10.3969/j.issn.1001-8360.2022.12.007
高速铁路周界快速识别算法研究
快速获取铁路周界的准确位置是高速铁路周界入侵视频智能分析技术的基础,对于高速铁路安全运营具有重要意义.为了实现各种线路场景的周界自动快速精确识别,提出基于多尺度信息融合的铁路周界识别深度神经网络模型LDNet,该模型不依赖传统目标检测算法所使用的大量预设锚框,直接利用不同尺度特征图上铁轨、护栏的特征点拟合得到精确的周界,计算量少并可适用于各种铁路场景.为进一步提高模型的实时性,提出基于特征相似度的深度神经网络裁剪准则,将网络尺寸从114.29 MB压缩至2.99 MB,压缩后网络精度几乎无损失,但单张图片计算耗时降低61.5％.通过多场景铁路视频图像进行验证,该算法识别精度达到96.37％,明显优于现有的其他算法,并且计算耗时最短.
周界入侵检测、周界识别、视频智能分析、深度神经网络压缩
44
TP391.4;U215.8(计算技术、计算机技术)
国家自然科学基金62076022
2023-02-10（万方平台首次上网日期，不代表论文的发表时间）
共9页
56-64
