本(ben)發明涉及(ji)交通運輸領(ling)域，具(ju)體涉及(ji)一種(zhong)基于深度學習的(de)鐵(tie)路貨場(chang)安全作業自動控(kong)制方法(fa)。

背景技術：

1、鐵(tie)(tie)路貨(huo)場(chang)作(zuo)業是(shi)維持(chi)鐵(tie)(tie)路正(zheng)常營運(yun)的(de)關鍵環(huan)節，鐵(tie)(tie)路貨(huo)運(yun)安全更是(shi)鐵(tie)(tie)路運(yun)輸發(fa)(fa)展常抓(zhua)不懈的(de)重(zhong)要(yao)(yao)工作(zuo)和(he)可持(chi)續發(fa)(fa)展的(de)重(zhong)要(yao)(yao)基礎(chu)。自2013年鐵(tie)(tie)路貨(huo)運(yun)組織改革以(yi)(yi)來，鐵(tie)(tie)路持(chi)續推進貨(huo)運(yun)信(xin)息系(xi)統的(de)信(xin)息化建設，通過(guo)實施(shi)智能監管，降低(di)鐵(tie)(tie)路貨(huo)場(chang)作(zuo)業事故率，對維護鐵(tie)(tie)路貨(huo)場(chang)安全具(ju)有重(zhong)要(yao)(yao)意義。目(mu)前的(de)研(yan)究不足之處，主要(yao)(yao)體現在以(yi)(yi)下若干方面：

2、(1)鐵路貨場(chang)作(zuo)業(ye)(ye)(ye)安(an)全問題(ti)研(yan)究(jiu)不足：關于鐵路貨場(chang)作(zuo)業(ye)(ye)(ye)，大多(duo)數學(xue)者圍(wei)繞鐵路貨場(chang)作(zuo)業(ye)(ye)(ye)流(liu)程優(you)化(hua)及(ji)設備狀(zhuang)(zhuang)態監(jian)測展開研(yan)究(jiu)，關于軌道(dao)交通智能建設的(de)關鍵技術也主要用于施工(gong)安(an)全、橋梁及(ji)建筑結(jie)構等，缺少關于鐵路貨場(chang)作(zuo)業(ye)(ye)(ye)人員(yuan)的(de)不安(an)全行為及(ji)物體的(de)不安(an)全狀(zhuang)(zhuang)態研(yan)究(jiu)。

3、(2)作(zuo)業監(jian)管過度依賴于人工：傳統的(de)鐵路設(she)備不具有智能識別(bie)、遠(yuan)程控(kong)制等功(gong)能，鐵路貨場作(zuo)業的(de)監(jian)督仍然借助在(zai)貨運站(zhan)布設(she)的(de)前端(duan)攝(she)像(xiang)機，同時(shi)利用人工盯控(kong)、經驗(yan)決(jue)策為主的(de)粗放式安(an)防(fang)作(zuo)業模(mo)式識別(bie)鐵路貨場作(zuo)業安(an)全風險，大量安(an)全管理、操作(zuo)及(ji)監(jian)控(kong)工作(zuo)依賴人工完成，工作(zuo)強度大，人員疲(pi)勞(lao)容易(yi)形成安(an)全隱(yin)患。

4、(3)目標檢(jian)測(ce)和行(xing)為識別(bie)的相關研(yan)究(jiu)少(shao)：深(shen)度(du)學(xue)習雖然(ran)在鐵路(lu)領域(yu)已有較(jiao)為廣(guang)泛的應用(yong)，但所用(yong)的目標檢(jian)測(ce)及行(xing)為識別(bie)的方法較(jiao)少(shao)，即(ji)便有也是停留(liu)在鐵路(lu)異物侵限、貨(huo)車部件故(gu)障(zhang)、軌道(dao)板裂(lie)縫等設施設備的故(gu)障(zhang)檢(jian)測(ce)上，未(wei)將其應用(yong)到(dao)鐵路(lu)貨(huo)場(chang)作業的監管。

