胡雪霏，李丞鵬，陳俊海，劉書(shū)浩，宋曉敏

（1.交通運(yùn)輸部科學(xué)研究院，北京 100029；2.城市軌道交通運(yùn)營(yíng)安全管理技術(shù)及裝備交通運(yùn)輸行業(yè)研發(fā)中心，北京 100029；3.北京中天路通智控科技有限公司，北京 100036）

0 引言

近年來(lái)，南寧、深圳、成都等多個(gè)城市地鐵保護(hù)區(qū)陸續(xù)發(fā)生鉆機(jī)施工擊穿隧道的險(xiǎn)性事件[1]，造成隧道及列車(chē)受損、司機(jī)受傷、運(yùn)營(yíng)延誤等嚴(yán)重后果，給乘客人身安全帶來(lái)了重大隱患。據(jù)不完全統(tǒng)計(jì)，僅2021 年，我國(guó)就發(fā)生了6 起因外部勘探等施工作業(yè)打穿地鐵隧道的事件。為加強(qiáng)地鐵保護(hù)區(qū)管理，《城市軌道交通運(yùn)營(yíng)管理規(guī)定》（中華人民共和國(guó)交通運(yùn)輸部令2018 年第8 號(hào)）以及各城市軌道交通管理規(guī)定中均對(duì)地鐵保護(hù)區(qū)的作業(yè)和巡查提出了要求。然而目前各城市地鐵保護(hù)區(qū)巡查主要依靠人工[2]，工作量大、投入較高且效率較低，不僅難以覆蓋所有區(qū)域，而且巡查效果受人員自身素質(zhì)、專(zhuān)業(yè)素養(yǎng)等因素影響較大。因此，單純的人工巡查無(wú)法解決地鐵保護(hù)區(qū)面臨的安全隱患[3]。

圖像識(shí)別技術(shù)的發(fā)展為地鐵保護(hù)區(qū)管理提供了新思路，如：Lablack等[4]通過(guò)監(jiān)控?cái)z像機(jī)分析乘客的停止、移動(dòng)和觀看等行為，以判斷其對(duì)物體的興趣；Ko[5]提出了可疑人類(lèi)行為檢測(cè)方法，將基于行為分析的視頻監(jiān)控應(yīng)用于公共安全領(lǐng)域；Hu等[6]結(jié)合空間、距離和類(lèi)型的特征，對(duì)交通監(jiān)控視頻中的典型和異常行為進(jìn)行了識(shí)別。我國(guó)各大城市也在探索利用新型監(jiān)測(cè)技術(shù)手段提升地鐵保護(hù)區(qū)的安全管理水平，如：武漢地鐵針對(duì)武漢市的特殊地質(zhì)條件，研究了地鐵保護(hù)區(qū)變形安全監(jiān)測(cè)的方案設(shè)計(jì)、實(shí)施及控制指標(biāo)，梳理出了主要安全風(fēng)險(xiǎn)因素[7]；南京地鐵[8]結(jié)合移動(dòng)互聯(lián)網(wǎng)、地理信息系統(tǒng)（Geographic Information System,GIS）與全球衛(wèi)星導(dǎo)航系統(tǒng)（Global Navigation Satellite System,GNSS）定位技術(shù)，研發(fā)了軌道交通保護(hù)區(qū)信息化巡查執(zhí)法智能管理系統(tǒng)及配套手持終端，提出了巡查結(jié)果動(dòng)態(tài)查詢(xún)、歷史項(xiàng)目和案件回溯及數(shù)據(jù)智能分析算法，以加強(qiáng)地鐵保護(hù)區(qū)巡查執(zhí)法管理；北京地鐵通過(guò)保護(hù)區(qū)既有部分地質(zhì)、水文、管線(xiàn)、設(shè)施等基礎(chǔ)數(shù)據(jù)融合技術(shù)、北斗衛(wèi)星遙感、保護(hù)區(qū)電子圍欄、地面線(xiàn)視頻監(jiān)控、無(wú)人機(jī)自動(dòng)巡查、自動(dòng)化監(jiān)測(cè)等關(guān)鍵技術(shù)研究，搭建了保護(hù)區(qū)管理平臺(tái)[9]。

