮廓图像中各个元素的灰度值被唯一确定。
以所述轮廓图像为多条不平行于X轴方向的直线,则可能存在多个像素点的投影点重合的情况,因此需要将这些像素点的灰度值进行累加才能够得到能够反映整体轮廓图像的投影结果的投影向量。
S5.将所述投影向量中各个元素的最大值作为所述灰度特征值。
S1075.根据所述灰度特征值记录表选择目标灰度特征值,所述目标灰度特征值为所述灰度特征值记录表中数值最大的灰度特征值。
S1077.根据所述灰度特征值记录表提取所述目标灰度值对应的旋转角度,并将所述旋转角度的相反数确定为调整角度。
铁路钢轨是图像定位的关键部件,比如轨枕、枕肩,钢轨与轨枕的连接件等构件均可以依托于铁路钢轨的位置而被确定。在实际的巡检过程中,可以利用拍摄的巡检视频图像进行分析,并根据图像分析的结果即可知晓铁轨、轨枕及其连接件等构件的状态,以达到巡检的目的。然而,巡检过程中拍摄到的巡检视频图像中铁轨在图像中的位置可能发生旋转而与图像的垂直线呈现一定角度,这将不利于后续的基于铁轨进行其它构件的定位,因此,本发明实施例公开一种铁路视频数据智能处理方法,以便于对巡检视频图像进行处理,通过对图像进行旋转从而调整铁轨方向,以便于后续图像识别中基于铁轨位置对其它相关构件进行定位分析。
本发明实施例公开一种铁路视频数据智能处理装置,如图6所示,所述装置包括:
巡检视频图像拍摄模块201,用于获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨;
灰度图像获取模块203,用于构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像;
边缘图像生成模块205,用于根据所述灰度图像生成边缘图像;
调整模块207,用于对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。
具体地,所述边缘图像生成模块,包括:
灰度获取单元,用于获取所述灰度图像中各个像素点的灰度;
灰度指示指数计算单元,用于根据所述各个像素点的灰度计算每个像素点的灰度指示指数;
边缘轮廓单元,用于将灰度指示指数达到预设要求的像素点确定为边缘像素点,由所述边缘像素点构成边缘轮廓;
锯齿像素提取单元,用于提取所述边缘像素点中的锯齿像素;
边缘图像获取单元,用于根据所述锯齿像素对所述边缘轮廓进行去锯齿处理以得到边缘图像。
具体地,所述锯齿像素提取单元,包括:
灰度延伸方向获取单元,用于获取各个边缘像素点中每个边缘像素点的灰度延伸方向,所述灰度延伸方向为所述边缘像素点与参考像素之间连线构成所在方向,所述参考像素为与所述边缘像素点灰度差最大的相关像素,所述相关像素为与所述边缘像素点相邻的像素;
锯齿确定单元,用于提取所述边缘像素点的灰度延伸方向上的N个像素,若所述N个像素满足锯齿条件,则判定所述边缘像素点为锯齿像素,所述锯齿条件包括:第T-1个像素的灰度与第T个像素的灰度的差值大于第T预设阈值,其中当T为0时,第T-1个像素为所述边缘像素点。
具体地,所述调整模块,包括:
灰度特征值计算单元,用于计算所述边缘图像在所述平面直角坐标系中的灰度特征值,所述灰度特征值唯一对应所述边缘图像的各个像素的灰度值在所述平面直角坐标系中X轴方向的投影结果;
旋转计算单元,用于以所述边缘图像的中心为旋转中心顺时针对所述边缘图像进行旋转,计算对旋转后的图像的灰度特征值,以得到灰度特征值记录表,所述灰度特征值记录表记录旋转角度与灰度特征值的映射关系;
目标灰度特征值计算单元,用于根据所述灰度特征值记录表选择目标灰度特征值,所述目标灰度特征值为所述灰度特征值记录表中数值最大的灰度特征值;
调整角度计算单元,用于根据所述灰度特征值记录表提取所述目标灰度值对应的旋转角度,并将所述旋转角度的相反数确定为调整角度。
优选的,还包括灰度值特征值计算单元还用于:
轮廓图像获取单元,用于获取待计算灰度值的轮廓图像;
投影向量获取单元,用于将所述轮廓图像中的各个像素点的灰度值在平面直角坐标系中的X轴方向进行投影以得到投影向量,所述投影向量中每个元素的灰度值均为相关像素的灰度值的累加和,所述相关像素的投影位置均为所述元素所对应的位置;
灰度特征值确定单元,用于将所述投影向量中各个元素的最大值作为所述灰度特征值
本发明公开的一种铁路视频数据智能处理装置与方法实施例基于相同的发明构思。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。