5、上述關(guan)于鐵(tie)(tie)路(lu)(lu)貨(huo)場安(an)全作業(ye)自動控制的(de)(de)研(yan)(yan)究(jiu)不足主要體現在(zai)鐵(tie)(tie)路(lu)(lu)貨(huo)場作業(ye)安(an)全問題(ti)研(yan)(yan)究(jiu)不足、作業(ye)監管過(guo)度依賴(lai)于人(ren)工、目標檢測和行(xing)為(wei)識別的(de)(de)相關(guan)研(yan)(yan)究(jiu)少，這些問題(ti)亟待(dai)解決(jue)，以追求(qiu)鐵(tie)(tie)路(lu)(lu)貨(huo)場作業(ye)的(de)(de)安(an)全性，保障作業(ye)人(ren)員人(ren)身安(an)全，維護鐵(tie)(tie)路(lu)(lu)的(de)(de)正(zheng)常運營，同時減(jian)少鐵(tie)(tie)路(lu)(lu)人(ren)力(li)物力(li)資源的(de)(de)消耗.

技術實現思路

1、針對現(xian)有技術中(zhong)的上(shang)述不足，本發明提供(gong)了(le)一種基于(yu)深(shen)度學習的鐵路(lu)貨(huo)場安全作(zuo)業自(zi)動控(kong)制方法。

2、為(wei)了達到(dao)上述發(fa)明目的(de)，本發(fa)明采用的(de)技術方案為(wei)：

3、一種基于(yu)深度學習的(de)鐵路貨場安全作業(ye)自動控制方法，包括(kuo)如下步驟：

4、s1、提取(qu)既有鐵路貨場(chang)發送作(zuo)業、途中作(zuo)業以及到(dao)達作(zuo)業的全過(guo)程中的監(jian)測(ce)項點，將所提取(qu)的監(jian)測(ce)項點劃(hua)分為靜(jing)態不(bu)安全狀態和動(dong)態不(bu)安全動(dong)態；

5、s2、根據不(bu)同監測項點的特性，采用(yong)不(bu)同的深度學(xue)習(xi)算(suan)法進行不(bu)安全(quan)狀態識別；

6、s3、對所識別出的不(bu)安(an)全狀(zhuang)態進行預警。

7、進一(yi)步(bu)的，所述s1中(zhong)(zhong)靜態不安全(quan)狀(zhuang)態包括障礙(ai)物(wu)(wu)(wu)檢(jian)(jian)測(ce)(ce)(ce)項(xiang)和(he)物(wu)(wu)(wu)體狀(zhuang)態檢(jian)(jian)測(ce)(ce)(ce)項(xiang)，其中(zhong)(zhong)障礙(ai)物(wu)(wu)(wu)檢(jian)(jian)測(ce)(ce)(ce)項(xiang)包括站臺遺(yi)留物(wu)(wu)(wu)檢(jian)(jian)測(ce)(ce)(ce)、股道及線路障礙(ai)物(wu)(wu)(wu)檢(jian)(jian)測(ce)(ce)(ce)、車身及集裝箱雜物(wu)(wu)(wu)檢(jian)(jian)測(ce)(ce)(ce)；物(wu)(wu)(wu)體狀(zhuang)態檢(jian)(jian)測(ce)(ce)(ce)項(xiang)包括貨(huo)物(wu)(wu)(wu)碼放狀(zhuang)態檢(jian)(jian)測(ce)(ce)(ce)、車輛狀(zhuang)態檢(jian)(jian)測(ce)(ce)(ce)和(he)作業設備安放狀(zhuang)態檢(jian)(jian)測(ce)(ce)(ce)。

