基于人脸识别技术的铁路实名制进站核验系统研究及设计

设计基于人脸识别技术的铁路实名制进站核验系统,解决人证一致性自动检验的问题。利用人脸识别技术、应用集群技术、负载均衡技术,结合客票系统架构,实现旅客进站票证人一致性的核验,已经应用于多个车站。对旅客进站记录及数据进行收集和分析表明,人脸识别率达97%,旅客可以在5 s内完成进站核验,满足铁路旅客实名制进站核验业务的效率要求。结果表明,基于人脸识别技术的实名制进站核验系统技术方案的可行性,为铁路未来实施全面刷脸进站提供技术支撑。     

铁路站场巡检人员多环节地图匹配定位算法

由于铁路站场的特殊性和复杂性,现有的GPS定位算法难于满足站场巡检人员定位精度的要求。本文在分析铁路站场特性的基础上,依据站场的拓扑结构特点设计多环节地图匹配算法。即在无岔区段采用位置点匹配算法,而在有岔区段采用基于曲线拟合的地图匹配算法;在此基础上为进一步提高匹配精度和定位准确度,采用优先定位法进行定位匹配。实验结果表明,采用这种多环节地图匹配算法可使得铁路站场巡检人员定位误差率降低到3.7%,提高了地图匹配的精度和效率,满足了铁路站场巡检人员的定位需要。     

基于Faster R-CNN的人脸识别算法研究

人脸识别技术是身份认证的重要方式。旨在设计算法识别身份证人像与待检人像是否为同一旅客。使用卷积神经网络进行人脸识别算法的研究。使用检测人脸后计算人脸特征间欧式距离的方式进行算法设计,最终达到95%的正确率。结果表明, Faster R-CNN算法能较精准地检测人脸, VGG-Net可以较好地提取人脸特征值。     

铁路客运站安检区域人脸识别系统设计与实现

文章介绍铁路客运站安检区域人脸识别系统的构架及实现,包括人脸识别系统的视频采集、算法处理、人脸比对、输出报警等模块,最后给出该系统的实际应用场景.     

基于改进YOLOX与多级数据关联的行人多目标跟踪算法研究

目标跟踪是计算机视觉领域的基本问题,行人多目标跟踪在智能监控、智慧交通等多个领域有着广泛的应用前景。然而实际跟踪场景中存在频繁遮挡、尺度变化等情况,给多目标跟踪算法带来了极大的挑战。为了进一步提升跟踪精度,在DeepSORT的基础上,提出一种基于改进YOLOX与多级数据关联的行人多目标跟踪算法。对于检测器,为了增强网络的特征表达能力,提高检测精度,在YOLOX骨架网络与颈部网络分别引入ECA通道注意力模块与ASFF自适应特征融合模块。对于身份识别特征,为了减少数据关联步骤的错误匹配数量,提高跟踪效率,使用轻量的OSNet重识别网络与NSA卡尔曼滤波获取目标特征。对于数据关联,为了减少身份切换次数,避免目标丢失,将检测与跟踪都进行分类处理,使用不同的相似性计算方法,实现基于检测置信度与轨迹状态的多级数据关联。实验结果表明：与改进前YOLOX与DeepSORT简单结合的算法相比,在YOLOX中引入ECA模块与ASFF模块使误检数量大幅降低,使用YOLOX-s模型时降幅可达17%;结合OSNet模型与NSA卡尔曼滤波的特征提取方法能提高跟踪稳定性,IDF1指标提高0.77%,IDSW减少94...     

高速铁路轨道车载近景影像的精确匹配与建模

研究目的:为改善高速铁路轨道几何状态检测的速度和效率,引入近景摄影测量技术检测轨道几何平顺性,而轨道影像的准确匹配是图像定向建模的重要技术环节。针对高速铁路轨道近景影像的图像特征相对较少、影像色彩信息较为单一、图像灰度数值具有较高的相似性、轨道边缘匹配较为困难,本文提出一种车载近景影像轨道边缘提取与精确匹配的算法,在分析轨道影像特征及其变化规律的基础上,获得轨道影像同名点之间的坐标几何映射模型,实现轨道影像的准确匹配。研究结论:(1)轨道边缘同名点垂轨向坐标呈三次函数模型关系,沿轨向坐标呈线性模型关系,通过建立同名点坐标的映射转换模型,可实现同名点的自动准确匹配;(2)边缘匹配算法通过试验影像计算出一个像对的转换模型后,可以应用于相同拍摄条件下的其余所有轨道影像;(3)试验结果表明,本文提出的轨道图像匹配算法具有较高的精度潜力,可改善高速铁路轨道影像在灰度信息高相似性时匹配困难的问题,为近景摄影测量检测高速铁路轨道几何平顺性提供重要的技术支持。     

基于光照自适应调节和模糊分类的人脸图像质量提升算法研究

针对铁路人脸识别闸机使用中影响人脸识别准确率的光照和模糊问题，文章提出一种人脸光照自适应调节算法，以提升非理想光照条件下的人脸识别准确率；设计了模糊识别模块，以挑选清晰的人脸图像，提升旅客移动场景的人脸识别准确率。在自建数据集中进行算法实验，实验结果表明，采用文章设计的算法，人脸识别准确率达到97.21%，能够满足实际应用的需求，具有推广价值。     

基于轮廓线特征的三维人脸识别改进算法

研究基于面部轮廓曲线特征的三维人脸识别。为提取最优面部曲线特征,提出一种基于模糊聚类方法的人脸曲线特征优选算法。该算法从三维人脸深度图中选取最具代表性的8条轮廓曲线,作为主要识别特征,这在很大程度上降低了计算复杂度,克服表情和光照对人脸识别的消极影响,同时它用最少的轮廓线包含了所需要的人脸识别信息。基于这些人脸轮廓线特征,利用改进的Manhattan距离分类器来提高人脸识别的分类效果。实验结果表明,所提出的算法明显提高了人脸识别率,并且具有很强的鲁棒性。     