綜上所述，國(guó)外關(guān)于圖像識(shí)別技術(shù)在地鐵中的應(yīng)用研究主要集中在乘客行為分析和監(jiān)測(cè)方面，國(guó)內(nèi)大部分地鐵保護(hù)區(qū)的研究側(cè)重于施工管理過(guò)程中的變形監(jiān)測(cè)[10-13]，以及施工管理全過(guò)程的信息化平臺(tái)研發(fā)[14-15]，對(duì)于智能監(jiān)測(cè)和巡查手段的準(zhǔn)確率和有效性研究相對(duì)不足。為此，本文擬針對(duì)地鐵保護(hù)區(qū)施工鉆機(jī)的圖像特點(diǎn)，開(kāi)展基于智能圖像識(shí)別的地鐵保護(hù)區(qū)內(nèi)鉆機(jī)作業(yè)監(jiān)測(cè)方法研究，從圖像識(shí)別準(zhǔn)確率、識(shí)別速度、功能參數(shù)影響等方面進(jìn)行對(duì)比分析，評(píng)價(jià)深度學(xué)習(xí)方法在地鐵保護(hù)區(qū)鉆機(jī)圖像識(shí)別中的應(yīng)用性能，旨在為增強(qiáng)地鐵保護(hù)區(qū)內(nèi)鉆機(jī)施工識(shí)別的及時(shí)性和準(zhǔn)確性提供支撐。

1 圖像識(shí)別算法

圖像識(shí)別主要是通過(guò)對(duì)圖像特征的提取和分析，實(shí)現(xiàn)對(duì)信息的處理和識(shí)別。由于普通的機(jī)器學(xué)習(xí)模型無(wú)法對(duì)物體大小、形狀、狀態(tài)等多樣性進(jìn)行有效識(shí)別，21 世紀(jì)前的圖像識(shí)別方法僅處于實(shí)驗(yàn)室水平。深度學(xué)習(xí)[16]是基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，更適合解碼復(fù)雜的、高維的、隱秘的特征。2010 年以來(lái)，隨著深度學(xué)習(xí)的普及，關(guān)于圖像識(shí)別的研究蓬勃發(fā)展，R-CNN（Regionbased Convolution Neural Networks）系 列、SSD（Single Shot MultiBox Detector）、YOLO（You Only Look Once）系列等基于人工神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法應(yīng)運(yùn)而生。Faster R-CNN[17-18]是R-CNN 系列的最新成果，它是目前準(zhǔn)確率最高的圖像識(shí)別算法之一，但識(shí)別速度相對(duì)較慢。SSD[19]同時(shí)借鑒了YOLO 和Faster R-CNN，既有YOLO 速度快的優(yōu)點(diǎn)，又有Faster R-CNN 識(shí)別準(zhǔn)的優(yōu)點(diǎn)，但調(diào)試過(guò)程較多依賴(lài)經(jīng)驗(yàn)。YOLO[20]是基于CNN 的深度學(xué)習(xí)模型在圖像識(shí)別中的典型應(yīng)用，通過(guò)不斷改進(jìn)和迭代成為YOLOv4 模型，其在網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練策略等方面都有了較大變化，能夠同時(shí)保證準(zhǔn)確率和檢測(cè)速率，具有較好的檢測(cè)效果。各種算法的優(yōu)劣勢(shì)比較和適用場(chǎng)景如表1所示。

表1 圖像識(shí)別算法適用性比較

結(jié)合表1 中3 種算法的優(yōu)劣勢(shì)和適用場(chǎng)景，考慮到地鐵保護(hù)區(qū)的鉆機(jī)識(shí)別對(duì)于速度和時(shí)間的要求較高，且鉆機(jī)本身目標(biāo)相對(duì)較大，YOLOv4算法的成熟度和適用性更高，因此本文選擇采用YOLOv4算法構(gòu)建鉆機(jī)識(shí)別模型。