8、進(jin)一步的，所述s1中(zhong)動(dong)態不安全動(dong)態包(bao)括(kuo)動(dong)作識別檢(jian)(jian)(jian)(jian)測(ce)(ce)項、行(xing)人(ren)檢(jian)(jian)(jian)(jian)測(ce)(ce)項、車(che)輛檢(jian)(jian)(jian)(jian)測(ce)(ce)項、距離檢(jian)(jian)(jian)(jian)測(ce)(ce)項以及(ji)(ji)(ji)防火(huo)防爆檢(jian)(jian)(jian)(jian)測(ce)(ce)項，其中(zhong)，動(dong)作識別檢(jian)(jian)(jian)(jian)測(ce)(ce)項包(bao)括(kuo)開(kai)關車(che)門識別、高處作業識別、勞動(dong)安全識別、門吊作業識別；行(xing)人(ren)檢(jian)(jian)(jian)(jian)測(ce)(ce)項包(bao)括(kuo)是監測(ce)(ce)到(dao)行(xing)人(ren)時(shi)發出警報(bao)以及(ji)(ji)(ji)未(wei)監測(ce)(ce)到(dao)行(xing)人(ren)時(shi)發出警報(bao)；車(che)輛檢(jian)(jian)(jian)(jian)測(ce)(ce)項包(bao)括(kuo)道路車(che)輛監測(ce)(ce)和車(che)速監測(ce)(ce)；距離檢(jian)(jian)(jian)(jian)測(ce)(ce)項包(bao)括(kuo)貨(huo)物距離檢(jian)(jian)(jian)(jian)測(ce)(ce)以及(ji)(ji)(ji)車(che)輛距離檢(jian)(jian)(jian)(jian)測(ce)(ce)。

9、進一步(bu)的(de)，所述s2中根(gen)據不同監測項點的(de)特性，采用(yong)基(ji)(ji)于深度學習(xi)的(de)目(mu)標檢測算(suan)法對靜態(tai)不安全狀態(tai)進行(xing)識(shi)別；基(ji)(ji)于深度學習(xi)行(xing)為識(shi)別算(suan)法對動(dong)態(tai)不安全狀態(tai)進行(xing)識(shi)別。

10、進一(yi)步的(de)(de)，所(suo)述(shu)采用(yong)基(ji)于深度學習的(de)(de)目(mu)標(biao)檢測算法(fa)對靜態(tai)(tai)不(bu)安全狀態(tai)(tai)進行(xing)識(shi)別的(de)(de)具體(ti)方式為：

11、a1、對靜態(tai)不安(an)全(quan)狀態(tai)識(shi)別(bie)項(xiang)點的(de)監控探頭(tou)搜集到的(de)數據進行圖(tu)像抓取；

12、a2、利用卷(juan)積神經網絡對(dui)所抓去到(dao)的圖像進行基本特征提取(qu)；

13、a3、將卷積(ji)神經網絡中的卷積(ji)核數量設置為極限最大數，提(ti)取(qu)包含人眼無法(fa)辨識(shi)的所(suo)有(you)特征集合。

14、進一步(bu)的，所述基于(yu)深度學習(xi)行(xing)為(wei)識(shi)(shi)別算法對動態(tai)不安全狀態(tai)進行(xing)識(shi)(shi)別的具體方式(shi)為(wei)：

15、b1、對動態(tai)不安全狀(zhuang)態(tai)識別(bie)項點的(de)監(jian)控探頭搜集到的(de)數據進行(xing)視(shi)頻數據抓取(qu)；

16、b2、對(dui)抓取到(dao)的(de)視頻數據中連(lian)續(xu)的(de)多個幀數據進(jin)行(xing)處理，將前(qian)后真設定圖像進(jin)行(xing)關(guan)聯，識別出動態不(bu)安全狀態。

17、進(jin)一步的(de)，所(suo)述s3中對所(suo)識(shi)別出的(de)不安全狀(zhuang)態進(jin)行預警的(de)具體方式(shi)為：

