基于HOG特征的铁路扣件状态检测.pdfVIP

110 传感器与微系统 (TransducerandMicrosystemTechnologies) 2013年 第32卷 第 l0期 基于 HoG特征的铁路扣件状态检测 李永波，李柏林，熊 鹰 (西南交通大学 机械工程学院，四川 成都610031) 摘 要：采用图像处理、模式识别等技术，针对高速扫描相机实际采集到的铁路数字图像，提出了鲁棒的 铁路扣件缺失检测算法。该方法首先对实际采集到的图像进行预处理 ，减少光照和噪声的影响，针对传统 HOG方法提取特征量过大问题 ，使用 ROI区域的HOG特征 ，通过基于核的主成分分析法进行降维，经 SVM中的分类训练，得到了SVM分类器。相比传统的HOG+SVM识别方法，分类算法在识别精度和效率 方面得到了很大提高。 关键词：梯度方向直方图；铁路扣件检测 ；支持向量机 中图分类号：TP391 文献标识码：A 文章编号：1000-9787(2013)10-0110-04 RailwayfastenerstatedetectionbasedonHoG feature LIYong—bo，LIBai—lin，XIONG Ying (Scho~ofMechanicalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China) Abstract：A robustrailwayfastenermissingdetectionalgorithm utilizingimage processing，pattern recognition technologyforrailwaydigitalimageacquiredbyhigh—speedscanningcameraispresented．Aimingatproblem of amountofextractedfeatureisexcessiveoftraditionalhistogramsoforientedrgadients(HOG)method，this algorithm firstlypreprocessesimagetoreduceeffectoflightandnoise，useHOG featuresof ROIareaandthen reducedimensionsbynuclear—basedprincipalcomponentanalysis，throughclassificationtrainingof suppo~ vector machine(SVM)，obtainSVMclassifier．ComparedwithtraditionalHOG+SVM recognitionmethods，recognition precisionandefficiencyofthismethodisgreatlyimproved． Keywords：histogramoforientedgwadient(HOG)；railwayfastenerdetection；supportvectormachines(SVM) 0 引 言 同，国内扣件形状更加复杂，在实际测试中，MarinoF等人 铁路扣件是维系铁路运输安全的重要部件，扣件缺失 的方法并不适用。 断裂，很有可能酿成列车脱轨等重大事故，扣件的自动化探 本文针对这种情况 ，提出采用基于梯度直方图(HOG) 测是发展铁路事业必须要面对的问题。用计算机视觉技术 特征的扣件状态检测算法 ，以各种工况下的图片作为训练 实现扣件 自动探测 是当前国际上普遍采用的方案。国 集 ，在图像预处理后，提取出测试集图片的HOG特征集 ，经 内针对扣件 自动检测方面的研究比较少，YangJinfeng等人 过降维处理输入SVM中进行训练，得到SVM分类器 ，