2 地鐵保護(hù)區(qū)鉆機(jī)檢測(cè)方法

YOLOv4 算法是在YOLO 目標(biāo)檢測(cè)架構(gòu)的基礎(chǔ)上，對(duì)數(shù)據(jù)處理、主干網(wǎng)絡(luò)、網(wǎng)絡(luò)訓(xùn)練、激活函數(shù)、損失函數(shù)等多方面進(jìn)行了優(yōu)化。YOLOv4網(wǎng)絡(luò)主要分為Input,Backbone,Neck 和Head 共4層，其中：Input 層負(fù)責(zé)輸入圖片用于訓(xùn)練，即輸入層；Backbone層負(fù)責(zé)特征提取，利用Mish 激活函數(shù)提高網(wǎng)絡(luò)性能；Neck 層負(fù)責(zé)對(duì)提取到的信息進(jìn)行池化以及特征融合操作；Head層負(fù)責(zé)輸出檢測(cè)結(jié)果。同時(shí)，考慮到地鐵保護(hù)區(qū)的鉆機(jī)具有圖像隱蔽、不易識(shí)別的特點(diǎn)，在YOLOv4 模型訓(xùn)練過(guò)程中應(yīng)用了馬賽克（Mosaic）數(shù)據(jù)增強(qiáng)和學(xué)習(xí)率余弦退火算法，以進(jìn)一步提升模型的性能。

2.1 馬賽克（Mosaic）數(shù)據(jù)增強(qiáng)

在訓(xùn)練過(guò)程中，首先從總數(shù)據(jù)集中取出一定批量數(shù)據(jù)，每次從中隨機(jī)選取4 張圖片，進(jìn)行隨機(jī)位置的裁剪拼接，合成1張新圖片，重復(fù)N次，最后得到N個(gè)經(jīng)過(guò)馬賽克數(shù)據(jù)增強(qiáng)后的圖片數(shù)據(jù)集，再反饋給神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，如圖1所示。

2.2 學(xué)習(xí)率余弦退火算法

深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練難度高主要是因?yàn)閷W(xué)習(xí)過(guò)程容易陷入局部最優(yōu)，模型無(wú)法進(jìn)一步更新參數(shù)。學(xué)習(xí)率退火算法可在每個(gè)批量數(shù)據(jù)訓(xùn)練后將學(xué)習(xí)率減小一點(diǎn)，當(dāng)減小到規(guī)定值后馬上增大到初始值，然后循環(huán)這一過(guò)程。余弦退火可以通過(guò)余弦函數(shù)來(lái)降低學(xué)習(xí)率。在余弦函數(shù)中，隨著自變量x的增大，余弦值先緩慢減小，然后加速減小，之后再次緩慢減小。學(xué)習(xí)率與余弦退火的結(jié)合，將獲得較好的學(xué)習(xí)效果（如圖2所示）。

2.3 權(quán)重衰減

權(quán)重衰減也稱(chēng)L2正則化，其目的是讓權(quán)重衰減到更小的值，在一定程度上減少模型過(guò)擬合的問(wèn)題。其表達(dá)式為在損失函數(shù)后面再加上一個(gè)正則化項(xiàng)，如式（1）所示。

式（1）中：C為正則化后的損失函數(shù)；C0為原始的損失函數(shù)；λ為權(quán)重衰減系數(shù)；w為權(quán)值；n為訓(xùn)練集大小。

權(quán)重衰減使得權(quán)值w更小，根據(jù)奧卡姆剃刀原理，一般情況下網(wǎng)絡(luò)的復(fù)雜度越低，模型對(duì)數(shù)據(jù)的擬合越好。

3 實(shí)驗(yàn)分析

3.1 模型訓(xùn)練

本次地鐵保護(hù)區(qū)鉆機(jī)實(shí)驗(yàn)中共使用1 682 張圖片進(jìn)行測(cè)試。在打好標(biāo)簽后，將其中的90%，即1 514 張圖片劃為訓(xùn)練集參與測(cè)試，10%即168張圖片劃為測(cè)試集。在1 514 張訓(xùn)練圖片中，選取10%即151 張圖片用于驗(yàn)證計(jì)算損失，最后基于168張測(cè)試圖片計(jì)算模型的各項(xiàng)評(píng)價(jià)指標(biāo)。

3.2 評(píng)價(jià)指標(biāo)

鉆機(jī)識(shí)別模型的評(píng)價(jià)指標(biāo)包括精確率P（Precision）、召回率R（Recall）、調(diào)和平均數(shù)F1、平均準(zhǔn)確率AP（Average Precision）及幀率FPS（Frame per Second）：

