基于改进YOLOv5的高铁周界入侵人员检测方法研究

作者：傅荟瑾; 史天运; 王瑞; 徐成伟; 张万鹏; 栗文韬

来源：铁道标准设计, 2023, 67(09): 162-169.

DOI：10.13238/j.issn.1004-2954.202203110002

• 高速铁路
• 周界入侵
• 目标检测
• 注意力机制
• 损失函数
• YOLOv5

针对高铁周界入侵人员检测研究中，存在远距离入侵目标识别效果差的问题，提出一种基于改进YOLOv5的高铁周界入侵人员检测方法。首先，在YOLOv5s模型的Neck网络层融合坐标注意力机制，以提升模型的特征提取能力；其次，增加一个预测层来提升对远距离入侵人员的检测性能；进一步地，利用K-means聚类算法得到数据集合适的anchor框；最后，改进边界框回归损失函数以提高边界框的定位精度。另外，构建了面向典型场景的高铁周界入侵图像样本库，利用样本库对改进的模型进行训练与测试。试验表明，改进后的模型可以有效检测出高铁周界入侵人员，改进了漏报误报等情况，比原始YOLOv5s模型的平均精度均值(IOU=0.5)提升了5.22%,模型在小目标场景下具有较强的泛化能力。

• 单位
  中国铁道科学研究院; 中国铁道科学研究院集团有限公司