论文部分内容阅读
地铁隧道安全目前主要依靠地铁轨道巡检员在轨道无车时人工巡轨检查,这种方法速度慢、工作效率低,而且巡检效果完全依赖于轨道巡检员的经验和状态。针对这一问题,提出了一种基于深度可分离卷积的地铁隧道巡检视频异常报警系统,该系统使用提出的SubwayNet卷积神经网络完成对巡检视频图像的分类。利用制作的地铁隧道巡检数据集对构建的卷积神经网络进行训练并保存模型,制作了图形用户界面并加入声音报警的功能,最后将程序文件打包为可执行文件。实验结果表明,该系统的分类准确率能够达到96%,速度能够达到52 fps,满足对