基于视频深度学习的铁路周界入侵检测算法研究

作者：王瑞; 李霄峰; 史天运^*; 邹琪

来源：交通运输系统工程与信息, 2020, 20(02): 61-68.

DOI：10.16097/j.cnki.1009-6744.2020.02.010

• 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

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 RCNN(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.

• 单位
  中国铁道科学研究院集团有限公司; 北京交通大学