基于视频深度学习的铁路周界入侵检测算法研究

来源：交通运输系统工程与信息杂志2020年第2期北京时间：

作者：王瑞，李霄峰，史天运，邹琪

单位：1. 中国铁道科学研究院研究生部，北京 100081；2. 北京交通大学轨道交通与数据挖掘北京市重点实验室，北京 100044；3. 中国铁道科学研究院集团有限公司，北京 100081

摘要：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.

关键词：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

基金资助：中国国家铁路集团有限公司科技研究开发计划/Science and Technology Research and Development Program of China National Railway Group Co., Ltd.(K2018T002，SY2017-T001).