(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 202210187651.0 (22)申请日 2022.02.28 (71)申请人 成都唐源电气股份有限公司 地址 610046 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 王云龙　周蕾　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 刘世权 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/66(2017.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于视频监控相机的弓网接触点识别 方法 (57)摘要 本发明公开了一种基于视频监控相机的弓 网接触点识别方法， 包括以下步骤： S1、 基于视频 监控相机拍摄的图像训练受电弓； S2、 对受电弓 进行在线识别， 得到弓网接触点坐标。 本发明在 受电弓定位阶段， 引入多模板匹配， 提升了受电 弓定位的稳定性与准确性； 本发 明利用模板匹配 并结合受电弓、 先验知识确定训练ROI图像， 相较 于利用深度学习确定训练ROI图像大幅度提升了 处理效率； 本发明在标记训练数据时， 引入记录 相对坐标的方式， 相较于直接记录绝对坐标更能 适应训练和识别时对ROI的缩放处理， 提升识别 精度； 本发 明在原始残差网络中引入 软阈值化函 数作为网络基本块中激活函数之一， 提升了网络 的抗噪性和鲁棒 性。 权利要求书2页 说明书6页 附图2页 CN 114612396 A 2022.06.10 CN 114612396 A 1.一种基于 视频监控相机的弓网接触点识别方法， 其特 征在于， 包括以下步骤： S1、 构建匹配模板集和深度残差网络， 根据受电弓图像历史数据， 通过训练， 得到训练 好的深度残差网络； S2、 基于训练好的深度残差网络， 对受电弓进行实时在线识别， 得到弓网接触点 坐标。 2.根据权利要求1所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 构建匹配模板集， 包括： 从所述受电弓图像历史数据中选出多张图像， 从中截取受电弓子图像； 从子图像中提取 出轮廓图像； 根据所述轮廓图像， 构建匹配模板集。 3.根据权利要求1所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 构建深度残差网络， 包括： 在原始基本残差模块的基础上， 设置子网络模块， 通过所述子网络模块自动学习得到 一组或多组阀值； 通过预设软阀值 化激活函数处 理， 降低噪声； 形成深度残差网络基本模块； 通过堆叠多个所述深度残差网络基本模块， 形成深度残差网络 。 4.根据权利要求1所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 步骤S1， 包括： S11、 根据 所述受电弓图像历史数据和构建好的匹配模板集， 计算得到每张受电弓图像 历史数据的受电弓中心位置； S12、 根据所述受电弓中心位置， 选取感兴趣区域， 并在所述感兴趣区域中标记出弓网 接触点的相对位置； S13、 将所有标记出的弓网接触点的相对位置， 输入到构建好的深度残差网络中进行训 练。 5.根据权利要求4所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 步骤S11， 包括： S111、 将每张受电弓图像历史数据与所述匹配模板集进行匹配， 选取匹配得分最高的 结果， 即得分最高的匹配模板及对应该匹配模板的匹配目标； S112、 从所述得分最高匹配目标中， 选取出分值最高的匹配目标作为当前图像的受电 弓定位目标； S113、 根据所述受电弓定位目标， 结合所述对应匹配模板， 计算出受电弓中心位置 。 6.根据权利要求4所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 步骤S12， 包括： S121、 根据所述受电弓中心位置， 结合预设的上下左右偏移像素数， 确定出后续处理所 需要的感兴趣区域； S122、 在感兴趣图像中， 标记出弓网接触点在感兴趣图像中的相对位置 。 7.根据权利要求3所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 子网络模块包括依次连接的1 ×1卷积层、 全连接层、 1 ×1卷积层、 全连接层和1 ×1卷积层。 8.根据权利要求1所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 步骤S2， 包括：权　利　要　求　书 1/2 页 2 CN 114612396 A 2S21、 实时采集获取受电弓图像， 通过 所述匹配模板集识别受电弓位置； S22、 根据识别出的受电弓位置， 选取感兴趣区域； S23、 将所述感兴趣区域， 输入训练好的深度残差网络中， 得到 接触点坐标。 9.根据权利要求8所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所述 步骤S21， 包括： S211、 将实时采集的受电弓图像与所述匹配模板集进行匹配， 选取匹配得分最高的结 果， 即得分最高的匹配模板和对应该匹配模板的匹配目标； S212、 从所述得分最高匹配目标中， 选取出分值最高的匹配目标作为实时获取的受电 弓图像的受电弓定位目标； S213、 根据所述受电弓定位目标， 结合所述对应匹配模板， 计算出受电弓中心位置 。 10.根据权利要求8所述的基于视频监控相机的弓网接触点识别方法， 其特征在于， 所 述步骤S23， 包括： 将所述感兴趣区域输入训练好的深度残差网络 中， 得到实时采集的受电弓图像中弓网 接触点的相对坐标； 结合感兴趣区域的宽度和高度， 计算得到弓网接触点的绝对坐标。权　利　要　求　书 2/2 页 3 CN 114612396 A 3