基于改进YOLOv5的高铁周界入侵人员检测方法研究

作     者：傅荟瑾 史天运 王瑞 徐成伟 张万鹏 栗文韬 FU Huijin;SHI Tianyun;WANG Rui;XU Chengwei;ZHANG Wanpeng;LI Wentao

作者机构：中国铁道科学研究院研究生部北京100081 中国铁道科学研究院集团有限公司科信部北京100081 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081 北京经纬信息技术有限公司北京100081 

基　　金：中国国家铁路集团有限公司科技研究计划系统性重大课题(P2021T001) 

出 版 物：《铁道标准设计》 (Railway Standard Design)

年 卷 期：2023年第67卷第9期

页      码：162-169页

摘      要：针对高铁周界入侵人员检测研究中,存在远距离入侵目标识别效果差的问题,提出一种基于改进YOLOv5的高铁周界入侵人员检测方法。首先,在YOLOv5s模型的Neck网络层融合坐标注意力机制,以提升模型的特征提取能力;其次,增加一个预测层来提升对远距离入侵人员的检测性能;进一步地,利用K-means聚类算法得到数据集合适的anchor框;最后,改进边界框回归损失函数以提高边界框的定位精度。另外,构建了面向典型场景的高铁周界入侵图像样本库,利用样本库对改进的模型进行训练与测试。试验表明,改进后的模型可以有效检测出高铁周界入侵人员,改进了漏报误报等情况,比原始YOLOv5s模型的平均精度均值(IOU=0.5)提升了5.22%,模型在小目标场景下具有较强的泛化能力。

主 题 词：高速铁路 周界入侵 目标检测 注意力机制 损失函数 YOLOv5 

学科分类：08[工学] 0814[工学-地质类] 082302[082302] 0823[工学-农业工程类] 082301[082301] 

D　O　I：10.13238/j.issn.1004-2954.202203110002

馆 藏 号：203123367...