快速特征金字塔和Soft-Cascade在折角塞门图像故障检测中的应用

为了提升列车折角塞门的故障检测效率,提出了一种基于快速特征金字塔和Soft-Cascade的故障图像检测算法。首先,构建快速特征金字塔模型来提取图像多尺度聚合通道特征;其次,利用向量化后的多尺度聚合通道特征来训练Soft-Cascade故障分类器;最后,利用训练好的分类器来判断待检折角塞门是否含有故障。实验结果表明:该算法的故障检测正确率为97.33%,离线检测速度高达43fps(每张图像仅需23ms),检测效率高于其他算法。该算法训练时间短,检测速度快,硬件要求低,能满足列车折角塞门的故障检测要求。

资料为PDF文档格式.

本文档关键词:金字塔,故障,图像,快速,特征