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。     

基于智能视频识别技术的机车司机行为辨识系统的设计与实现

介绍了基于智能视频识别技术的机车司机行为辨识系统的组成,该系统工作流程主要分为模型训练和实时视频司机行为分析。其中,模型训练基于6A系统视频监控子系统的大量视频数据,通过图像输入、图像标注、前向卷积网络模块、数据后处理模块、反馈网络模块5个流程后输出模型。该系统大大降低视频监控人员的工作量,并对机车司机不安全行为及时提示,保障运行安全。     

基于主动表观模型及PERCLOS的疲劳检测研究

针对城市轨道交通电客车司机长时间驾驶产生的疲劳问题，目前主要是通过规章制度及警惕按钮来解决，这样既增加司机的劳动强度，也对司机疲劳驾驶检测效果有限。文章针对电客车司机现场工作环境，提出了一种主动在线实时检测方法，该方法通过视频序列分析人脸信息，采用主动表观模型完成对人眼的识别及定位，采用PERCLOS算法完成对司机疲劳检测。实验证明，该模型和算法能够很好地完成对司机的疲劳检测。     

基于脑电信号的动车司机对突发事件反应时间的预测方法研究

准确预测动车组司机对突发事件的反应时间是构建危险性驾驶状态预警系统的关键技术问题。针对这一问题,提出一种基于实时脑电信号的动车组司机反应时间的预测方法。通过小波变换对脑电信号进行特征参数提取,作为动车组司机反应时间预测的客观指标。在此基础上,基于BP神经网络建立动车组司机对突发事件反应时间的预测模型。利用20名动车组司机连续驾驶2h的脑电数据与反应时间数据,对该模型予以试算。研究结果表明,脑电特征参数预测的反应时间与实际反应时间的最大绝对误差为8.66%～13.63%,相对均方误差为6.69%～10.97%,模型具有可用性。     

轨道交通车站闸机智能识别研究

以南京地铁1号线为例,介绍其车站闸机传感器的分布位置。结合人体尺寸数据,采用事件及区域识别相结合的方法,分析了乘客的不同行为对传感器状态的影响。通过采用传感器设计、事件的处理及识别技术,以及与数据库的对比分析,使闸机系统能智能识别逃票尾随现象,减小了票务损失。通过在特定通道增加人脸识别功能,可实现有效分流,并提高闸机工作效率;通过ARIMA模型分析预测乘客高峰期,可合理配置资源。     

机车司机值乘状态预警提醒装置的研究和开发

针对机车司机值乘过程中疲劳驾驶和瞭望精力不集中等危及行车安全的行为,论述了机车司机值乘状态预警提醒装置的意义、结构、工作原理和功能特点。实现了通过视频识别技术,检查司机值乘状态不良现象,并及时报警提醒的目的。试验表明,该装置的应用对确保机车安全运行能够起到积极的作用。     

基于OpenGL的高速列车司机室三维建模

提出一种VC++下基于OpenGL的动车组司机室三维建模方法.将SolidEdge中的司机室模型通过IGS接口转换至3 dsmax中渲染,借助于OpenGL这一开放的图形接口直接读取3ds司机室渲染模型进行显示.泣染模型可用于动车组司乘人员的教学与培训,取得较好效果.     

铁路远程瞭望系统研究与应用

本文提出一种铁路远程瞭望系统,该系统通过在铁路沿线安装相机和现场图像处理单元对线路现场图像进行采集和处理,识别是否存在异物等状态。现场图像处理单元将图像和状态发送给远程瞭望服务器进行存储。列车上安装的车载终端或工作人员的手持终端可以自主定位,并根据当前位置向远程瞭望服务器请求列车前方较远距离的线路图像和线路状态并进行显示。该系统可以扩展司机视野,作为现有行车控制系统的补充,保障列车运行安全。同时,本文提出一种基于Markov随机场的异物识别算法,该算法通过Markov随机场建立动态背景模型,可以有效提高异物识别的准确性。现场实验表明该系统可以有效实现限界内线路异物的识别,并能够实现系统预定功能。     

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。     

盾构竖向姿态的组合预测模型研究

由于盾构施工过程中盾构姿态演化的复杂性,单一预测模型很难实现较为精准的预测,提出了一种基于BP神经网络和支持向量回归(Support Vector Regression,SVR)的盾构竖向姿态组合预测模型.首先,利用经验模态分解将盾构竖向姿态时间序列分解为有限个固有模态分量和剩余分量;其次,在分别建立不同分量的粒子群优化(Particle Swarm Optimization,PSO)的BP神经网络与SVR预测模型后,将其预测结果分别进行叠加;最后,采用最优加权法对两个模型赋权以得到最终预测结果.为验证所提出模型的实践适用性,将其应用至成都地铁8号线某盾构区间中,并与PSO-BP和PSO-SVR模型的预测结果进行对比.研究结果表明:所提出模型的泛化能力更强、准确性更高,可为盾构竖向姿态预测提供一定的借鉴和参考.     

列车司机手势识别方法研究

按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP...     

