原文传递
基于视频深度学习的铁路周界入侵检测算法研究
| 题名： | 基于视频深度学习的铁路周界入侵检测算法研究 |
| 正文语种： | 中文 |
| 作者： | 王瑞;李霄峰;史天运;邹琪; |
| 作者单位： | 中国铁道科学研究院研究生部；北京交通大学轨道交通与数据挖掘北京市重点实验室；中国铁道科学研究院集团有限公司； |
| 关键词： | 铁路运输;视频智能分析;深度学习;周界入侵检测;特征金字塔;空洞卷积 |
| 摘要： | 基于视频智能分析的铁路周界入侵检测算法相比于雷达、振动光纤,具有成本低、误报率低的优点.针对视频中存在不同分辨率目标的问题,提出一种改进的Cascade Mask RCNN(CMR)模型,使用级联结构获得目标的准确定位.为增强模型对小目标的检测能力,在原始模型的基础上,增加基于特征金字塔网络(FPN)的多尺度特征提取模块和基于空洞金字塔汇聚(ASPP)子网络的空间上下文增强模块.在实际铁路周界入侵场景视频中验证了模型的有效性.结果表明,该模型可实现不同场景下的铁路周界入侵检测,相较于原始模型,新模型对小目标检测的F-measure提高了0.24.模型既解决了不同场景下铁路周界入侵检测问题,又有效地提高了视频智能分析对小目标检测的准确率. |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2020 |
| 期： | 02 |
| 页码： | 61-68 |
检索历史
应用推荐
