地铁车辆走行部温度目标可视化监测方法

绝大多数深度学习应用领域是基于可见光条件,有关红外热成像温度场景中的应用较少。本文考虑使用 Yolov3深度学习算法框架对地铁车辆车底关键红外目标进行动态识别及温度监测,通过对大量的数据进行训练学习,利用深度卷积神经网络提取到多样抽象的特征。同时,将获取到的原始温度视频流数据进行解析,并对单帧红外热图进行滤波处理,提高图片中目标物的清晰度,利用多项式拟合进行关键目标温度的误差补偿。通过测试证明,该网络对于目标定位及识别具有较高精度,并且同一趟列车不同轴位的目标温度具有较好的一致性。