铁路周界入侵目标多尺度特征感知算法

准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明：提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^...     

智能技术在高速铁路周界安防中的应用研究

我国高速铁路里程长，气候、地质、人文环境复杂，传统技术防护手段难以满足高速铁路周界安防的要求。为了解决目前高速铁路周界入侵监测存在的问题，基于高速铁路周界安防需求，分析了高铁周界环境的特点，对现有周界技术防护手段的应用现状与存在问题进行总结。研究了3种典型的智能技术周界防护手段—智能视频分析、微波阵列传感探测、多维三鉴复合传感探测的技术特点及应用情况，为智能技术在高铁周界安防中的应用提供了思路和工作基础，并对智能技术在高铁安防中的应用提出了今后的研究方向。     

高铁周界异物入侵感知与识别系统

针对高铁周界异物入侵监测和预警需求,提出了一种融合分布式光纤传感技术、视频联动技术和智能识别技术的分布式、多维度高铁周界异物入侵感知与识别系统。通过使用布里渊光时域分析(BOTDA)技术进行应变监测以及相位光时域反射(Φ-OTDR)技术进行振动监测,可有效捕捉异物入侵事件。同时使用人工神经网络(ANN)对报警信号进行大数据分析,可降低系统误报率。该系统的应用能够大幅提高高铁运营安全预警完备率和应急响应效率,具有重大社会价值。     

基于改进FairMOT的铁路周界入侵检测方法

针对铁路综合监控视频中不同远近行人成像面积差异较大、自然环境变化产生干扰等因素造成的检测难题,提出一种改进FairMOT框架的周界入侵检测方法。首先,针对监控视频中不同远近的行人,通过在FairMOT框架中引入感受野模块,丰富不同成像大小行人检测所需的感受野,以更好地提取不同尺度特征信息;其次,针对夜晚时段方法检测性能较低的问题,在编码解码网络后融合空间注意力模块,强化夜间前景行人关键特征,同时优化目标跟踪和判断流程,实现稳定检测;然后,针对缺乏大量学习样本的问题,使用行人检测跟踪数据集与铁路真实数据集混合增强训练,提高方法在全天候检测中的泛化性和鲁棒性;最后,在MOT17数据集和铁路真实数据集上,对改进FairMOT检测方法与CenterTrack,Bytetrack等方法进行对比试验。结果表明：提出的改进FairMOT检测方法在白天和夜晚对不同大小目标检测中,均取得了最高的准确率和召回率调和均值,检测性能最好;方法检测速率为25.2帧·s^-1,能够满足实时检测要求。改进的FairMOT检测方法可以更有效地应用于实际铁路周界入侵检测场景。     

基于多种传感技术融合的高铁周界入侵监测报警技术及应用

铁路运输的行车安全是重中之重。人员违规上道、非法破坏或穿越铁路栅栏等人为因素,落石塌方、泥石流等客观自然因素,随时对列车行车安全构成重大威胁,高铁周界入侵报警监测技术对保证高铁安全运营具有重要作用。结合现阶段高铁周界入侵监测系统应用的具体情况及不足,针对不同场景的关键需求设计不同的监测方案,包括振动光纤+视频融合、毫米波雷达+双光谱融合、激光雷达+视频融合等3种技术方案,并将3种方案在银兰高铁中兰段宝台山隧道口（K357+147）进行现场部署及实测,测试结果表明应用效果良好。     

基于生成对抗网络的铁路周界行人样本生成算法

提出了一种基于生成对抗网络(GAN)的铁路周界行人样本生成算法,解决了深度网络训练时候,行人样本缺乏的问题.该算法在像素转换生成对抗网络(Pix2Pix GAN)和行人生成对抗网络(PS-GAN)的基础上,根据实际的铁路周界环境,进行了三点改进.实验说明,该算法能够生成更逼真的行人,并且和背景的融合度更高.     