18、s31、基于(yu)四(si)象(xiang)限法將(jiang)橫坐標劃定(ding)為(wei)(wei)危險(xian)(xian)程度，其(qi)中(zhong)(zhong)縱坐標劃定(ding)為(wei)(wei)緊(jin)急(ji)程度，其(qi)中(zhong)(zhong)，第一至(zhi)第四(si)象(xiang)限依次為(wei)(wei)危險(xian)(xian)且緊(jin)急(ji)模塊(kuai)(kuai)(kuai)(kuai)、緊(jin)急(ji)但(dan)(dan)不危險(xian)(xian)模塊(kuai)(kuai)(kuai)(kuai)、危險(xian)(xian)但(dan)(dan)不緊(jin)急(ji)模塊(kuai)(kuai)(kuai)(kuai)、不危險(xian)(xian)且不緊(jin)急(ji)模塊(kuai)(kuai)(kuai)(kuai)；

19、s32、基于(yu)所劃分的四個(ge)象(xiang)限，將鐵路(lu)貨場作業自動控(kong)制(zhi)警示(shi)分為三個(ge)類別(bie)，其中，ⅰ類警示(shi)包含第一及(ji)第三象(xiang)限，ⅱ類警示(shi)對應(ying)于(yu)第二象(xiang)限，ⅲ類警示(shi)對應(ying)于(yu)第四象(xiang)限。在利用監控(kong)探頭識別(bie)出動態、靜(jing)態不安全行為后，根據(ju)識別(bie)結果(guo)的危(wei)險及(ji)緊急程度，發出不同類別(bie)的警示(shi)

20、本發明具有以下有益(yi)效果(guo)：

21、1.提出(chu)將(jiang)深(shen)度(du)學習(xi)(xi)的(de)目標(biao)檢(jian)測(ce)與行(xing)為識別用于監測(ce)鐵路貨場作業，并以靜態不安全(quan)(quan)狀態和動態不安全(quan)(quan)狀態研究分析了(le)(le)深(shen)度(du)學習(xi)(xi)應用的(de)關鍵環節，給對檢(jian)測(ce)內(nei)容進(jin)行(xing)了(le)(le)詳細的(de)闡述，適(shi)當縮小監測(ce)范圍，實(shi)現更高效的(de)安全(quan)(quan)監測(ce)。

22、2.提(ti)高鐵(tie)路(lu)貨場作業(ye)安(an)全性(xing)。鐵(tie)路(lu)貨運作業(ye)涉及(ji)(ji)到大量的車輛、設(she)備和人(ren)員，自(zi)動(dong)控制系統可以通(tong)過實時監(jian)測(ce)和分析視頻(pin)數據，及(ji)(ji)時發(fa)現(xian)安(an)全隱患和異常情況(kuang)，如設(she)備故障、異常操作等，從而能夠預警(jing)并采取相應的安(an)全措施，減少事(shi)故的發(fa)生。

23、3.節(jie)約人(ren)力物(wu)力資(zi)(zi)源。解決以(yi)往鐵路貨場作(zuo)業(ye)監測過(guo)(guo)度依(yi)賴人(ren)工、人(ren)容易產生疲勞等問題，通過(guo)(guo)實時監控作(zuo)業(ye)過(guo)(guo)程，可以(yi)優化作(zuo)業(ye)計劃，合(he)理調配資(zi)(zi)源，從(cong)而提高作(zuo)業(ye)效(xiao)率(lv)和減少(shao)資(zi)(zi)源浪(lang)費。

1.一種基(ji)于深度學習的(de)鐵路(lu)貨場(chang)安全作業自(zi)動控(kong)制(zhi)方法，其(qi)特(te)征(zheng)在于，包括如下步(bu)驟(zou)：

2.根據權利要求1所(suo)述的基于深(shen)度學習的鐵路貨(huo)(huo)場安全作業自動控制方法，其(qi)特征在于，所(suo)述s1中靜態(tai)(tai)不安全狀態(tai)(tai)包(bao)括(kuo)障(zhang)礙物檢(jian)測(ce)項和(he)(he)物體(ti)狀態(tai)(tai)檢(jian)測(ce)項，其(qi)中障(zhang)礙物檢(jian)測(ce)項包(bao)括(kuo)站臺遺留(liu)物檢(jian)測(ce)、股道及(ji)線路障(zhang)礙物檢(jian)測(ce)、車身(shen)及(ji)集(ji)裝箱雜(za)物檢(jian)測(ce)；物體(ti)狀態(tai)(tai)檢(jian)測(ce)項包(bao)括(kuo)貨(huo)(huo)物碼放狀態(tai)(tai)檢(jian)測(ce)、車輛(liang)狀態(tai)(tai)檢(jian)測(ce)和(he)(he)作業設備安放狀態(tai)(tai)檢(jian)測(ce)。

