電氣化鐵路接觸網絕緣子識別定位方法研究

張猛

摘 要：利用圖像處理理論，本文對接觸網現場圖片進行DHOG特征提??；并對選取的樣本庫進行相應提取，再利用SVM訓練器，給出絕緣子的定位識別，取得了較好的效果。實驗結果表明：本文方法能夠對傾斜角度的絕緣子給出識別，且對圖像亮度和對比度的依賴程度較小。本文提出的定位方法可為絕緣子的故障檢測提供技術參考。

關鍵詞：絕緣子；DHOG特征；SVM

中圖分類號：U225.43 文獻標識碼：A 文章編號：1671-2064（2017）03-0139-02

伴隨中國鐵路客運專線的大量開通，中國鐵路正在從大規模建設期全面進入運營維護期。2012年鐵路總公司制定牽引供電檢測監測系統（6C系統）規范，目的就是為了實現鐵路裝置故障的智能檢測，提高維護效率[1-2]。

目前基于圖像處理的絕緣子非接觸式檢測具有危險低，干擾小，設備簡便的優點，主要研究有：基于非下采樣輪廓波變換對航拍絕緣子圖像邊緣進行提??；利用形狀特征和灰度差異對高壓輸電線路圖像中絕緣子瓷瓶裂縫進行定位；通過絕緣子模板匹配方法及光線反射點特性實現了絕緣子定位，利用小波奇異性特征實現絕緣子異物檢測；利用曲波進行方向性濾波，再對曲波聚集系數增強，統計條帶能量，判斷絕緣子故障位置；基于Harris角點與譜聚類實現了絕緣子的抗旋轉匹配和故障檢測，提出一種基于快速魯棒性特征匹配的檢測方法。這些研究均能得了一定的成績，但也存在以下問題：檢測算法對亮度和對比度的變化敏感，不具備旋轉不變性，提取精度有待提高。

本文提出了一種接觸網絕緣子識別定位方法，該方法包含絕緣子DHOG特征提取及SVM訓練器下絕緣子識別定位兩個過程：（1）首先需對選定的目標圖像正、負樣本進行DHOG特征進行提??；（2）再利用SVM分類器對樣本庫進行訓練；隨后利用訓練得到的分類器對滑動檢測窗口內是否包含絕緣子目標區域進行精確判斷。

1 檢測原理

1.1 絕緣子DHOG特征提取

DHOG特征采用一組局部直方圖來描述物體，這些直方圖統計圖像中特定區域的梯度方向出現的頻次，通過將分割為多個胞元（Cell）進行特征提取，對圖像的微小幾何形變和局部對比度變化都能保持很好的不變性?？紤]絕緣子在整體圖像中也屬于微小目標，此外隨著鐵路路況不同，其存在角度的旋轉，由于DHOG得到的描述子存在尺度、旋轉不變性，因而本文采用DHOG對其特征描述。DHOG特征的提取過程如下：

a）首先將圖像劃分為大小相同的若干個正方形Cell，之后將每四個相鄰的Cell合并為塊，如圖1所示。

b）利用下式計算每個像素點的梯度幅值m（x，y）與方向φ（x，y），并計算每個Cell的梯度直方圖，并將同一塊中Cell的梯度直方圖連接，連接后為36維特征向量。

（1）

（2）

c）利用下式式對特征向量進行歸一化，從而消除光照與背景對比度的影響。

（3）

式中，N表示塊中Cell個數，L表示對直方圖劃分的區間數，Hdn（i）為Cell的DHOG，Hr（i）表示Cell的DHOG。文中為了提高梯度直方圖的計算速度采用了積分圖的方法。

在積分圖中任意一點的值定義為原圖像中相應坐標處的像素點與坐標原點之間矩形區域內所有像素點的灰度值之和，即：

（4）

式中，為積分圖中坐標點的值，為原圖像中坐標為的像素點的灰度值。利用下式對原圖像的一次遍歷中計算完成。式中，為左側同一行像素點像素累加值。

（5）

如圖2所示，當計算D區域的梯度直方圖時，只需對積分圖中的四個點進行計算即可（圖中分別用1、2、3、4標明）。計算公式為：

（6）

1.2 樣本庫選擇

訓練分類器首先需在接觸網圖像中截取相關正、負樣本。正樣本只要為絕緣子圖像，負樣本應隨機包含與絕緣子不相關的其他接觸網零部件圖像，部分樣本如圖3所示。選取的正、負樣本庫不僅考慮了與目標區域相關的因素，還考慮了不相關性因素，該方式可較好的提高檢測精度。本文在對正負樣本進行截取時將其長寬比固定為1：1，從而減小因“對齊問題”而導致的DHOG特征差異。正負樣本的尺寸均歸一化為檢測滑動窗口的尺寸。

1.3 訓練SVM分類器

分別計算正負樣本的HOG特征，將其作為樣本的描述對線性支持向量機進行訓練。線性支持向量機利用兩類樣本數據的最大間隔確定劃分超平面，具有運算簡單，計算速度快的特點。

假定用于訓練的樣本集為，，且。為樣本總數，為特征維數，則訓練得到的分類面對所有樣本應滿足：

（7）

其中，分類面由參數w與b決定，w為權重向量，b為閾值。為線性不可分情況下引入的松弛項。C為懲罰系數。迭代求解式（8）中的最小值，即可得到最優分類面與最優分類判決函數，如式（9）所示。對于測試樣本，只要將其特征向量代入式（9），根據函數值即可確定樣本類別。

（8）

（9）

式中，sgn表示符號函數

利用上述方法中訓練好的SVM分類器，即可對待檢測接觸網圖像中的滑動窗口內是否包含絕緣子進行判斷識別。

2 絕緣子定位實驗結果與分析

為了驗證DHOG特征提取及SVM訓練器的絕緣子提取的準確性。對拍攝的電氣化鐵路圖像庫中的圖像進行識別定位實驗。圖像中單個正常棒式絕緣子定位效果如圖4所示，為單個絕緣子識別效果圖。圖像中存在多個絕緣子定位效果如圖5所示。

從圖4可以清晰看到定位區域包含絕緣子的所有信息量，本文提出的算法能夠有效識別絕緣子；從圖5可以看出即便圖像中存在多個角度不一、尺度不一的絕緣子，該方法也能實現目標區域的完整提取。

3 結語

對于檢測車拍攝的海量圖片，傳統的人工檢測方法已經很難適應接觸網檢測的要求，且其效率和精度都無法得到保證。本文利用圖像處理理論，對現場圖片進行DHOG特征提??；并對樣本庫進行相應提取，再利用SVM訓練器，給出定位識別，取得了較好的效果。該方法能夠實現了對傾斜角度的絕緣子給出識別，且對圖像亮度和對比度的依賴程度較小。本文提出的絕緣子檢測方法為有效確保電氣化鐵路的安全可靠運營提供一種新的參考途徑。

參考文獻

[1]韓志偉，劉志剛，張桂南，等.非接觸式弓網圖像檢測技術研究綜述[J].鐵道學報，2013，35（6）：40-47.

[2]何華武.高速鐵路運行安全檢測監測與監控技術[J].中國鐵路，2013（3）：1-7.