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。     

基于人体骨骼信息的列车司机行为智能识别

文章提出了一种基于骨架识别的人体姿态捕捉预测算法,用于识别列车驾驶员违章行为。该方法是将司机作业监控视频拆分成一组连续的图片组合,然后通过构建深度学习模型网络预测每一帧图片中的人体姿态,并使用逻辑回归模型对司机行为进行分类,最终,通过将识别出的司机行为与LKJ数据相关联,裁定司机行为是否违章。该方法比目前机务段靠人工抽检的方式更加高效合理,但其识别效果受限于车载摄像头清晰度。     

基于监控视频的异常行为检测技术研究

为了提高铁路视频监控的智能化,解决监控场景异常行为的自动检测和告警问题,设计并开发一套基于监控视频的异常行为检测及告警系统。系统采用B/S架构体系及高性能的异常行为检测算法和自动告警逻辑,可以实现对监控视频的实时检测和实时告警。在客户端提供灵活的系统配置模块和报表、告警管理模块,可以满足不同客户的需求。通过试用,系统可以在很大程度上降低人力成本,提高车站等公共场所的安全保障工作质量,同时也显现一些问题,并根据具体问题提出后期的解决方案。     

铁路限界检测系统中三维位置与姿态信息的测量方法

为了满足铁路限界检测系统中三维位置和姿态信息精确、连续、可靠和经济的测量需要,采用捷联式惯性导航系统(SINS)和全球定位系统(GPS)组成高精度三维定位与姿态测量系统,通过捷联式惯性导航系统自主初始对准获取初始姿态角信息,并通过惯性/卫星深组合滤波方法在线实时估计惯性导航姿态角误差,进行闭环修正,从而获得连续的高精度三维位置和姿态信息。铁路实车动态试验表明该方法测量的姿态信息满足现有铁路限界检测中激光扫描平台三维位置与姿态信息的需求。     

基于大数据的铁路时间同步网异常流量检测系统的研究

为快速准确地识别铁路时间同步网所受到的恶意攻击,设计一种基于大数据的铁路时间同步网异常流量检测系统。该系统首先采用无监督学习算法K-Means对部分数据进行训练,形成最优聚类模型,并通过该模型实现对异常流量的检测。将已标记的时间同步网数据输入系统,测试系统对异常流量的检测准确率及速度是否满足铁路时间同步网的要求。对系统识别出的异常流量特征进行分析,找出相关性较高的典型特征类型,并结合铁路时间同步网结构,针对该类型特征提出初步的攻击防御建议。研究结果表明:基于大数据的异常流量检测系统聚类时间70.434 682 s及准确率98.36%均满足大数据网络环境下铁路时间同步网的要求;基于时间和主机的网络流量统计特征可以为提升铁路时间同步网的安全性提供参考。     

基于智能视频分析的铁路入侵检测技术研究

针对视频监控系统人工监视容易产生疏漏的问题,研究在铁路场景下基于智能视频监控图像序列处理和分析的识别物体入侵行为检测技术,给出铁路入侵物体检测、定位与跟踪的适用算法,实现基于轨迹点行为模型的入侵行为分析与理解。设计和开发了基于OpenCV的铁路入侵检测实验平台,在此平台上实现背景建模、运动检测与跟踪等项功能,初步实现了对入侵行为的识别、分析以及对危险行为的报警。     

基于人群运动变化规律的异常行为检测算法

实时检测公共场所的群体异常行为对维护公共安全、保障人民群众的生命和财产安全具有重要意义。研究表明,当人群的动作行为按照一定规律变化时,人群是正常行为,反之则为异常行为。为此,文章挖掘视频中的人群运动变化规律,建立异常行为检测算法,对异常行为进行识别定位。该算法在UMN数据集和自建数据集上进行了性能评测,并与其他算法进行对比分析。实验结果证明了该算法在异常行为检测中的有效性。     

基于数据融合的轨道不平顺检测算法研究

针对轨道不平顺检测方法和检测精度问题,提出基于捷联式惯性导航技术,搭建以四元数为基础的"数学平台",融合里程计和射频标签修正里程位置信息,根据惯性测量单元加速度计和陀螺仪的数据进行轮轴姿态解算,通过互补滤波算法进行数据融合,并基于混沌增强果蝇优化算法进行滤波处理,获得以欧拉角表示的轮轴三维姿态数据,进而拟合实现轨道不平顺检测。实践表明,文章提出的数据融合检测算法,可以有效实现轨道不平顺检测,提高检测精度,为轨道维护保养提供基础数据。     

