基于孤立森林算法的铁路通信网潜在攻击检测方法研究

针对当前铁路通信网潜在攻击检测方法在识别异常攻击时忽略了对数据的降维处理,导致检测效率偏低、误报率和漏检率较高等问题,提出基于孤立森林算法的铁路通信网潜在攻击检测方法。将铁路通信网样本集通过数据类型划分为多个子集,通过对主成分进行分析,最大限度地减少不同子集间的降维影响,使各子集降维达到最佳;基于降维处理的数据,构建孤立森林潜在攻击检测器,判断数据异常行为;基于孤立森林算法更新铁路通信网潜在攻击检测器,实现铁路通信网潜在攻击检测。仿真试验结果:测试样本数量增加时,该算法的检测速率保持在90%以上,误报率和漏检率均小于等于0.02%,表明该方法在铁路通信网潜在攻击检测上具有一定的应用价值。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络.进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测.结果 表明:该方法能对普速...     

一种人群异常行为检测系统的设计与实现

针对城市轨道交通监控等方面的应用需求,设计并实现了一个人群异常行为检测系统.目前,大部分的监控系统只能进行运劝检测和跟踪,而本文设计的系统主要是对待检视频进行人群密度分析和人群运动分析,根据密度分析和运动分析得到的结果推断人群行为是否异常.其中密度分析部分主要是利用纹理特征分析结合支持向量机分类,实现了密度分级.运劝分析部分主要是改进传统的块匹配算法,再结合支持向量机分类,实现人群运动分析.     

基于半监督聚类的网络入侵检测算法

入侵检测是维护网络安全的重要技术手段之一.本文提出一种聚类算法:k-cubes,用于网络异常检测.算法采用基于网格的方法对网络连接数据进行预处理,然后以网格为数据处理单位进行聚类,在聚类过程中通过动态合并与分裂自动决定聚类的数目.在此基础上给出了半监督k-cubes聚类算法,并根据聚类的结果生成检测规则.k-cubes聚类算法适合处理高维并且含有多值字符属性的大数据量数据,同时具有输入参数少等特点.在KDD99入侵检测数据集上的实验结果显示,算法获得95.82%的检测率和1.25%的误报率,并且在识别新入侵的能力上,算法检测到17种新入侵中的15种.     

一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型

为提高无监督异常检测系统的检测率、误报率和检测效率,将数据集划分为不同的服务集,然后对每个服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并比较训练结果,取其中训练性能较优的方法建立对该服务的检测模型。检测实验表明,本文模型的检测率达到99.21%,误报率降低到2.2%。与不加服务划分的模型相比,本文模型的训练时间和检测时间分别降低为相应模型的21.17%和21.98%。与其他检测算法的比较结果也表明,本文模型在检测率和误报率方面具有更优的性能。     

基于深度学习的车站旅客密度检测研究

车站旅客密度是智能客运车站的重要基础信息。首先阐述模式识别、深度卷积神经网络、实时检测算法在图像检测领域的发展历程,并重点分析Faster-RCNN算法和SSD算法的原理;然后定义车站旅客密度检测评价指标,并对VOC数据集下训练的模型进行试验测试;最后构建车站行人数据集,用Faster-RCNN算法训练模型,模型在低密度场景和高密度场景的检测准确率分别为88%和85%。结果表明:公开数据集VOC下训练的模型无法直接用于车站旅客密度检测,基于车站行人数据集和Faster-RCNN算法训练的模型可满足现场需求。     

基于视觉识别的自动扶梯多维感知系统设计

在自动扶梯安全事故中,乘客的不规范乘搭是造成客伤的主要原因.为了对乘客的不规范乘搭行为进行预警,提出了基于视觉识别的自动扶梯多维感知系统.该系统包括视觉识别子系统和自动扶梯智能联动运行子系统两部分.阐述了视觉识别系统的软件架构,以及人群密度提取、人体动作异常检测、行人检测与跟踪的视觉识别算法.根据视频控制装置得到的监测...     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

柴油机混入异物时的异常振动检测方法

柴油机是内燃机车上的关键设备,要求早期检测出其异常以防止运行中的故障于未然,最为普遍的是利用基于振动的状态监测方法。本文在简要说明状态监测系统原理基础上,介绍了一种最近邻数据描述(NNDD)的简单方法,阐述了利用该方法进行异常检测时的待解决课题,以及其异常检测算法的改进方案和应用效果。     

人体姿态检测系统的设计与实现

针对铁路岗位监控视频需要大量人力查看的问题,设计并实现了人体姿态检测系统,实现7×24 h不间断智能检测。运用人体姿态检测算法对人体关键点进行提取,构建特征向量,通过支持向量机分类算法得到姿态类别,通过滑动窗口法判断是否有异常行为,当发生异常时进行本地提醒和远程报警。在行车室和机车司机室2种环境下进行测试,结果表明,该方法对于人员异常行为的召回率和准确率均达到97%以上,具有实用价值,可以为铁路岗位管控提供有效方法。     

