机器视觉下的卷积神经网络在高速铁路场景分割与识别中的应用

作者：齐云国

来源：工业控制计算机, 2021, 34(07): 68-70.

• 卷积神经网络
• 异物侦测
• 高速铁路
• 场景分隔

由于异物入侵(FOI)可能会对高速铁路造成不可估量的危害,研究了卷积神经网络(CNN)在机器视觉下高速铁路场景分割和识别中的应用。它主要探索FOI的场景。在对FOI场景识别的以往研究基础上,首先提出了研究思路和目标。利用CNN方法对模型进行训练,设计了适合研究场景的检测区域划分方法。研究了这三种异物检测方法,以选择一种更合适的异物检测方法;然后,全面设计了智能的FOI检测算法。研究发现:(1)基于Vibe算法的背景差分方法的单帧图像处理时间比其他两种算法长,基于这三种算法的优缺点,背景差分法适用于固定视频场景,不适用于照明等外部因素影响较大的场景。帧间差异方法适用于快速检测;(2)异物检测模型对于行人具有大量的遗漏识别。自行车和汽车的误报主要是由于大面积的遮挡以及背景色太近所致。但是,随着样本数量的增加和机器学习样本类型的增加,上述情况将大大改善。就FOI识别的整体效果而言,设计的FOI识别算法可以很好地识别异物的存在,并且具有较高的识别准确率。

• 单位
  潍坊职业学院