本项目属于交通运输科学技术领域。高速铁路沿线重点安防区域安装有大量视频监控点，视频信息通过铁路专网接入监控中心，构建高铁综合视频监控网络，主要用于非法人员入侵、设备形位变化及自然灾害侵蚀线路的监测和预警。由于既有系统存在近景误检率高，远景报警延时、智能识别率低等问题，现场实际应用效果较差。为了解决这一技术难题，依托上海局集团公司科技计划，本项目利用高铁综合视频监控网络，采用先进的图像处理、机器视觉与计算机深度神经网络技术，研发一套高铁视频监控智能识别预警系统，大幅提高了视频监控预警快速响应性及准确率，为非法人员入侵、异物侵入铁路限界、自然灾害侵蚀线路及反恐防暴等重大安全隐患提供技术保障，有效提升了高铁运营安全防范能力。技术创新点：1.创造性提出了混合高斯前景提取、密度聚类与跟踪预检方法，与直接采用深度学习技术比较，降低了85%以上的计算资源消耗，并滤除了95%的静态场景及光照、阴影等非实体干扰可能产生的误检。2.首创高速列车经过及列车灯光干扰滤除算法，过滤了99%以上由列车经过等动态变化引起的误检事件。3.首次针对高铁周界低清晰度远景人像制作深度学习数据集，在改进的学习框架中进行训练，提取远景人像特征权重参数模型，实现了监控区域内成像12×18像素的人员入侵，与微软发布的coco数据集训练模型检测效果相比，最小可检人像像素值降低了60%。4.创造性提出多分辨率远景人像特征融合与识别方法，实现了小目标人像的高精度快速检测。25帧连续检测时，远景人员入侵检测率达到95%，近景人员入侵检测率达到99.9%，且可信度均在0.95以上。5.首创连续空间的多通道联动跟踪算法，实现人员跨越不同监控区域移动的轨迹跟踪与实时定位。知识产权：国家发明专利授权1项（专利号：ZL201510723252.1），发表论文2篇。应用推广情况：该成果已在多个高铁线路区段进行了测试和应用。沪杭客运专线上，系统可对救援疏散通道、低路基段、车站咽喉口和公跨铁等区域的人员非法上道、异物侵入限界情况进行自动监测与预警，有力提升了高铁运营安全保障水平。在杭长客运专线高清视频条件下，系统可对200米以外的人员进行精确定位和识别，对于大多数场景为长直线路的高铁周界安防区域，具有极强的技术适用性。宁杭客运专线安装有星光级高清摄像机，系统在夜晚低照度条件下，仍可快速、准确地识别线路上150米以外非法入侵人员，一方面对系统的适用性和能力边界进行了测试，另一方面也为新线建设及老线更新改造时，视频采集设备选型和安装间隔确定提供了依据。