一种复杂背景下的铁路货运车辆车号定位方法

针对复杂背景下铁路货运车辆车号定位复杂、定位准确率低的问题,提出一种采用ResNet50作为基本特征提取网络,同时引入空残差块对学习样本进行多层特征融合,构造了一种新的特征提取网络和改进算法,提高目标检测网络的特征表达能力,实现了快速车号目标检测。实验数据集采用自建数据集,并通过三个对比实验验证了该方法的可靠性。当IoU阈值为0.5时,改进算法的平均精度值为97.1%,分别比F⁃VGG和F⁃ResNet50高9.4%和6.8%,同时采用改进算法对我国铁路常用不同车型货运车辆进行车号定位测试实验,从实验结果可以看出优化方法没有误分类或漏检。改进后的算法可以提高复杂背景下铁路货运车辆车号的定位精度,具有较强的泛化能力,对实现复杂背景下车辆车号快速定位具有一定的参考意义。