一种列车车门开关状态的确定方法及其相关组件与流程

1.本发明涉及列车测试领域，特别是涉及一种列车车门开关状态的确定方法及其相关组件。


背景技术：

2.列车车门的开关状态测试是列车测试过程中的重要环节，通过测试可以预先发现车门卡滞、尺寸异常和装配不到位等问题，以便及时对车门进行修复，以避免车门在实际应用中出现上述问题。现有技术在对列车车门的开关状态进行测试时，通常是通过人工观察车门的开关门过程来判断车门的开关状态是否正常。由于列车车门数量较多而且各个车门之间的距离较远，人工判断的方法耗费的人力多且测试效率低。


技术实现要素：

3.本发明的目的是提供一种列车车门开关状态的确定方法及其相关组件，不需要人工观察车门的开关门过程和判断车门的开关状态，提高了测试效率且不需要耗费人力。
4.为解决上述技术问题，本发明提供了一种列车车门开关状态的确定方法，包括：
5.当接收到车门控制指令时，确定摄像头对预设区域拍摄到的图像帧中的车门的运动轨迹，所述车门控制指令包括开门指令和关门指令；
6.从所述运动轨迹中提取出运动特征；
7.将所述运动特征输入到预先训练好的神经网络模型中，得到判断所述运动特征是否为正常运动特征的判断结果，所述神经网络模型预先由包括预设数量的正常开门运动轨迹的运动特征、正常关门运动轨迹的运动特征、异常开门运动轨迹的轨迹特征和异常关门运动轨迹的轨迹特征的训练集训练得到的；
8.若所述运动轨迹为正常运动轨迹，确定所述车门的开关状态为正常状态；
9.若所述运动轨迹为异常运动轨迹，确定所述车门的开关状态为异常状态。
10.优选的，确定摄像头对预设区域拍摄到的图像帧中的车门的运动轨迹，包括：
11.当接收到所述车门控制指令时，开始确定所述车门在所述图像帧中的位置；
12.当所述车门在所述图像帧中的位置满足所述车门控制指令对应的预设停止条件时，停止确定所述车门在所述图像帧中的位置；
13.基于确定的所述车门在所述图像帧中的位置确定所述运动轨迹。
14.优选的，在开始确定所述车门在所述图像帧中的位置的同时，还包括：
15.开始确定所述车门的运动时间，所述运动时间初始为0；
16.在停止确定所述车门在所述图像帧中的位置之后，还包括：
17.判断所述运动时间是否大于预设时间；
18.若是，则确定所述车门的开关状态为异常状态；
19.若否，则进入基于确定的所述车门在所述图像帧中的位置确定所述运动轨迹的步骤。
20.优选的，在停止确定所述车门在所述图像帧中的位置之前，还包括：
21.当确定到所述车门在连续n帧所述图像帧中的位置的总位移距离小于预设距离时，确定所述车门的开关状态为异常状态。
22.优选的，所述预设停止条件包括：
23.当所述车门控制指令为关门指令时，所述预设停止条件为所述车门完全关闭；
24.当所述车门控制指令为开门指令时，所述预设停止条件为所述车门完全打开。
25.优选的，在确定所述车门的开关状态为异常状态之后，还包括：
26.生成包括所述车门的唯一标识信息和车门异常信息的告警信息。
27.优选的，当所述车门控制指令为关门指令时，在将所述运动特征输入到预先训练好的神经网络模型中之前，还包括：
28.确定所述车门的轮廓和所述车门的轮廓的中心点在预设坐标系上的坐标，所述预设坐标系的横轴为x轴，纵轴为y轴；
29.判断所述车门的轮廓是否与预设车门轮廓一致且所述车门的轮廓的中心点在所述预设坐标系上的坐标是否与所述预设车门轮廓的中心点在所述预设坐标系上的坐标一致；
30.若均一致，则进入将所述运动特征输入到预先训练好的神经网络模型中的步骤；
31.否则，确定所述车门的开关状态为异常状态。
32.本发明还提供一种列车车门开关状态的确定系统，包括：
33.运动轨迹确定单元，用于当接收到车门控制指令时，确定摄像头对预设区域拍摄到的图像帧中的车门的运动轨迹，所述车门控制指令包括开门指令和关门指令；
34.运动特征提取单元，用于从所述运动轨迹中提取出运动特征；
