(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 202211038266.6 (22)申请日 2022.08.29 (71)申请人 北京格灵深瞳信息技 术股份有限公 司 地址 100192 北京市海淀区永 泰庄北路1号 天地邻枫产业园1号楼B座 (72)发明人 周星宇　林昌伟　刘泽农　冯子勇　 周瑞　赵勇　 (74)专利代理 机构 北京新知远方知识产权代理 事务所(普通 合伙) 11397 专利代理师 王俊博　徐雪峤 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01) G06V 10/34(2022.01)G06V 10/36(2022.01) G06V 10/40(2022.01) G06V 10/762(2022.01) G06N 3/08(2006.01) (54)发明名称 一种用于高铁 检修的监测方法以及装置 (57)摘要 本申请实施例提供了一种用 于高铁检修的 监测方法以及装置， 该方法包括： 获取采集高铁 目标位置的目标图像； 基于目标图像利用深度卷 积神经网络从样本图像中提取特征图； 将特征图 输入到目标检测模型中， 确定目标图像是否存在 异常， 其中， 目标检测模型是基于未出现异常的 样本图像进行训练， 直至样本图像的分布拟合到 标准正态分布当中， 结束检测模型训练， 得到目 标检测模型， 基于深度学习的无监督异常检测的 方法， 只需要提供正常的数据进行训练， 利用训 练好的无监督学习的归一化流异常检测模型， 即 可得到异常物体在高铁检修图像上的位置， 以解 决传统的高铁检修中由于异常数据获取困难， 导 致训练的高铁检修模型识别异常准确性较低的 技术问题。 权利要求书2页 说明书9页 附图3页 CN 115439804 A 2022.12.06 CN 115439804 A 1.一种用于高铁检修的监测方法， 其特 征在于， 包括： 获取采集高铁目标位置的目标图像； 基于所述目标图像利用深度卷积神经网络从所述样本图像中提取 特征图； 将所述特征图输入到目标检测模型中， 确定所述目标图像是否存在异常， 其中， 所述目 标检测模型是基于未出现异常的样本图像进 行训练， 直至所述样本图像的分布拟合到标准 正态分布当中， 结束所述检测模型训练， 得到所述目标检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述特征图输入到目标检测模型 中， 确定所述目标图像是否存在异常， 包括： 将所述特征图进行扁平化处理， 得到所述特征图的块集合， 其中， 所述块集合中的每个 块对应所述特 征图的一 块区域； 通过第一 位置编码模型对所述 块集合中的每块进行编码； 将编码后的每个块输入一维归一化流模型中进行概率密度分布估计， 其中， 所述分布 估计包括第一部分被映射到标准 正态分布中， 第二部分会被映射到非标准 正态分布； 在所述分布估计仅包括所述第一部分的情况 下， 所述目标图像中未 出现异常。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述特征图输入到目标检测模型 中， 确定所述目标图像是否存在异常， 包括： 在所述分布估计包括所述第二部分的情况 下， 所述目标图像中出现异常。 4.根据权利要求2所述的方法， 其特征在于， 所述将编码后的每个块输入一维流模型中 进行概率密度分布估计之后， 所述方法还 包括： 根据第二 位置编码模型解码所述 块集合； 线性插值到特 征提取之前的所述样本图像的大小； 在所述目标图像中存在异常区域的情况下， 所述异常区域对应样本图像的区域会与 所 述标准正态分布不同。 5.根据权利要求2所述的方法， 其特征在于， 所述将编码后的每个块输入一维流模型中 进行概率密度分布估计之后， 所述方法还 包括： 在所述样本图像中出现异常的情况下， 将编码后的每个块输入所述一维归一化流模型 中， 得到多个不同尺寸下的异常检测得分图， 其中， 所述得分图与所述样本图像大小一致， 对应图像 每一个像素位置； 根据预设阈值确定异常区域的像素点 集合。 6.根据权利要求5所述的方法， 其特征在于， 所述根据预设阈值得到异常区域的像素点 的集合之后， 所述方法还 包括： 将所述像素点 集合中异常点 根据相邻连接关系分为 不同大小的点 集； 在去除少量离群点 集之后， 根据剩余的点 集确定所述异常区域。 7.一种用于高铁检修的监测装置， 其特 征在于， 包括： 获取单元， 用于获取采集高铁目标位置的目标图像； 提取单元， 用于基于所述目标图像利用深度 卷积神经网络从所述样本图像中提取特征 图； 第一确定单元， 用于将所述特征图输入到目标检测模型中， 确定所述目标图像是否存 在异常， 其中， 所述目标检测模 型是基于未出现异常的样 本图像进 行训练， 直至所述样 本图权　利　要　求　书 1/2 页 2 CN 115439804 A 2像的分布拟合到标准 正态分布当中， 结束所述检测模型训练， 得到所述目标检测模型。 8.根据权利要求7 所述的装置， 其特 征在于， 所述第一确定单 元包括： 处理模块， 用于将所述特征图进行扁平化处理， 得到所述特征图的块集合， 其中， 所述 块集合中的每 个块对应所述特 征图的一 块区域； 编码模块， 用于通过第一 位置编码模型对所述 块集合中的每块进行编码； 估计模块， 用于将编码后的每个块输入一维归一化流模型中进行概率密度分布估计， 其中， 所述分布估计包括第一部分被映射到标准正态分布中， 第二部分会被映射到非标准 正态分布； 第一确定模块， 用于在所述分布估计仅包括所述第一部分的情况下， 确定所述目标图 像中未出现异常。 9.根据权利要求8所述的装置， 其特 征在于， 所述装置还 包括： 第二确定模块， 用于在所述分布估计包括所述第二部分的情况下， 确定所述目标图像 中出现异常。 10.根据权利要求8所述的装置， 其特 征在于， 所述装置还 包括： 解码模块， 用于所述将编码后的每个块输入一维流模型中进行概率密度分布估计之 后， 根据第二 位置编码模型解码所述 块集合； 差值模块， 用于线性插值到特 征提取之前的所述目标图像的大小； 第三确定模块， 用于在所述目标图像中存在异常区域的情况下， 确定所述异常区域对 应样本图像的区域会与所述标准 正态分布不同。 11.根据权利要求8所述的装置， 其特 征在于， 所述装置还 包括： 第一得到单元， 用于所述将编码后的每个块输入一维流模型中进行概率密度分布估计 之后， 在所述样本图像中出现异常的情况下， 将编码后的每个块输入所述一维归一化流模 型中， 得到多个不同尺寸下的异常检测得分图， 其中， 所述得分图与所述样本图像大小一 致， 对应图像 每一个像素位置； 第二确定单 元， 用于根据预设阈值确定异常区域的像素点 集合。 12.根据权利要求1 1所述的装置， 其特 征在于， 所述装置还 包括： 划分单元， 用于所述根据预设阈值得到异常区域的像素点的集合之后， 将所述像素点 集合中异常点 根据相邻连接关系分为 不同大小的点 集； 第三确定单 元， 用于在去除少量离群点 集之后， 根据剩余的点 集确定所述异常区域。 13.一种计算机可读的存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 其 中， 所述计算机程序被设置为 运行时执 行所述权利要求1至 6任一项中所述的方法。 14.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求 1至6任一项中所述的方 法。权　利　要　求　书 2/2 页 3 CN 115439804 A 3