高速铁路周界入侵视频图像样本库

随着高速铁路的大规模建设与运营,视频监控系统在铁路沿线的应用规模越来越庞大,产生的视频数据爆炸性增长.基于图像的目标检测算法能及时发现监控画面中入侵高铁周界的异物,对保证安全运营具有重要意义.通过建设高铁周界入侵视频图像样本库,利用统一的高铁场景视频图像数据、目标检测算法、算法运行环境和算法评价标准,测试不同场景、天气...     

铁路安全视频监控和智能分析系统

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。     

多维三鉴复合传感探测技术在高速铁路周界安防中的应用

高速铁路周界入侵报警系统要求零漏报、低误报和精准定位。介绍高速铁路沿线环境特点和周界入侵的主要形式,提出在周界入侵报警系统中采用多维三鉴复合传感探测技术;阐述技术原理和系统结构,并提出采用视频监控作为复核手段,以便入侵确认和事后处置;重点对该技术在高速铁路周界安防中的应用场景和前端探测装置的安装位置进行分析研究;通过现场试验,验证了该技术在高速铁路周界安防中的有效性。     

高速铁路周界入侵报警系统关键技术研究及应用

简要论述高速铁路周界入侵报警系统建设的必要性及功能要求,重点对系统的关键技术进行研究和比选,针对高速铁路不同的应用场景及周界入侵报警系统试点工程应用情况,提出适合不同场景的可行性建议,为高速铁路周界入侵报警系统的建设实施提供参考。     

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。     

高速铁路沿线周界入侵报警系统关键技术研究

对高速铁路沿线周界入侵报警系统进行需求分析,根据高速铁路沿线重要设备及机构设施的分布特点和铁路运营安全的需要,就目前存在的多种周界入侵报警系统探测技术进行了对比和分析,得出不同探测技术适用的不同场景,并从系统架构、设备选型、与其他系统联动等方面研究高速铁路沿线周界入侵报警系统实施方案。     

基于微波阵列技术的高铁周界安防系统应用研究

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。     

基于微波阵列技术的高铁周界入侵探测系统应用研究

分析高铁周界安防技术现状,结合未来发展趋势,立足于核心管理需求,结合基于深度学习算法模型库的入侵目标探测与识别技术,以及基于数据通信技术的合法识别技术,提出基于微波阵列技术的高铁周界入侵探测系统。该系统能提升高铁周界入侵目标报警准确率,同时为合法施工人员管理提供了有效的技术手段。系统在京沪高速铁路廊坊段开展应用示范,取得了良好的测试效果,具备推广应用价值。     

基于多光谱的铁路周界入侵智能追踪一体化侦测系统研究

随着高速铁路大规模投入运营,其周界安全问题日益凸显。基于多光谱的铁路周界入侵智能追踪一体化侦测系统综合应用红外热成像、低照度高清可见光摄像机、计算机视觉、人工智能、高速嵌入式计算等技术,实现铁路周界内全天候、全天时稳定监测入侵情况。系统探测到入侵目标后,能够自动上传并跟踪入侵目标,为后续处置留存有价值的视频资料。该系统具有适应各种气候环境、应用范围广、布防灵活等优点。通过上道试验和实际验证,证明该系统性能良好。     

基于特征图裁剪的高铁周界入侵实时检测算法

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。     

窄带物联网下高速铁路周界入侵报警系统应用探索

基于窄带物联网(NB-IoT)技术构建高速铁路周界入侵报警系统,介绍了系统总体方案、软硬件及接口设计,通过模拟试验从技术层面初步验证了该系统的可行性和实用性,并可实现与铁路综合视频监控系统的联动报警。     

铁路周界入侵报警系统

高速铁路沿线配备周界入侵报警系统,可有效地对入侵者进行威慑、阻挡和报警。对目前铁路周界入侵报警系统的技术要求和技术方案进行论述,并对铁路主要应用的周界防护技术(振动光纤、电子围栏、对射探测)进行方案比选。应根据铁路沿线实际情况,选择适宜的铁路周界防护手段。     

高速铁路周界防护技术研究

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。     

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。     

振动光纤周界入侵报警系统在铁路的应用

为了及时发现并快速处置恐怖袭击和破坏铁路的犯罪活动,针对目前铁路沿线防护栅栏和人防能力薄弱的问题,建设周界入侵报警系统迫在眉睫。通过对周界报警系统的分析,提出振动光纤技术监测的解决方案。系统具有在线入侵行为实时监测报警能力,并能调取现场视频图像,第一时间向监控人员提供报警信息和事发现场的视频信息,为快速处置提供可靠的技术支持。     

基于高阶全连接条件随机场的高速铁路异物入侵检测方法

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。     

广州地铁5号线安防系统投入使用

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。     

铁路周界防护综合监控系统

<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     

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。     

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^...