35.发送单元，用于将所述运动特征输入到预先训练好的神经网络模型中，得到判断所述运动特征是否为正常运动特征的判断结果，所述神经网络模型预先由包括预设数量的正常开门运动轨迹的运动特征、正常关门运动轨迹的运动特征、异常开门运动轨迹的轨迹特征和异常关门运动轨迹的轨迹特征的训练集训练得到的；
36.第一确定单元，用于若所述运动轨迹为正常运动轨迹，确定所述车门的开关状态为正常状态；
37.第二确定单元，用于若所述运动轨迹为异常运动轨迹，确定所述车门的开关状态为异常状态。
38.本发明还提供一种列车车门开关状态的确定装置，包括：
39.存储器，用于存储计算机程序；
40.处理器，用于执行所述计算机程序时实现如上述的列车车门开关状态的确定方法的步骤。
41.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的列车车门开关状态的确定方法的步骤。
42.本发明提供了一种列车车门开关状态的确定方法及其相关组件，涉及列车测试领域，在接收到车门控制指令时，确定车门的运动轨迹，然后从运动轨迹中提取出运动特征，再将运动特征输入到预先训练好的神经网络模型中，以判断运动轨迹是否为正常的运动轨
迹，神经网络模型预先由包括预设数量的正常开门运动轨迹的运动特征、正常关门运动轨迹的运动特征、异常开门运动轨迹的轨迹特征和异常关门运动轨迹的轨迹特征的训练集训练得到的，运动轨迹为正常运动轨迹时，确定车门的开关状态为正常状态，运动轨迹为异常运动轨迹时，确定车门的开关状态为异常状态。基于此，通过摄像机确定车门的运动轨迹，通过神经网络模型来判断运动轨迹是否正常，在根据其判断结果来确定车门的开关状态是否正常，不需要人工观察车门的开关门过程和判断车门的开关状态，提高了测试效率且不需要耗费人力。
附图说明
43.为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
44.图1为本技术提供的一种列车车门开关状态的确定方法的流程图；
45.图2为本技术提供的一种列车车门开关状态的确定系统的结构示意图；
46.图3为本技术提供的一种列车车门开关状态的确定装置的结构示意图。
具体实施方式
47.本发明的核心是提供了一种列车车门开关状态的确定方法及其相关组件，不需要人工观察车门的开关门过程和判断车门的开关状态，提高了测试效率且不需要耗费人力。
48.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.请参照图1，图1为本技术提供的一种列车车门开关状态的确定方法的流程图，包括：
50.s1：当接收到车门控制指令时，确定摄像头对预设区域拍摄到的图像帧中的车门的运动轨迹，车门控制指令包括开门指令和关门指令；
51.为了确定车门在开关的时候是否正常，本技术中，在对列车车门进行开关门测试时，工作人员会在列车的控制室或者是站台的控制室中进行操作，通过车门控制指令来控制列车车门执行开门动作或者关门动作。基于此，考虑到为了保证乘客的安全通常会在列车的各个车厢中设置监控摄像头，所以可以使用列车上的监控摄像头或者地面上布置的摄像头作为本技术中的摄像头，具体可以根据列车的长度以及车门数量来设置摄像头的数量，在接收到车门控制指令后，开始确定摄像头拍摄到的车门的运动轨迹。
52.s2：从运动轨迹中提取出运动特征；
53.车门在执行开门或关门动作时，其路线通常是固定且重合的，只有其运动的方向会随着动作不同而不同，例如，车门在执行关门动作时，可能是从图像帧的左边移动到右边，在执行开门动作时则是从右边移动至左边，为了确定车门实际执行的是开门动作还是关门动作，在从运动轨迹中提取出运动特征时，不仅要提取出其运动路线的特征，还需要提
取出其运动方向的特征。
54.s3：将运动特征输入到预先训练好的神经网络模型中，得到判断运动特征是否为正常运动特征的判断结果，神经网络模型预先由包括预设数量的正常开门运动轨迹的运动特征、正常关门运动轨迹的运动特征、异常开门运动轨迹的轨迹特征和异常关门运动轨迹的轨迹特征的训练集训练得到的；