Claims (10)

1.一种铁路视频数据智能处理方法,其特征在于,所述方法包括:
获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨;
构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像;
根据所述灰度图像生成边缘图像;
对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。
2.根据权利要求1所述的一种铁路视频数据智能处理方法,其特征在于,所述根据所述灰度图像生成边缘图像,包括:
获取所述灰度图像中各个像素点的灰度;
根据所述各个像素点的灰度计算每个像素点的灰度指示指数;
将灰度指示指数达到预设要求的像素点确定为边缘像素点,由所述边缘像素点构成边缘轮廓;
提取所述边缘像素点中的锯齿像素;
根据所述锯齿像素对所述边缘轮廓进行去锯齿处理以得到边缘图像。
3.根据权利要求2所述的一种铁路视频数据智能处理方法,其特征在于,所述提取所述边缘像素点中的锯齿像素,包括:
获取各个边缘像素点中每个边缘像素点的灰度延伸方向,所述灰度延伸方向为所述边缘像素点与参考像素之间连线构成所在方向,所述参考像素为与所述边缘像素点灰度差最大的相关像素,所述相关像素为与所述边缘像素点相邻的像素;
提取所述边缘像素点的灰度延伸方向上的N个像素,若所述N个像素满足锯齿条件,则判定所述边缘像素点为锯齿像素,所述锯齿条件包括:第T-1个像素的灰度与第T个像素的灰度的差值大于第T预设阈值,其中当T为0时,第T-1个像素为所述边缘像素点。
4.根据权利要求3所述的一种铁路视频数据智能处理方法,其特征在于,所述对所述边缘图像进行分析以得到调整角度,包括:
计算所述边缘图像在所述平面直角坐标系中的灰度特征值,所述灰度特征值唯一对应所述边缘图像的各个像素的灰度值在所述平面直角坐标系中X轴方向的投影结果;
以所述边缘图像的中心为旋转中心顺时针对所述边缘图像进行旋转,计算对旋转后的图像的灰度特征值,以得到灰度特征值记录表,所述灰度特征值记录表记录旋转角度与灰度特征值的映射关系;
根据所述灰度特征值记录表选择目标灰度特征值,所述目标灰度特征值为所述灰度特征值记录表中数值最大的灰度特征值;
根据所述灰度特征值记录表提取所述目标灰度值对应的旋转角度,并将所述旋转角度的相反数确定为调整角度。
5.根据权利要求4所述的一种铁路视频数据智能处理方法,其特征在于,还包括计算灰度特征值,所述计算所述灰度值,包括:
获取待计算灰度值的轮廓图像;
将所述轮廓图像中的各个像素点的灰度值在平面直角坐标系中的X轴方向进行投影以得到投影向量,所述投影向量中每个元素的灰度值均为相关像素的灰度值的累加和,所述相关像素的投影位置均为所述元素所对应的位置;
将所述投影向量中各个元素的最大值作为所述灰度特征值。
6.一种铁路视频数据智能处理装置,其特征在于,所述装置包括:
巡检视频图像拍摄模块,用于获取巡检机器人拍摄的巡检视频图像,所述巡检视频图像中包括铁路钢轨;
灰度图像获取模块,用于构建平面直角坐标系,在所述平面直角坐标系中生成所述巡检视频图像对应的灰度图像;
边缘图像生成模块,用于根据所述灰度图像生成边缘图像;
调整模块,用于对所述边缘图像进行分析以得到调整角度,根据所述调整角度逆时针旋转所述灰度图像以得到目标图像,以使得所述目标图像中铁路钢轨与所述平面直角坐标系的Y轴平行。
7.根据权利要求6所述的一种铁路视频数据智能处理装置,其特征在于,所述边缘图像生成模块,包括:
灰度获取单元,用于获取所述灰度图像中各个像素点的灰度;
灰度指示指数计算单元,用于根据所述各个像素点的灰度计算每个像素点的灰度指示指数;
边缘轮廓单元,用于将灰度指示指数达到预设要求的像素点确定为边缘像素点,由所述边缘像素点构成边缘轮廓;
锯齿像素提取单元,用于提取所述边缘像素点中的锯齿像素;
边缘图像获取单元,用于根据所述锯齿像素对所述边缘轮廓进行去锯齿处理以得到边缘图像。
8.根据权利要求7所述的一种铁路视频数据智能处理装置,其特征在于,所述锯齿像素提取单元,包括:
灰度延伸方向获取单元,用于获取各个边缘像素点中每个边缘像素点的灰度延伸方向,所述灰度延伸方向为所述边缘像素点与参考像素之间连线构成所在方向,所述参考像素为与所述边缘像素点灰度差最大的相关像素,所述相关像素为与所述边缘像素点相邻的像素;
锯齿确定单元,用于提取所述边缘像素点的灰度延伸方向上的N个像素,若所述N个像素满足锯齿条件,则判定所述边缘像素点为锯齿像素,所述锯齿条件包括:第T-1个像素的灰度与第T个像素的灰度的差值大于第T预设阈值,其中当T为0时,第T-1个像素为所述边缘像素点。
9.根据权利要求8所述的一种铁路视频数据智能处理装置,其特征在于,所述调整模块,包括:
灰度特征值计算单元,用于计算所述边缘图像在所述平面直角坐标系中的灰度特征值,所述灰度特征值唯一对应所述边缘图像的各个像素的灰度值在所述平面直角坐标系中X轴方向的投影结果;
旋转计算单元,用于以所述边缘图像的中心为旋转中心顺时针对所述边缘图像进行旋转,计算对旋转后的图像的灰度特征值,以得到灰度特征值记录表,所述灰度特征值记录表记录旋转角度与灰度特征值的映射关系;
目标灰度特征值计算单元,用于根据所述灰度特征值记录表选择目标灰度特征值,所述目标灰度特征值为所述灰度特征值记录表中数值最大的灰度特征值;
调整角度计算单元,用于根据所述灰度特征值记录表提取所述目标灰度值对应的旋转角度,并将所述旋转角度的相反数确定为调整角度。
10.根据权利要求9所述的一种铁路视频数据智能处理装置,其特征在于,还包括灰度值特征值计算单元还用于:
轮廓图像获取单元,用于获取待计算灰度值的轮廓图像;
投影向量获取单元,用于将所述轮廓图像中的各个像素点的灰度值在平面直角坐标系中的X轴方向进行投影以得到投影向量,所述投影向量中每个元素的灰度值均为相关像素的灰度值的累加和,所述相关像素的投影位置均为所述元素所对应的位置;
灰度特征值确定单元,用于将所述投影向量中各个元素的最大值作为所述灰度特征值。
CN201910790315.3A 2019-08-26 2019-08-26 一种铁路视频数据智能处理方法及装置 Withdrawn - After Issue CN110490163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910790315.3A CN110490163B (zh) 2019-08-26 2019-08-26 一种铁路视频数据智能处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910790315.3A CN110490163B (zh) 2019-08-26 2019-08-26 一种铁路视频数据智能处理方法及装置

