基于轨迹协同的铁路周界入侵行人检测算法
朱宝全1
陈伟建1
李晓争2
张宁3
邹思杰3
王宇腾4
郭保青4
1.台州台中轨道交通有限公司,浙江 台州 3180002.中车智能交通运营管理有限公司,北京 1000393.台州畅行轨道交通运营管理有限公司,浙江 台州 3180004.北京交通大学 先进轨道交通自主运行全国重点实验室,北京 100044;北京交通大学 机械与电子控制工程学院,北京 100044
摘要：行人入侵铁路周界会对列车安全造成严重威胁,为解决基于深度学习的单幅图像行人检测算法在铁路复杂环境下漏报率高的问题,提出一种结合YOLOv5x的单帧检测结果与图像序列行人轨迹协同的铁路周界入侵行人检测算法.首先,利用单帧图像检测到的高置信度行人目标结合轨迹空间关系、轨迹不平顺信息、检测结果与轨迹预测结果的匹配信息3类特征实现高可信行人运动轨迹更新和筛选;其次,基于轨迹协同预测结果进行单帧图像低置信度行人目标置信度重置,从而提升夜间及光线干扰等铁路复杂环境下的行人检测效果;再次,构建5个典型铁路场景下的行人入侵数据集,覆盖夜间及光线干扰条件下的目标遮挡、目标模糊和远处小目标等容易发生漏检的情况;最后,为验证所提算法的有效性,以Faster R-CNN和YOLOv3作为检测器,对检测性能提升情况进行评估.研究结果表明:相较于单幅图像检测算法YOLOv5x,所提出算法在检测精度不显著降低的情况下,召回率提升4.5%,对数平均漏检率降低4.0%,证明了设计的轨迹更新与筛选机制和置信度重置模块的有效性;与Faster R-CNN和YOLOv3相比,召回率分别提升2.3%、3.6%,对数平均漏检率分别降低1.3%、3.5%,验证了算法对不同检测模型的适用性.
关键词：智能交通铁路行人入侵轨迹状态特征轨迹协同置信度重置
分类号：TP183(自动化基础理论)TP391.4(计算技术、计算机技术)U298.1(铁路运输管理工程)
论文发表日期：2025-12-30
在线出版日期：2026-02-02（本平台首次上网日期，不代表文献的发表时间）
页数：10( 137-146 )
英文信息