基于深度学习和视觉检测的地铁违规行为预警系统研究与应用.pdfVIP

2021.19 科学技术创新 -109- 基于深度学习和视觉检测的地铁违规行为预 系统研究与应用 蒲安会 （东华大学信息科学与技术学院，上海 201600 ） ： ，城市轨道交 然而城市轨道交通运营中 摘 要 近几年随着城市经济的高速增长 通也得到了飞速的发展， 存在大量的地铁违 规行为现象，己成为当前各种社会矛盾较为集中的热点问题之一。地铁违规行为现象以多种形式存在，例如厢内嬉戏打闹、车内 饮食、斗殴、恶意霸占长条椅睡觉等。本文研究了目前最新的人体关节点检测模型，阅读研究了国内外相关领域最先进的文献，并 在理论模型的基础上进行了相关的应用创新研究与实验。本文采用了HigherHRNet 网络，并在该网络的基础上针对由于图片模糊 而无法检测到关节点、错误地检测出镜像中人的关节点、非正常姿势而无法检测出所有关节点这三个问题进行了结构上和应用 实验 （ 可 。 上的改进。 结果表明关节点检测的平均精度 AP ）是0.841， 视化展示中同时也解决了镜像干扰以及关节点不全的问题 关键词：地铁违规行为检测；关节点检测；HigherHRNet ： ： ： 中图分类号 TP391.41 文献标识码 A 文章编号 2096-4390 2021冤19-0109-04 1 概述 测。 随着城市经济的发展，在现代社会地铁已经成为人们出行 本文 的实际应用情况选取 了 HigherHRNet 模 型 ， 。 的主流方式，地铁的高安全性使人们的出行安全得到了保障 HigherHRNet 模型 目前在多人关节点识别任务 bottom-up 中 因此，越来越多的人选择地铁出行。由于地铁运营的载客运营 最先进的算法，模型不仅在关节点定位上 加准确，还能够识 容量大，人口流动性大，车内空间狭小。因此，地铁中各种突发 别图 中人物较小的关节点。然而该模型在实际应用中存在模 情况、不文明行为越来越多，而地铁的管理人员不能够及时地 糊图像无法检测到关节点、镜像图像的干扰、非正常姿势关节 [1-4] 发现这些行为和情况，导致各种悲剧的发生。地铁上的不文明 点检测不全等问题，本文分别进行了超分辨率重建 、双阈值、 行为有很多种类型，例如在车厢里嬉戏打闹、扔垃圾、打架以及 修改关节点之间的强相关的方法从而 决了上述三个问题。 躺在座位上占座等。而突发晕倒情况也屡见不鲜，没有及时抢 2 基于深度学习的人体关节点检测 救的话很有可能造成悲剧。 2.1 关节点检测的研究现状 针对上述问题，本研究的意义重大，在乘客倒地、不文明行 本文主要应用场景 地铁车厢，因此本文的关节点检测面 为、不佩戴口罩等情况下能够及时的检测到并报警，方便地铁 向很多人，多人关节点检测分为自上而下和自下而上。自上而 工作人员及时处理上述情况。 下的含义 先检测出多个人，然后再对每个人进行关节点检 ， ，再判断关节点属 本文以深度学习为背景，将人工智能与图像识别相结合 测。自下而上的含义 先检测出所有关节点 针对地铁上人的各种违规行为，将深度学习应用于关节点检 于哪个人。