基于5G的高速铁路自然灾害与侵限监测系统研究与设计

针对既有高速铁路自然灾害及侵限监测受限于通信网络条件限制的不足,本文研究提出基于5G高速铁路自然灾害与侵限监测系统技术方案,利用5G通信技术解决大容量监测数据传输及报警信息实时上车,有效提升高速铁路对自然灾害、异物侵限及周界入侵等安全事件处置能力,增强高速铁路列车运行安全保障能力。     

高速铁路动车组检查库设计研究（一）

叙述了高速铁路动车组检查库的主要作用及功能，简要介绍了国外同类动车组检查库的主要情况，提出了我国高速铁路动车组检查库的主要设计标准，包括检查库规模、作业能力、结构尺寸、设备配置等，可供我国动车段所检查库设计参考。     

高速铁路运营环境安全监测系统综述

铁路肩负着助力国家重大战略实施、支撑经济社会发展、满足人民群众出行需求的重要使命,确保铁路运输安全是铁路的工作重心。影响铁路运输安全的因素众多,其中铁路运营环境安全极其重要。我国铁路针对运营环境监测已经建设和应用了相关系统。根据监测对象和应用主体不同,阐述与综合视频、自然灾害、周界入侵、基础设施、接触网状态和列车超视距应用等相关系统的功能和应用情况;从系统自身智能化水平提升、海量视频图像数据价值挖掘和跨系统融合应用3个方面,分析系统智能化发展方向。     

神朔铁路智能视频入侵检测系统设计

神朔铁路智能视频入侵检测系统能够识别不同的物体,通过运动目标检测与分割算法,发现监控画面中的异常情况,并能够以最快和最佳的方式发出警报和提供有用信息,从而能够更加有效地协助安全人员处理危机,最大限度地降低误报和漏报现象.该系统已在神朔铁路安装运行,能有效监测数据,节省人力和资源,保证行车安全.     

基于序列互相关特性和SVM的入侵检测研究

通过刻画特权进程的系统调用来进行入侵检测已被广泛研究，采用的大多是人工智能方法，如支持向量机、隐马尔可夫模型和神经网络等。针对这种基于人工智能的入侵检测系统，本文提出应用序列互相关特性选择训练数据的方法。序列的互相关特性是刻画序列之间的相互关系的重要手段，使用具有一定特性的序列来训练人工智能模型，可以提高入侵检测的效率。在本文中，使用了支持向量机（SVM）来评价序列的互相关特性在模型训练中的作用。实验仿真说明，这种方法可以有效的提高入侵检测率。     

客运专线、高速铁路异物侵限监测方案优化

结合国内客运专线、高速铁路异物侵限监测系统的应用现状,详细分析了我国客运专线、高速铁路异物侵限监测系统监测手段、监测网安装方式、监测网防护对象、监测范围等,明确提出了适合我国客运专线、高速铁路异物侵限监测系统的建设方案优化建议。     

基于多神经网络的入侵检测系统模型研究

为了进一步提高入侵检测系统的检测性能,提出一种新型的基于多神经网络的入侵检测系统模型IDSMN.该模型引入多神经网络和模糊理论,基本思想是将网络数据集分成不同类型的子集,在不同子集上训练形成不同的子神经网络,然后用模糊理论进行多神经网络非线性融合,形成最优判断.     

空气采样早期烟雾探测系统在地铁火灾防护中的应用

空气采样早期烟雾探测系统也称为吸气式烟雾探测器,是一种基于光学空气监控技术和微处理器控制技术的烟雾探测装置.介绍了其工作原理及其特点:从等待烟雾的被动方式变为主动对空气进行采样探测.对传统火灾探测器和空气采样早期烟雾探测器在地铁环境中的应用特点进行了对比分析.提出在地铁特定区域内应采用空气采样早期烟雾探测器进行探测保护.     

几种人工智能技术在入侵检测系统中的应用

介绍几种人工智能技术,如多层感知机网络、自组织映射网络和支持向量机等,以及这些技术在入侵检测系统中的应用.     

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。     

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.