武斯全，田震，廖开沅，徐嘉勃

（北京交通大学计算机与信息技术学院，北京 100044）

高速铁路接触网是指沿着铁路干道在其上方所搭设的为来往列车输送电能的特殊供电线路。随着中国铁路的高速发展以及运营里程的快速增长，有关于高速铁路接触网的安全问题日益突出。其中，由于铁路周围鸟类活动而引起的关于接触网安全事故频频发生。为减少接触网上鸟窝搭建鸟类停留所造成的不良影响，主要还是采用结构优化、封堵以及驱赶等方式进行防护，此外，类似视觉惊吓法这样的民间防治方法也因其操作方便、资金较低的优点而被采用。由于接触网的位置较为分散，异物位置并不固定，所以单一依靠人工巡检的方式存在高成本及低可靠性等缺点。目前主要采用视频分析技术从而对接触网入侵异物进行检测的方法，但这项工作仍然需要有人工的参与并且具有较差的实时性。为改进高速铁路接触网的智能识别技术，提高检测效率，本文提出了一种新的高铁接触网鸟窝识别算法。

1 基于级联神经网络的接触网鸟窝检测模型

1.1 模型概述

针对接触网鸟窝的体积较小，缺乏显著的形状和纹理特征，采用已有的人工设计特征对条纹图像进行分类难以得到理想的结果。对此，深度学习提供了一种可行的解决方案，YOLO神经网络作为一种常见的目标检测网络具有强大的检测性能。本研究利用两级预测网络级联的检测网络进行接触网鸟窝检测，采用YOLOv3-SPP网络结构作为分级检测器。……