本發(fā)明涉及一種非接觸檢測裝置和檢測方法，尤其涉及一種用于檢測軌道車輛車廂狀態(tài)的非接觸檢測裝置及方法。

背景技術(shù)：

目前我國鐵路軌道運輸所需車廂主要包括棚車、敞車、罐車和空調(diào)客運車等，根據(jù)規(guī)定車輛進站后需要對車廂狀態(tài)進行檢測，包括記錄車廂種類、車門是否正常關(guān)閉、車門開合程度、車門鎖是否完好、記錄貨物種類及覆蓋物信息、估算車廂貨物裝載量、判斷貨物高度是否超限及超限位置等。

目前對貨車車廂狀態(tài)檢測和記錄主要由人工完成，但是由于車廂數(shù)量龐大且間隔距離較遠，難以在較短時間內(nèi)進行有效的人工檢測。在個別站點也安裝有若干電子預(yù)檢系統(tǒng)，包含激光掃描儀及高清攝像頭等，結(jié)合圖像識別技術(shù)實現(xiàn)上述功能，如蘭州鐵路局迎水橋站安裝的貨車高清電子檢測系統(tǒng)。但是仍需要在車輛通過時人工參與對車輛進行識別并進行預(yù)檢操作，無法自動識別車廂種類和貨物種類，無法檢查敞車覆蓋物狀態(tài)，因此實時性上存在不足。且無法完成精確計算車速、自動識別車頭車尾、自動識別車廂連接處、計算車廂數(shù)量和還原車廂三維數(shù)字圖像等操作，管理上仍存在一定的困難。

技術(shù)實現(xiàn)要素：

針對上述現(xiàn)有技術(shù)存在的缺陷和不足，本發(fā)明提供一種軌道車輛車廂狀態(tài)非接觸檢測裝置和方法，通過縱向和橫向二維激光掃描儀配合，采集軌道車輛車廂狀態(tài)，功能較現(xiàn)有產(chǎn)品更加全面，識別率高且具備良好的實時性，可以極大的減省人力投入提高工作效率。

所述的軌道車輛車廂狀態(tài)非接觸檢測裝置：包括：數(shù)據(jù)采集組件a、數(shù)據(jù)采集組件b、數(shù)據(jù)采集組件c和控制單元；每組數(shù)據(jù)采集組件均包括激光掃描儀和高清攝像頭；所述數(shù)據(jù)采集組件a和數(shù)據(jù)采集組件b中的激光掃描儀用于獲取車廂橫截面整體輪廓圖像，所述數(shù)據(jù)采集組件a和數(shù)據(jù)采集組件b中的高清攝像頭用于獲取車廂兩個相對的側(cè)面圖像；所述數(shù)據(jù)采集組件c中的激光掃描儀用于獲取車廂頂部縱向中心線的輪廓圖像，所述數(shù)據(jù)采集組件c中的高清攝像頭用于獲取車廂頂部圖像；三組數(shù)據(jù)采集組件中的激光掃描儀和高清攝像頭分別與控制單元相連，將采集到的圖像實時發(fā)送給控制單元；

所述控制單元依據(jù)接收到的圖像檢測當(dāng)前車廂的狀態(tài)，獲得車廂的狀態(tài)信息并發(fā)送給上級控制中心；所述車廂的狀態(tài)信息包括：軌道車輛的車型、車速、車廂的種類、車門是否正常關(guān)閉、車鎖是否完好、車廂載貨狀態(tài)、客車載客量。

所述控制單元依據(jù)數(shù)據(jù)采集組件c中的激光掃描儀沿軌道方向所掃描到的輪廓圖像，檢測是否有軌道車輛將要經(jīng)過；

所述控制單元依據(jù)數(shù)據(jù)采集組件c實時采集到的車頭頂部縱向中心線的輪廓圖像和車頭頂部圖像識別車頭，判斷當(dāng)前經(jīng)過的軌道車輛的車型；并依據(jù)設(shè)定時間間隔內(nèi)車頭輪廓圖像的位移變化計算當(dāng)前車速；

