基于优化YOLOv3网络的在途列车障碍物检测方法

卷积神经网络检测算法自提出以来,日益受到人们的关注,广泛应用于各行各业。然而,在城市轨道交通障碍物检测方面,由于列车制动距离长、响应度不够、突发状况多等问题,卷积神经网络尚未有过多的应用。针对城市轨道交通行车的特点,提出一种基于 YOLOv3 网络的在途列车障碍物检测方法,通过对该网络结构及训练方式的优化,提高网络对于微小目标的识别准确率,留给列车更多的响应时间,以提升该方法的实用性。经实验验证,该方法对于远距离目标识别有较高的准确率,检测速率约为 31 帧/s,是一种有效的列车在途障碍物检测方法。