王 瑞，李霄峰，史天运，邹 琪

(1.中国铁道科学研究院研究生部，北京100081；2.北京交通大学轨道交通与数据挖掘北京市重点实验室，北京100044；3.中国铁道科学研究院集团有限公司，北京100081)

0 引言

截至2018年底，我国高速铁路运营里程已超过2.9万km，随着路网规模的扩大和列车运行速度的不断提高，列车运行安全被提到了新高度.高铁周界入侵事件时有发生，严重威胁列车运行安全，周界入侵主动防范能力还有待进一步加强.高铁沿线布设有综合视频监控系统，如何利用现有资源对周界入侵行为进行有效地防范是高铁周界安防一个行之有效的解决思路，而基于视频的目标检测算法是视频用于铁路周界入侵检测的核心.

基于视频的周界入侵检测受光线、天气、相机抖动、动态背景等情况影响，传统算法很难同时有效处理各种不同情况[1-5]，提出一种改进的Cascade Mask R-CNN，使用目标检测的方法检测铁路周界入侵.铁路沿线综合视频监控系统摄像头设置距离较远，视频中会出现大量的小目标，很容易对其产生漏检的情况，故在原始模型中增加基于特征金字塔网络(FPN)提取多尺度特征，同时增加基于空洞金字塔汇聚(ASPP)子网络增强空间上下文信息，改进的模型将多尺度特征与上下文信息融合，增强了模型对小目标的表达能力.

1 基于Cascade Mask R-CNN的视频周界入侵检测

传统基于视频的周界入侵检测方法(如运动前景检测方法)极易受到现实因素影响：相机抖动，如图1所示；动态背景，即风吹动树叶等，如图2所示；……