黃進(jìn)中

摘?要：伴隨計(jì)算機(jī)技術(shù)的不斷發(fā)展，人工智能技術(shù)水平越來越高。在高鐵站安檢系統(tǒng)中應(yīng)用人工智能技術(shù)，能夠提升安檢的識別效率，避免人為誤差，同時(shí)還可以降低工作人員的勞動強(qiáng)度，能夠進(jìn)一步提升高鐵安檢的識別率。為此，本文淺要介紹了人工智能技術(shù)在高鐵安檢系統(tǒng)中應(yīng)用時(shí)的圖像異物的識別方法與關(guān)鍵技術(shù)，并分析了測試試驗(yàn)。

關(guān)鍵詞：人工智能技術(shù);高鐵安檢;安檢系統(tǒng)

【中圖分類號】TP391.41??【文獻(xiàn)標(biāo)識碼】A?【文章編號】1674-3733（2020）18-0209-01

1?圖像異物的檢測原理分析

1.1?圖像的識別方法

本文設(shè)計(jì)的以圖像處理為基礎(chǔ)的高鐵站X光機(jī)檢測環(huán)節(jié)主要可以分成6個(gè)部分：（1）圖像的采集;（2）提取新拍圖片與原始圖片的特征點(diǎn);（3）匹配新拍圖片與原始圖片的特征點(diǎn);（4）計(jì)算新拍圖片與原始圖片的空間變換的矩陣;（5）透視轉(zhuǎn)換新拍的圖片;（6）把變換后的圖片和原始圖片展開相減處理。

在計(jì)算機(jī)視覺的有關(guān)應(yīng)用當(dāng)中，常常會提及到一個(gè)概念——特征點(diǎn)，它也被叫做興趣點(diǎn)好關(guān)鍵點(diǎn)，從字面理解上看，圖像當(dāng)中的特征點(diǎn)主要是指那些獨(dú)立的物點(diǎn)，比方說避雷針、電視塔、旗桿或煙囪等等，還有可能是圖像里面的面狀要素的邊界線拐點(diǎn)或者是線型要素的交叉點(diǎn)，比方說墻角、樹枝的交叉點(diǎn)或桌子角，特征點(diǎn)這個(gè)概念常常用于處理那些生活當(dāng)中具體的應(yīng)用問題，比方說物體識別、圖像配準(zhǔn)以及圖像的三維重建。如果檢測人員能夠檢測出足夠的這種比較特殊的特征點(diǎn)，因?yàn)檫@些特征點(diǎn)的區(qū)別度非常高，所以沒有觀察整幅圖像的必要，只分析這類特征點(diǎn)的局部特點(diǎn)并結(jié)合定位圖片，可以得出圖像的相應(yīng)穩(wěn)定特征。

1.2?對比的流程

比對并匹配2幅圖像，分別得出它們相應(yīng)的矩陣，之后通過得到的矩陣對新拍的照片展開變換，可以獲得和原始圖片配準(zhǔn)程度非常高的圖像。

要想檢測新拍圖像中的異物，需要工作人員把變化之后的新拍圖像與原始的圖像展開配準(zhǔn)操作，變換以后的新拍圖像因?yàn)橥敢曌儞Q，會產(chǎn)生一小部分的黑色區(qū)域，嚴(yán)重影響后面的圖像對比流程，所以需要利用相應(yīng)的手段去除黑色的區(qū)域，計(jì)算機(jī)的視覺處理技術(shù)中的圖像剪切技術(shù)能夠?qū)崿F(xiàn)這個(gè)目標(biāo)。但使用的過程中，為確保對比兩幅圖像的同一個(gè)區(qū)域，還需要針對原始的圖像展開同樣尺寸的剪切操作。

剪切之后的原始圖像和新拍圖像尺寸和大小完全相同，在這種情況下能夠采取圖像像素的差值法針對兩幅處理后的圖像展開圖像加減，可以提前設(shè)定一個(gè)與之，如果同一個(gè)位置的像素點(diǎn)的值一致或者兩個(gè)像素點(diǎn)的差值沒有超出標(biāo)準(zhǔn)的閾值，可以判定這兩個(gè)像素點(diǎn)是相同的，結(jié)果為該位置處是一個(gè)黑色的點(diǎn)斑。相反的，兩個(gè)像素點(diǎn)的差值超出標(biāo)準(zhǔn)的閾值，結(jié)果為該位置處是一個(gè)白色的點(diǎn)斑。工作人員可以借助圖像相減得到的圖像是否為白色斑點(diǎn)，判斷兩個(gè)圖像間是否存在差異或者是異物。