（1）精確率P，也稱(chēng)查準(zhǔn)率，是針對(duì)預(yù)測(cè)結(jié)果而言的，即預(yù)測(cè)為正的結(jié)果占總預(yù)測(cè)樣本的百分比，如式（2）所示：

式（2）中：TP 為預(yù)測(cè)為正的樣本數(shù)；FP 為預(yù)測(cè)為負(fù)的樣本數(shù)。

（2）召回率R，也稱(chēng)查全率，是針對(duì)原樣本而言的，即在全部為正的樣本中被預(yù)測(cè)為正樣本的概率，如式（3）所示：

式（3）中：FN表示實(shí)際為正但未被預(yù)測(cè)出的樣本數(shù)。

（3）調(diào)和平均數(shù)F1。由于在某些極端情況下，P和R是矛盾的，需要以犧牲其中一個(gè)指標(biāo)為代價(jià)來(lái)最大化另一個(gè)指標(biāo)。為使結(jié)果更加均衡和客觀，取F1為綜合評(píng)價(jià)指標(biāo)，即精確率和召回率的調(diào)和平均數(shù)，如式（4）所示：

（4）平均準(zhǔn)確率AP。AP是P -R曲線(xiàn)中P對(duì)R的積分，本質(zhì)上是P關(guān)于R的加權(quán)平均數(shù)，它可以更準(zhǔn)確地衡量模型的整體精確率，如式（5）所示：

（5）幀率FPS。FPS 是衡量模型速度的一個(gè)指標(biāo)，它表示模型每秒能夠處理的圖片數(shù)量。

3.3 實(shí)驗(yàn)結(jié)果分析

3.3.1 YOLOv4模型結(jié)果分析

實(shí)驗(yàn)結(jié)果中，鉆機(jī)標(biāo)簽的精確率和召回率關(guān)于置信度閾值的曲線(xiàn)如圖3 所示。其中，橫坐標(biāo)為置信度閾值，高于該閾值判為正例（含有鉆機(jī)），反之則為負(fù)例。

從圖3 中可以看到，精確率P隨置信度閾值的增大而增大，即判定標(biāo)準(zhǔn)越嚴(yán)格，精確率越高；而召回率R正好相反，隨置信度閾值的增大而減小，即判定標(biāo)準(zhǔn)越嚴(yán)格，召回率越低。當(dāng)閾值取0.5 時(shí)，模型的精確率P和召回率R分別為91.43%和92.75%，均處于較高水平。

鉆機(jī)標(biāo)簽的P-R曲線(xiàn)如圖4所示。

調(diào)和平均數(shù)F1關(guān)于置信度閾值的曲線(xiàn)如圖5所示。經(jīng)計(jì)算，模型中鉆機(jī)標(biāo)簽在測(cè)試集中的平均準(zhǔn)確率為94.03%，并且F1在置信度閾值為0.854 5時(shí)達(dá)到最大值。

實(shí)驗(yàn)中構(gòu)建的鉆機(jī)識(shí)別模型對(duì)鉆機(jī)圖片的識(shí)別效果如圖6所示。

3.3.2 參數(shù)敏感性分析

（1）功能疊加對(duì)平均準(zhǔn)確率的影響

為了對(duì)比不同的技術(shù)功能參數(shù)對(duì)識(shí)別結(jié)果的影響，通過(guò)調(diào)節(jié)YOLOv4 算法模型，分別疊加Mosaic 數(shù)據(jù)增強(qiáng)、學(xué)習(xí)率余弦退火算法兩種功能，最終得到的平均準(zhǔn)確率如表2所示。

表2 不同算法功能組合對(duì)平均準(zhǔn)確率的影響

從表2 可以看出，Mosaic 數(shù)據(jù)增強(qiáng)和學(xué)習(xí)率余弦退火算法均對(duì)提升模型的平均準(zhǔn)確率有明顯作用，其中單獨(dú)使用Mosaic 數(shù)據(jù)增強(qiáng)功能可以將平均準(zhǔn)確率提升2.06%，單獨(dú)使用學(xué)習(xí)率余弦退火算法可以將平均準(zhǔn)確率提升1.22%，二者同時(shí)使用時(shí)平均準(zhǔn)確率最高，為94.03%，提升了3.79%。

