王瑞峰，陳小屹

(蘭州交通大學(xué) 自動(dòng)化與電氣工程學(xué)院，甘肅 蘭州 730070)

由于自然和人為因素，鐵路限界內(nèi)時(shí)常出現(xiàn)落石、滾木、動(dòng)物以及行人，對(duì)設(shè)備及人員安全造成威脅.檢測(cè)系統(tǒng)及時(shí)發(fā)現(xiàn)鐵路異物，準(zhǔn)確識(shí)別異物并進(jìn)行報(bào)警，對(duì)保證有關(guān)部門快速高效地處理突發(fā)事件具有重要意義.

鐵路異物入侵檢測(cè)方式分為接觸式和非接觸式.一般采用非接觸式，目前常見(jiàn)的檢測(cè)方法包含視頻檢測(cè)法、雷達(dá)檢測(cè)法、超聲檢測(cè)法和紅外線屏障檢測(cè)法[1].其中視頻檢測(cè)法可以檢測(cè)出異物的位置、大小，具有直觀性，且檢測(cè)精度更高.文獻(xiàn)[2]基于機(jī)器視覺(jué)與嵌入式技術(shù)對(duì)獲得異物進(jìn)行分類，使用卡爾曼濾波進(jìn)行行為分析，以濾除干擾.文獻(xiàn)[3]在背景差分的基礎(chǔ)上，提出基于前景目標(biāo)統(tǒng)計(jì)分布的鐵路背景更新方法.文獻(xiàn)[4-5]將深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到異物檢測(cè)中，通過(guò)訓(xùn)練得到適用的模型.但上述方法中，傳統(tǒng)視覺(jué)算法易受到光線和氣候變化的影響，背景差分的方法也普遍存在誤報(bào)率高，且不能確定侵限異物的種類.深度學(xué)習(xí)在鐵路侵限研究中正成為一個(gè)新的研究方向，但卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)作為雙階段檢測(cè)算法，需要預(yù)先設(shè)置大量先驗(yàn)框，檢測(cè)速度較慢且算法復(fù)雜.YOLO 算法作為單階段檢測(cè)算法，大大提高了檢測(cè)速度[6]，但準(zhǔn)確度有待提升.在此基礎(chǔ)上增加了Darknet-53 網(wǎng)絡(luò)和FPN網(wǎng)絡(luò)，以及增加尺度特征圖后得到Y(jié)OLOv3[7]，檢測(cè)精度有所提高，但對(duì)小目標(biāo)效果不明顯.而對(duì)網(wǎng)絡(luò)結(jié)構(gòu)中的4 個(gè)部分都做了改進(jìn)后的YOLOv5 模型檢測(cè)速度和精度相比前文提出的方法效果更好[8].

本文提出在YOLOv5 里加入卷積塊注意力模型[9]，使入侵目標(biāo)獲得更多的關(guān)注，提高異物的表征能力，忽略不必要特征，避免小目標(biāo)和被遮擋目標(biāo)未被檢測(cè)出來(lái)造成遺漏，從而提高模型判別異物的精確度.改進(jìn)YOLO 算法中的損失函數(shù)，考慮到不同圖像會(huì)出現(xiàn)相同損失函數(shù)的情況，提出CIOULoss，降低網(wǎng)絡(luò)損耗，提高收斂速度.輸入模型前通過(guò)CLAHE 提高圖像的對(duì)比度，防止因圖像不清晰未檢測(cè)到異物.本文在原有YOLOv5 的基礎(chǔ)上，考慮實(shí)時(shí)目標(biāo)檢測(cè)中的各種因素，改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，提高檢測(cè)精度，加快收斂速度.

1 軌道入侵區(qū)域劃定

通過(guò)對(duì)鐵路場(chǎng)景進(jìn)行觀察，鐵路盡頭為中心呈放射狀，只要加強(qiáng)區(qū)域間的直線特征，就能更好區(qū)分軌道區(qū)域[10].所以選用霍夫變換進(jìn)行直線檢測(cè)，得到霍夫矩陣和峰值，調(diào)整高斯卷積核角度，加強(qiáng)邊界點(diǎn)的權(quán)重.