3.根據權利要(yao)求1所述的基于深度學習(xi)的鐵(tie)路貨場安(an)全作業(ye)自動控制方法，其特征(zheng)在于，所述s1中(zhong)動態不安(an)全動態包(bao)括動作識(shi)(shi)別(bie)檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)、行人(ren)檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)、車(che)(che)輛(liang)檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)、距(ju)離檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)以(yi)及(ji)防火防爆檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)，其中(zhong)，動作識(shi)(shi)別(bie)檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)包(bao)括開關車(che)(che)門識(shi)(shi)別(bie)、高(gao)處(chu)作業(ye)識(shi)(shi)別(bie)、勞(lao)動安(an)全識(shi)(shi)別(bie)、門吊作業(ye)識(shi)(shi)別(bie)；行人(ren)檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)包(bao)括是監(jian)測(ce)(ce)(ce)(ce)(ce)(ce)到(dao)行人(ren)時(shi)發出(chu)警(jing)報以(yi)及(ji)未監(jian)測(ce)(ce)(ce)(ce)(ce)(ce)到(dao)行人(ren)時(shi)發出(chu)警(jing)報；車(che)(che)輛(liang)檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)包(bao)括道路車(che)(che)輛(liang)監(jian)測(ce)(ce)(ce)(ce)(ce)(ce)和車(che)(che)速監(jian)測(ce)(ce)(ce)(ce)(ce)(ce)；距(ju)離檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)項(xiang)(xiang)(xiang)包(bao)括貨物距(ju)離檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)以(yi)及(ji)車(che)(che)輛(liang)距(ju)離檢(jian)(jian)(jian)(jian)測(ce)(ce)(ce)(ce)(ce)(ce)。

4.根據權利要求1所述(shu)的(de)基于(yu)深度(du)(du)學習(xi)的(de)鐵(tie)路(lu)貨場安全作(zuo)業自動控制方法(fa)，其特征在(zai)于(yu)，所述(shu)s2中根據不(bu)同監測項點的(de)特性，采用(yong)基于(yu)深度(du)(du)學習(xi)的(de)目(mu)標(biao)檢測算法(fa)對(dui)(dui)靜態(tai)不(bu)安全狀(zhuang)態(tai)進(jin)行(xing)識別；基于(yu)深度(du)(du)學習(xi)行(xing)為識別算法(fa)對(dui)(dui)動態(tai)不(bu)安全狀(zhuang)態(tai)進(jin)行(xing)識別。

5.根據權利(li)要求4所(suo)述的(de)基于深度學習的(de)鐵路貨場安全作業自動控制方法(fa)，其特征在于，所(suo)述采用基于深度學習的(de)目標檢測算法(fa)對靜態不安全狀態進(jin)行識別的(de)具體(ti)方式為：

6.根(gen)據權利要求(qiu)4所(suo)述(shu)(shu)的基于深度學習的鐵路貨場安全(quan)作業自動(dong)控制方法，其特(te)征在(zai)于，所(suo)述(shu)(shu)基于深度學習行為識別算法對動(dong)態(tai)不(bu)安全(quan)狀態(tai)進行識別的具體方式為：

7.根據權利要求(qiu)1所(suo)述的基于深度(du)學習的鐵路(lu)貨場安全作業自動控(kong)制方法，其特征(zheng)在于，所(suo)述s3中對所(suo)識別出的不安全狀(zhuang)態(tai)進(jin)行預警的具體方式為：