基于迁移压缩的铁路周界入侵分类网络快速训练算法

发布时间：2020-10-22 00:34

　　 异物侵入铁路周界对铁路系统运营安全构成潜在的威胁,基于视频分析的周界入侵监测系统需要完成异物入侵的识别和分类,从而及时报警以确保运营安全。由于铁路场景复杂、环境干扰因素多,且监测采用多相机协作的方式,研究能够适应各种场景并具有较高分类准确率和性价比的铁路视频智能识别技术具有重要的意义。目前深度学习算法在铁路场景上已有较好的应用,但是依旧存在着分类效果和泛化性能较差、训练耗时久以及模型内存占用空间大等多重问题,难以满足实际需求。本文针对这一难题,提出了一种基于网络迁移压缩的深度神经网络训练算法,利用迁移学习高效地优化不同场景深度神经网络,并对其进行同步剪枝压缩以解决深度网络参数多、内存占用大的问题。论文首先通过采集真实铁路现场多相机监控视频,构建丰富的样本图像库,包含空场景、列车运行、人员上道入侵等三个类别;针对既有VGG16卷积网络模型计算量大的问题进行改进,并在混合多个相机场景的数据库上训练得到一个最优的综合分类网络模型。随后,针对最优综合分类网络模型在单个相机场景上识别准确率较低和网络规模较大的问题,提出采用网络迁移学习与网络压缩同时进行的方式,在单个相机场景的少量样本上进一步训练优化网络结构与参数。针对现有网络压缩准则的不足,提出了基于特征图L1或L2范数的递归式裁剪准则,通过多次裁剪冗余卷积核以不断压缩网络至满足目标需求。最后,利用本文提出的方法分别测试了不同相机场景的分类效果。实验结果表明,该方法可以实现对原始VGG16网络模型的大幅度压缩,而精度损失较小,满足了大量不同场景深度识别网络的快速训练需求。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;U298
【部分图文】：

看来作安全监测。国外较早开始研究基于图像方法的异物检测。国内外在铁物检测方面的研究目前可以看出图像处理方法、双目立体视觉等类似的方法［比其他传统的方法普遍性地具有容易实现、成本较低、容易实现异物精确定可靠性相对较高等优点，同时在其他传统方法存在的安装复杂困难、适用性极其容易受环境、天气和光线等的影响、误检和漏检可能性大等不足之处的也表现地相对比其他方法要好。??综上所述，相比较来说，非接触式检测技术安装方便，覆盖范围广，灵确，尤其视频技术更加具有光明广阔的应用前景［１３］。目前而言，视频监控凭准确性、直观性、信息丰富及监控范围大等特性为铁路运输系统的安全保障了极大的帮助，铁路视频监控效果如图１－１所示。因此，铁路周界入侵监测系基于视频监控分析的检测、识别和分类更加具有可靠性。此外，铁路场景十杂，传统的处理算法易受环境变化、光线、天气等因素的影响，现有综合视控系统，虽然具有初步的视频分析和识别能力［１Ｍ５］，但是识别的准确率不高，在大量误检的情况，只能在无人值守的机房等简单场合使用，无法在复杂场夜间使用。因此极其有必要研宄能够适应各种场景，并具有较高识别准确率路视频智能识别技术。??

?＾???物力资源。而对于不同的应用场景，即使是非常类似的场景，都需要使用新场景??的数据重新进行训练，一定程度上限制了方法实际应用的能力。迁移学习方法是??运用已有的知识对不相同但相关方面的问题给予解答的方法［１７］，如何提升识别方??法的泛化性能使之针对新的未曾经过训练的铁路场景数据亦能够较快地达到非常??好的识别效果，采用迁移学习的理念能够很好地解决此问题???

ｕｐｐｉＭ?Ｉ??图１－２铁路现场典型场景??Ｆｉｇ．?１－２?Ｔｙｐｉｃａｌ?ｒａｉｌｗａｙ?ｓｃｅｎｅｓ??为节省模型所占空间和训练耗时以及保证对多个不同场景中目标类别的分类??效果，结合既有的一些策略［６］［１８］，一般的训练方式如图１－３中所示，其往往希望能??够通过一个占用空间较小的网络先对混合场景样本数据进行训练得到训练好的具??有一定适应性的综合分类小网络，又由于综合分类网络直接测试单个相机场景图??像时的识别准确率较低而引入了迁移训练，将综合分类小网络直接迁移到单个相??机场景的样本上训练。现在既有的策略即是根据相关实时性指标以及硬件平台等??确定参数量和计算量，然后设定合适的小型网络结构。但是事实上这种训练方式??很难直接通过一个较小的网络对各种典型场景的混合数据达到非常好的分类效果，??再进行迁移训练的话就更难得到较高的分类准确率，根据真实铁路场景的分类实??验也佐证了这一点。此外，直接构建深度网络对各个单个相机场景样本进行训练，??随机初始化权值
【相似文献】

相关期刊论文 前10条

1 ;赛视达以最强团队与专业技术品质服务引领周界报警行业发展[J];中国安防;2017年08期

2 申健;;周界防护与报警技术在安防行业的最新发展[J];中国安防;2017年09期

3 麦育锋;;周界防范系统的应用与发展[J];智能建筑;2014年03期

4 姜兆公;;光纤振动技术在周界安防的应用[J];智能建筑;2014年03期

5 缪圣凯;;浅谈周界报警市场现状及发展趋势[J];中国安防;2014年17期

6 田钊;;浅谈物联网对机场周界安防报警系统的影响[J];安装;2013年07期

7 阎红枫;;机场周界安防技术概析[J];科技创新导报;2012年21期

8 王创业;;电子围栏在变电站周界防护中的应用[J];安徽科技;2010年06期

9 张波涛;;机场周界入侵报警市场发展探讨[J];中国安防;2010年10期

10 朱鲁洋;赵元林;;浅谈油库周界防范及安防系统的设计[J];安全、健康和环境;2009年01期

相关博士学位论文 前4条

1 张翠;基于光纤布喇格光栅智能周界安防方法及关键技术研究[D];武汉理工大学;2013年

2 唐璜;光纤振动传感技术在周界安防领域的应用方法研究[D];复旦大学;2012年

3 孙志峰;分布式光纤振动传感网络周界防入侵系统[D];华中科技大学;2010年

4 曹锋;新一代周界防入侵软件系统研究及其应用[D];华中科技大学;2010年

相关硕士学位论文 前10条

1 朱睿;光纤周界系统入侵信号识别方法研究[D];合肥工业大学;2019年

2 闫高健;基于光纤传感的高速铁路周界安全监测系统研究[D];北京交通大学;2019年

3 沈悦;基于迁移压缩的铁路周界入侵分类网络快速训练算法[D];北京交通大学;2019年

4 刘哲;监狱综合周界控制系统设计[D];北方工业大学;2019年

5 郑伟;基于毫米波雷达的周界入侵检测技术研究[D];厦门大学;2018年

6 章思;光纤周界防范系统入侵振动信号识别方法研究[D];合肥工业大学;2018年

7 谢晖;基于振动感知的周界入侵预警方法研究[D];吉林大学;2018年

8 黄融;基于DDS的周界探测系统信号源设计与实现[D];西安电子科技大学;2018年

9 樊雪丰;周界入侵电磁传感系统信号检测与处理[D];西安电子科技大学;2018年

10 徐世昌;分布式光纤周界安防系统设计及关键技术研究[D];华中科技大学;2017年

本文编号：2850823