選用Canny 算子進(jìn)行邊緣檢測(cè)，該算法具有良好的邊緣定位精度和抗噪性.邊緣檢測(cè)使圖像特征信息簡(jiǎn)化，并且增加紋理通道，提取到有用的信息.為尋找鐵路場(chǎng)景中最強(qiáng)的直線特征，即共線點(diǎn)最多的直線的方程參數(shù)，將邊緣檢測(cè)結(jié)果（圖1）.進(jìn)行霍夫變換得到霍夫變換矩陣和峰值點(diǎn)（選取4 個(gè)），即直線特征分布圖，如圖2 所示，右側(cè)邊欄為灰度值，灰度值越高圖像越亮.

圖1 邊緣特征圖像Fig.1 The edge feature map

霍夫變換中使用的傾角定義為 θ′，范圍為 ±90?，高斯卷積核里的傾角定義為θ，范圍為0～180°.直角坐標(biāo)系下與極坐標(biāo)下交點(diǎn)坐標(biāo)直線方程參數(shù)的對(duì)應(yīng)關(guān)系如下所示：

根據(jù)霍夫變換結(jié)果可知共線點(diǎn)最多的直線傾角分別為?70°、78°、85°和88°.兩者轉(zhuǎn)換關(guān)系為高斯卷積核旋轉(zhuǎn)的角度為160°、12°、5°和2°.

選取卷積核后，將 RGB 彩色模型轉(zhuǎn)化為HIS彩色模型，能夠較好地模擬人的色彩感受，因而在特征矢量中加入H（色調(diào)）、S（飽和度）、I（亮度），包括像素點(diǎn)的紋理特征、色調(diào)、飽和度和亮度等4個(gè)通道.圖像中每個(gè)像素在各個(gè)通道內(nèi)進(jìn)行高斯卷積運(yùn)算，計(jì)算公式如下：

式中：C為通道，θ為卷積核的傾斜，(x,y)為像素的空間坐標(biāo).

在得到邊界點(diǎn)權(quán)重后，經(jīng)過(guò)Sigmoid 運(yùn)算后篩除掉弱邊界點(diǎn)權(quán)重，最終得到碎片區(qū)域，經(jīng)過(guò)Mask R-CNN[11]識(shí)別得到需要的軌道入侵區(qū)域.軌道區(qū)域識(shí)別過(guò)程圖如圖3 所示.

圖3 軌道區(qū)域識(shí)別過(guò)程圖Fig.3 Process diagram of track area identification

2 改進(jìn)的YOLOv5

YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)主要由輸入端、Backbone、Neck、Prediction 等4 部分組成，主要改進(jìn)Backbone 部分.Backbone 增加了Focus 的切片操作，并且YOLOv5 設(shè)計(jì)了兩種C3 結(jié)構(gòu)，用于特征提取.但經(jīng)過(guò)兩層的C3 模塊，特征信息丟失[12]，導(dǎo)致目標(biāo)檢測(cè)時(shí)軌道上的小目標(biāo)和遮擋目標(biāo)會(huì)被遺漏.圖4 為改進(jìn)后的YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)圖，在Backbone的C3 模塊后加入CBAM.

圖4 YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)圖Fig.4 Improve the block diagram of the YOLOv5 network

2.1 融合卷積塊注意力模型為了改進(jìn)原模型的缺陷，在Backbone 的C3 模塊后引入CBAM，讓特征覆蓋更多的區(qū)域，從而提高識(shí)別目標(biāo)的概率.利用注意力機(jī)制增強(qiáng)了網(wǎng)絡(luò)的表征力，重點(diǎn)突出需要識(shí)別物體的特點(diǎn).

CBAM 主要是通過(guò)通道和空間兩個(gè)維度進(jìn)行特征提?。▓D5）.經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)兩個(gè)模塊順序排列，且通道模塊位于空間模塊前效果更好.