（2）權(quán)重衰減系數(shù)對(duì)平均準(zhǔn)確率的影響

為得出平均準(zhǔn)確率的最優(yōu)值，在上述效果最好的功能組合的基礎(chǔ)上，改變權(quán)重衰減系數(shù)λ，觀察對(duì)比不同λ對(duì)平均準(zhǔn)確率的影響，結(jié)果如圖7所示。

由圖7 可以看出，總體上，當(dāng)權(quán)重衰減系數(shù)處于低值區(qū)間時(shí)，權(quán)重衰減系數(shù)越高，平均準(zhǔn)確率越高；當(dāng)權(quán)重衰減系數(shù)處于較高值區(qū)間時(shí)，權(quán)重衰減系數(shù)越高，平均準(zhǔn)確率反而越低。這是因?yàn)楹侠淼臋?quán)重衰減系數(shù)可以減小參數(shù)，避免過(guò)擬合，提高模型在測(cè)試集上的準(zhǔn)確率；當(dāng)權(quán)重衰減系數(shù)過(guò)高時(shí)，參數(shù)變得過(guò)小，訓(xùn)練對(duì)參數(shù)幾乎沒(méi)有影響，平均準(zhǔn)確率就會(huì)降低。計(jì)算結(jié)果顯示，當(dāng)權(quán)重衰減系數(shù)取0.000 1 時(shí)，平均準(zhǔn)確率最高，達(dá)到98.23%。

3.3.3 不同模型的結(jié)果對(duì)比

為了驗(yàn)證YOLOv4 模型對(duì)于地鐵保護(hù)區(qū)中鉆機(jī)識(shí)別的適應(yīng)性，另外選取了Faster R-CNN,SSD,YOLOv3 這3 種常見(jiàn)的圖像識(shí)別算法模型，對(duì)4 種模型的精確率、召回率、F1值、平均準(zhǔn)確率和識(shí)別速度進(jìn)行對(duì)比，結(jié)果如圖8 所示。從圖8 可以看出，YOLOv4 模型在精確率、召回率、F1值、平均準(zhǔn)確率以及幀率5 個(gè)指標(biāo)方面均優(yōu)于Faster R-CNN,SSD 和YOLOv3 模型，說(shuō)明YOLOv4模型對(duì)于鉆機(jī)識(shí)別的適用性較好。

4 結(jié)語(yǔ)

采用基于圖像識(shí)別技術(shù)的智能監(jiān)測(cè)方法，可協(xié)助對(duì)地鐵保護(hù)區(qū)沿線(xiàn)安全狀態(tài)的全天候、全方位監(jiān)測(cè)，實(shí)現(xiàn)事件信息采集的精確化、信息傳遞過(guò)程的網(wǎng)絡(luò)化、監(jiān)督管理過(guò)程的實(shí)時(shí)化，是加強(qiáng)地鐵保護(hù)區(qū)安全管理工作的有效技術(shù)手段之一。本文基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)，結(jié)合鉆機(jī)圖像的識(shí)別特點(diǎn)，構(gòu)建了地鐵保護(hù)區(qū)鉆機(jī)檢測(cè)方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了不同參數(shù)設(shè)置對(duì)模型性能的影響，分析了常見(jiàn)的4 種模型對(duì)于鉆機(jī)識(shí)別的精確率、召回率、F1值、平均準(zhǔn)確率和幀率的實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果顯示，YOLOv4 模型的識(shí)別效果較為理想，可作為地鐵保護(hù)區(qū)鉆機(jī)識(shí)別的模型之一。本文主要針對(duì)地鐵保護(hù)區(qū)施工常見(jiàn)的鉆機(jī)識(shí)別進(jìn)行研究和驗(yàn)證，模型的樣本量相對(duì)較小，適用范圍較為單一。未來(lái)在實(shí)驗(yàn)條件允許的情況下，可增加安全帽、反光背心、頭盔等更多地鐵保護(hù)區(qū)施工作業(yè)常見(jiàn)的工具進(jìn)行多模型的識(shí)別對(duì)比，以擴(kuò)大模型的適用范圍，更好地為地鐵保護(hù)區(qū)監(jiān)測(cè)提供技術(shù)支撐。