2?測試試驗(yàn)

長春市西高鐵站對人工智能X光安檢儀展開了改造，在檢測中引入人工智能計(jì)算技術(shù)和圖像處理的技術(shù)，然后展開實(shí)物操作的檢驗(yàn)。

首先，設(shè)計(jì)了一套以圖像處理技術(shù)為基礎(chǔ)的智能檢測系統(tǒng)，整個(gè)圖像的處理技術(shù)分成八個(gè)步驟，分別為：檢測并匹配新拍圖像和原始圖像的特征點(diǎn)、精心選擇檢測出來的新拍圖像和原始圖像的特征點(diǎn)、估計(jì)新拍圖像和原始圖像的空間轉(zhuǎn)換矩陣、新拍圖像的透視轉(zhuǎn)換和圖像裁剪、新拍圖像和原始圖像相減、圖像異物的標(biāo)記以及腐蝕除去噪聲。

其次，在攝取圖像的實(shí)際環(huán)節(jié)中，無法保證每次拍攝的角度都是相同的，特別是在拍攝角度特別復(fù)雜的情況下，因?yàn)槲矬w的遮擋作用，攝像頭在視角比較大的變化狀態(tài)下拍攝的新圖像，比原始圖像會多出許多新的內(nèi)容，因而在圖像相減的過程中可能會出現(xiàn)比較大的差異。針對這一情況，可以思考在角度變化的范圍中展開多張微小角度的圖像拍攝，之后多張相鄰的圖片展開連續(xù)的空間轉(zhuǎn)換，最終獲得效果良好的大角度空間轉(zhuǎn)換。

因?yàn)榫唧w的拍攝角度和環(huán)境的亮暗存在差異，物體表面反射光的強(qiáng)度不同，所以在計(jì)算兩個(gè)圖像像素差期間，有可能會產(chǎn)生噪聲，為了降低噪聲，本次設(shè)計(jì)選用圖形的腐蝕算法，明顯提升了該系統(tǒng)異物檢測的效果。試驗(yàn)的結(jié)果顯示，當(dāng)圖像的位移、旋轉(zhuǎn)、縮放和傾斜因子以及環(huán)境亮暗沒有超出規(guī)定范圍時(shí)，該系統(tǒng)能夠取得理想的檢測效果。接著，需要按照應(yīng)用場景的不同，靈活地調(diào)整閱圖效率和安檢效率之間的匹配關(guān)系?？焖侔矙z模式：安檢的效率比閱圖效率要高，提升安檢人員的數(shù)量達(dá)到業(yè)務(wù)量的基本要求，適合應(yīng)用在業(yè)務(wù)的高峰時(shí)期?？焖匍唸D模式：安檢的效率比閱圖效率小，一個(gè)閱圖工作人員能夠同時(shí)管理眾多通道，適合應(yīng)用在業(yè)務(wù)的低谷期或安檢的包裹比較少的時(shí)候，可以節(jié)省人力。

結(jié)束語：

下一步的工作是實(shí)現(xiàn)各個(gè)單一作業(yè)點(diǎn)的人工智能安檢機(jī)的聯(lián)網(wǎng)，實(shí)時(shí)將數(shù)據(jù)上傳到大數(shù)據(jù)運(yùn)營中心，通過使用GPU計(jì)算以及機(jī)器深度學(xué)習(xí)的迭代升級，逐步提升智能的判斷力，設(shè)立智能語音的播報(bào)系統(tǒng)。為每個(gè)高鐵站配備一個(gè)指揮中心，可以發(fā)揮移動值機(jī)和遠(yuǎn)程值機(jī)的效用，進(jìn)一步提升高鐵安檢的效率，真正達(dá)到減員增效的效果。

參考文獻(xiàn)

[1]米仲勇.?人工智能技術(shù)在高鐵安檢系統(tǒng)中的前瞻性應(yīng)用[J].?電子技術(shù)與軟件工程，2017（12）：254-255.

[2]張國全.?人工智能技術(shù)在高鐵光纖周界入侵報(bào)警系統(tǒng)中的應(yīng)用[J].?信息與電腦（理論版），2017，377（07）：158-160.