李 超，刘子宽

(中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081)

为了满足日益增长的运输需求，列车不仅在运行速度上逐步提高，运行密度上也在不断加大，因此如何保障列车运行的安全可靠性已成为目前亟需解决的重要问题.尤其针对高速运行的动车组，铁路部门提出了动车组运行故障动态图像检测系统(TEDS)[1]，该系统利用轨边安装的线阵摄像机，采集运行中动车组的各个部位图像来进行故障自动识别，从而监测当前动车是否存在结构件的变化，并据此进行实时报警.

然而现有的动车组故障识别方法大多通过与历史图像相比较来找寻差异区域，从而定位故障位置.由于采集时间和维修业务等原因，容易造成历史图像所构成的模板库存在较大的类内差异性，需要不断地更新模板库，且现有方法难以保障故障检测的误报率与漏报率[2-5].模板库内的历史图像由于拍摄时间的不同，存在光照、成像像素不同，极易造成同一列车的成像尺度和成像像素存在较大的区别，因此误报率居高不下.此外，列车在修理时会出现部分零部件的更新换代或位置调整，均会使得模板库的类内差异性增大，从而增加误报率[6].为此，本文提出了一种无需预设模板的动车组故障识别算法，该算法将当前列车的其他车厢作为历史图像来进行图像比对，从而定位故障区域，有效提高了检测准确性.

本算法首先对列车组的车头车尾位置进行标定；……