基于深度可分离卷积的地铁隧道巡检视频分析

• 作者: 孙明华 李渊博 杨媛
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 地铁隧道巡检 视频分析系统 深度可分离卷积 卷积神经网络 图像分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 691-698
• 页数: 8页
• 分类号: TP391.4
• 字数: 4933字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.04.016

摘要

地铁隧道安全目前主要依靠地铁轨道巡检员在轨道无车时人工巡轨检查,这种方法速度慢、工作效率低,而且巡检效果完全依赖于轨道巡检员的经验和状态.针对这一问题,提出了一种基于深度可分离卷积的地铁隧道巡检视频异常报警系统,该系统使用提出的SubwayNet卷积神经网络完成对巡检视频图像的分类.利用制作的地铁隧道巡检数据集对构建的卷积神经网络进行训练并保存模型,制作了图形用户界面并加入声音报警的功能,最后将程序文件打包为可执行文件.实验结果表明,该系统的分类准确率能够达到96％,速度能够达到52 fps,满足对视频实时、准确分析的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨媛	西安理工大学自动化与信息工程学院	92	559	12.0	19.0
2	孙明华	西安理工大学自动化与信息工程学院	1	0	0.0	0.0
3	李渊博	西安理工大学自动化与信息工程学院	2	0	0.0	0.0