圖5 CBAM 模塊Fig.5 CBAM module

圖5 中，藍(lán)色方框中的部分為通道注意力，紅色方框內(nèi)的部分為空間注意力.特征圖F 輸入后，先進(jìn)入通道注意力，分別進(jìn)行GAP 和GMP，得到的特征圖再分別輸入到兩層神經(jīng)網(wǎng)絡(luò)，神經(jīng)元個(gè)數(shù)分別為為1×1×C/r（將C壓縮到C/r，用于計(jì)算量減少，經(jīng)過(guò)實(shí)驗(yàn)，r為16 可實(shí)現(xiàn)性能和計(jì)算量的平衡）和1×1×C，通過(guò)加和操作和sigmoid 操作，得到通道注意力MC，如下所示：

式中：MLP 為通道維度內(nèi)的多層感知機(jī)，AvgPool (F)和MaxPool (F)為平均池化和最大池化，avg 為平均值，max 為最大值.

將MC和輸入F做乘法操作，得到空間通道的輸入.同樣分別進(jìn)行GAP 和GMP，得到H×W×1 的特征圖，兩者堆疊得到H×W×2 特征圖；接著經(jīng)過(guò)卷積和 ReLU 激活函數(shù)，降低維度為H×W×1；最后將經(jīng)過(guò) Sigmoid 標(biāo)準(zhǔn)化處理后的特征圖與輸入特征圖進(jìn)行合并，從而在空間和通道兩個(gè)維度上完成對(duì)特征圖的重新標(biāo)定，如下所示：

數(shù)值表征了特征圖該點(diǎn)的重要程度，數(shù)值大的地方更易受到關(guān)注，通過(guò)感受野反推回原圖像，即表示了該區(qū)域的重要程度.

2.2 優(yōu)化損失函數(shù)為了更準(zhǔn)確地了解模型檢測(cè)效果，需對(duì)損失函數(shù)進(jìn)行改進(jìn).在YOLOv5 模型中，使用 GIOU 計(jì)算邊界的回歸損失，計(jì)算公式如下：

式中：IOU 為衡量真實(shí)目標(biāo)框與實(shí)際檢測(cè)目標(biāo)框差異的一種參數(shù)，GIOU(Generalized IOU)為泛化的IOU，AC為兩個(gè)框的最小外接矩形，u為并集.

但是，GIOU 也存在缺點(diǎn)：當(dāng)兩個(gè)預(yù)測(cè)框高寬相同，且處于同一水平面時(shí)，GIOU 就退化為IOU.此外，GIOU 和IOU 還存在收斂較慢、回歸不夠準(zhǔn)確的缺點(diǎn).所以提出了DIOU，解決了目標(biāo)實(shí)際框與目標(biāo)預(yù)測(cè)框重合位置不相同但I(xiàn)OU Loss 和GIOU Loss 結(jié)果一樣的情況，如圖6 所示，實(shí)線框?yàn)槟繕?biāo)框，虛線框?yàn)轭A(yù)測(cè)框，預(yù)測(cè)框位于真實(shí)框內(nèi)部時(shí)，GIOU 值相同，但圖6 內(nèi)預(yù)測(cè)框位置并不一致.其計(jì)算公式如下：

圖6 預(yù)測(cè)框和真實(shí)框的位置關(guān)系Fig.6 Positional relationship between prediction box and real box

式中：DIOU(Distance IOU)為改進(jìn)的IOU，gt(ground truth)為真實(shí)框，b和bgt分別代表預(yù)測(cè)和真實(shí)中心坐標(biāo)的參數(shù)，d為兩個(gè)矩形中心點(diǎn)連接線，ρ 是兩個(gè)中心點(diǎn)距離，c為兩個(gè)矩形的最小外接矩形對(duì)角線.

如何將損失函數(shù)降到最低，需要考慮長(zhǎng)寬比、重疊面積和中心點(diǎn)距離3 個(gè)參數(shù)[13].CIOU 相比DIOU 增加了檢測(cè)框尺度和長(zhǎng)和寬的Loss，預(yù)測(cè)框會(huì)更接近真實(shí)框.其計(jì)算公式為：

式中：CIOU (Complete IOU)為改進(jìn)的IOU，v和α為長(zhǎng)寬比，w、h和wgt、hgt分別代表預(yù)測(cè)框的高、寬和真實(shí)框的高、寬.

