基于视频的铁路周界灾害实时检测方法研究

目录

声明

致谢

1 引言

1.1 研究背景

1.2 国内外研究现状

1.2.1 铁路周界灾害检测技术研究

1.2.2 目标检测技术研究

1.2.3 研究现状总结

1.3 研究内容与技术路线

1.3.1 主要研究内容

1.3.2 论文组织架构

1.3.3 技术路线

2 相关理论及方法

2.1 卷积神经网络

2.1.1 卷积神经网络基本概念

2.1.2 经典卷积神经

2.2 目标检测

2.2.1 传统目标监测

2.2.2 深度学习目标检测

2.3 本章小结

3 基于深度学习的灾害检测技术比选研究

3.1 深度学习环境搭建

3.1.1 硬件基础

3.1.2 软件基础

3.2 数据基础

3.2.1 数据类型

3.2.2 灾害数据集

3.2.3 数据增广

3.3 深度学习目标检测算法对比

3.3.1 网络结构及模型训练

3.3.2 评价指标

3.3.3 结果对比

3.4 本章小结

4 基于视频的铁路周界灾害实时检测方法

4.1 基于视频的铁路周界灾害实时检测模型总体架构

4.2 基于背景差分法的视频预处理

4.2.1 混合高斯背景建模

4.2.2 背景模型更新

4.2.3 前景分割

4.3 基于改进 YOLOv3的灾害检测

4.3.1 激活函数修改

4.3.2 重设先验框

4.4 对比与总结

4.4.1 视频预处理部分对模型的优化

4.4.2 基于改进 YOLOv3 的灾害检测部分优化前后检测效果对比

4.5 本章小结

5 总结与展望

5.1 研究总结

5.2 研究展望

参考文献

作者简历

独创性声明

学位论文数据集