所述控制單元依據(jù)所述數(shù)據(jù)采集組件a和數(shù)據(jù)采集組件b中激光掃描儀所獲得的車廂橫截面整體輪廓圖像，結(jié)合數(shù)據(jù)采集組件c中高清攝像頭獲取的車廂頂部圖像判斷車廂種類；

所述控制單元依據(jù)所述數(shù)據(jù)采集組件a和數(shù)據(jù)采集組件b中激光掃描儀所獲得的車廂橫截面整體輪廓圖像判斷車門是否正常關(guān)閉以及車門處于敞開狀態(tài)時的敞開程度；并依據(jù)車廂橫截面整體輪廓圖像中頂部輪廓線與設(shè)定的車廂橫截面頂部輪廓線之間的高度差判斷車廂載貨狀態(tài)，所述車廂載貨狀態(tài)指滿載、超載或半載；

所述控制單元依據(jù)所述數(shù)據(jù)采集組件a和數(shù)據(jù)采集組件b中高清攝像頭所獲取的車廂側(cè)面圖像判斷車鎖是否完好；并依據(jù)車廂側(cè)面圖像上的載客量標識線，估算當(dāng)前車廂的客車載客量。

軌道車輛車廂狀態(tài)非接觸檢測方法包括以下步驟：

s1:激光掃描儀c沿軌道方向持續(xù)掃描，并將掃描的輪廓圖像發(fā)送給控制單元，所述控制單元根據(jù)掃描的輪廓圖像判斷軌道車輛是否到來:若輪廓圖像僅為車軌及路基的輪廓線，則表示無軌道車輛經(jīng)過，激光掃描儀c繼續(xù)沿軌道方向持續(xù)掃描；若輪廓圖像中開始有軌道車輛的車頭輪廓線，則表示有軌道車輛將要經(jīng)過，進入步驟s2；

s2:高清攝像頭c實時采集軌道車輛的車頭頂部圖像并發(fā)送控制單元，所述控制單元依據(jù)激光掃描儀c實時采集的車頭頂部縱向中心線的輪廓圖像和高清攝像頭c采集的車頭頂部圖像識別車頭，判斷當(dāng)前軌道車輛的車型，即判斷當(dāng)前軌道車輛是動車、普通客運列車或貨運列車；并根據(jù)設(shè)定時間間隔內(nèi)車頭輪廓的位移變化計算當(dāng)前車速；若判斷當(dāng)前的軌道車輛為貨運列車，進入步驟s3；若判斷當(dāng)前的軌道車輛為動車或普通客運列車，進入步驟s4；

s3:激光掃描儀a和激光掃描儀b實時采集與其相對的車廂橫截面的側(cè)邊輪廓以及頂邊輪廓，并發(fā)送給控制單元，所述控制單元依據(jù)車廂橫截面的側(cè)邊輪廓以及頂邊輪廓獲得當(dāng)前車廂橫截面的整體輪廓圖像，結(jié)合高清攝像頭c獲取的車廂頂部圖像判斷車廂種類，進而根據(jù)車廂種類選擇不同的檢測方式：

s3.1:若掃描得到的車廂橫截面整體輪廓圖像與設(shè)定的車廂橫截面整體輪廓一致且車廂頂部圖像中只能看見車頂，則判斷經(jīng)過的車廂是棚車；所述控制單元依據(jù)車門所在橫截面的整體輪廓圖像檢測車門是否正常關(guān)閉，并依據(jù)高清攝像頭a和高清攝像頭b實時采集的車廂側(cè)面圖像中的車鎖圖像判斷車鎖完好程度；