2.3 圖像特征增強(qiáng)為應(yīng)對(duì)鐵路監(jiān)控拍攝時(shí)光線不強(qiáng)，存在惡劣天氣影響而導(dǎo)致圖像不清晰的情況，需對(duì)圖像進(jìn)行特征增強(qiáng).直方圖均衡是一種簡(jiǎn)單的方法，自適應(yīng)直方圖均衡化(Adaptive Histogram Equalization,AHE)是在圖像灰度化后，計(jì)算各個(gè)灰度值的概率并得到分布圖像，通過(guò)其分布函數(shù)映射使得灰度概率密度均勻分布[14].然而，這是一種全局處理方法，它不能很好地處理太亮或太暗的區(qū)域，會(huì)使圖像噪聲增大.所以在此基礎(chǔ)上，將限制CLAHE 算法應(yīng)用于圖像增強(qiáng)中，它是在AHE 的基礎(chǔ)上增加了閾值區(qū)域.在直方圖中，超過(guò)閾值的像素?cái)?shù)據(jù)被均勻地分布在其他區(qū)域，這不僅保證了直方圖的區(qū)域不變，而且限制了變化的范圍.計(jì)算過(guò)程如下：

步驟1將原圖像進(jìn)行擴(kuò)充并劃分為長(zhǎng)乘寬為4×8 的格子.

步驟2設(shè)每個(gè)格子的面積為S，初始上限閾值T為2.5，計(jì)算公式為：

步驟3獲取圖像直方圖.

步驟4在此基礎(chǔ)上，采用預(yù)先設(shè)置的閾值T，對(duì)直方圖進(jìn)行分割，使大于閾值的像素?cái)?shù)量再進(jìn)行分配.

步驟5對(duì)對(duì)比度限制后的直方圖進(jìn)行直方圖均衡獲取映射函數(shù)，函數(shù)表達(dá)式為：

式中：T為變換函數(shù)，ri和Si分別為原圖像和映射后的灰度值，n為像素總數(shù)，ni為出現(xiàn)k灰度級(jí)的像素?cái)?shù).

步驟6利用映射函數(shù)處理原圖像.

CLAHE 處理后效果圖如圖7 所示，可以看出，經(jīng)過(guò)直方圖均衡后的圖像清晰度明顯提高，為后續(xù)異物的準(zhǔn)確識(shí)別奠定了良好的基礎(chǔ).

圖7 不清晰圖像處理效果對(duì)比圖Fig.7 Comparison of drawing unclear processing effect

3 仿真及結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境與模型訓(xùn)練實(shí)驗(yàn)中使用的操作系統(tǒng)為Ubuntu 20.04，CPU 型號(hào)為Intel(R) CPU E5-2620v3@2.4 GHz，GPU 為GeForce GTX 1080Ti，測(cè)試框架為Pytorch.

由于能獲取的鐵路異物照片較少，為了使實(shí)驗(yàn)數(shù)據(jù)結(jié)果更準(zhǔn)確，將1 000 張鐵路異物圖片添加到Pascal Voc2012 數(shù)據(jù)集中.但收集到的數(shù)據(jù)集無(wú)法直接用于模型訓(xùn)練，所以采用labelimg 對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，指定圖片中目標(biāo)的位置和標(biāo)簽，并保存成xml 格式.訓(xùn)練集和測(cè)試集的比例設(shè)定為9∶1.

實(shí)驗(yàn)的迭代次數(shù)設(shè)置為300，迭代批量為64，epoch 為3，動(dòng)量參數(shù)為0.92，優(yōu)化器選擇Adam.訓(xùn)練時(shí)使用Warmup 訓(xùn)練預(yù)熱，在前期為了防止過(guò)擬合現(xiàn)象，避免模型震蕩，選用較低的學(xué)習(xí)率，為0.001.訓(xùn)練一段時(shí)間后，為加快模型收斂，將學(xué)習(xí)率調(diào)高至0.2.之后為了使模型繼續(xù)更新，利用余弦退火使其不陷入馬鞍面.

