致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 高铁运行环境侵限监测现状
1.2.1 综合视频监控系统
1.2.2 高速铁路自然灾害及异物侵限监测系统
1.2.3 线路障碍自动监测报警系统
1.2.4 周界入侵报警系统
1.2.5 高铁运行环境限界监测系统分析
1.3 侵限监测关键技术国内外研究现状
1.3.1 低照度图像增强研究现状
1.3.2 图像目标检测研究现状
1.3.3 雷达目标检测研究现状
1.4 研究目标及主要内容
1.5 组织结构及技术路线
1.6 小结
2 高速铁路运行环境侵限监测方法
2.1 高铁运行环境侵限监测技术分析
2.1.1 高铁运行环境监测技术
2.1.2 周界入侵监测技术分析
2.1.3 异物侵限监测技术分析
2.2 基于视频与雷达的监测设备分析
2.2.1 视频监测设备
2.2.2 雷达监测设备
2.3 高铁运行环境侵限监测方法
2.3.1 基于视频与激光雷达的人员与落石侵限监测
2.3.2 基于视频与毫米波雷达的周界入侵监测
2.3.3 基于视频与激光雷达的落石侵限监测
2.4 小结
3 基于光照分解的低照度图像深度学习增强方法
3.1 光照分解理论基础
3.2 多尺度光照分解与增强网络
3.2.1 多尺度光照分解与增强网络架构
3.2.2 图像分解网络
3.2.3 反射图增强网络
3.2.4 光照图增强网络
3.2.5 多尺度模块
3.3 实验与结果分析
3.3.1 实验细节
3.3.2 消融实验研究
3.3.3 标准评价
3.4 小结
4 基于视频的铁路周界入侵深度学习检测方法
4.1 铁路周界入侵视频检测方法分析
4.2 FairMOT周界入侵检测框架
4.2.1 FairMOT网络结构
4.2.2 编码解码网络
4.2.3 检测分支
4.2.4 行人再识别分支
4.2.5 跟踪流程
4.3 改进FairMOT检测框架
4.3.1 改进网络结构
4.3.2 基于RFB模块的感受野增强
4.3.3 基于空间注意力的前景特征增强
4.3.4 周界入侵检测策略
4.4 实验与结果分析
4.4.1 损失函数
4.4.2 周界入侵实验数据集
4.4.3 实验参数设置
4.4.4 评价标准
4.4.5 实验分析
4.4.6 联合低照度图像增强的周界入侵检测
4.5 小结
5 基于毫米波雷达的铁路周界入侵智能检测方法
5.1 基于毫米波雷达的周界入侵检测方法分析
5.2 毫米波雷达监测数据降维
5.2.1 毫米波雷达
5.2.2 毫米波雷达监测数据主成分分析
5.3 毫米波雷达周界入侵智能检测方法
5.3.1 支持向量机
5.3.2 灰狼优化算法
5.3.3 精英反向学习策略
5.3.4 基于PCA-EGWO-SVM的周界入侵毫米波雷达检测模型
5.4 实验与结果分析
5.4.1 样本数据及预处理
5.4.2 评价指标与参数设置
5.4.3 结果分析
5.5 基于视频与毫米波雷达的铁路周界入侵融合检测
5.5.1 传感器融合方法
5.5.2 周界入侵决策融合检测
5.6 小结
6 基于视频的铁路落石侵限深度学习检测方法
6.1 铁路异物侵限视频检测方法分析
6.2 落石侵限检测算法网络框架
6.2.1 YOLOX主干网络结构
6.2.2 解耦检测头
6.2.3 无锚框机制
6.2.4 动态匹配正样本