1.1研究的意义

随着我国铁路电气化快速稳定发展，高速铁路覆盖范围逐步增大，列车的运行速度不断提高，为了保证铁路列车能按规定的速度安全、平稳运行，我们必须加强铁路沿线安全监测工作的落实和维护[1]。

据美国联邦铁路局统计，在 2005 年内由铁路异物入侵造成的交通事故多达 584起，占据 2005 年内所有铁路交通事故的72.3%，伤亡人数多达1292人。此外，据我国上海铁路局公布的 2005 年交通事故数据 ，因为车辆、行人的入侵行为造成的铁路交通事故多达65起；仅在 2001 年共造成 8409人死亡，3540人受到重伤，造成经济损失多达18 亿元。据统计，在铁路异物入侵而导致的铁路交通事故中，主要包括贪玩的学生、铁路工人，以及穿越铁路轨道或在轨道上逗留玩耍的人；还有自然灾害如泥石流、山体滑坡造成的掩埋铁轨以及铁路轨道路基坍塌等。目前而言，视频监控因其监测直观，监控范围大，己成为一种重要的安全保障方法而陆续应用于铁路安全监控系统。但现行的视频监控系统大都需要专人监看，监控人员的工作强度很大。可见，研究开发基于机器视觉的异物监测系统，以算法代替人工进行侵限异物检测，具有其必要性。近年来，关于异物侵限检测方面的算法已有不少研究，提出了一些改进的或者新的方法，对于异物的检测也取得了一些实质性的进展，但是仍存在许多不足之处，尤其是夜间等光线不足或者变化大的条件下，对异物检测的效果不佳.

近年来，基于深度学习的相关理论和应用发展迅猛，与传统依赖先验知识的特征提取算法不同，深度神经网络可在训练数据驱动下自适应地构建特征描述，具有更高的灵活性和普适性。卷积神经网络是深度学习的一项重要技术，已在图像识别、语音识别、物体检测等领域取得卓越成绩[7]。利用卷积神经网络来对铁路异物检测就成了一种很自然的想法。该技术从上世纪60年代至今经历了这么多年的发展，已经取得了丰硕的研究成果。但该领域仍存在众多有待进一步解决的问题，这也是研究的意义所在。

1.2 国内外研究现状

现行的异物侵限检测技术主要分为接触式和非接触式两种。接触式检测技术主要包括双电网监测技术和光纤光栅探测技术等方法；而非接触式检测技术则主要包括雷达探测、红外探测、智能视频内容分析等方法。

在国内，由于高速铁路正处于起步阶段，高速铁路异物检测方面的研究较少，尚未形成稳定可行的参考方案，在异物检测的系统构架和设备选型方面也缺乏理论研究成果，大部分地段铁路沿线的安全监测系统选用的还是安全网。国外在基于图像方法检测异物方面的研究开始得比较早，特别是在汽车自动驾驶和智能机器人领域已经有广泛的应用，但以往的研究中将机器视觉技术应用于铁路方面的并不多见。接触式监测技术方面，应用双电网监测技术和光纤光栅探测技术进行铁路沿线异物监测的研究成果层出，能对部分种类的侵限异物起到有效的监测作用。铁道第三勘察设计院的刘洋针对传统双电网监测技术在实际使用过程中存在的系统不稳定、误报率高等问题提出一种改进的双电网异物监测方案，系统主要由防护网和控制主机组成，实现异物的识别、信号的收发和抗干扰以及报警功能。此外，中铁二十四局的王文美根据监测系统在施工应用中的不足之处提出优化方案，很大程度减少防灾施工对铁路运输的影响。

随着近些年研究广度和深度的不断加大，已有不少人开始了对新型异物检测技术的研究，并且在改进传统接触式监测技术方面以及应用新型非接触式监测技术方面取得了一定成果。国内外的众多研究人员陆续开始研究基于视频图像处理的铁路异物检测技术，取得了一些实质性的进展。兰州交通大学的朱正平等人提出了一种基于快速Hough变换的轨道异物快速检测及分割方法，避免了对整幅图像内不必要的物体进行检测，有效提高了检测速度。

西班牙的J．Jesfis Garcia等人提出铁路异物检测的多传感器系统模型，通过安置于铁路两侧的多传感器网络系统实现对覆盖范围内铁路区域的入侵监测工作，基本能够实现对该区域内入侵异物的检测，该系统安装在特定位置可发挥巨大作用。

德国MilanRuder等人提出的异物检测系统，目的是以异物检测为基础开发出列车自动驾驶系统。此系统中，研究人员提出了自动检测轨道和前方障碍物的方法，并使用了不同的方法来检测异物。此外Luis Fonseca等人还提出应用霍夫变换的方法对铁路异物进行检测，该方法先使用霍夫变换确定出待检测的铁路区域，再对侵入该区域的异物实现识别与报警。