公开(公告)号：CN111160125B

公开(公告)日：2023-06-30

申请号：CN201911267535.4

申请日：2019-12-11

Applicant: 北京交通大学

Inventor： 秦勇 ,  曹志威 ,  谢征宇 ,  张萼辉 ,  柳青红 ,  孙雨萌 ,  李传 ,  李永玲 ,  吴志宇

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/28 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供了一种基于铁路监控的铁路异物入侵检测方法。该方法包括：利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过现有的高斯混合模型对待监测的原始图像进行处理，输出的二值图像依次使用形态学处理、阈值自适应和非极大值抑制算法处理，获取包含异物入侵的图像区域；将包含异物入侵的图像区域输入YOLOv3中，该YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。本发明降低了高斯混合算法带来的误报率，提高了YOLOv3算法在远距离目标或和小目标上的检测效果，可以有效地监测出铁路异物入侵。

公开(公告)号：CN109801232A

公开(公告)日：2019-05-24

申请号：CN201811611677.3

申请日：2018-12-27

Applicant: 北京交通大学

Inventor： 秦勇 ,  谢征宇 ,  柳青红 ,  曹志威 ,  马小平 ,  郑健 ,  张赫 ,  赵汝豪 ,  吴云鹏 ,  张萼辉 ,  闫香玲 ,  孙雨萌 ,  贾星威

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明提供了一种基于深度学习的单幅图像去雾方法。该方法包括：获取室内外合成雾和真实雾的数据集，该数据集包括：训练集、测试集和验证集；构造基于残差网络(Residual Network)的端到端(end-to-end)的深度卷积神经网络，将所述训练集和验证集输入所述深度卷积神经网络并训练模型，达到最大迭代次数后训练结束，获取所述深度卷积神经网络在本次迭代中的最优模型，用测试集测试所述深度卷积神经网络和最优模型的去雾效果；利用深度卷积神经网络和最优模型对待去雾的有雾图像进行去雾处理，得到无雾图像。本发明的方法对不同浓度的合成雾图和室外真实雾图实现了端到端的恢复图像清晰化和可视化，具有不错的去雾效果和实际应用价值。

公开(公告)号：CN111160125A

公开(公告)日：2020-05-15

申请号：CN201911267535.4

申请日：2019-12-11

Applicant: 北京交通大学

Inventor： 秦勇 ,  曹志威 ,  谢征宇 ,  张萼辉 ,  柳青红 ,  孙雨萌 ,  李传 ,  李永玲 ,  吴志宇

IPC: G06K9/00 ,  G06K9/38 ,  G06K9/62

Abstract: 本发明提供了一种基于铁路监控的铁路异物入侵检测方法。该方法包括：利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过现有的高斯混合模型对待监测的原始图像进行处理，输出的二值图像依次使用形态学处理、阈值自适应和非极大值抑制算法处理，获取包含异物入侵的图像区域；将包含异物入侵的图像区域输入YOLOv3中，该YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。本发明降低了高斯混合算法带来的误报率，提高了YOLOv3算法在远距离目标或和小目标上的检测效果，可以有效地监测出铁路异物入侵。