[发明专利]基于生成对抗网络的铁路道口异常事件检测方法及系统

说明书

本发明公开了基于生成对抗网络的铁路道口异常事件检测方法及系统，包括：采集待检测的铁道路口视频；对待检测的铁道路口视频进行处理，判断是否需要异常事件检测，如果铁道路口栏杆抬起，则暂停异常事件检测，如果铁道路口栏杆放下，则进入下一步；基于训练后的生成对抗网络，对待检测的铁道路口视频进行异常事件检测，输出异常事件检测结果。基于生成对抗网络的思想提出了异常检测网络架构，学习正常视频中的外观、运动特征，实现了负样本较少甚至无负样本情况下的异常检测。使用双流架构，添加记忆增强模块，提升了网络对运动信息的获取能力，抑制了网络对异常事件的重构能力，增大了重构误差，从而进一步提高了网络对异常事件的检测效果。

技术领域

本发明涉及铁路安全检测技术领域，特别是涉及基于生成对抗网络的铁路道口异常事件检测方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

异常事件检测的目的是检测视频或者图像中的不常见的、异常的、可能对生产运行安全带来隐患的物体或行为。

铁路道口异常事件检测是对铁路道口内进行实时监控，检测并定位监控区域内发生的异常事件，如：行人滞留，塌方落石等。通过对监控区域的实时检测，可以有效地发现影响列车安全运行的因素，给管理者提供准确的信息并及时发出预警，提升列车运行的安全性。然而，由于铁路周边环境较为复杂且异常事件种类多样等问题，铁路道口异常事件检测仍面临着较大的挑战。

现有的铁路道口异常事件检测方法多为采用硬件传感器的方法，该方法设备投入大，维护难且检测效率低。铁路道口主要分为有人看守铁路道口和无人看守铁路道口。有人看守铁路道口为值班人员现场指挥调度，在火车通过时放下栏杆。其中无人看守铁路道口多只是自动落下栏杆，但无法识别铁路道口中是否存在异物或行人滞留。因此，目前大多数无人铁路道口仍需要耗费大量人力在监控前值守，考虑到值守人员通常无法长时间集中注意力，因此很难达到预期效果。数据显示，现在仍有多处铁路道口，将消耗大量的人力物力，且安全性不高。

目前人们提出了一系列针对铁路道口的异常检测方法，但多是基于硬件的方法，成本高且智能化程度较低。常见的基于视频图像的算法受光照阴影等因素干扰较大，在复杂背景下无法保证检测的准确性，且存在计算资源浪费，异常事件种类较多导致数据集制作困难等问题。

发明内容

为了解决现有技术的不足，本发明提供了基于生成对抗网络的铁路道口异常事件检测方法及系统；提出了检测铁路道口是否应禁止行人车辆通行的算法作为异常事件检测算法的支持，防止计算资源浪费。本方法基于编码-解码网络以及生成对抗学习的思想，提出了一种基于生成对抗网络的异常事件检测方法，来对视频监控中存在的可能危及行车安全的事件进行检测、定位。最后，加入双流输入和记忆力增强模块，进一步增强算法对异常事件的检测能力。

第一方面，本发明提供了基于生成对抗网络的铁路道口异常事件检测方法；

基于生成对抗网络的铁路道口异常事件检测方法，包括：

采集待检测的铁道路口视频；

对待检测的铁道路口视频进行处理，判断是否需要异常事件检测，如果铁道路口栏杆抬起，则暂停异常事件检测，如果铁道路口栏杆放下，则进入下一步；

基于训练后的生成对抗网络，对待检测的铁道路口视频进行异常事件检测，输出异常事件检测结果。

第二方面，本发明提供了基于生成对抗网络的铁路道口异常事件检测系统；

基于生成对抗网络的铁路道口异常事件检测系统，包括：

采集模块，其被配置为：采集待检测的铁道路口视频；

栏杆状态判断模块，其被配置为：对待检测的铁道路口视频进行处理，判断是否需要异常事件检测，如果铁道路口栏杆抬起，则暂停异常事件检测，如果铁道路口栏杆放下，则进入下一步；