基于高斯混合部件模型的鐵路扣件檢測(cè)

何 彪 ，李柏林 ，羅建橋 ，王開(kāi)雄

（西南交通大學(xué) 機(jī)械工程學(xué)院，四川 成都 610031）

鐵路鋼軌扣件是軌道上用以聯(lián)結(jié)鋼軌和軌枕的零件，又稱(chēng)中間聯(lián)結(jié)零件，其作用是將鋼軌固定在軌枕上，文中將鐵路鋼軌扣件簡(jiǎn)稱(chēng)為扣件.當(dāng)前，針對(duì)扣件檢測(cè)，國(guó)內(nèi)外研究者圍繞基于計(jì)算機(jī)視覺(jué)的檢測(cè)方法開(kāi)展了廣泛的研究[1-4].文獻(xiàn)[1]提出了融合金字塔方向梯度直方圖（pyramid histogram of oriented gradients，PHOG）和宏觀(guān)局部二值模式（macroscopic local binary pattern，MSLBP）特征的扣件缺陷識(shí)別算法，研究中采用支持向量機(jī)（support vector machine，SVM）訓(xùn)練扣件分類(lèi)器.文獻(xiàn)[2]分別提取改進(jìn)后的邊緣梯度特征（improved edge orientation histogram，IEOH）和扣件端部的MSLBP 特征，采用層級(jí)加權(quán)進(jìn)行特征融合，并利用貝葉斯壓縮感知，完成扣件缺陷識(shí)別.文獻(xiàn)[3]針對(duì)六角螺栓型扣件，提出了用多層神經(jīng)感知分類(lèi)器來(lái)區(qū)分正常和丟失狀態(tài)的扣件.文獻(xiàn)[4]提出了快速模板匹配（fast template matching，F(xiàn)TM）算法，該算法首先運(yùn)用模板匹配算法根據(jù)軌道的幾何關(guān)系來(lái)定位扣件，然后采用最近鄰分類(lèi)器判斷扣件是完整狀態(tài)還是丟失狀態(tài)，最后用基于GPU 的CUDA 來(lái)加速FTM 中大量費(fèi)時(shí)的計(jì)算.高斯混合模型（Gaussian mixture model，GMM）在點(diǎn)集配準(zhǔn)[5-9]中具有廣泛的應(yīng)用，文獻(xiàn)[6]提出了統(tǒng)一的框架結(jié)構(gòu)用于剛性和非剛性的點(diǎn)集配準(zhǔn)，通過(guò)高斯混合模型表達(dá)輸入點(diǎn)集，然后通過(guò)求解兩個(gè)高斯混合點(diǎn)集的統(tǒng)計(jì)學(xué)差異最小化完成點(diǎn)集配準(zhǔn)，對(duì)包含一定量噪聲點(diǎn)和異常點(diǎn)的點(diǎn)集具有魯棒性.可變形部件模型廣泛應(yīng)用于目標(biāo)檢測(cè)領(lǐng)域[10-15]，文獻(xiàn)[10]在方向梯度直方圖（histogram of oriented gradient，HOG）特征的基礎(chǔ)上提出了可變形部件模型（deformable part model，DPM）算……