3.2 評(píng)價(jià)指標(biāo)及結(jié)果分析本文采用平均精度均值m(mean average precision,mAP)、精確率P(precision)、召回率R(recall)、檢測(cè)速度以及損失函數(shù)CIOU_Loss 這5 種評(píng)價(jià)指標(biāo)評(píng)估模型的性能.檢測(cè)速度定義為每秒可以處理的圖片數(shù)，損失函數(shù)計(jì)算公式為式(7)，其余指標(biāo)的計(jì)算公式如下：

式中：A為插值后的precision-recall 曲線下的面積，但只計(jì)算了一類；K為種類數(shù)；m為目標(biāo)檢測(cè)上所有類的A的均值；TP代表IOU 大于設(shè)定閾值的檢測(cè)框數(shù)目；FP代表IOU 小于設(shè)定閾值的檢測(cè)框數(shù)目；FN代表漏檢的目標(biāo)數(shù)目[15].實(shí)驗(yàn)中閾值設(shè)定為0.9，P反映了模型檢測(cè)的準(zhǔn)確度，R反映了模型是否將目標(biāo)檢測(cè)全部檢測(cè)到無(wú)遺漏的情況.

圖8、圖9 顯示的是經(jīng)過(guò)改進(jìn)后的模型召回率和精確率.從圖8 中可以看出，YOLOv5 在訓(xùn)練50輪后召回率達(dá)到0.8 左右，100 輪后達(dá)到0.85 左右，而經(jīng)過(guò)模型改進(jìn)后召回率在訓(xùn)練50 輪后也到了0.89 左右，100 輪后達(dá)到0.91 左右.最終經(jīng)過(guò)改進(jìn)召回率提升了7%.圖9 中YOLOv5 在50 輪后精確度達(dá)到0.8 左右，100 輪后穩(wěn)定到0.86；經(jīng)過(guò)改進(jìn)后，50 輪精確率穩(wěn)定到了0.9 左右，在訓(xùn)練100 輪之后，精確率也穩(wěn)定到了0.95 左右，提升了10%.可以看出，加入注意力機(jī)制后可提升骨干網(wǎng)絡(luò)特征提取的能力，關(guān)注更多被忽略的語(yǔ)義信息.

圖8 改進(jìn)前后召回率變化對(duì)比曲線Fig.8 Change curve of recall rate before and after improvement

圖9 改進(jìn)前后精確度變化曲對(duì)比曲線Fig.9 Change curve of accuracy before and after improvement

平均精度均值經(jīng)過(guò)訓(xùn)練也達(dá)到了一個(gè)穩(wěn)定值，100 輪后達(dá)到0.93 左右，如圖10 所示，改進(jìn)前后mAP 值明顯提高，證明了經(jīng)過(guò)改進(jìn)后算法可以更準(zhǔn)確地檢測(cè)出目標(biāo).圖11 為損失函數(shù)迭代過(guò)程圖.從圖11 可以看出，YOLOv5 在50 輪后，損失值才達(dá)到0.04 左右，最終穩(wěn)定到0.038 左右；在換成CIOU 損失函數(shù)后，初始損失值在0.07 左右，最終穩(wěn)定在0.03，在50 輪時(shí)，損失值已經(jīng)降到0.04 以下，這證明了改進(jìn)后預(yù)測(cè)框可以快速逼近真實(shí)框.

圖10 改進(jìn)前后mAP 變化對(duì)比曲線Fig.10 Change curve of mAP before and after improvement

圖11 改進(jìn)前后損失函數(shù)迭代過(guò)程對(duì)比圖Fig.11 Iterative process of loss function before and after improvement

為了分別驗(yàn)證每種改進(jìn)的效果，在同一數(shù)據(jù)集上進(jìn)行消融實(shí)驗(yàn).依次在模型上加入CBAM 和CIOU 損失函數(shù).表格內(nèi)“√”為添加該改進(jìn).

