[发明专利]一种基于FPGA和深度学习的高速铁路异物侵限检测装置及方法

摘要

本发明公开了一种基于FPGA和深度学习的高速铁路异物侵限检测装置及方法，该装置包括视频采集模块、图像存储模块、两个数据处理模块和预警反馈模块，视频采集模用于实时采集高速铁路轨道监控视频；视频处理模块一：利用改进的ICnet神经网络训练标注好的训练集，得到ICnet神经网络权重，完成轨道区域分割模型的构建，将视频的铁轨区域划分安全等级不同的监测区域；视频处理模块二：利用目标识别神经网络对轨道区域进行目标检测；预警反馈模块：将每一帧目标与图像分割结果不断地传送至FPGA进行计算分析，对入侵行为做出语义分析。本发明可以实时、准确的对铁路沿线异物入侵进行监测，符合铁路部门实际需要，能有效保障高速铁路运行安全性。

主权项

1.一种基于FPGA和深度学习的高速铁路异物侵限检测装置，其特征在于，包括以下部分：(1)视频采集模块：以FPGA为核心，采用SAA7113H视频解码芯片，通过I²C总线协议对摄像头进行初始化配置，外接模拟PAL/NTAL制式的摄像头，摄像头布置在高速铁路沿线实时采集高速铁路轨道监控视频，并将视频信号进行格式压缩编码；(2)图像存储模块：采集的视频数据通过FIFO缓存器不断写入到DDR2 SDRAM中存储，再经过FIFO缓存器读出视频数据；(3)数据处理模块一：根据VOC2012的格式构建训练集，训练集的标注规则为：将高铁的轨道区域按照危险程度分为Dangours1区、Dangours2区和Warning区，其中Dangours2区指铁轨区域，危险程度最高，记为III级；Dangours1区指相邻铁轨之间的区域，危险程度次之，记为II级；Warning区指人行横道警戒线到铁轨边缘的区域，危险程度最低，记为I级；对ICnet神经网络进行渐进式压缩；仅采用ICnet神经网络的上分支和中分支，上采样2倍做输出，分别以真实值的1/16、1/8/来指导上分支和中分支的训练；将ICnet神经网络的最后一层全连接层的维数修改为1024；利用改进的ICnet神经网络训练标注好的训练集，得到ICnet神经网络权重，从而完成轨道区域分割模型的构建；从DDR2 SDRAM存储器中获取视频数据，并通过轨道区域分割模型进行分割，将结果传送至FIFO缓存器进行下一步处理；(4)数据处理模块二：从DDR2 SDRAM存储器中获取视频数据，利用目标识别神经网络对轨道区域的入侵物体或行人进行目标检测；判断检测出的目标与数据处理模块一得到的图像分割结果的位置关系，将每一帧图像处理结果传送至预警反馈模块；(5)预警反馈模块：将数据处理模块二得到的每一帧目标与图像分割结果不断地传送至FPGA进行计算分析，若检测目标处于分割好后的Dangours1区、Dangours2区或Warning区中，说明有异物已经入侵，按分割区域的等级不同启动不同的应急响应措施；否则说明没有检测到异物入侵。