(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 202210426029.0 (22)申请日 2022.04.22 (71)申请人 四川众合智控科技有限公司 地址 610083 四川省成 都市金牛区高新 技 术产业园区金凤凰大道666号8号楼3 单元 (72)发明人 杨延杰　严勇　肖尧　王玫　 王友平　唐箐　 (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 黎飞 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种提升地铁巡检设备图像识别准确率的 识别方法及系统 (57)摘要 本发明涉及地铁巡检 设备技术领域， 公开了 一种提升地铁巡检设备图像识别准确率的识别 方法及系统， 该识别方法， 将地铁巡检设备采集 的图像数据与已有的巡检数据库中的图像数据 进行比对， 若二者存在差异常， 则对地铁巡检设 备采集的图像数据进行修正。 本发 明解决了现有 技术存在的图像识别准确率较低、 较难适用于复 杂多变的真实场景等问题。 权利要求书1页 说明书5页 附图2页 CN 114724087 A 2022.07.08 CN 114724087 A 1.一种提升地铁巡检设备图像识别准确率的识别方法， 其特征在于， 将地铁巡检设备 采集的图像数据与已有的巡检数据库中的图像数据进行比对， 若二者存在差异常， 则对地 铁巡检设备采集的图像数据进行修 正。 2.根据权利要求1所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 包括以下步骤： S1， 获取地铁 巡检设备采集的图像数据并生成图像文件及视频文件； S2， 将获取到的图像及视频文件进行图像处理， 通过图像神经网络算法进行图像运算， 获取图像数据的相关识别数据； S3， 将相关识别数据进行排列组合后获得一个数据集； S4， 将排列后的识别数据与已有的巡检数据库中的数据进行比对， 当发现识别数据与 数据库数据存在差异常时对识别数据进行修 正； S5， 输出修 正后的全量识别数据。 3.根据权利要求2所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 步骤S2中， 通过图像神经网络算法进行图像运 算， 获取图像数据的相关识别数据。 4.根据权利要求3所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 步骤S 3中， 按照相素从 高到低的顺序对相关识别数据遍历， 采用希尔排序获取到一个 规则的数据集。 5.根据权利要求4所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 步骤S4中， 采用最近邻插值法进行比对。 6.根据权利要求5所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 步骤S4中， 采用零阶插值法进行比对。 7.根据权利要求6所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 步骤S4中， 比对时， 坐标变换计算公式为： srcX＝dstX*(srcW idth/dstWidth)， srcY＝dstY*(srcHeight/dstHeight)； 其中， dstX为目标图像的某个像素的横坐标， dstY为目标图像的某个像素的纵坐标， dstWidth为目标图像的长， dst Height为目标图像的宽， srcWidt h为原图像的宽， srcH eight 为原图像的高， srcX为目标图像在点(dstX， dstY)对应的原图像的横坐标， srcY为目标图像 在点(dstX， dstY)对应的原图像的纵坐标， 原图像指已有的巡检数据库中的图像， 目标图像 指步骤S1 获取到的图像。 8.根据权利要求7所述的一种提升地铁巡检设备图像识别准确率的识别方法， 其特征 在于， 步骤S4中， 当发现识别数据与数据库数据存在差异常时对识别数据进行 数据补差 。 9.根据权利要求1至8任一项所述的一种提升地铁巡检设备图像识别准确率的识别方 法， 其特征在于， 步骤S1 中， 地铁巡检 设备通过摄像头SDK功能采集视频中的图像帧， 从而采 集图像数据。 10.一种提升地铁巡检设备图像识别准确率的识别系统， 其特征在于， 基于权利要求1 至9任一项所述的一种提升地铁巡检设备图像识别准确 率的识别方法， 用以将地铁巡检设 备采集的图像数据与已有的巡检数据库中的图像数据进行比对， 若二者存在差异常， 则对 地铁巡检设备采集的图像数据进行修 正。权　利　要　求　书 1/1 页 2 CN 114724087 A 2一种提升地铁巡检设 备图像识别准确率的识别方 法及系统 技术领域 [0001]本发明涉及 地铁巡检技术领域， 具体是一种提升地铁巡检设备图像识别准确率的 识别方法及系统。 背景技术 [0002]目前地铁项目采用电子化联锁及通信设备为基础进行建设。 大量电子通信设备的 建设使得设备变得越来越多， 设备室数量增多、 机房面积增大， 导致巡检工作量的增多。 不 同专业使用的设备不同、 专 业性不同， 使 得对巡检人员的技术要求也日益增大， 巡检任务越 来越多。 检修人员每天 需要对机房进 行巡视， 主要通过设备的灯位判断设备是否异常， 准确 率低、 工作繁琐重复性高， 同时须为机房2 4小时配备人员， 白夜倒班与封闭的电磁环境会损 伤员工身体健康。 目前设备巡检采集端为机器车头部的摄像头； 处理端为部署在机身的GPU 服务器。 在采集端收集图像时， 会受到各种噪声因素的影响， 不利于目标的特征提取。 设备 现场存在强光高曝光、 低光黑暗场景、 相 机抖动、 被干扰物体遮挡等环境噪声因素。 从而影 响后续的信息提取及针对目标的检测识别。 [0003]借助深度学习在特征提取方面的优越性， 图像分类、 目标检测和目标跟踪等计算 机视觉技术在多方面领域广泛的应用。 然而， 深度学习高度依赖质量较高且数量较大 的数 据。 进行训练得到的神经网络模 型来拟合训练数据， 泛化能力较弱， 对训练集中未出现场景 的处理能力较差。 在理想环境且数据分布较为单一， 因此AI视觉模型目标检测 较难适用于 复杂多变的真实场景， 落 地部署的应用效果较差 。 [0004]采集过程中出现的各种噪声因素增大获取图像中有用信息的难度， 影响图像中重 要目标的特征提取和识别检测分析， 降低视觉识别的性能。 因此， 提升实际场景中各类噪声 条件下AI视觉算法的识别准确率是非常重要的， 对视觉识别落地应用有重要的理论及指导 意义。 [0005]综上， 现有技术在进行地铁巡检设备图像识别时， 存在图像识别准确率较低、 较难 适用于复杂多变的真实场景等问题。 发明内容 [0006]为克服现有技术的不足， 本发明提供了一种提升地铁巡检设备图像识别准确率的 识别方法及系统， 解决现有技术存在的图像识别准确 率较低、 较难适用于复杂多变的真实 场景等问题。 [0007]本发明解决上述问题所采用的技 术方案是： [0008]一种提升地铁巡检设备图像识别准确率的识别方法， 将地铁巡检设备采集的图像 数据与已有的巡检数据库中的图像数据进行比对， 若二者存在差异常， 则对地铁巡检设备 采集的图像数据进行修 正。 [0009]作为一种优选的技 术方案， 包括以下步骤： [0010]S1， 获取地铁 巡检设备采集的图像数据并生成图像文件及视频文件；说　明　书 1/5 页 3 CN 114724087 A 3