基于视频监控的铁路客运站人群密度分析算法

如何通过视频监控系统实时分析诸如广场、候车室等公共场所的人流密度变化,检测局部和整体人群是否过分拥挤,预防群体伤害事故,是目前研究的热点问题。为此,提出一种新算法进行人数估计,该算法具有较好的鲁棒性,可以适应复杂的背景和光照条件。     

基于移动实时位置信令数据的轨道交通换乘行为分析

介绍了上海轨道交通清分规则。在现有上海轨道交通K条最短路径的清分算法基础上,融合移动实时位置信令(OIDD)数据,对换乘行为中的主要换乘路径选择比例进行精细化设置,并对次要换乘路径的换乘比例算法作出补充。通过对乘客行为的分析和应用,实现了对现有上海轨道交通清分规则中换乘路径比例的精细化计算。     

基于改进YOLOv5s的列车车厢客流密度检测方法研究

针对城市轨道交通（简称：城轨）列车车厢客流密度检测过程中人群密集、乘客间相互遮挡的问题，文章提出一种基于改进YOLOv5s模型的列车车厢客流密度检测方法。设计了基于车载闭路电视监控（CCTV,Closed-Circuit Television）系统监控进行实时目标检测的列车车厢客流密度检测模型；为解决人群密集及遮挡问题，对YOLOv5s进行优化，采用了双向特征金字塔网络（BiFPN,Bidirectional Feature Pyramid Network）结构加强网络特征融合，设计了一种损失函数计算方法，改进了非极大值抑制（NMS,Non-Maximum Suppression）方法，避免候选框误删除的情况。在标准行人检测数据集和自制地铁车厢乘客数据集上进行实验，结果表明，在两类数据集上，改进模型的检测精度均较原模型有所提升。     

基于大数据的铁路工程投标企业异常行为预警研究

基于铁路工程电子招投标积累的海量数据,识别预警具有异常行为的铁路工程投标企业。运用社团结构检测分析识别具有抱团行为的投标企业;再通过函数拟合预测投标企业中标次数,根据实际值与预测值的标准残差所落置信区间范围,分析识别中标次数异常的投标企业;最后综合分析2种方法的结果,构建铁路工程投标企业异常行为分级预警模型,识别具有串围标嫌疑的企业并分级预警。研究结果表明:基于铁路工程电子招投标大数据,综合社团结构检测和函数拟合分析两种方法,可以有效识别预警铁路工程投标企业的异常行为。     

基于指数权重算法的铁路互联网售票异常用户智能识别的研究与实现

为了确保公平公正售票,保障百姓购票利益,利用大数据技术,结合现有用户购票行为数据,设计基于指数权重的铁路互联网异常用户智能识别算法,并用2017年的用户行为数据进行测试,异常用户预测准确度达80%。测试结果验证了该算法的可行性,可以有效提高异常用户识别准确度,为保障12306铁路互联网售票系统的安全稳定运行及维护公平公正的售票环境提供了技术支持。     

基于改进YOLOv3的站口行人检测方法

针对YOLOv3算法在行人检测上准确率低和漏检率高的问题,提出一种改进型YOLOv3的行人检测方法,并将其定义为GA-Wide-YOLOv3。该方法首先以行人头肩小目标为检测对象,进行重构数据集,利用遗传算法重新对目标先验框进行聚类,优化anchor参数,提高先验框与数据集的重合程度;其次改进YOLOv3,通过加宽网络宽度、减少网络深度,获得针对小目标检测的较大视野阈,避免梯度消失;最后,将多尺度检测算法3个yolo层前的1*1,3*3的卷积组各去掉2组,减少头肩小目标在复杂背景下的漏检率。在收集的数据集HS6936上进行对比实验,结果表明,基于遗传算法改进的K-means算法,平均交并比为81.89%,提高了0.8%;改进的YOLOv3算法检测平均准确率(mAP)为75.35%,召回率为81.20%,查准率为99.99%,较原始YOLOv3算法分别提高了2.53%,0.88%和2.75%。     

铁路客运站视频监控系统中的行人逆行异常事件检测算法研究

由于铁路客运站的许多区域要求行人单向运动,因此检测视频中是否出现行人逆行异常事件,是保证铁路客运站拥有安全稳定乘车秩序的重要手段.鉴于此,本文提出了一种逆行异常事件的检测算法,首先基于HoG特征进行行人检测,随后利用mean-shift算法对目标进行实时跟踪,并通过判断其运动方向是否与规定方向一致,最终实现对逆行异常事件的检测.实验结果表明,该方法既能显著降低运算的复杂度,又能明显提高检测的准确率.