10.3969/j.issn.1000-3886.2019.04.034
基于传统图像处理算法和深度学习的轨道区域识别研究
异物侵入是造成铁路安全事故的重要原因,检测异物入侵的前提是准确的轨道区域识别.传统图像处理算法基于轨道图像的边缘特征和直线特征,综合运用Sobel算子和Hough变换识别图像中的铁轨,然后确定轨道区域.深度学习技术快速发展,在图像处理等方面展现了巨大的潜力.利用深度学习的目标检测算法,基于MaskR-CNN模型,训练轨道区域识别系统,通过在实际图片上验证效果,证明了系统识别的有效性.
轨道区域识别、Sobel算子、Hough变换、深度学习、MaskR-CNN
41
TP391(计算技术、计算机技术)
2019-08-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
111-114