(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210189189.8 (22)申请日 2022.03.01 (65)同一申请的已公布的文献号 申请公布号 CN 114255359 A (43)申请公布日 2022.03.29 (73)专利权人 深圳市北海轨道交通 技术有限公 司 地址 518126 广东省深圳市宝安区西乡街 道南昌社区新零售数字化产业园B栋 403 (72)发明人 张有利　焦奕　 (74)专利代理 机构 北京中索 知识产权代理有限 公司 11640 专利代理师 商金婷(51)Int.Cl. G06V 10/75(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) (56)对比文件 CN 1018262 28 A,2010.09.08 CN 108593 654 A,2018.09.28 CN 107040720 A,2017.08.1 1 CN 112001258 A,2020.1 1.27 审查员 黄娟 (54)发明名称 一种基于运动图像识别的智能报站校验方 法和系统 (57)摘要 本发明提出了一种基于运动图像识别的智 能报站校验方法， 首先检测到列车速度和加速 度， 响应于列车速度和加速度符合第一设定条 件， 触发图像获取终端， 获取列车行进过程中的 图像； 响应于列车速度和加速度符合第二设定条 件， 停止图像获取操作， 得到图像集； 将图像集输 入到训练好的神经网络模型中， 预测到站站点； 将预测到站站点与预先存储的语音播报中的到 站站点进行匹配， 完成校验； 本发明提供的方法， 能够根据采集的图像进行深度神经网络学习， 提 前预测到站站点， 与语音播报站点进行相互校 验， 避免通信故障造成的报站错误， 提高报站系 统的可靠性。 权利要求书2页 说明书6页 附图2页 CN 114255359 B 2022.06.24 CN 114255359 B 1.一种基于运动图像识别的智能报站校验方法， 其特 征在于， 包括如下步骤： 检测到列车速度和加速度， 响应于列车速度和加速度符合第一设定条件， 触发图像获 取终端， 获取列车行进 过程中的图像， 所述检测列车速度和加速度， 当检测到列车加速度为 负值时， 且速度到 达设定速度阈值时， 所述速度阈值 为10m/s； 响应于列车速度和加速度符合第 二设定条件， 为当检测到列车加速度小于0， 速度小于 3m/s时， 停止图像获取操作， 得到图像集； 将图像集输入到训练好的神经网络模型中， 预测到站 站点； 将预测到站 站点与预 先存储的语音播报中的到站 站点进行匹配， 完成校验； 将图像集输入到训练好的神经网络模型中之前， 还 包括： 将图像集输入到运动图像去重影网络模型中， 所述去重影网络包括： 表层特征提取模 块、 自适应残差模块、 递归交叉注意力模块和特 征重建模块； 采用表层特 征提取模块对图像进行表层特 征提取； 利用自适应残差模块对提取的表层特 征进行融合特 征学习， 得到深层特 征； 将深层特征输入到递归交叉注意力模块， 得到全局性特 征； 特征重建模块 根据全局性特 征进行图像重建， 并结合全局跳跃 连接得到去重影图像； 所述神经网络模型为改进的MobileNetV2网络模型， 具体包括： 特征提取层、 全局平均 池化层以及分类输出层， 其中特征提取层包括29个卷积层， 分类输出层为1280*2的全连接 层和softmax层。 2.根据权利要求1所述的一种基于运动图像识别的智能报站校验方法， 其特征在于， 图 像获取终端为列车 前置摄像头。 3.一种基于运动图像识别的智能报站校验系统， 其特 征在于， 包括： 图像开始获取单元： 检测到列车速度和加速度， 响应于列车速度和加速度符合第一设 定条件， 触发图像获取终端， 获取列车行进过程中的图像， 所述检测列车速度和加速度， 当 检测到列车加速度为负值时， 且速度到 达设定速度阈值时， 所述速度阈值 为10m/s； 图像终止获取单元： 响应于列车速度和加速度符合第二设定条件， 为当检测到列车加 速度小于 0， 速度小于 3m/s时， 停止图像获取操作， 得到图像集； 预测站点单 元： 将图像集输入到训练好的神经网络模型中， 预测到站 站点； 检验单元： 将预测到站 站点与预 先存储的语音播报中的到站 站点进行匹配， 完成校验； 还包括运动图像去重影单 元， 具体为： 将图像集输入到运动图像去重影网络模型中， 所述去重影网络包括： 表层特征提取模 块、 自适应残差模块、 递归交叉注意力模块和特 征重建模块； 采用表层特 征提取模块对图像进行表层特 征提取； 利用自适应残差模块对提取的表层特 征进行融合特 征学习， 得到深层特 征； 将深层特征输入到递归交叉注意力模块， 得到全局性特 征； 特征重建模块 根据全局性特 征进行图像重建， 并结合全局跳跃 连接得到去重影图像； 所述预测站点单元中， 神经网络模型为改进后的MobileNetV2网络模型， 具体包括： 特 征提取层、 全局平均池化层以及分类输出层， 其中特征提取层 包括26个卷积层， 分类输出层 为1280*2的全连接层和softmax层。 4.根据权利要求3所述的一种基于运动图像识别的智能报站校验系统， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 114255359 B 2述图像开始获取 单元中， 图像获取终端为列车 前置摄像头。 5.一种电子设备， 其特征在于， 包括： 存储器， 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 其中， 所述处理器执行所述计算机程序时实现权利要求 1至 2任一所述的方法步骤。 6.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1 ‑2任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 114255359 B 3