基于明度动态感知裁剪和YOLOv8的铁路沿线异常感知检测方法OA
铁路轨道沿线场景具有空旷开阔、占地面积大的特点。由于高清摄像头的普及,导致大部分入侵物体目标在图像中具有占比面积小,像素点数量少,进而降低算法对目标尤其是小目标的检测性能。针对该问题,提出基于明度动态感知裁剪和YOLOv8的铁路沿线异常感知检测方法。首先通过明度动态感知方法感知运动目标区域,再以动态目标为中心裁剪图片输入YOLOv8网络进行检测,防止目标区域图像输入网络时特征信息被压缩,最后在RailD49数据集上验证了该算法的召回率为80.33%,准确率为81.67%,相较于原始YOLOv8m对铁路运动目标的检测能力有所提升。
林俊亭;陈权;马赫;彭嘉维;柴金川
兰州交通大学自动化与电气工程学院,兰州730070重庆城市职业学院信息与智能制造学院,重庆402160中国铁路沈阳局集团有限公司长春电务段,长春116019兰州交通大学自动化与电气工程学院,兰州730070中国铁道科学研究院集团有限公司国家铁道试验中心,北京100015
交通运输
目标检测铁路综合视频监控系统明度动态感知深度学习YOLOv8
《铁路通信信号工程技术》 2025 (1)
P.19-27,9
国家自然科学基金地区项目(No.52162050)。
评论