基于深度学习的高铁接触网定位器检测与识别

作     者：陈东杰 张文生 杨阳 CHEN Dongjie;ZHANG Wensheng;YANG Yang

作者机构：中国科学院自动化研究所北京100190 中国科学院大学北京101408 

出 版 物：《中国科学技术大学学报》 (JUSTC)

年 卷 期：2017年第47卷第4期

页      面：320-327页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 0801[工学-力学（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61432008 61532006 61472423)资助 

主　　题：定位器 目标检测 深度学习 卷积神经网络 Hough变换 

摘      要：高铁接触网安全监测的主要方法是采用可见光高清相机捕捉接触网零部件的图像序列,通过图像处理和计算机视觉技术实现对零部件的检测、识别与跟踪.在整个监测系统中,定位器检测识别是必要的基础工作.传统的目标检测算法受限于特征描述子的设计,难以依靠人工设计出具有通用性、鲁棒性、高精度的特征描述子.于是提出基于Faster R-CNN模型实现高精度的接触网定位器检测,同时采用Hough变换检测出定位器的骨架轮廓,并通过滤线机制筛选出定位器的最优拟合直线段,为定位器坡度的非接触式精准测量做好基础性工作.