一种基于深度学习的轨道交通障碍物检测方法
基本信息
| 申请号 | CN202011550241.5 | 申请日 | - |
| 公开（公告）号 | CN112633176A | 公开（公告）日 | 2021-04-09 |
| 申请公布号 | CN112633176A | 申请公布日 | 2021-04-09 |
| 分类号 | G06K9/00;G06K9/32;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 贺德强;邹智恒;刘力琼;陈彦君;徐伟倡;李先旺;李凯;邱晔枫;任若晨 | 申请（专利权）人 | 南宁中车轨道交通装备有限公司 |
| 代理机构 | 南宁智卓专利代理事务所（普通合伙） | 代理人 | 谭月萍;邓世江 |
| 地址 | 530004 广西壮族自治区南宁市西乡塘区大学东路100号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的轨道交通障碍物检测方法，按以下步骤进行：根据车载摄像头在列车运行时存储的视频筛选出包含障碍物的部分。将含有障碍物部分的视频制作成若干图像。使用数据增强方法将图像数量扩充。在图像上划分感兴趣区域，将检测范围设在轨道附近。由于YOLOv4网络对小物体检测不敏感，设计了D‑CSPDarknet特征提取网络，有效的解决了梯度消失问题且达到特征重复利用的目的。结合设置有3个特征金字塔池化模块的新特征融合网络，构成完整的Improved‑YOLOv4障碍物检测模型。在该模型上使用先前制作好的数据进行训练，得到用于检测的权重文件。利用该权重文件可进行列车障碍物检测。本发明可以实现列车前方障碍物实时检测，随着列车摄像头采集数据不断的扩充，检测精度随之升高，且安装成本低，效率高。 |
