[發明專利]一種多尺度特征融合的鐵路異物侵限檢測方法與骨干網絡

在審

• 申請號: 202210904763.3
• 申請日: 2022-07-29
• 公開（公告）號: CN115424031A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 郭保青;余祖俊;朱力強;王堯
• 申請（專利權）人: 北京交通大學;中國國家鐵路集團有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京衛平智業專利代理事務所(普通合伙) 11392
• 代理人: 閆萍

本發明涉及一種多尺度特征融合的鐵路異物侵限檢測方法與骨干網絡，多尺度特征融合骨干網絡包含M層，每層包括N個特征融合輸入和1個卷積輸入、N個特征融合輸出和1個卷積輸出；M層中上一層的N個特征融合輸出作為下一層的N個特征融合輸入，上一層的1個卷積輸出作為下一層的1個卷積輸入；M層中每層的卷積輸出同時作為該尺度下的特征。本發明的多尺度特征融合骨干網絡可提升對于鐵路目標特征的提取能力，尤其是對鐵路中小目標特征的提取能力；本發明方法提取的特征更顯著。同時，通過深度可分離卷積可降低骨干網絡的參數量和計算量，降低了骨干網絡的存儲壓力和計算壓力。

技術領域

本發明涉及鐵路運營安全檢測技術領域，特別是涉及鐵路異物侵限檢測方法與骨干網絡。

背景技術

鐵路作為國民經濟大動脈、國家重要基礎設施和大眾化交通工具，在我國經濟社會發展中的地位和作用至關重要。近年來，我國鐵路飛速發展，到2021年末，我國鐵路運營里程突破15萬公里，其中高鐵運營里程超4萬公里。隨著鐵路里程的迅速攀升，保障列車安全運營的任務逐漸變得艱巨。由于鐵路運行線路長、鐵路沿線氣候差異大、沿線技術設施防護不足且極易受到損壞等原因，使得鐵路周邊的落石、野生動物、行人等異物進入鐵路限界內，造成鐵路異物侵限事件，影響行車安全。同時，由于鐵路異物監測手段不夠完善，異物侵限事件很難在第一時間被發現，這對運營中的列車造成了安全隱患，所以及時而準確地發現鐵路侵限異物對于保障鐵路安全運營至關重要。

由于視頻監控具備信息豐富、成本低廉、結果直觀、無需在現場額外安裝設備、無需對上崗人員培訓等優勢，因此成為鐵路異物入侵研究常用的信息采集設備。隨著深度神經網絡的發展，基于深度神經網絡的目標檢測算法的檢測精度得到不斷的提升。在鐵路異物侵限監測領域，基于神經網絡的異物侵限監測方法逐漸成為了研究的主流。目標檢測算法是基于神經網絡的異物侵限監測方法的核心，骨干網絡是目標檢測算法的重要組成部分。骨干網絡在算法中承擔著特征提取的任務，骨干網絡的特征提取能力直接影響著算法的檢測精度，其推理時間也影響著算法的檢測耗時。

目前鐵路異物侵限監測算法常常使用的是基于公共數據集所設計的骨干網絡，或者是對通用骨干網絡的改進。然而鐵路數據集目標尺寸分布與公共數據集目標尺寸分布有著很大差異，鐵路場景中入侵目標尺寸分布比較集中，90％以上均為中、小目標，而公共數據集中的目標尺寸分布是均勻的。因此，直接使用通用骨干網絡作為鐵路場景中的特征提取器具有一定的局限性。針對鐵路場景的特殊性，不少學者也對通用骨干網絡進行了改進，包括在通用的骨干網絡中增加注意力機制、高低層級特征的融合、不同形式的模型剪枝等。雖然改進后的模型在檢測精度上有一定程度的提升，但是不斷的增加模塊使得骨干網絡過于臃腫，增加了計算量，延長了計算時間，雖然可以通過模型剪枝的方法來對模型進行瘦身，但這種方式會使得算法損失一部分的精度。

為進一步提升神經網絡在鐵路場景中的目標檢測能力，需要一種適用于鐵路場景的骨干網絡，該骨干網絡在保證大尺度目標特征提取能力的前提下，可提升對中、小尺度目標的特征提取能力，并基于所設計骨干網絡構建全新的鐵路異物侵限監測系統。

發明內容

本發明的目的是通過設計一種適用于對鐵路場景侵限異物進行特征提取的骨干網絡，強化骨干網絡對鐵路場景中目標的特征提取能力，提升對鐵路中侵限目標檢測的檢測能力，及時消除安全隱患。

為達到以上目的，本發明采取的技術方案是：