第４４卷第２期２０２３年４月大连交通大学学报ＪＯＵＲＮＡＬＯＦＤＡＬＩＡＮＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹＶｏｌ．４４Ｎｏ．２Ａｐｒ．２０２３■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■文章编号：１６７３－９５９０（２０２３）０２－０１０８－０７基于ＤＡ－ＳＳＤ的有轨电车轨道小目标障碍物检测算法王运明１，２，彭国都１，周奕昂１，李卫东１（１．大连交通大学自动化与电气工程学院，辽宁大连１１６０２８；２．中车长春轨道客车股份有限公司国家工程技术中心，吉林长春１３００００）摘要：城市有轨电车轨道障碍物的高精度、快速检测对保障城市有轨电车安全行驶具有重要意义。针对ＳＳＤ算法检测轨道小目标障碍物精度较低的问题，提出了基于ＤＡ－ＳＳＤ的城市有轨电车轨道小目标障碍物检测算法。在ＳＳＤ目标检测算法的基础上，设计低层双段反卷积模块，丰富低层特征层的语义信息，增加自适应注意力机制模块，生成具有更强语义信息和精确位置信息的低层特征预测层，修正先验框生成方式，缩小各个特征层先验框的大小，增强轨道小目标障碍物检测的适应性。通过自制有轨电车轨道障碍物数据集进行训练与测试。结果表明：当Ｒｉｏｕ＝０．６时，ＤＡ－ＳＳＤ算法的ＭＡＰ达到７８．１７％，检测速度为２３．４ｆ／ｓ，相比ＳＳＤ算法，该算法在保持高速检测的前提下，提高了有轨电车小目标障碍物的检测精度。关键词：城市有轨电车；小目标检测；ＳＳＤ；双段反卷积；自注意力机制文献标识码：ＡＤＯＩ：１０．１３２９１／ｊ．ｃｎｋｉ．ｄｊｄｘａｃ．２０２３．０２．０１９城市有轨电车是一种能提供高质量公共交通服务、降低交通拥堵、改善空气环境的低成本高效率的交通工具，未来将成为公共交通系统的新生力量。城市有轨电车主要采用人工驾驶的方式行驶在城市骨干道路中，与汽车、行人共同占用道路空间。然而，驾驶员受视觉盲区、精力不集中、突发情况等因素影响，难以准确观察电车轨道前方的障碍物，尤其是行人、动物等小目标障碍物，容易引发交通事故，影响城市有轨电车行车安全。近年来，深度学习技术的快速发展，在计算机视觉领域得到广泛应用，大大提升了目标检测的精度，可为有轨电车前方小目标障碍物检测提供新的技术手段，对提高城市有轨电车行车安全具有重要意义。目前，基于深度学习的目标检测算法主要分为两类。一类是以Ｒ－ＣＮＮ［１］、ＦａｓｔＲ－ＣＮ...
