(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210031068.0 (22)申请日 2022.01.12 (71)申请人 成都唐源电气股份有限公司 地址 610041 四川省成 都市武侯区武兴五 路355号西部智谷A1-1-9 (72)发明人 占栋　喻杨洋　张金鑫　李想　 赵杰超　 (74)专利代理 机构 成都天嘉专利事务所(普通 合伙) 5121 1 专利代理师 青春 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/33(2017.01) G06V 10/44(2022.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于图像对比的受电弓异物检测方法、 设备 及存储介质 (57)摘要 本发明公开了一种基于图像对比的受电弓 异物检测方法、 设备及存储介质， 涉及图像处理 和图像识别技术领域， 包括图像采集步骤、 图像 配准步骤、 滑动窗口与相似度阈值设置步骤、 滑 动窗口孪生网络相似性计算步骤、 判定是否存在 异物步骤和受电弓异物区域输出步骤。 本发明 中， 通过引入无缺陷的同一列车标准历史图像， 并进行局部区域对比的方式， 对受电弓异物检 测； 基于图像块的相似性， 只要相似性低就认为 是缺陷， 跟异物种类无关； 可以动态设定检测大 小， 设定小滑窗即可检测小异物； 通过图像配准 的方式， 解决标准图像和当前图像中受电弓位 置、 角度差异， 从而提高后续相似度判定准确性； 通过滑动窗口和相似度阈值的设定， 解决不同异 物大小的异 物检测。 权利要求书2页 说明书9页 附图6页 CN 114494161 A 2022.05.13 CN 114494161 A 1.一种基于图像对比的受电弓异物检测方法， 其特征在于： 包括图像采集步骤、 图像配 准步骤、 滑动窗口与相似度阈值设置步骤、 滑动窗口孪生网络相似性计算步骤、 判定是否存 在异物步骤和受电弓异 物区域输出步骤； 所述图像采集步骤， 利用图像采集设备采集被检测列车受电弓的当前图像， 以及该被 检测列车受电弓历史无异 物的标准图像； 所述图像配准步骤， 将所述图像采集步骤中采集的当前图像和标准图像， 进行图像配 准， 得到受电弓位置和大小相同的当前图像和标准图像； 所述滑动窗口与相似度阈值设置步骤， 设置图像配准后当前图像和标准图像的滑动窗 口大小， 以及滑动窗口内图像的相似度阈值； 所述滑动窗口孪生网络相似性计算步骤， 按照重叠的滑动 窗口的方式， 从所述图像配 准后的当前图像和标准图像中， 截取位置一致且大小为滑动窗口大小的图像局部区域， 并 将截取的图像局部区域， 成对输入到 孪生网络中计算图像局部区域相似度； 所述判定是否存在异物步骤， 判断所述滑动窗口孪生网络相似性计算步骤中得到的图 像局部区域相似度， 是否小于所述滑动窗口与相似度阈值设置步骤中设置的相似度阈值， 根据判断结果再判断当前图像和标准图像的局部区域是否相似， 并根据是否相似结果判断 所述当前图像的局部区域是否存在异 物； 所述受电弓异物区域输出步骤， 对所述当前图像和标准图像中其余的局部区域， 重复 上述所述滑动窗口孪生网络相似性计算步骤和判定是否存在异物步骤， 判断所述当前图像 的其余局部区域是否存在异 物， 并将判断结果 为存在异 物的局部区域 合并后输出显示。 2.如权利要求1所述的受电弓异物检测方法， 其特征在于： 所述图像采集步骤中， 所述 图像采集设备位于列车的上 方， 通过俯拍的方式拍摄所述当前图像和标准图像。 3.如权利要求1所述的受电弓异物检测方法， 其特征在于： 所述图像采集步骤中， 标准 图像的选择包括图像曝光正确 性判定步骤、 图像聚焦正确 性判定步骤、 受电弓图像完整性 确认步骤、 受电弓图像清晰度确认步骤和受电弓图像不含异 物确认步骤， 具体如下： 图像曝光正确性判定： 建立图像的直方图分布统计不同灰度值的像素数目， 并利用统 计结果判定图像曝光的正确性； 图像聚焦正确性判定： 通过二维傅立叶变换， 计算图像频谱， 根据图像频谱中低频分量 占比， 判定图像是否正确聚焦； 受电弓图像完整性确认： 确认图像中是否包 含完整的受电弓； 受电弓图像清晰度确认： 确认图像中受电弓各个零件是否清晰可 见； 受电弓图像不含异 物确认： 确认图像中是否不包 含异物。 4.如权利要求1所述的受电弓异物检测方法， 其特征在于： 所述图像配准步骤中， 当前 图像和标准图像的图像 配准采用基于SIFT特 征点检测的配准方法进行配准， 具体如下： 首先将当前图像利用SIFT特征点检测的配准算法进行特征点的检测、 特征点的描述、 目标的特征点采集， 以及将标准图像利用SIFT特征点检测的配准算法进行特征点的检测、 特征点的描述、 目标 的特征点采集； 然后将当前图像的特征点和标准图像的特征点进行匹 配， 最后对匹配点进行矫 正。 5.如权利要求1所述的受电弓异物检测方法， 其特征在于： 所述滑动窗口孪生网络相似 性计算步骤中， 所述孪生网络包括结构和权重相同， 且彼此独立的第一神经网络和第二神权　利　要　求　书 1/2 页 2 CN 114494161 A 2经网络， 所述第一神经网络和 第二神经网络分别接收所述当前图像和标准图像截取的图像 局部区域的输入， 并分别将 输入映射到新的空间， 最后通过Loss计算， 得到新空间两个输入 的相似度作为图像局部区域的相似度。 6.如权利要求5所述的受电弓异物检测方法， 其特征在于： 所述滑动窗口孪生网络相似 性计算步骤的孪生网络中， 采用余弦相似度对两幅图像的相似度进行计算， 如下： ， 其中， X1、 X2分别表示当前图像的滑动窗口和标准图像的滑动窗口， f(X)表示图像通过 孪生网络后得到的特 征向量。 7.如权利要求1所述的受电弓异物检测方法， 其特征在于： 所述判定是否存在异物步骤 中， 所述判断方法为， 当所述相似度小于所述相似度阈值时， 则当前图像和标准图像的局部 区域不相似， 当前图像的局部区域存在异物； 当所述相似度大于等于所述相似度阈值时， 则 当前图像和标准图像的局部区域相似， 当前图像的局部区域 不存在异 物。 8.一种计算机设备， 其特征在于： 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述计算机程序时， 执行上述权利要求 1‑7任意一项 所述受电弓异 物检测方法中的步骤。 9.一种计算机可读存储介质， 其特征在于： 其上存储有计算机程序， 所述计算机程序被 处理器执行时， 实现上述权利要求1 ‑7任意一项所述受电弓异 物检测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114494161 A 3