55.在对神经网络模型进行训练时，可以预先建立包含了预设数量的正常运动轨迹的运动特征和异常运动轨迹的运动特征的训练集，根据实际应用中对神经网络模型精度的要求，预设数量可以根据实际要求进行更改，本技术对此不作限定。然后利用该训练集来训练神经网络模型，在训练过程中，被正确分类的运动特征的权重会减小，被错误分类的运动特征的权重会增大，置信度也会逐渐增大，相当于神经网络模型在对运动特征进行判断时，若正确判断了其是正常运动轨迹的运动特征还是异常运动轨迹的运动特征，则神经网络模型的精度就会提高，否则精度就会下降，通过这种训练方式，当用户判定神经网络模型的精度满足使用需求时，则可以认为神经网络模型训练完毕并投入使用。
56.s4：若运动轨迹为正常运动轨迹，确定车门的开关状态为正常状态；
57.s5：若运动轨迹为异常运动轨迹，确定车门的开关状态为异常状态。
58.此外，若需要同时测试车门的开门状态和关门状态，可以分成两次进行判断，最后得到的开关状态的判定结果分为该车门的开门状态和关门状态的判定结果；也可以合并为一次判断，最后得出该车门整体的开关状态的判断结果，本技术对此不作限定。
59.综上所述，在接收到车门控制指令时，确定车门的运动轨迹，然后从运动轨迹中提取出运动特征，再将运动特征输入到预先训练好的神经网络模型中，以判断运动轨迹是否为正常的运动轨迹，神经网络模型预先由包括预设数量的正常开门运动轨迹的运动特征、正常关门运动轨迹的运动特征、异常开门运动轨迹的轨迹特征和异常关门运动轨迹的轨迹特征的训练集训练得到的，运动轨迹为正常运动轨迹时，确定车门的开关状态为正常状态，运动轨迹为异常运动轨迹时，确定车门的开关状态为异常状态。基于此，通过摄像机确定车门的运动轨迹，通过神经网络模型来判断运动轨迹是否正常，在根据其判断结果来确定车门的开关状态是否正常，不需要人工观察车门的开关门过程和判断车门的开关状态，提高了测试效率且不需要耗费人力。
60.在上述实施例的基础上：
61.作为一种优选的实施例，确定摄像头对预设区域拍摄到的图像帧中的车门的运动轨迹，包括：
62.当接收到车门控制指令时，开始确定车门在图像帧中的位置；
63.当车门在图像帧中的位置满足车门控制指令对应的预设停止条件时，停止确定车门在图像帧中的位置；
64.基于确定的车门在图像帧中的位置确定运动轨迹。
65.为了简单地确定车门的运动轨迹，本技术中，在接收到车门控制指令时，说明车门会执行开关门动作，所以此时开始确定车门在图像帧中的位置，在车门执行开关门动作的过程中，会获取到多个车门在图像帧中的位置，当车门在图像帧中的位置满足此次的车门控制指令对应的预设停止条件时，则停止获取其位置，最后基于确定到的这些车门在图像帧中的位置确定其运动轨迹，由于这些位置都是在车门执行开关门动作时的确定得到的，
所以可以简单地根据这些车门在图像帧中的位置确定出车门的运动轨迹。
66.作为一种优选的实施例，在开始确定车门在图像帧中的位置的同时，还包括：
67.开始确定车门的运动时间，运动时间初始为0；
68.在停止确定车门在图像帧中的位置之后，还包括：
69.判断运动时间是否大于预设时间；
70.若是，则确定车门的开关状态为异常状态；
71.若否，则进入基于确定的车门在图像帧中的位置确定运动轨迹的步骤。
72.为了提高确定车门的开关状态的效率，本技术中，考虑到车门在进行开关门动作时，其花费的时间通常是固定的，但是当车门的开关状态存在异常时，车门进行开关门动作所花费的时间可能比车门正常时进行开关门动作花费的时间长，例如，车门可能由于相关的逻辑错误或者车门存在物理结构上的问题等原因而导致车门需要花费较长的时间才能完全开门或完全关门，使得此时车门的开关门动作花费的时间比车门的开关状态处于正常状态下进行开关门动作所花费得时间长。基于此，可以预先根据车门的开关状态处于正常状态下的进行开关门动作所花费得时间设定一个预设时间，以该预设时间作为车门进行开关门动作花费时间的基准，在实际应用时，判断车门的运动时间是否大于该预设时间，大于则说明车门的开关状态为异常状态，不需要执行后续步骤。可见，在确定运动轨迹之前先确定车门的运动时间是否大于预设时间，能够提高确定车门的开关状态的效率。
