基于深度神經(jīng)網(wǎng)絡(luò)的鐵路異物檢測算法.pdf

1、對入侵到鐵路限界內(nèi)的異物進(jìn)行準(zhǔn)確地檢測，一直以來都是軌道交通領(lǐng)域的一個重要課題，在實(shí)踐和科研領(lǐng)域都具有持久的研究熱度。尤其是隨著高速鐵路技術(shù)的不斷深入，我國高速鐵路建設(shè)的不斷發(fā)展，設(shè)計(jì)一種識別性能優(yōu)異、可靠性高、能夠應(yīng)用于實(shí)際鐵路運(yùn)營的檢測算法，更是具有重要意義。目前而言，傳統(tǒng)基于視頻技術(shù)的異物檢測算法依賴于背景幀差方式，易受場景和光線變化的干擾，錯檢率較高，無法滿足鐵路現(xiàn)場長期在線檢測的需求。而深度神經(jīng)網(wǎng)絡(luò)作為一種近年來新興的機(jī)器學(xué)習(xí)

2、算法，具有較傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)、更優(yōu)秀的特征提取方式和網(wǎng)絡(luò)訓(xùn)練方式，在圖像領(lǐng)域表現(xiàn)出了強(qiáng)大的處理能力。
　　本文以鐵路線路是否被列車占用為研究任務(wù)，設(shè)計(jì)了基于深度神經(jīng)網(wǎng)絡(luò)的檢測算法，并以實(shí)際鐵路場景圖像作為網(wǎng)絡(luò)樣本，研究了深度神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化方式以及算法的泛化性能。首先，在鐵路現(xiàn)場采集的視頻的基礎(chǔ)上，用傳統(tǒng)檢測方式設(shè)計(jì)了自動分類算法，結(jié)合人工校核構(gòu)建出了數(shù)量豐富且準(zhǔn)確分類的圖像數(shù)據(jù)庫;隨后，設(shè)計(jì)五層的深度信念網(wǎng)絡(luò)，

3、實(shí)現(xiàn)了算法對于圖像的識別功能，并通過單相機(jī)的圖像研究了算法對于鐵路場景圖像的結(jié)構(gòu)及參數(shù)優(yōu)化方法，較好地實(shí)現(xiàn)了預(yù)期的識別任務(wù);最后，使用不同相機(jī)的圖像，研究測試了算法的泛化性能，通過調(diào)整訓(xùn)練樣本及網(wǎng)絡(luò)結(jié)構(gòu)的方式，驗(yàn)證了算法具有較好的泛化性能。通過使用深度神經(jīng)網(wǎng)絡(luò)的方式，改變了原先固有的異物檢測模式，代之以場景圖像直接分類判斷，規(guī)避了檢測提取方法的種種誤差和不足，在對實(shí)際場景視頻的測試中取得了良好的效果，表明算法具有較好的識別能力和實(shí)用意義