复杂场景下铁路货车锁紧板偏转故障检测

结合铁路安全运营的迫切需求,以铁路货车运行故障图像动态检测系统(TFDS)中锁紧板偏转故障检测为研究背景,在无故障目标自动识别模式下对锁紧板姿态进行故障判别。针对锁紧板姿态是否位于正常范围内,提出一种新颖的偏转角度估计方法。算法依据锁紧板轮廓由近直线段组构成,提出采用直线段特征描述物体,形成特征稀疏表达,并对直线段特征采用方向编码方式,在有向Chamfer匹配下实现偏转角度估计,整个过程仅需一个模板。实验证明该算法能有效识别出偏转角度位于正常范围内的物体,并具有较好的鲁棒性和准确性。     

基于北斗卫星的动车组车体姿态检测方法与实现

为保障动车组安全运行,大风条件下运行的动车组车体姿态检测十分重要,目前还没有应用于实时运营动车组的车体姿态的检测系统且很少有研究关注。为此,提出一种基于北斗的姿态检测方法,通过建立基于该方法的车体测姿模型,利用北斗载波相位对车载天线进行双差观测,采用QR分解变换消除观测方程的坐标参数,并采用LAMBDA算法固定载波相位整周模糊度,进而解算出基线矢量,实现车体姿态检测。通过算例实现和实际装车测试,验证了所述方法的有效性。     

基于支持向量域描述的铁路绝缘子污秽度异常检测分析

为实现对铁路绝缘子污秽度的在线检测,提出一种基于支持向量数据描述和图像信息的污秽度异常检测方法。以人工涂污实验获得的绝缘子图像为基础,通过最大类间方差法分割图像得到绝缘子的盘面区域,计算颜色及纹理空间的特征,并利用核主元分析方法对特征向量进行融合与降维,最后通过支持向量数据描述方法实现污秽度的异常检测。结果表明,该方法可有效降低绝缘子污秽度的异常检测过程中的漏警率和虚警率,满足实际工作需求。     

基于改进支持向量域描述的道岔转辙机运行状态异常检测

针对铁路道岔转辙机缺乏大量异常样本来实施其运行状态异常检测的问题,提出了基于改进的支持向量数据域描述方法的异常检测模型。以ZYJ7型液压道岔转辙机为研究对象,利用既有微机监测系统采集道岔功率数据。用聚类的方法对数据进行清洗,接着对功率数据在时间序列上进行解锁、转换和锁闭分解,分别提取其统计特征值,采用主成分分析(PCA)法对特征值进行降维处理,将经过处理后的数据输入到异常检测分类器进行模型训练和模型测试。实验结果表明,改进的支持向量域描述(SVDD)分类器对道岔运行状态的异常检测有较强的识别能力。     

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.     

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。     

铁路入侵运动目标实时检测技术

针对铁路场景下入侵异物的特点,采用智能视频技术,对监控视频图像序列中入侵运动目标检测方法进行研究．提出基于参考点的“相对背景差分法”、基于目标特征的跟踪算法和基于透视规律的目标分类方法,实现对多目标场景运动目标的实时检测识别。典型场景实验结果表明：上述算法实现了铁路入侵运动目标的高效检测,与基础背景差分法相比,误检率和漏检率分别减小了24．56％和54．17％;与基于区域的传统目标跟踪方法相比,误匹配率和漏匹配率分别减小了64．78％和22．58％,且算法具有较强的实时性和鲁棒性。     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战。提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷,并在钢轨缺陷数据集和实际线路上进行试验验证。研究结果表明:该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能,并在实际线路上达到100%的检测率。     

基于矢量瓦片技术实现铁路路网数据可视化

矢量瓦片技术通过融合矢量图形算法与金字塔规则,定义各类场景对应的坐标系及其转换方法,实现对矢量图形数据的分组与拼接。介绍矢量瓦片技术的基本原理、运用方法及其在铁路路网数据可视化方面的应用实践,证明了其在解决数据可视化方面的可行性和高效性;最后,对铁路运输调度系统改进运维模式、提高维护效率提出了建议和措施。     

基于大数据技术的铁路互联网售票异常用户行为分析研究与实现

近几年铁路互联网售票系统不断完善，给人民群众的出行带来了很大的便利，售票量不断增加，同时也存在抢票、囤票等异常用户行为，为了保障售票系统的安全稳定运行及维护公平公正的售票环境，提出了基于大数据技术的海量用户行为日志分析系统架构，有效地识别出异常购票行为。