用于模型调整的脸部特征自动提取算法

脸部特征提取是人脸模型调整的关键步骤.本文提出了一种改进的利用变形模板提取脸部二维特征的算法.首先采用区域增长法和积分投影确定脸部位置;其后在分割的脸部区域,利用由人脸先验知识设计的模板进行模板匹配,确定各特征的边框;最后在特征边框内,采用一种新的匹配算法,利用变形模板提取眼睛和嘴部的特征点.由于变形模板的初始位置较准确,匹配搜索区间较小,故算法鲁棒性、准确性好,速度较快.本算法还考虑了脸部初始姿态.实验表明,对于简单背景的肩头象,该算法可取得较好的效果.     

基于深度学习的铁路客站视频融合智能监控系统的图像处理优化技术研究

针对复杂铁路客站现场全景视频高维特征缺乏、融合匹配不准确等问题,提出一种基于深度学习的铁路客站视频融合智能监控系统的图像处理优化技术。文章通过尺度不变特征变换算法检测出图像关键点,利用卷积神经网络进行高维特征提取,对错配点使用随机抽样一致性算法进行剔除,并对虚影问题进行了优化以获得更好的细节效果。提出的图像处理优化技术已应用于连云港—镇江高速铁路扬州东站。应用结果表明,该技术能有效防止图片失真,获得更好的拼接效果。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

基于改进SIFT算法的无人机倾斜影像匹配研究

铁路无人机倾斜影像具有数据量大,覆盖地物类型多等特点,且像片间具有不同的倾角与旋角,给影像匹配造成较大困难.为解决利用原始SIFT算法进行无人机倾斜影像匹配时复杂程度高、计算效率低等问题,在原始SIFT算法的基础上进行改进,提出一种减小图像尺度空间与降低特征描述符维度相结合的方法,即将尺度空间固定为2,将特征描述符维度...     

基于TF-IDF加权朴素贝叶斯算法的ATP车载设备测试案例分类研究

针对列车超速防护（ATP,Automatic Train Protection）系统车载设备测试案例分类存在的工作量大、效率低且准确性不高等问题，提出了将词频—逆文档频率（TF-IDF,Term Frequency-Inverse Document Frequency）与朴素贝叶斯算法相结合，应用于测试案例分类的方案。利用TF-IDF算法筛选特征词及权重，对朴素贝叶斯算法进行加权处理，并基于实验室现有ATP车载设备的测试案例进行验证。实验结果表明，文章的特征词提取及测试案例分类方法具有较高的准确性。     

基于2D的钢轨轮廓特征点提取方法研究

钢轨轮廓数据特征点快速、准确提取是保证钢轨轮廓精确匹配、轨道几何不平顺精确检测的前提。对基于二维激光位移传感器(2D)的钢轨轮廓测量数据特征点提取方法进行研究,通过对采集的钢轨半断面轮廓数据采用基于中值误差与连续度自适应调整权值的平滑滤波方法对实测轮廓数据进行平滑处理,解决存在分段的轮廓数据达到分段平滑的效果。提出钢轨轮廓特征曲线的概念,并给出特征曲线的一种定义方式,利用特征曲线上的特征点去快速定位实测轮廓特征点。最后,采用GJ-2型轨道检测车进行试验,通过对实际轨道进行轮廓测量,采用本文所提出的特征点提取方法对实测轮廓数据进行特征点提取,试验证明,该方法能快速、准确地定位轮廓特征点。     

基于级联滤波器深度学习的铁路安检人脸识别与验证研究

使用传统的全联通卷积神经网络（CNN）进行人脸识别和验证存在测试时间长、识别率低的问题。通过在铁路安检中使用多层（非线性）级联滤波器进行全向的抗噪声人脸识别与验证,提出一种基于级联滤波器深度学习的人脸识别和验证方法。与使用优化的全联通CNN相比,级联滤波器应用非线性阈值函数能有效提高滤波识别准确率和缩短识别时间。实验结果表明,这种结构可以级联以形成多层级联滤波器,平均识别率优于全联通CNN 8%以上,并在识别效率上提高3倍以上。最后,给出两层级联滤波器在人脸识别和验证中的性能,为铁路安检中的身份验证提供了理论支持。     

基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统

当前，我国高速铁路客运车站钢结构雨棚螺栓缺失检测过于依赖人工目测，其危险系数大、成本高、效率低且误检率高。为解决该问题，提出一种基于YOLO(You Only Look Once)算法的螺栓缺失检测系统。该系统采用YOLOv4卷积神经网络，对现场采集的钢结构雨棚和接触网螺栓进行标注，通过K-means聚类算法，确定锚框数目和尺寸；利用CutMix和Mosaic等数据增强操作，增加训练数据的多样性，避免出现训练过拟合。试验结果表明，该系统类别识别准确率可达85%以上，识别效果较好，满足检测实时性要求。     

基于RetinaFace的人脸多属性检测算法研究

为提高铁路刷脸检票业务中人脸检测的平均精度,通过研究分析人脸检测算法RetinaFace,针对闸机应用场景制定损失函数,提出了一种基于RetinaFace的人脸多属性检测算法,实现了人脸框位置、人脸是否佩戴墨镜以及人脸遮挡程度等信息的准确输出.算法使用轻量化骨干网络MobileNet-0.25网络结构,移除非必要的分支...