73.作为一种优选的实施例，在停止确定车门在图像帧中的位置之前，还包括：
74.当确定到车门在连续n帧图像帧中的位置的总位移距离小于预设距离时，确定车门的开关状态为异常状态。
75.为了提高确定车门的开关状态的效率，本技术中，考虑到车门在进行开关门动作时，车门可能由于相关的逻辑错误或者车门存在物理结构上的问题等原因而导致车门无法进行开关门动作，或是开关门动作执行到一定程度后无法继续执行，例如，若由于设计或者制造时的失误，导致车门轨道上存在障碍物，车门进行开关门动作时会被障碍物阻挡而无法继续执行开关门动作。基于此，可以确定车门在连续n帧图像帧中的位置的总位移，若其小于预设距离则确定车门的开关状态为异常状态，相当于确认车门是否存在卡壳或者无法移动的情况，存在则说明其开关状态为异常状态。基于此，可以提高确定车门的开关状态的效率。
76.作为一种优选的实施例，预设停止条件包括：
77.当车门控制指令为关门指令时，预设停止条件为车门完全关闭；
78.当车门控制指令为开门指令时，预设停止条件为车门完全打开。
79.车门在执行开关门动作时，车门的表现为从完全关闭或完全打开的状态开始逐渐打开或关闭，直到车门完全打开或完全关闭为止，其过程映射在摄像机队预设区域拍摄到的图像帧中的表现为车门从某一位置开始向某一方向开始移动，直到车门到达另一位置为止，此时则完成了车门的开门动作或关门动作，例如，车门在执行开门动作时，车门从a位置开始向x方向移动，直到车门达到b位置为止；车门执行关门动作同理，其表现为从b位置开始向x方向的反方向移动，直到车门达到a位置为止。基于此，车门在执行开门动作时，可以将车门达到b位置作为开门指令的预设停止条件，车门在执行关门动作时，可以将车门达到a位置作为开门指令的预设停止条件，可以及时停止确定车门在所述图像帧中的位置，避免
获取到无用的车门位置。
80.作为一种优选的实施例，在确定车门的开关状态为异常状态之后，还包括：
81.生成包括车门的唯一标识信息和车门异常信息的告警信息。
82.为了使工作人员能够准确地得知车门的开关状态异常，本技术中，可以预先为各个车门设定一个唯一标识信息，例如为每个车门设定一个编号以表示不同的车门，此外还可以将造成车门异常状态的原因记录下来，例如当车门执行开关门动作过于缓慢时则记录下其动作缓慢作为造成车门异常状态的原因。当确定了某个车门的开关状态为异常状态后，生成该车门的报警信息，以便工作人员通过唯一标识信息得知具体为哪个车门的开关状态处于异常状态，通过车门异常信息得知车门异常的原因，可见，告警信息能够使工作人员能够准确地得知车门的开关状态异常。
83.作为一种优选的实施例，当车门控制指令为关门指令时，在将运动特征输入到预先训练好的神经网络模型中之前，还包括：
84.确定车门的轮廓和车门的轮廓的中心点在预设坐标系上的坐标，预设坐标系的横轴为x轴，纵轴为y轴；
85.判断车门的轮廓是否与预设车门轮廓一致且车门的轮廓的中心点在预设坐标系上的坐标是否与预设车门轮廓的中心点在预设坐标系上的坐标一致；
86.若均一致，则进入将运动特征输入到预先训练好的神经网络模型中的步骤；
87.否则，确定车门的开关状态为异常状态。
88.为了提高确定车门的开关状态的效率，本技术中，考虑到在设计或制造车门时，可能会由于设计失误或者制造失误的原因，导致最后安装到列车上的车门的尺寸或位置与需求的尺寸或位置不符，若使用尺寸或位置不符的车门容易导致车门在使用过程中出现安全问题。基于此，需要对比车门的实际尺寸和预设尺寸的区别，还需要对比车门的实际位置与预设位置的区别，具体的，可以预设建立一个坐标系，首先确定车门的轮廓，具体可以是在车门执行开关门动作前确定，也可以是车门执行完开关门动作后再确定，本技术对此不作限定，然后根据其轮廓的中心点，确定中心点在坐标系上的位置以表示车门的位置，然后判断车门的轮廓与预设的车门轮廓是否一致，并判断其中心点与预设车门轮廓的中心点是否一致，若轮廓不一致，则说明车门的实际尺寸与需求的不符，若中心点不一致，则说明车门的安装位置为需求的不符，可见，只有当两者均一致时，才能说明车门的尺寸和位置与需求的一致，否则均说明车门存在物理结构上的失误，此时可以直接判定其开关状态为异常状态，以提高确定车门的开关状态的效率。
