一种半自动标注和改进深度学习的铁轨异物检测方法技术

本发明专利技术公开了一种半自动标注和改进深度学习的铁轨异物检测方法，包括：基于热红外人体分割结果，半自动标注数据集；针对铁轨户外全天候环境，对ResNet 50神经网络进行改进完成对不同环境场景的识别；根据场景识别的结果，对YOLOv5神经网络进行改进，识别铁轨异物；对图片进行铁轨轮廓提取，结合异物位置，设计了针对铁轨异物入侵的报警策略，进行分等级的报警判断。通过引入深度学习的场景分类结合改进的目标识别网络，本发明专利技术提高了不同环境场景下的铁轨异物识别的效果，提升了对异物入侵铁轨报警的精准度，结合科学的报警策略，降低了异物入侵铁轨造成列车事故的可能性。异物入侵铁轨造成列车事故的可能性。异物入侵铁轨造成列车事故的可能性。

【技术实现步骤摘要】
一种半自动标注和改进深度学习的铁轨异物检测方法

：
[0001]本专利技术涉及计算机视觉与模式识别、智能交通系统(intelligent transportation systems,ITS)领域，具体为一种半自动标注和改进深度学习的铁轨异物检测方法。

技术介绍
：
[0002]铁路驾驶辅助系统中的轨道异物入侵检测报警系统是铁路智能交通系统的一个重要组成部分，该研究主题直接来源于社会和市场需求，具有较好的应用前景和市场价值。根据《2019年铁路安全情况公告》显示，从2016年到2019年，铁路交通事故具体致死人数依次为932人、898人、857人和788人(国家铁路局《2019年铁路安全情况公告》)。
[0003]虽然目前铁路已经采取了设置隔离墙、隔离钢丝网和人工巡逻等方式来隔离外界对铁路正常运行的干扰，但由于很多地方人手不足无人看管以及铁路工人要经常夜晚巡检，仍然时常出现由轨道异物入侵导致的铁路运行事故。传统的检测方法需要在沿线铁轨安装多个摄像头，成本高且实时性较差。
[0004]在传统的检测方法中，中国铁道科学研究院的端嘉盈(端本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种半自动标注和改进深度学习的铁轨异物检测方法，其特征在于包括如下步骤：(1)提出基于热红外的人体分割算法，将分割结果映射到可见光图像中，快速获得可见光的人体标注框，建立YOLOv5训练数据集；(2)提出基于改进的ResNet 50模型的场景分类算法，指导执行不同场景下的人体识别模型的人体识别方法；(3)利用提出改进的YOLOv5模型的目标检测算法，离线训练分类模型，对铁轨异物进行目标检测，实现异物检测；(4)提出基于传统算法和改进深度学习的铁轨轮廓提取算法，实现对单张图片进行铁轨分割并提取轮廓；(5)提出根据铁轨分割结果和异物位置的异物报警策略算法，指导研判整张图片报警等级，实现报警等级判断。2.根据权利要求1所述的半自动标注和改进深度学习的铁轨异物检测方法，其特征在于，步骤(1)所述的快速获得可见光人体标注框通过以下方式获得：通过选取焦距一致的热红外摄像头和可见光摄像头，在场景温度低于25摄氏度以下的场景下，同时录制热红外和可见光视频；在此基础上，借助热红外人体在25摄氏度以下容易被otsu算法分割出来的特点，利用otsu算法自动完成热红外图像的分割，然后将分割结果映射到可见光图像中，从而直接获得大量可见光人体标注框结果；最后，对少部分可能分割错误的结果进行少量人工校正，半自动获取可见光的人体标注框，建立YOLOv5训练数据集。3.根据权利要求1所述的半自动标注和改进深度学习的铁轨异物检测方法，其特征在于，步骤(2)所述的改进的ResNet 50模型的场景分类算法为：针对ResNet 50场景分类模型，引入迁移学习机制训练模型，将ImageNet上预训练的模型权重迁移到模型中，以加速网络模型的收敛；...

【专利技术属性】
技术研发人员：王国华，谢函，古卓恒，连佩仪，凌海涛，陈嘉豪，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：