s3.2:若掃描得到的車廂橫截面整體輪廓圖像為“凸”或“凹”字形，或車廂橫截面整體輪廓圖像與設(shè)定的車廂橫截面整體輪廓一致但車廂頂部圖像中沒有車頂，則判斷經(jīng)過的車廂是敞車；所述控制單元依據(jù)掃描得到的車廂橫截面整體輪廓圖像進行車廂載貨狀態(tài)，即判斷當(dāng)前車廂是滿載、超載或半載；并依據(jù)車門所在橫截面的整體輪廓圖像檢測車門是否正常關(guān)閉，依據(jù)高清攝像頭a和高清攝像頭b實時采集的車廂側(cè)面圖像中的車鎖圖像判斷車鎖完好程度；

s3.3:如若掃描得到的車廂橫截面整體輪廓圖像為圓形，則判斷當(dāng)前經(jīng)過的車廂是油罐車，所述控制單元依據(jù)車廂的側(cè)面圖像和頂部圖像，識別油罐車的標識信息；

s4:所述控制單元依據(jù)高清攝像頭a和高清攝像頭b實時采集的車廂側(cè)面圖像，識別車廂側(cè)面圖像上的載客量標識線，估算當(dāng)前車廂的客車載客量；

s5:所述控制單元依據(jù)激光掃描儀c掃描的車廂頂部縱向中心線的輪廓圖像判斷當(dāng)前是否為車廂連接處或車尾經(jīng)過：

若激光掃描儀c沿軌道方向掃描的輪廓圖像中包含有抓鉤輪廓，則表明當(dāng)前位置為車廂連接處，所述控制單元由步驟s2中獲得的車速和之前獲取的所有當(dāng)前車廂的橫向截面輪廓圖像還原生成當(dāng)前車廂的三維圖像；然后返回至步驟s3繼續(xù)對后續(xù)車廂進行檢測；

若激光掃描儀c沿軌道方向掃描的輪廓圖像中包含了車尾輪廓線和車軌及路基輪廓線，則表明當(dāng)前為車尾經(jīng)過，在車尾駛出數(shù)據(jù)采集組件的掃描范圍后，所述控制單元將該趟軌道列車的所有車廂的狀態(tài)信息發(fā)送給上級控制中心。

有益效果

通過縱向和橫向二維激光掃描儀配合，可以在較遠距離上判定軌道車輛是否到來或駛離有效掃描區(qū)域進行早期預(yù)警并精確計算車速，又可以完整精確的獲得軌道車輛車體的三維掃描數(shù)據(jù)；再結(jié)合高清攝像頭拍攝圖像，基于圖像識別功能可準確識別車頭車尾、經(jīng)過車廂種類、車廂連接處、貨物種類及覆蓋物信息，同時判定車廂是否超出限高、車廂門開閉是否正常、車鎖是否完好等，功能較現(xiàn)有產(chǎn)品更加全面，識別率高且更加智能化，具備良好的實時性，可以極大的減省人力投入提高工作效率。

附圖說明

圖1是本發(fā)明的結(jié)構(gòu)示意圖；

圖2是檢測裝置工作流程圖；

圖3是無車經(jīng)過狀態(tài)檢測原理示意圖；

圖4是車頭經(jīng)過狀態(tài)檢測原理示意圖；

圖5是封閉棚車經(jīng)過狀態(tài)檢測原理示意圖；

圖6是棚車車門未關(guān)閉狀態(tài)檢測原理示意圖；

圖7是超載敞車經(jīng)過狀態(tài)檢測原理示意圖；

圖8是半載敞車經(jīng)過狀態(tài)檢測原理示意圖；

圖9是敞車小門向外打開狀態(tài)檢測原理示意圖；

圖10是敞車覆蓋物狀態(tài)檢測原理示意圖；

圖11是敞車運輸木材貨物檢測原理示意圖；

圖12是油罐車經(jīng)過狀態(tài)檢測原理示意圖；

圖13是貨車車廂連接抓鉤檢測原理示意圖；

圖14是車尾經(jīng)過狀態(tài)檢測原理示意圖；

圖15是深度信念網(wǎng)絡(luò)圖像識別功能結(jié)構(gòu)示意圖；

圖16是深度信念網(wǎng)絡(luò)訓(xùn)練過程示意圖；

圖17為人工神經(jīng)網(wǎng)絡(luò)圖像識別模塊工作過程示意圖。

其中：1-龍門架結(jié)構(gòu)、2-激光掃描儀a、3-高清攝像頭a、4-激光掃描儀b，5-高清攝像頭b、6-激光掃描儀c、7-高清攝像頭c、8-核心控制板卡、9-工控計算機

