时空增强网络研究及其在列车司机行为识别的应用

发布时间：2022-12-23 04:24

　　保障铁路列车安稳运行是铁路运输部门工作的核心工作,提高列车运行安全监控管理水平已是重中之重。铁路列车司机驾驶规范性与列车运行安全有着直接关系,因此对列车司机的驾驶行为和状态进行实时监测和智能评估有着十分重要的现实意义。本文针对常用行为识别方法在列车司机行为识别中存在的实时性差、误判率高、鲁棒性弱等难点,以列车司机监控视频数据和公开数据集为基础,结合注意力机制思想,提出了一种时空增强网络（Convolutional LSTM Networks with Spatial Temporal Enhancement,CLSTE）,并应用于列车司机行为识别和理解,掌握列车运行状况和司机的工作状态,协助列车司机安全驾驶,更好的发挥设备对人员操作的监督作用。本文结合列车司机行为识别的应用背景,从数据预处理,网络模型设计,数据集实验验证等方面展开研究工作:1、制作实验数据集。首先,针对列车司机行为识别没有公开数据集,且已有的铁路列车司机驾驶数据中异常行为较少等情况,在实验室环境下,模拟录制司机行为视频,并结合已有驾驶数据,制作数据集Driver-dataset;其次,为验证本文网络结构的有效性,获取行... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 列车视频监控研究现状
        1.2.2 行为识别方法研究现状
    1.3 主要技术难点分析
    1.4 主要设计思路
    1.5 主要研究内容
    1.6 本文结构安排
第2章 实验数据获取及预处理
    2.1 实验数据集获取
        2.1.1 列车司机数据集获取
        2.1.2 行为识别公开数据集获取
    2.2 实验数据集光流法处理
        2.2.1 光流对于行为识别
        2.2.2 光流基本原理
        2.2.3 光流法预处理效果
    2.3 本章小结
第3章 基于CDLN的列车司机行为识别
    3.1 长循环卷积网络模型LRCN
    3.2 卷积深度长短时记忆网络CDLN
        3.2.1 卷积神经网络
        3.2.2 循环神经网络
        3.2.3 CDLN网络结构设计
        3.2.4 CDLN网络参数设计
    3.3 实验结果分析及评价
        3.3.1 实验平台及训练参数设置
        3.3.2 模型微调
        3.3.3 行为识别公开数据集实验结果及分析
        3.3.4 列车司机数据集实验结果及分析
    3.4 本章小结
第4章 基于CLSTE的列车司机行为识别
    4.1 注意力机制
    4.2 时空增强网络CLSTE
        4.2.1 空间特征增强网络
        4.2.2 时序特征增强网络
        4.2.3 时空特征融合
    4.3 CLSTE行为识别实验结果及分析
        4.3.1 行为识别公开数据集实验结果及分析
        4.3.2 列车司机数据集实验结果及分析
    4.4 本章小结
总结与展望
致谢
参考文献
攻读硕士学位期间发表的学术论文和参与的项目


【参考文献】：
期刊论文
[1]神经网络与深度学习基础[J]. 袁冰清,陆悦斌,张杰.  数字通信世界. 2018(05)
[2]神经网络中的注意力机制[J]. Adam Kosiorek.  机器人产业. 2017(06)
[3]基于光流法的运动目标检测与跟踪算法[J]. 肖军,朱世鹏,黄杭,谢亚男.  东北大学学报(自然科学版). 2016(06)
[4]视频序列中的行为识别研究进展[J]. 徐勤军,吴镇扬.  电子测量与仪器学报. 2014(04)
[5]行人检测技术综述[J]. 苏松志,李绍滋,陈淑媛,蔡国榕,吴云东.  电子学报. 2012(04)
[6]基于时空Markov随机场的人体异常行为识别算法[J]. 蒲静,胡栋.  计算机应用. 2010(08)
[7]机车司机警惕控制技术探索[J]. 谢兴中.  电力机车与城轨车辆. 2008(03)
[8]智能视频监控技术——自主创新引领未来[J]. 李子青.  中国安防. 2007(03)

硕士论文
[1]机车司机行车安全监控中疲劳监测和无线传输研究[D]. 何伟锋.中南大学 2009



本文编号：3724707