铁路轨道异物完整性检测与跟踪算法研究

来源：交通运输系统工程与信息杂志2019年第1期北京时间：

作者：牛宏侠，张肇鑫，宁正，陈光武

单位：兰州交通大学 a. 自动控制研究所；b. 甘肃省高原交通信息工程及控制重点实验室，兰州 730070

摘要：针对野外复杂环境下轨道异物检测不完整问题，提出基于小波变换的像素过滤思想改进GMM，构建背景模型；为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题，分析Kalman滤波线性化误差，搭建BP神经网络修正 IMM的跟踪模型，实现轨道异物跟踪预测，并推导出非线性Kalman滤波关系.实验表明，改进GMM在正常天气下平均前景误检率降低了24.94个百分点，针对复杂恶劣天气平均前景误检率降低了33.76个百分点；建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪，而且比Kalman滤波和IMM更加平稳，误差更小.

关键词：信息技术,检测与跟踪,像素过滤,轨道异物,BP神经网络-IMM-Kalman

基金资助：国家自然科学基金/National Natural Science Foundation of China(61863024)；甘肃省高等学校科研项目/Gansu Provincial Higher Education Research Project(2017A-026, 2018C-11).