具體實施方式

下面結(jié)合附圖和實施例，對本發(fā)明作進一步的詳細說明。

本實施例提供一種軌道車輛車廂狀態(tài)非接觸檢測裝置，該檢測裝置功能全面，識別率高，具備良好的實時性，可以極大的減省人力投入提高工作效率。

如圖1所示，該軌道車輛車廂狀態(tài)非接觸檢測裝置包括：龍門架結(jié)構(gòu)1、激光掃描儀a2、高清攝像頭a3、激光掃描儀b4、高清攝像頭b5、激光掃描儀c6、高清攝像頭c7和由核心控制板卡8和工控計算機9組成的控制單元。其中龍門架結(jié)構(gòu)1橫跨車輛軌道，車輛從龍門架結(jié)構(gòu)1下方通過。

在龍門架結(jié)構(gòu)1其中一側(cè)立柱上方較高位置安裝有激光掃描儀a2，掃描平面沿橫向垂直于軌道平面，安裝位置以滿足掃描視野覆蓋與其相對的車廂橫截面的側(cè)邊輪廓圖像以及頂邊輪廓圖像為準；在該立柱中部位置安裝有高清攝像頭a3，安裝位置以滿足鏡頭視野正對與其相對的車廂門中部為準，激光掃描儀a2和高清攝像頭a3同屬于數(shù)據(jù)采集組件a。

在龍門架結(jié)構(gòu)1另一側(cè)立柱上與激光掃描儀a2相對的位置安裝激光掃描儀b4，安裝方式及位置要求與激光掃描儀a2相同，使激光掃描儀a2和激光掃描儀b4同時掃描車廂同一橫截面的輪廓圖像，由此通過激光掃描儀a2和激光掃描儀b4能夠獲取與兩個激光掃描儀相對的車廂橫截面整體輪廓圖像；與高清攝像頭a3相對的位置安裝高清攝像頭b5，安裝方式及位置要求與高清攝像頭a3相同，激光掃描儀b4和高清攝像頭b5同屬于數(shù)據(jù)采集組件b。通過高清攝像頭a3和高清攝像頭b5能夠獲取車廂的兩個側(cè)面圖像。

在龍門架結(jié)構(gòu)1的橫梁中部、軌道中線正上方安裝有激光掃描儀c6，激光掃描儀c6的掃描方向平行于軌道方向，用于獲取車廂頂部縱向中心線的輪廓圖像；緊鄰激光掃描儀c6安裝高清攝像頭c7，用于獲取車廂頂部圖像；激光掃描儀c6和高清攝像頭c7同屬于數(shù)據(jù)采集組件c。

數(shù)據(jù)采集組件a、數(shù)據(jù)采集組件b和數(shù)據(jù)采集組件c中的激光掃描儀和高清攝像頭通過各自專用數(shù)據(jù)線與控制單元中的核心控制板卡8連接；核心控制板卡8通過高速pci接口與工控計算機9連接；工控計算機9通過專用通訊網(wǎng)絡(luò)與上級控制中心進行通訊。

