鐵路限界內(nèi)的異物檢測(cè)一直是軌道交通領(lǐng)域的重要課題,但是傳統(tǒng)的鐵路異物檢測(cè)采用幀間差分法,受光線和場(chǎng)景變化影響較大,無(wú)法滿足鐵路在線檢測(cè)的需要。目前,深度學(xué)習(xí)因其良好的特征表達(dá)模型和網(wǎng)絡(luò)訓(xùn)練模式,在圖像領(lǐng)域已經(jīng)顯示了巨大潛力,所以將深度學(xué)習(xí)引入鐵路異物侵限檢測(cè)系統(tǒng),具有重要的研究?jī)r(jià)值。本文設(shè)計(jì)了基于深度學(xué)習(xí)的異物侵限檢測(cè)系統(tǒng),完成入侵異物(落石,行人,動(dòng)物和車(chē)等)的自動(dòng)檢測(cè)功能,最終達(dá)到預(yù)警的目的。異物侵限在線檢測(cè)系統(tǒng)主要包括目標(biāo)提取,跟蹤,行為分析和目標(biāo)分類(lèi)模塊。(1)在目標(biāo)提取中,由于幀差法表現(xiàn)不足,研究者采用了混合高斯模型(GMM)和連通區(qū)域標(biāo)記算法實(shí)現(xiàn)前景目標(biāo)的提取,結(jié)果表明該算法對(duì)實(shí)際環(huán)境具有很好的適應(yīng)性。當(dāng)檢測(cè)出多目標(biāo)后,研究者采用最近鄰域數(shù)據(jù)關(guān)聯(lián)(NNDA)算法關(guān)聯(lián)不同幀中的相同目標(biāo),避免目標(biāo)丟失與錯(cuò)位。(2)在跟蹤環(huán)節(jié)中,研究者采用了基于HOG(方向梯度直方圖)特征的mean-shift跟蹤算法,實(shí)驗(yàn)證明HOG特征在光照變化和輕微的物體變形中具有更加可靠的魯棒性,而mean-shift跟蹤算法有效地避免了因目標(biāo)靜止而導(dǎo)致目標(biāo)丟失的情況。(3)行為分析主要是通過(guò)設(shè)置閾值判斷目標(biāo)是否進(jìn)入報(bào)警區(qū)域,目標(biāo)分類(lèi)主要根據(jù)寬高比原則判斷異物類(lèi)別,進(jìn)而確定是否報(bào)警。(4)基于傳統(tǒng)特征設(shè)計(jì)的鐵路異物侵限檢測(cè)系統(tǒng),被證明并不能滿足實(shí)際需要,因而研究者提出了 DMSM(deep mean shift model)模型,它解決了傳統(tǒng)的HOG和顏色直方圖特征在跟蹤過(guò)程中容易受到相似背景、姿態(tài)變化、光照突變、遮擋、目標(biāo)交叉運(yùn)動(dòng)等干擾的影響,實(shí)驗(yàn)在公共測(cè)試庫(kù)上進(jìn)行了測(cè)試,結(jié)果表明DMSM在鐵路異物侵限檢測(cè)中具有更高的精度和更好的魯棒性,顯示了強(qiáng)大的潛力并具有廣闊的發(fā)展應(yīng)用前景。
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史紅梅;柴華;王堯;余祖俊;;基于目標(biāo)識(shí)別與跟蹤的嵌入式鐵路異物侵限檢測(cè)算法研究[J];鐵道學(xué)報(bào);2015年07期

2 景亞鵬;鄭駿;胡文心;;基于深層神經(jīng)網(wǎng)絡(luò)(DNN)的漢語(yǔ)方言種屬語(yǔ)音識(shí)別[J];華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

3 陳紅;;鐵路客運(yùn)線路入侵行為智能綜合監(jiān)控系統(tǒng)[J];中國(guó)公共安全;2013年17期

4 李江;;鐵路營(yíng)業(yè)線施工安全風(fēng)險(xiǎn)控制探索[J];山西建筑;2013年19期

5 葛瑞鈞;;鐵路綜合視頻監(jiān)控新技術(shù)應(yīng)用“跨欄”而進(jìn)[J];中國(guó)鐵路;2013年02期

6 尚慶松;田孝忠;;高速鐵路異物侵限監(jiān)測(cè)系統(tǒng)的研究設(shè)計(jì)[J];科技信息;2013年01期

7 董宏輝;孫智源;葛大偉;秦勇;賈利民;;基于高斯混合模型的鐵路入侵物體目標(biāo)識(shí)別方法[J];中國(guó)鐵道科學(xué);2011年02期

8 孫永福;;中國(guó)高速鐵路的成功之路[J];鐵道學(xué)報(bào);2009年06期

9 王彤;;高速鐵路防災(zāi)安全監(jiān)控系統(tǒng)研究與開(kāi)發(fā)[J];中國(guó)鐵路;2009年08期

10 王彤;史宏;王前;王華偉;;客運(yùn)專線異物侵限監(jiān)控系統(tǒng)技術(shù)的研究[J];鐵路計(jì)算機(jī)應(yīng)用;2009年07期

相關(guān)碩士學(xué)位論文 前8條

1 劉文祺;基于深度神經(jīng)網(wǎng)絡(luò)的鐵路異物檢測(cè)算法[D];北京交通大學(xué);2016年

2 李睿;雙目視覺(jué)立體匹配算法在鐵路異物自動(dòng)識(shí)別中的研究[D];蘭州交通大學(xué);2014年

3 楊玲玲;鐵路異物侵限監(jiān)控技術(shù)方案及監(jiān)控系統(tǒng)危險(xiǎn)因素分析研究[D];西南交通大學(xué);2014年

4 陳碩;深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用研究[D];華南理工大學(xué);2013年

5 王永亮;面向高速鐵路的軌道異物檢測(cè)研究[D];北京交通大學(xué);2011年

6 王洋;京滬高速鐵路跨越或并行既有鐵路施工異物侵限報(bào)警技術(shù)研究[D];北京交通大學(xué);2010年

7 程為;高速鐵路異物侵限監(jiān)控系統(tǒng)設(shè)計(jì)[D];武漢理工大學(xué);2010年

8 習(xí)可;基于智能視頻技術(shù)的鐵路入侵檢測(cè)[D];中南大學(xué);2010年

本文編號(hào)：2159372