铁路周界异物侵入的机器视觉智能检测技术-文献详情-维普官网

文献检索

任意字段

文献信息

任意字段
主题词
篇关摘
篇名
关键词
摘要
作者
第一作者
作者单位
刊名
中图分类号
学科分类号
DOI
基金

智能检索

高级检索

检索历史

铁路周界异物侵入的机器视觉智能检测技术认领

被引量： 2

作者：

王文杰

学位授予单位：

西南交通大学

摘要：

铁路作为客货运输的重要支柱和国家经济命脉,承载着超过60%以上的客运活动,保障铁路的安全运营尤为重要。特别对于普速铁路,排除一些铁路运营管理和操作上的失当,其他可能引发严重交通事故原因之一就是铁路周界范围内的异物入侵。尽管我国铁路基础建设不断完善,但各种异物入侵的情况仍时常发生。异物具有随机性、突发性和不可预测性,依靠传统人工沿线排查方法,工作量大、检查效率低、存在漏检风险,不能满足铁路安全运营管理需求;传统接触式检测(如搭建接触网)相对成熟,误检率低,但无法获取异物的详细信息。为了实现铁路异物侵入全天候的实时监测,满足智能化铁路安全运营要求,亟待设计和开发一套实时、可靠、准确的自动化异物侵入报警监测系统。本文针对传统方法成本昂贵、检测精度不高、存在漏检风险等不足,提出一套基于机器视觉的异物目标检测方案。实现异物目标跟踪和轨迹预测,开发了一套铁路异物入侵智能检测系统。通过在实际铁路场景下进行应用示范,同时进行结果精度评价,验证了系统的有效性。本文主要研究内容及相应成果如下:(1)为了满足铁路异物入侵检测实时性需求,提高检测准确性和效率,极大降低漏检及误检的几率,确定了基于深度学习的目标检测方案。同时,对比一阶段YOLOv5和二阶段Faster R-CNN卷积神经网络模型在实际铁路复杂场景下的目标检测精度,综合对比实验结果,确定了适用于铁路场景异物目标检测的高时效性方案。(2)针对目标跟踪定位精度不高、身份变化问题,提出了一种基于简单在线的深度关联度量跟踪算法Deep SORT,极大解决了传统单目标检测追踪目标遮挡丢失和数据关联性不强等问题。通过建立目标前后帧之间的深度关联,解决多目标跟踪算法在新旧目标切换和ID识别上的问题。同时,针对在系统检测过程中对于潜在风险预知性不足问题,提出基于卡尔曼滤波方法实现对行人目标的轨迹预测,并结合ROI区域判断侵限趋势,提升系统检测及预警的准确度。(3)整合目标检测识别算法和多目标跟踪算法,设计开发一套基于平台端和移动端监控设备的铁路周界异物入侵智能检测原型系统。原型系统由平台端和移动端两部分所组成:平台端是基于服务器基站采用Py Qt设计的一套UI软件界面,并嵌入各功能模块;移动端主要负责数据采集以及数据传输工作。最后对系统进行实际测试,检测和预警效果良好。这对于实现自动化、智能化以及高可靠性的铁路异物监测平台具有重大研究价值。

摘要译文

关键词：

铁路周界; 异物入侵检测; 机器视觉; 目标识别与跟踪; 轨迹预测

学位年度：

2022

学位类型：

硕士

学科专业：

测绘工程（专业学位）

导师：

曹云刚

中图分类号：

U298[安全技术];TP391.41[图形图像识别]

学科分类号：

082301[交通运输规划与管理];082305[交通安全与环境];083702[安全技术];081104[模式识别与智能系统];081205[人工智能];081206[计算机应用技术];0835[软件工程]

D O I：

10.27414/d.cnki.gxnju.2022.001987