該檢測裝置的工作流程如圖2所示，具體包括以下步驟：

初始化后，只有激光掃描儀c6處于工作狀態(tài)，其它激光掃描儀和高清攝像頭均處于待機狀態(tài)；

s1：檢測是否有車輛將要經(jīng)過：激光掃描儀c6沿軌道方向持續(xù)掃描，并將掃描的輪廓圖像發(fā)送給核心控制板卡8，核心控制板卡8根據(jù)掃描的輪廓圖像預(yù)先判斷軌道車輛是否到來:若輪廓圖像如圖3右圖所示為一條直線，僅為車軌及路基的輪廓線，則表示無軌道車輛經(jīng)過，激光掃描儀c6繼續(xù)沿軌道方向持續(xù)掃描；若輪廓圖像如圖4右圖所示，開始有軌道車輛車頭輪廓線，則表示有軌道車輛將要經(jīng)過，進入步驟s2。

s2：識別車頭并計算車速：當(dāng)核心控制板卡8判斷有軌道車輛到來時，啟動高清攝像頭c7以及數(shù)據(jù)采集組件a和數(shù)據(jù)采集組件b；由激光掃描儀c6和高清攝像頭c7組成數(shù)據(jù)采集組件c實時采集車頭頂部縱向中心線的輪廓圖像和車頭頂部圖像并發(fā)送給核心控制板卡8，核心控制板卡8以此識別車頭，判斷當(dāng)前軌道車輛的車型，軌道車輛的車型是指判斷當(dāng)前軌道車輛是動車、普通客運列車或貨運列車；并根據(jù)一定時間間隔內(nèi)車頭輪廓的位移變化計算當(dāng)前車速。若判斷當(dāng)前的軌道車輛為貨運列車，進入步驟s3；若判斷當(dāng)前的軌道車輛為動車或普通客運列車，進入步驟s4。

s3:判斷當(dāng)前車廂的種類：數(shù)據(jù)采集組件a、數(shù)據(jù)采集組件b以及數(shù)據(jù)采集組件c將采集到的圖像實時發(fā)送給核心控制板卡8，核心控制板卡8依據(jù)激光掃描儀a2和激光掃描儀b4所采集到的圖像獲得車廂橫截面整體輪廓圖像，結(jié)合高清攝像頭c7獲取的車廂頂部圖像判斷車廂種類，進而根據(jù)車廂種類選擇不同的檢測方式：

s3.1:若車廂橫截面整體輪廓圖像如圖5右圖所示且車廂頂部圖像中只能看見車頂，則判斷經(jīng)過的車廂是棚車，核心控制板卡8依據(jù)車門所在橫截面整體輪廓圖像進行車門是否正常關(guān)閉的檢測：

若車門所在橫截面整體輪廓圖像如圖5右圖所示為矩形結(jié)構(gòu)，則表示車門正常關(guān)閉；核心控制板卡8進一步依據(jù)高清攝像頭b5或高清攝像頭a3采集到的車廂側(cè)面圖像判斷車鎖完好程度，若車鎖完好，核心控制板卡8將貨運列車、車速、棚車、車門正常關(guān)閉以及車鎖完好作為當(dāng)前車廂的狀態(tài)信息記錄存儲；若車鎖損壞，核心控制板卡8將貨運列車、車速、棚車、車門正常關(guān)閉以及車鎖損壞作為當(dāng)前車廂的狀態(tài)信息記錄存儲?；虿贿M行車鎖完好程度的判斷，直接將貨運列車、車速、棚車、車門正常關(guān)閉以及車廂側(cè)面圖像作為車廂狀態(tài)信息記錄存儲；

若車門所在橫截面整體輪廓圖像如圖6右圖所示，車門所在側(cè)面的橫截面輪廓線有向內(nèi)的彎折，則表示車門處于敞開狀態(tài)；核心控制板卡8依據(jù)步驟s2中所計算的車速和該種形式的橫截面所持續(xù)的長度判斷車門敞開程度，并將貨運列車、車速、棚車、車廂車門敞開以及敞開程度作為當(dāng)前車廂的狀態(tài)信息記錄存儲。

s3.2:若車廂橫截面整體輪廓圖像如圖7或圖8右圖所示，即車廂橫截面整體輪廓為“凸”或“凹”字形，或車廂橫截面整體輪廓圖像如圖5右圖所示但車廂頂部圖像中沒有車頂，則判斷經(jīng)過的車廂是敞車，然后進行車廂載貨狀態(tài)、車門是否正常關(guān)閉以及貨物信息的檢測：

