典型文献
高速铁路周界快速识别算法研究
文献摘要：
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.
文献关键词：
周界入侵检测;周界识别;视频智能分析;深度神经网络压缩
中图分类号：
作者姓名：
朱力强;许力之;周鑫;王耀东
作者机构：
北京交通大学 机械与电子控制工程学院,北京 100044;北京交通大学 载运工具先进制造与测控技术教育部重点实验室,北京 100044
文献出处：
引用格式：
[1]朱力强;许力之;周鑫;王耀东-.高速铁路周界快速识别算法研究)[J].铁道学报,2022(12):56-64
A类：
周界识别,LDNet,铁路视频图像,深度神经网络压缩
B类：
高速铁路,快速识别,识别算法,算法研究,视频智能分析,智能分析技术,铁路安全,安全运营,营具,精确识别,多尺度信息,信息融合,深度神经网络模型,不依,目标检测算法,锚框,不同尺度,尺度特征,特征图,铁轨,护栏,特征点,计算量,特征相似度,裁剪,MB,单张,多场景,算法识别,识别精度,周界入侵检测
AB值：
0.316494
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
