基于传统图像处理算法和深度学习的轨道区域识别研究

论文摘要

异物侵入是造成铁路安全事故的重要原因,检测异物入侵的前提是准确的轨道区域识别。传统图像处理算法基于轨道图像的边缘特征和直线特征,综合运用Sobel算子和Hough变换识别图像中的铁轨,然后确定轨道区域。深度学习技术快速发展,在图像处理等方面展现了巨大的潜力。利用深度学习的目标检测算法,基于MaskR-CNN模型,训练轨道区域识别系统,通过在实际图片上验证效果,证明了系统识别的有效性。

论文目录

• 0 引 言
• 1 传统图像处理算法的轨道区域识别
•   1.1 图像预处理
•   1.2 边缘检测算子
•   1.3 直线检测与Hough变换
•   1.4 透视变换
•   1.5 轨道区域识别效果
• 2 基于MaskR-CNN模型的轨道区域识别
•   2.1 目标检测模型
•   2.2 MaskR-CNN模型
•   2.3 轨道区域识别模型训练
•   2.4 模型识别效果
• 3 结束语

文章来源

类型: 期刊论文

作者: 王子冠,殳国华

关键词: 轨道区域识别,算子,变换,深度学习

来源: 电气自动化 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技,工程科技Ⅰ辑

专业: 安全科学与灾害防治,铁路运输,计算机软件及计算机应用

单位: 上海交通大学电子信息与电气工程学院

分类号: TP391.41;U298

页码: 111-114

总页数: 4

文件大小: 746K

下载量: 400