車廂載貨狀態(tài)(滿載、超載或半載)的檢測：若車廂橫截面整體輪廓圖像如圖7右圖所示，則表示當(dāng)前車廂載貨狀態(tài)為超載，核心控制板卡8依據(jù)掃描得到的車廂橫截面頂部輪廓線超出車廂設(shè)定的車廂橫截面頂部輪廓線的高度判斷車廂超限程度；若車廂橫截面整體輪廓圖像如圖8右圖所示，則表示當(dāng)前車廂載貨狀態(tài)為半載；若車廂橫截面整體輪廓圖像如圖5右圖所示但車廂頂部圖像中顯示車頂處于敞開狀態(tài)，則表示當(dāng)前車廂載貨狀態(tài)為滿載；若車廂橫截面整體輪廓圖像如圖10右圖所示同時車廂頂部圖像中顯示車頂處于覆蓋狀態(tài)，則不能判斷當(dāng)前車廂載貨狀態(tài)，當(dāng)前車廂具有覆蓋物；

車門是否正常關(guān)閉的檢測：核心控制板卡8依據(jù)車廂橫截面整體輪廓圖像進行車門是否正常關(guān)閉的檢測，敞車車廂分大小門，大門在車廂兩側(cè)各一個，小門有多個。其中大門的檢測方式與上述棚車中車門是否正常關(guān)閉的檢測方式相同，若車門所在橫截面整體輪廓圖像如圖5右圖所示為矩形結(jié)構(gòu)，則表示車廂大門和小門均正常關(guān)閉；核心控制板卡8進一步依據(jù)高清攝像頭b5或高清攝像頭a3采集到的車廂側(cè)面圖像判斷車鎖完好程度；若車門所在橫截面整體輪廓圖像如圖6右圖所示，車門所在側(cè)面的橫截面輪廓線有向內(nèi)的彎折，則表示車廂大門處于敞開狀態(tài)；核心控制板卡8依據(jù)步驟s2中所計算的車速和該種形式的橫截面所持續(xù)的長度判斷車門敞開程度。敞車車廂小門只能向外開合，在檢測車門是否正常關(guān)閉時，若小車車門所在橫截面整體輪廓圖像如圖9右圖所示有向外的彎折，則表示車廂小門處于敞開狀態(tài)。

當(dāng)核心控制板卡8依據(jù)車廂頂部圖像判斷車頂沒有覆蓋物時，依據(jù)車廂橫截面整體輪廓圖像和車廂頂部圖像采集敞車貨物信息，如圖11所示的橫截面整體輪廓圖像結(jié)合車廂頂部圖像數(shù)據(jù)可判斷貨物為木材。

完成上述檢測后，核心控制板卡8將貨運列車、車速、敞車、載貨狀態(tài)、車門關(guān)閉狀態(tài)、車鎖狀態(tài)以及貨物信息作為車廂的狀態(tài)信息記錄存儲。

s3.3:若車廂橫截面整體輪廓圖像如圖12右圖所示，即車廂橫截面整體輪廓為圓形，則判斷經(jīng)過的車廂是油罐車；核心控制板卡8依據(jù)車廂的側(cè)面圖像和頂部圖像，識別油罐車的標識信息，然后將貨運列車、車速、油罐車、標識信息作為車廂的狀態(tài)信息記錄存儲。

s4:核心控制板卡8依據(jù)車廂的側(cè)面圖像，識別車廂側(cè)面圖像上的載客量標識線，估算當(dāng)前車廂的客車載客量；然后將車輛類型、車速、估算的客車載客量作為當(dāng)前車廂的狀態(tài)信息記錄存儲。

s5:核心控制板卡8依據(jù)激光掃描儀c6掃描的輪廓圖像或依據(jù)激光掃描儀a2和激光掃描儀b4掃描的當(dāng)前橫截面整體輪廓圖像判斷當(dāng)前是否為車廂連接處或車尾經(jīng)過：

