基于改进深度卷积网络的铁路入侵行人分类算法

• 作者: 王宁 郭保青
• 来源期刊: 光学精密工程
• 学科: 交通运输
• 关键词: 铁路异物分类识别 行人检测 深度卷积网络 HOG组合特征
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 信息科学
• 页码范围: 3040-3050
• 页数: 11页
• 分类号: TP391|U216.3
• 字数: 7298字
• 语种: 中文
• DOI: 10.3788/OPE.20182612.3040

摘要

异物侵入铁路限界严重影响行车安全, 识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义.由于既有铁路图像异物侵入检测系统只能检测报警图像, 无法区分是人员侵入的正确报警还是光线干扰导致的误报警, 为了降低上述误报警, 本文建立了铁路异物侵限报警样本的训练集和测试集, 提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法.首先引入了改进的AlexNet深度卷积神经网络模型, 提取了自动学习的Alex高层特征, 然后将其与HOG特征相结合形成Alex-HOG组合特征, 最后利用组合特征对分类网络进行训练.铁路异物侵限报警测试样本库的实验表明, 该方法对1 498张测试样本图像的识别准确率高达98.46％, 时间为3.78s, 实时性和准确率均有较大提高, 对降低系统误报率具有重大意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭保青	北京交通大学机械与电子控制工程学院	23	323	11.0	17.0
5	王宁	北京交通大学机械与电子控制工程学院	24	132	7.0	11.0