Publications (2)

Publication Number Publication Date
CN110490163A true CN110490163A (zh) 2019-11-22
CN110490163B CN110490163B (zh) 2022-02-11

Family

ID=68554221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910790315.3A Withdrawn - After Issue CN110490163B (zh) 2019-08-26 2019-08-26 一种铁路视频数据智能处理方法及装置

Country Status (1)

Country Link
CN (1) CN110490163B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553870A (zh) * 2020-07-13 2020-08-18 成都中轨轨道设备有限公司 一种基于分布式***的图像处理方法
CN113569777A (zh) * 2021-08-02 2021-10-29 中国石油天然气集团有限公司 设备旋转工作状态的视频检测方法及其装置
CN117218743A (zh) * 2023-11-07 2023-12-12 诺比侃人工智能科技(成都)股份有限公司 基于机器视觉的智能巡检控制方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625760A (zh) * 2009-07-28 2010-01-13 谭洪舟 一种证件图像倾斜校正的办法
US20120062731A1 (en) * 2010-03-31 2012-03-15 East Japan Railway Company Distance image obtaining system for track
CN105787891A (zh) * 2016-01-31 2016-07-20 厦门美图之家科技有限公司 一种优化边缘锯齿的图像处理方法、***及拍摄终端
US20170363936A1 (en) * 2016-06-15 2017-12-21 Kabushiki Kaisha Toshiba Image processing apparatus, image processing method, and program
CN109190621A (zh) * 2018-09-06 2019-01-11 东北大学 雾天车牌自动识别方法
CN109447067A (zh) * 2018-10-24 2019-03-08 北方民族大学 一种票据方向检测矫正方法及自动检票***
CN109815573A (zh) * 2019-01-16 2019-05-28 中铁二院工程集团有限责任公司 一种基于流体颗粒耦合模拟高铁路基注浆微观机理的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625760A (zh) * 2009-07-28 2010-01-13 谭洪舟 一种证件图像倾斜校正的办法
US20120062731A1 (en) * 2010-03-31 2012-03-15 East Japan Railway Company Distance image obtaining system for track
CN105787891A (zh) * 2016-01-31 2016-07-20 厦门美图之家科技有限公司 一种优化边缘锯齿的图像处理方法、***及拍摄终端
US20170363936A1 (en) * 2016-06-15 2017-12-21 Kabushiki Kaisha Toshiba Image processing apparatus, image processing method, and program
CN109190621A (zh) * 2018-09-06 2019-01-11 东北大学 雾天车牌自动识别方法
CN109447067A (zh) * 2018-10-24 2019-03-08 北方民族大学 一种票据方向检测矫正方法及自动检票***
CN109815573A (zh) * 2019-01-16 2019-05-28 中铁二院工程集团有限责任公司 一种基于流体颗粒耦合模拟高铁路基注浆微观机理的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周永潇: "基于图像处理的高速铁路轨道检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
霍冠英等: "《侧扫声呐图像目标分割》", 30 April 2017 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553870A (zh) * 2020-07-13 2020-08-18 成都中轨轨道设备有限公司 一种基于分布式***的图像处理方法
CN113569777A (zh) * 2021-08-02 2021-10-29 中国石油天然气集团有限公司 设备旋转工作状态的视频检测方法及其装置
CN117218743A (zh) * 2023-11-07 2023-12-12 诺比侃人工智能科技(成都)股份有限公司 基于机器视觉的智能巡检控制方法及***
CN117218743B (zh) * 2023-11-07 2024-02-09 诺比侃人工智能科技(成都)股份有限公司 基于机器视觉的智能巡检控制方法及***

