基于卷积神经网络的列车检测算法研究

列车检测作为列车自动驾驶的核心技术,可以有效地降低列车追尾等事故造成的人身危险和财产损失。为实现精准的列车检测,选用改进的卷积神经网络(PVANET)对输入图像进行特征提取,在此基础上,采用候选区域网络,从生成的特征图里滑动搜索,判断出图像中可能为列车的区域位置,并进一步采用快速区域卷积神经网络对每个候选区域进行分类,计算出其所属类别的置信度,同时精确定位列车。经验证,该方法适应范围广、鲁棒性高,可以有效地检测不同环境光强及不同朝向的列车,保障列车安全,为列车自动驾驶及辅助驾驶提供安全保障。