公开(公告)号：CN112308111A

公开(公告)日：2021-02-02

申请号：CN202011008823.0

申请日：2020-09-23

Applicant: 湖南工业大学

Inventor： 刘建华 ,  欧阳萍 ,  张昌凡 ,  何静 ,  李哲姝 ,  黄刚 ,  杨万

IPC: G06K9/62 ,  G06K9/46

Abstract: 本发明提供一种基于多特征融合的轨面状态辨识方法，包括以下步骤：S1、采集不同状况下的轨面图像，对图像进行预处理；S2、对预处理后的图像进行特征提取；包括颜色特征提取、纹理特征提取；S3、采用串行融合方法将轨面图像中的颜色特征和纹理特征进行融合，得到轨面图像的融合特征向量；S4、设计多特征融合的SVM模型；S5、将S3中得到的融合特征向量输入多特征融合的SVM模型，输出分类结果。本发明相比于单一特征识别方法正确率更高，精度更准确；性能良好，具有很好的识别效果；能应用在机器上，解决现有机器视觉识别方法难以应用于轨面状态识别的问题。

公开(公告)号：CN112308111B

公开(公告)日：2023-04-18

申请号：CN202011008823.0

申请日：2020-09-23

Applicant: 湖南工业大学

Inventor： 刘建华 ,  欧阳萍 ,  张昌凡 ,  何静 ,  李哲姝 ,  黄刚 ,  杨万

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/40 ,  G06V10/56

Abstract: 本发明提供一种基于多特征融合的轨面状态辨识方法，包括以下步骤：S1、采集不同状况下的轨面图像，对图像进行预处理；S2、对预处理后的图像进行特征提取；包括颜色特征提取、纹理特征提取；S3、采用串行融合方法将轨面图像中的颜色特征和纹理特征进行融合，得到轨面图像的融合特征向量；S4、设计多特征融合的SVM模型；S5、将S3中得到的融合特征向量输入多特征融合的SVM模型，输出分类结果。本发明相比于单一特征识别方法正确率更高，精度更准确；性能良好，具有很好的识别效果；能应用在机器上，解决现有机器视觉识别方法难以应用于轨面状态识别的问题。