一种基于迁移学习的特殊场景下铁路异物侵限检测方法技术

本发明专利技术提出了一种基于迁移学习的特殊场景下铁路异物侵限检测方法，包括以下步骤：S1：数据收集；S2：数据扩充：利用图像风格转换器将图像转换成不同域的图像，实现图像风格的迁移；S3：数据处理；S4：目标检测与跟踪。本发明专利技术首先针对恶劣天气环境和夜晚场景下训练样本过少的问题，将常规场景样本迁移到相应场景下，建立不同天气、不同时间条件下的铁路场景目标样本库；其次，基于深度卷积神经网络，通过目标检测SSD算法与CAFFE框架的结合，实现铁路场景下异常目标的检测，再结合生成的复杂样本库，实现基于迁移学习的复杂天气情况下的模型训练，利用模型的目标检测、跟踪与行为分析。

A detection method of Railway Foreign Body invasion in special scene based on Transfer Learning

【技术实现步骤摘要】
一种基于迁移学习的特殊场景下铁路异物侵限检测方法
本专利技术涉及铁路异物侵限检测领域，特别是涉及一种基于迁移学习的特殊场景下铁路异物侵限检测方法。
技术介绍
行人、动物、边坡落石等高危异物进入铁路周界会给列车的行车安全带来巨大威胁。因此，对异常事件进行实时的检测预警工作，对于保障列车运行安全具有重大意义。目前铁路异物侵限检测主要有两种方法：接触式铁路异物检测和非接触式铁路异物检测。接触式检测技术包括双电网布防检测方法、光纤光栅方式检测等；非接触式检测技术包括雷达技术、红外对射技术、基于视频分析等。其中基于视频分析的检测方法，利用相机采集视频后，后端进行检测分析处理，能够实时的进行检测预警，使用较为广泛。然而该类方法在特殊场景下容易受到环境因素的干扰，检测效果存在一定缺陷，影响实际使用中的正常工作。对于夜晚场景下的高效检测是重点之一。在夜晚场景下，通过高清红外相机所获取到的实时图像，区别于白天获取的图像，夜晚红外图像存在不具备颜色特征、图像内质量偏低、纹理信息不足和区分度不高的问题。由于夜晚普通场景样本和夜晚铁路场景样本数量较少，采用传统本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的特殊场景下铁路异物侵限检测方法，其特征在于，包括以下步骤：/nS1：数据收集；/nS2：数据扩充：利用图像风格转换器将图像转换成不同域的图像，实现图像风格的迁移；/nS3：数据处理；/nS4：目标检测与跟踪。/n

【技术特征摘要】
1.一种基于迁移学习的特殊场景下铁路异物侵限检测方法，其特征在于，包括以下步骤：
S1：数据收集；
S2：数据扩充：利用图像风格转换器将图像转换成不同域的图像，实现图像风格的迁移；
S3：数据处理；
S4：目标检测与跟踪。


2.根据权利要求1所述的一种基于迁移学习的特殊场景下铁路异物侵限检测方法，其特征在于，所述步骤S1中数据收集的方法为：
在铁路区域布置红外高清相机，采集不同时段、不同天气情况下的铁路样本图像；通过网络途径搜集相同场景下的铁路图像与非铁路图像。


3.根据权利要求1所述的一种基于迁移学习的特殊场景下铁路异物侵限检测方法，其特征在于，所述步骤S3中数据处理的方法为：
通过对现有的图像数据进行旋转和/或镜像和/或下采样，进行归一化处理，增加噪声和模糊处理，增加学习样本的复杂性，提高模型学习效果；
再对全部数据样本进行标定，并制作XML文件和LMDB文件，满足模型训练要求。

【专利技术属性】
技术研发人员：李云栋，董晗，刘艺，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京;11