89.请参照图2，图2为本技术提供的一种列车车门开关状态的确定系统的结构示意图，包括：
90.运动轨迹确定单元21，用于当接收到车门控制指令时，确定摄像头对预设区域拍摄到的图像帧中的车门的运动轨迹，车门控制指令包括开门指令和关门指令；
91.运动特征提取单元22，用于从运动轨迹中提取出运动特征；
92.发送单元23，用于将运动特征输入到预先训练好的神经网络模型中，得到判断运动特征是否为正常运动特征的判断结果，神经网络模型预先由包括预设数量的正常开门运动轨迹的运动特征、正常关门运动轨迹的运动特征、异常开门运动轨迹的轨迹特征和异常关门运动轨迹的轨迹特征的训练集训练得到的；
93.第一确定单元24，用于若运动轨迹为正常运动轨迹，确定车门的开关状态为正常状态；
94.第二确定单元25，用于若运动轨迹为异常运动轨迹，确定车门的开关状态为异常状态。
95.对于本技术提供的列车车门开关状态的确定系统的详细介绍，请参照上述列车车门开关状态的确定方法的实施例，本技术在此不再赘述。
96.作为一种优选的实施例，运动轨迹确定单元21包括：
97.位置确定单元，用于当接收到车门控制指令时，开始确定车门在图像帧中的位置；用于当车门在图像帧中的位置满足车门控制指令对应的预设停止条件时，停止确定车门在图像帧中的位置；
98.轨迹确定单元，用于基于确定的车门在图像帧中的位置确定运动轨迹。
99.作为一种优选的实施例，还包括：
100.计时单元，用于在开始确定车门在图像帧中的位置的同时开始确定车门的运动时间，运动时间初始为0；
101.时间判断单元，用于在停止确定车门在图像帧中的位置之后，判断运动时间是否大于预设时间；若是，则触发第二确定单元25；若否，则触发轨迹确定单元。
102.作为一种优选的实施例，还包括：
103.位移确定单元，用于在停止确定车门在所述图像帧中的位置之前，当确定到车门在连续n帧图像帧中的位置的总位移距离小于预设距离时，确定车门的开关状态为异常状态。
104.作为一种优选的实施例，还包括：
105.告警单元，用于在确定车门的开关状态为异常状态之后，生成包括车门的唯一标识信息和车门异常信息的告警信息。
106.作为一种优选的实施例，还包括：
107.坐标确定单元，用于当车门控制指令为关门指令时，在将运动特征输入到预先训练好的神经网络模型中之前，确定车门的轮廓和车门的轮廓的中心点在预设坐标系上的坐标，预设坐标系的横轴为x轴，纵轴为y轴；
108.轮廓判断单元，用于判断车门的轮廓是否与预设车门轮廓一致且车门的轮廓的中心点在预设坐标系上的坐标是否与预设车门轮廓的中心点在预设坐标系上的坐标一致；若均一致，则触发发送单元23；否则，触发第二确定单元25。
109.请参照图3，图3为本技术提供的一种列车车门开关状态的确定装置的结构示意图，包括：
110.存储器31，用于存储计算机程序；
111.处理器32，用于执行计算机程序时实现如上述的列车车门开关状态的确定方法的步骤。
112.对于本技术提供的列车车门开关状态的确定装置的详细介绍，请参照上述列车车门开关状态的确定方法的实施例，本技术在此不再赘述。
113.本技术还提供一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的列车车门开关状态的确定方法
的步骤。
114.对于本技术提供的计算机可读存储介质的详细介绍，请参照上述列车车门开关状态的确定方法的实施例，本技术在此不再赘述。
115.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
116.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
117.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。