基于隧道监控视频的列车通过探测方法研究

城市交通轨道的发展,尤其是地铁的发展非常重要,而对隧道列车进行通过监测无论是对运营商、监控部门还是用户都是很重要的。相较于传统的接触式列车通过监测,通过视频对列车是否通过进行监测更安全,成本更低。在许多学者的视频监测研究中,都用到了图像处理、深度学习的方法,而对于隧道列车的研究而言,这些方法大都有准确率低、数据集采集成本较高等缺点。本文通过隧道固定的监控摄像头视频进行数据集人工标注,通过实验对比多种图像分类卷积神经网络的表现后选择最优网络模型,再通过卡尔曼滤波进行优化得到列车通过的时间段,是一种更简单、便捷,且可移植性强的方法。