共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
针对当前高速铁路沿线视频监控存在的问题与周界防范应用的需求,研发一种先进的周界入侵报警系统成为迫切需要。基于深度学习算法,研发了铁路安全视频监控和智能分析系统,重点阐述系统总体方案、主要组成和关键技术。系统采用智能化算法实现目标自动识别,有效克服了人员巡逻带来的巡视空隙等缺点,与其他非可视化防护存在高误报率、低可靠性等问题相比,能有效提高防护准确率和实效性,可为铁路安全运行提供更实用、更可靠的智能化防控技术手段。 相似文献
3.
4.
5.
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。 相似文献
6.
7.
阐述高速铁路周界环境复杂多样的特殊性,以及入侵精确定位、目标识别与可视跟踪、低误报漏报的业务需求。分析得出在高铁周界中红外对射、振动光纤、视频监控3类现有安防手段的优势与不足。总结微波阵列技术的技术原理,及系统的核心能力与环境适应性。系统能够满足高铁周界防护中的高精度入侵探测与定位、智能识别合法人员、多维度入侵事件表达、特殊复杂环境一体化部署的应用需求。 相似文献
8.
9.
10.
为解决高速铁路周界入侵高可靠度检测的难题,研究基于深度学习的异物入侵实时检测算法。针对深度卷积神经网络存在内存占用量大和检测耗时长的问题,提出以特征图L1范数为准则的递归裁剪算法,逐步降低模型计算量及储存空间,同时将检测准确率保持在较高水平。在基于ImageNet数据库和铁路场景数据库的测试中,该算法可以将VGG16模型压缩约660倍并加速计算4.4倍,而损失的检测准确率分别只有1.2%和0.25%。研究结果表明,基于特征图L1范数的裁剪准则普遍适用于任何具有卷积运算的神经网络结构中,性能优于现有基于卷积核L1范数的裁剪准则。 相似文献
11.
12.
13.
《高速铁路技术》2015,(2)
周界防护系统作为现代化安防领域的重要安全防护信息系统之一,在各个行业均得到了巨大的发展和应用,已逐渐成为不可或缺的安全防护信息系统之一。文章通过介绍现今主流的周界防护系统技术,如红外探测周界报警系统、脉冲电子围栏周界报警系统、震动电缆/光缆周界报警系统、泄漏电缆周界报警系统、张力式围栏周界报警系统及智能视频分析周界报警系统等,结合对高速铁路区间、重要机构设施及铁路安全运营等防护需求及各主流周界防护系统应用特点的分析,研究各周界防护系统在高速铁路的适用性,选择适用于高速铁路区间、重要机构设施及铁路安全运营的周界防护系统及具体技术解决方案,探讨高速铁路周界防护技术的应用及发展方向。 相似文献
14.
15.
16.
随着我国高速铁路的快速发展,运营线路里程不断增加,铁路异物入侵对列车运行安全的威胁日趋严重。针对现有基于计算机视觉的铁路异物入侵检测方法存在的检测精度差、误检率高等问题,提出一种新的基于条件随机场CRF的前景提取算法并将其应用于高铁周界入侵检测中。前景提取是计算机视觉中的一个重要问题,也是基于计算机视觉的铁路异物入侵检测方法的核心算法。基于CRF的前景提取算法针对动态背景、伪装色等关键问题引入全连接结构,并增加高阶势,同时采用基于快速卷积的CRF推断算法实现快速求解。实验结果表明,前景提取算法的总体检测效果在通用测试数据集上优于现有算法,并在铁路现场场景取得较好地应用效果。 相似文献
17.
《现代城市轨道交通》2010,(2):74-75
日前,广州地铁5号线三重安防系统正式投入使用。该系统主要由周界报警、闭路电视监视和广播3个子系统组成,能够全时、全方位对人或动物进入地铁安全控制范围进行视频和声音报警,有效保障地铁运营安全。其中,周界报警系统是通过敷设在金属围蔽网上的振动感应电缆实现对入侵行为的报警,并与闭路电视监视系统进行联动,及时显示入侵地点的视频图像。 相似文献
18.
《铁路通信信号工程技术》2015,(3):5
<正>由通号通信信息集团有限公司研发的"铁路周界防护综合监控系统"结合振动光缆、脉冲电子围栏、微波红外双鉴等多种前端入侵探测和报警手段,融合既有视频监控系统和IP语音报警系统的功能,实现报警与视频语音联动,周界报警与视频报警复合确认,提高报警的准确性和直观性,形成对铁路沿线的立体防 相似文献
19.
20.
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... 相似文献