原文传递
基于YOLO的无人看守铁路道口视频监控技术的研究
| 论文题名： | 基于YOLO的无人看守铁路道口视频监控技术的研究 |
| 关键词： | 无人看守铁路道口;视频监控;图像识别;目标检测 |
| 摘要： | 随着我国铁路的逐渐发展壮大，通过无人看守铁路道口的机动车辆越来越多，铁路系统正常运作过程中还可能有人、其他车辆经过道口等不确定因素，所以对无人看守铁路道口进行管理亟需重视安全性问题。但现阶段已有的无人看守铁路道口视频监控装置智能化程度不高，缺陷较明显，所以针对无人看守铁路道口的智能化安全检测成为交通研究学者的重点研究方向。近年来随着无人看守铁路道口监控摄像头的普及应用，通过图像处理技术对目标进行自动检测也成为研究热点。 论文对无人看守铁路道口视频监控技术的检测和处理流程进行梳理，以目前已有的无人看守铁路道口监控视频装置为基础，设计了视频检测系统流程，并研究出了视频检测技术的代码，最终实现了无人看守铁路道口的安全检测和视频检测预警功能。 论文对视频检测技术算法结构和流程进行了分析研究，然后采用传统的帧间差分法对道口视频图像中的运动车辆及行人进行目标检测，采用Snake算法对运动目标进行跟踪。但此算法只能基本满足目标检测需求，不能对车辆和行人进行区分，且检测精确率低，不能满足无人看守铁路道口视频监控技术的要求。因此论文针对无人看守铁路道口的运动目标特性和道口状况进行研究，对比YOLO各代版本的优劣，选取了基于YOLO-v3算法的目标检测算法，实现了对运动目标的检测追踪，并且算法能够区分出人和车辆，检测出目标速度。在检测到即将发生的安全隐患时，可以实现报警功能。在基于YOLO-v3的视频检测系统中，本文采用了卡尔曼滤波跟踪算法，并在COCO数据集中完成了目标检测训练，在MARS数据集中进行了跟踪训练，视频检测系统完成了对运动目标的检测、追踪和预警。 本文研究测试视频采集自无人看守铁路道口真实场景，实验算法以python等软件为编程平台，研究结果表明，本文研究的基于YOLO的无人看守铁路道口视频监控技术可完成对视频中车辆、行人的检测，并且加以区分，运动目标检测准确率较高，最高可达到97.3%，为无人看守铁路道口的安全管理提供借鉴指导。 |
| 作者： | 何雨 |
| 专业： | 交通运输工程 |
| 导师： | 王振军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国矿业大学(江苏) |
| 学位年度： | 2021 |
检索历史
应用推荐