Also Published As

Publication number Publication date
CN110490163B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
KR101791590B1 (ko) 물체 자세 인식장치 및 이를 이용한 물체 자세 인식방법
CN110490163A (zh) 一种铁路视频数据智能处理方法及装置
JP4349367B2 (ja) 物体の位置姿勢を推定する推定システム、推定方法および推定プログラム
CN108629946B (zh) 一种基于rgbd传感器的人体跌倒检测方法
JP6448223B2 (ja) 画像認識システム、画像認識装置、画像認識方法、およびコンピュータプログラム
CN107392086B (zh) 人体姿态的评估装置、***及存储装置
CN106408591B (zh) 一种抗遮挡的目标跟踪方法
US20160379050A1 (en) Method for determining authenticity of a three-dimensional object
CN108256394A (zh) 一种基于轮廓梯度的目标跟踪方法
JP6444283B2 (ja) 姿勢判定装置
US20170024015A1 (en) Pointing interaction method, apparatus, and system
US20200012843A1 (en) Biometric feature extraction using multiple image instantiations
CN109766818B (zh) 瞳孔中心定位方法及***、计算机设备及可读存储介质
CN102945545A (zh) 一种鲁棒的骨龄评定图像预处理及骨关键点定位方法
JP2016157258A (ja) 人物領域検出装置、方法およびプログラム
JP2019219989A (ja) 姿勢推定装置、姿勢推定方法、およびプログラム
CN116309829B (zh) 一种基于多目视觉的长方体扫描体群解码和位姿测量方法
KR20230011902A (ko) 일반 모델에서 이동 시퀀스를 정의하는 장치
Rahman et al. Person to camera distance measurement based on eye-distance
US9946918B2 (en) Symbol detection for desired image reconstruction
CN109344758B (zh) 基于改进局部二值模式的人脸识别方法
CN113221815A (zh) 一种基于骨骼关键点自动检测技术的步态鉴定方法
CN112883809B (zh) 一种目标检测方法、装置、设备及介质
JP6521988B2 (ja) ウェハノッチの検出
CN111210424B (zh) 一种骨龄x光片rus骨块近轮廓点定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230106

Address after: 610015 No. 1534, floor 15, building 1, No. 88, Guanghua South Third Road, Qingyang District, Chengdu, Sichuan Province

Patentee after: CHENGDU NUOBIKAN TECHNOLOGY Co.,Ltd.

Address before: 610000 North Section of Second Ring Road, Chengdu City, Sichuan Province

Patentee before: SOUTHWEST JIAOTONG University

Patentee before: CHENGDU NUOBIKAN TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 610015 No. 1534, floor 15, building 1, No. 88, Guanghua South Third Road, Qingyang District, Chengdu, Sichuan Province

Patentee after: Nobicam Artificial Intelligence Technology (Chengdu) Co.,Ltd.

Address before: 610015 No. 1534, floor 15, building 1, No. 88, Guanghua South Third Road, Qingyang District, Chengdu, Sichuan Province

Patentee before: CHENGDU NUOBIKAN TECHNOLOGY Co.,Ltd.

AV01 Patent right actively abandoned
AV01 Patent right actively abandoned
AV01 Patent right actively abandoned

Granted publication date: 20220211

Effective date of abandoning: 20230331

AV01 Patent right actively abandoned

Granted publication date: 20220211

Effective date of abandoning: 20230331