基于视频深度学习的铁路周界入侵检测算法研究

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 R-CNN(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.

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

所属期刊栏目：20

分类号：U298.1(铁路运输管理工程)

资助基金：中国国家铁路集团有限公司科技研究开发计划/Science and Technology Research and Development Program of China National Railway Group Co., Ltd.K2018T002,SY2017-T001

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：61-68