若激光掃描儀c6沿軌道方向掃描的輪廓圖像如圖13的圖b所示或激光掃描儀a2和激光掃描儀b4掃描的當(dāng)前橫截面整體輪廓圖像如圖13的圖d所示，則判斷當(dāng)前位置為車廂連接處，核心控制板卡8由步驟s2中獲得的車速和之前獲取的所有當(dāng)前車廂的橫向截面輪廓數(shù)據(jù)還原生成當(dāng)前車廂的精確三維圖像以及之前所存儲的所有當(dāng)前車廂的狀態(tài)信息發(fā)送給工控計算機9存儲；然后返回至步驟s3繼續(xù)對后續(xù)車廂進行檢測；

若激光掃描儀c6沿軌道方向掃描的輪廓圖像如圖14中的右所示，即該輪廓圖像中包含了車尾輪廓線和車軌及路基輪廓線，則判斷當(dāng)前為車尾經(jīng)過，在檢測到車尾駛出有效掃描范圍后，工控計算機9將該趟軌道列車的所有車廂的狀態(tài)信息發(fā)送給上級控制中心；數(shù)據(jù)采集組件a、數(shù)據(jù)采集組件b以及高清攝像頭c7進入待機狀態(tài)，返回至步驟s1。

數(shù)據(jù)采集組件a、數(shù)據(jù)采集組件b和數(shù)據(jù)采集組件c獲取的圖像發(fā)送給核心控制板卡8后，均由核心控制板卡8上的人工神經(jīng)網(wǎng)絡(luò)圖像識別模塊進行識別判斷。人工神經(jīng)網(wǎng)絡(luò)圖像識別模塊基于深度信念網(wǎng)絡(luò)模型，深度信念網(wǎng)絡(luò)模型的圖像識別功能結(jié)構(gòu)示意圖如圖15所示，深度信念網(wǎng)絡(luò)模型包括圖像輸入層、內(nèi)部隱含層組和結(jié)果輸出層，其中內(nèi)部隱含層組內(nèi)包含n個隱含層，編號由1至n，n大于等于3。

在深度信念網(wǎng)絡(luò)模型使用之前，需要一定的樣本數(shù)據(jù)對其進行訓(xùn)練，模型訓(xùn)練過程如圖16所示，包括以下步驟：

第一步：將激光掃描儀獲得的輪廓圖像和高清攝像頭拍攝的圖像按同一規(guī)格進行初始化，使其具有統(tǒng)一的長寬像素值，作為所述深度信念網(wǎng)絡(luò)模型的訓(xùn)練樣本。

第二步：將所述深度信念網(wǎng)絡(luò)模型分解成由相鄰兩層構(gòu)成的一系列受限的玻爾茲曼機rbm，其中第一個rbm由圖像輸入層和隱含層1組成，依次類推，最后一個由隱含層n和結(jié)果輸出層組成，編號由rbm(1)至rbm(n+1)。

第三步：將第一步中所述的圖像訓(xùn)練樣本作為輸入，訓(xùn)練第二步中所述rbm(1)，當(dāng)其可準確識別部分車廂圖像特征后停止訓(xùn)練，得到訓(xùn)練樣本在隱含層1的輸出值，以及相應(yīng)的權(quán)值和偏置，將權(quán)值和偏置固定不再變化。

第四步：將第三步中得到的rbm(1)輸出值作為rbm(2)的輸入進行訓(xùn)練，當(dāng)其可準確識別部分車廂圖像特征后停止訓(xùn)練，計算得出隱含層2的輸出值，以及相應(yīng)權(quán)值和偏置。

依次類推，用同樣的辦法訓(xùn)練接下來的rbm網(wǎng)絡(luò)，當(dāng)rbm(n+1)可準確識別全部訓(xùn)練樣本特征時結(jié)束，記錄所有rbm的權(quán)值和偏置。