地下铁道环境振动快速预测及可视化研究

采用Python语言编制了隧道-地层二维频域有限元建模程序,可实现地铁全线所有预测断面内地层与隧道建模信息的自动提取,以及模型的循环建立与自动求解,从而高效预测地铁通过时环境振动情况。将地表不同位置的振级绘成可视化图像,可用来直接识别不同行车条件以及不同地质环境下地铁周边环境振动的敏感区与安全区。将该模型应用于南京地铁1号线,发现现场实测值与理论计算值具有较好的一致性,从而验证了该模型的可行性与准确性。最后以南京地铁1号线为例展示了应用该方法预测地铁列车通过时地表振级的3种形式图。     

基于铁路智能视频的人群行为检测方法研究

近年来,随着"智慧城市"概念的的提出,更多新颖的技术和设备渐渐地应用于铁路建设与管理。铁路的管理、监控、控制等工作越来越依赖于智能视频系统。在现实应用中,火车站的场景是复杂多变的,而且行人在运动时会发生各式各样的变化,摄像机的抖动和光线的变化等,这些都是识别的难点。本文提出了一种新颖的人群行为识别的方法。该方法可以处理复杂环境下多个群体的行为识别。用不同描述子去描述同一子人群与不同子人群的内在互动。利用运动轨迹和人体外貌等信息提取三种人群行为描述子。通过在公共人群行为数据集的实验结果证明该方法的有优越性。     

一种基于小数据量的快速识别短时交通流混沌特性的方法

对短时交通流进行预测、诱导和控制是智能交通控制系统的重要研究内容。由于对短时交通流进行混沌特性识别时,存在实时性与样本数量之间的矛盾。因此,本文基于混沌时间序列分析理论,提出了一种快速计算短时交通流时间序列最大Lyapunov指数的小数据量方法,用于识别短时交通流中是否存在混沌特性。该方法首先将短时交通流时间序列在相空间中进行重构,以充分提取短时交通流中的相关信息。并结合庞卡来截面法对识别结果进行了验证。从而为对短时交通流进行分析、预测和控制时所采用的相应方法提供了可靠的理论依据。对实测短时交通流行为进行识别的结果表明,该方法具有计算量小、实时性好,对小数据量可靠且容易操作等优点。     

基于图像识别的高铁接触网紧固件开口销故障分类方法

针对高铁接触网紧固件开口销缺失、松脱和安装不规范等现象,基于图像识别理论提出一种开口销故障等级划分方案和基于机器学习的开口销分类方法。在分类阶段,首先采用SSD算法对接触网4C系统的回图进行开口销定位与识别,并采用Deeplabv3+进行语义分割,最后采用SURF特征检测器对语义分割图片提取关键点,再利用视觉词袋模型BOVW生成视觉码本,利用视觉码本对极端随机森林ERF进行训练并生成模型。极端随机森林通过网格搜索和交叉验证(Gridsearch+CV)实现参数调优,使用ERF模型对开口销图片分类。采用该方法对实际线路的图片进行实验检测,准确率达到了93.2%,且节省人力,能有效保障高铁的供电安全。     

基于Wiedemann模型的有轨电车运行过程仿真

以Wiedemann模型为基础,提出并建立了 一种基于生理-心理类模型的有轨电车运行仿真模型,并对模型进行校正和实际验证.该模型主要针对现代有轨电车司机驾驶行为和有轨电车牵引制动特性进行研究和分析.实际验证结果表明,该模型能有效地模拟有轨电车的运行过程.     

基于Wiedemann模型的有轨电车运行过程仿真

以Wiedemann模型为基础,提出并建立了 一种基于生理-心理类模型的有轨电车运行仿真模型,并对模型进行校正和实际验证.该模型主要针对现代有轨电车司机驾驶行为和有轨电车牵引制动特性进行研究和分析.实际验证结果表明,该模型能有效地模拟有轨电车的运行过程.     

基于多传感融合的有轨电车在途障碍物检测方法研究

有轨电车是一种具有混合路权的轨道交通方式,其行车安全主要依赖于信号系统及司机,因此研发一种能够辅助司机检查轨行区域安全的检测方法显得尤为重要。文章以SSD卷积神经网络的视觉障碍物检测方法为基础,通过多传感融合的方式,在其检测结果上融合激光雷达传感器的障碍物检测结果,实现对轨行区内障碍物的有效识别。实验证明,该方法对于列车在途障碍物有着较好的检测能力,是一种有效的列车行车安全辅助方法。     

派生人体尺方法的初探

通过２５２名机车正司机人体尺寸测量，利用逐步回归统计方法建立了反映人体尺寸间相互关系的回归方程，进一步将ＧＢ１０００－８８《中国成年人人体尺寸》所公布的有关尽寸做为自变量，从而获得国标中未公布的两臂展开宽、两臂功能上举高、上肢前伸长、上肢最大前伸长、坐姿下肢功能长、松驰坐高６组机车司机室设计中所需的派生尺寸。     

基于并行图卷积网络的无砟轨道监测测点异常识别

针对在服役过程中高速铁路无砟轨道结构健康监测可能出现由结构局部损伤或者传感器故障导致的测点异常问题,建立一种并行图卷积神经网络模型,来识别高速铁路无砟轨道监测测点的异常。采用结构早期初始状态的监测数据训练并行图卷积神经网络,获得结构初始状态下的测点数据之间的空间关联性;利用并行图卷积神经网络预测服役状态无砟轨道测点监测数据,实现轨道监测测点异常的识别;此外,对明显漂移的数据可基于有向图分析修正预测结果。将该方法应用于某高速铁路无砟轨道结构长期监测数据并识别了异常测点。