基于YOLOv3-tiny检测和KCF追踪算法的受电弓故障检测

摘要：

为避免因受电弓脱落、羊角缺失而引发的列车运行安全的问题,提出了一种追踪受电弓的方法,通过监控视频对受电弓脱落、羊角缺失等进行追踪,当受电弓发生故障时及时预警.为解决KCF算法追踪过程中目标丢失无法找回的问题,引入了一种检测机制对KCF追踪算法进行矫正,通过对摄像头捕捉到的约20000张图片以及3个视频作为训练样本,利用训练样本对YOLOv3-tiny网络进行离线训练,生成预测模型;最后利用训练好的模型和改进后KCF算法对摄像头的监控图像进行在线实时追踪,发现对于受电弓脱落、羊角缺失等现象的追踪检测的精确率为91.3％,高于YOLOv2-tiny算法和YOLO-tiny算法.

关键词：受电弓故障、目标追踪、KCF算法、YOLOv3-tiny检测算法、预警

所属期刊栏目：10

分类号：TP399(计算技术、计算机技术)

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：47-51