從表1 可以看出，引入CBAM 后平均精度均值提高了2.72%，實(shí)驗(yàn)結(jié)果表明，CBAM 方法能夠提高復(fù)雜環(huán)境下的異物目標(biāo)識(shí)別能力.引入CIOU后提升較小，平均精度均值提高了1.25%.但可以看出改進(jìn)后效果較為明顯.

表1 兩種改進(jìn)的消融實(shí)驗(yàn)結(jié)果Tab.1 Results of two improved ablation experiments

為進(jìn)一步驗(yàn)證本文算法的有效性，將本文算法與SSD[16]、Faster R-CNN[17]、YOLOv3、YOLOv5算法在同一數(shù)據(jù)集上同一配置環(huán)境進(jìn)行對(duì)比.將mAP 和檢測(cè)速度作為評(píng)價(jià)指標(biāo).對(duì)比結(jié)果如表2所示.

表2 不同檢測(cè)模型能力對(duì)比Tab.2 Comparison of the capabilities of different detection models

表2 顯示，改進(jìn)后算法的mAP 值可以達(dá)到0.941，相比于YOLOv3 提高最多，為14.62%，其次比SSD 提高了12.43%，而相比于YOLOv5 算法提高了7%，最后高于Faster R-CNN4.2%.與其他4 種檢測(cè)方法相比，本方法的檢測(cè)準(zhǔn)確率最高，但由于加入了CBAM 模塊，模型復(fù)雜度有所提高，檢測(cè)速度稍不及原始YOLOv5 算法，檢測(cè)速度下降了7.1%.但是，通常的實(shí)時(shí)檢測(cè)滿足25 幀/s 即可，所以該方法的實(shí)時(shí)性也達(dá)到了要求.

圖12 為原有和改進(jìn)后的模型對(duì)比圖，第1 行為原YOLOV5 模型仿真結(jié)果，第2 行為本文算法仿真結(jié)果,選取了較為典型的幾張，兩者對(duì)比可知，在將原YOLOV5 的損失函數(shù)GIOU_Loss 改為CIOU_Loss，圖12 邊界框標(biāo)記更加細(xì)致，不會(huì)框住其余目標(biāo).并且在backbone 主干網(wǎng)絡(luò)里加入了注意力機(jī)制，可以捕捉到更多的特征信息，舍棄掉不明顯信息，因而提升異物識(shí)別準(zhǔn)確率.這代表增加注意力機(jī)制后，網(wǎng)絡(luò)里可以提取到更多的位置信息和語(yǔ)義信息，特征提取方面更加細(xì)節(jié)，并且小目標(biāo)和被遮擋目標(biāo)也被檢測(cè)了出來(lái).

圖12 原YOLOv5 模型與本文算法模型結(jié)果對(duì)比圖Fig.12 Comparison of the results of the original YOLOv5 model and the algorithm model in this paper

4 結(jié)論

在原有YOLOv5 算法的基礎(chǔ)上，分別從圖像增強(qiáng)、注意力機(jī)制和損失函數(shù)3 個(gè)方面進(jìn)行了改進(jìn)，該方法能很好地解決復(fù)雜環(huán)境下物體的識(shí)別能力差或存在遮擋等問(wèn)題，并且檢測(cè)框更為精確.經(jīng)過(guò)消融實(shí)驗(yàn)對(duì)比和與不同模型對(duì)比后，證明了該算法的有效性.改進(jìn)后圖像平均檢測(cè)精度提高到0.941，檢測(cè)速度為39 幀/s，達(dá)到實(shí)時(shí)檢測(cè)要求.但收集到的實(shí)驗(yàn)數(shù)據(jù)較少，導(dǎo)致檢測(cè)精度有限，需進(jìn)一步擴(kuò)充相關(guān)數(shù)據(jù)樣本.并且在增加模型復(fù)雜度，提升檢測(cè)精度的同時(shí)會(huì)增加檢測(cè)時(shí)間，后續(xù)會(huì)在不影響算法和模型的性能的前提下繼續(xù)改進(jìn)識(shí)別速度.本文改進(jìn)后的模型也可以應(yīng)用到其他目標(biāo)檢測(cè)領(lǐng)域，如汽車、農(nóng)業(yè)、醫(yī)學(xué)等場(chǎng)景中.