第五步：將以上訓(xùn)練好的rbm組合構(gòu)建新的網(wǎng)絡(luò)，包含encoder和decoder兩部分。encoder部分為從原始圖像數(shù)據(jù)輸入到rbm網(wǎng)絡(luò)輸出的正向傳播構(gòu)成的網(wǎng)絡(luò)，decoder部分為從rbm(n+1)到重構(gòu)的原始圖像輸入數(shù)據(jù)的反向傳播構(gòu)成的網(wǎng)絡(luò)，兩部分權(quán)值和偏置均由第三步和第四步得出。

第六步：將第五步構(gòu)建的網(wǎng)絡(luò)，采用bp算法計算網(wǎng)絡(luò)的代價函數(shù)和代價函數(shù)的偏導(dǎo)數(shù)，然后使用共軛梯度下降法優(yōu)化整個網(wǎng)絡(luò)，得到優(yōu)化的網(wǎng)絡(luò)權(quán)值和偏置，以原始圖像輸入數(shù)據(jù)和網(wǎng)絡(luò)輸出圖像數(shù)據(jù)能夠準確還原為準。

第七步：將第六步最終得到的網(wǎng)絡(luò)權(quán)值和偏置，重新賦給所述深度信念網(wǎng)絡(luò)模型中，即完成模型從圖像輸入層到結(jié)果輸出層的網(wǎng)絡(luò)訓(xùn)練。

訓(xùn)練后的深度信念網(wǎng)絡(luò)模型在接收到數(shù)據(jù)采集組件發(fā)送來的圖像后，便可進行識別判斷，識別判斷的過程及結(jié)果如圖17所示，經(jīng)過隱含層rbm(1)的識別后將所有狀態(tài)分為兩類，一類非常明確即無車經(jīng)過，另一類是有車經(jīng)過狀態(tài)，有車經(jīng)過狀態(tài)包含了除無車經(jīng)過外所有的狀態(tài)，但是這些狀態(tài)沒有被明確區(qū)分出來；然后進入隱含層rbm(2)作進一步的識別，經(jīng)過隱含層rbm(2)的識別后，從有車經(jīng)過狀態(tài)中進一步分離出當(dāng)前經(jīng)過的是車廂和車頭/車廂連接處/車尾兩種情況；隨后進入隱含層rbm(3)作進一步的識別，經(jīng)過隱含層rbm(3)將車廂識別為棚車、敞車、罐車/客車三種情況，并將rbm(2)識別結(jié)果中的車頭/車廂連接處/車尾進一步識別為車頭、車廂連接處、車尾三種情況；最后在隱含層rbm(4)將棚車進一步識別為棚車車廂正常、棚車車門關(guān)閉但車鎖損壞、棚車車門敞開三種狀態(tài)，將罐車/客車進一步識別為罐車、客車兩種狀態(tài)，將敞車進一步識別為敞車車廂正常、敞車車廂超限、敞車車門關(guān)閉但車鎖損壞、敞車車門打開、敞車覆蓋物正常五種狀態(tài)，將車頭進一步識別為客車車頭、貨車車頭、動車車頭三種狀態(tài)；由此通過四個隱含層對接收到的圖像進行層層識別后輸出識別結(jié)果，最終的識別結(jié)果分類16類，分別為：1.當(dāng)前棚車車廂正常、2.棚車車門關(guān)閉但車鎖損壞、3.棚車車門敞開、4.當(dāng)前車廂為罐車、5.當(dāng)前車廂為客車車廂、6.敞車車廂正常、7.敞車車廂超限、8.敞車車門關(guān)閉但車鎖損壞、9.敞車車門打開、10.敞車覆蓋物正常、11.當(dāng)前為客車車頭、12.當(dāng)前為貨車車頭、13.當(dāng)前為動車車頭、14.當(dāng)前為車廂間隔、15.當(dāng)前為車尾、16.當(dāng)前無車經(jīng)過。

綜上所述，以上僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。