基于人体姿态的城际铁路站台门与列车间乘客异常行为识别算法研究.pdfVIP

摘要

目前，城际铁路系统在站台门与列车间给乘客留下了较大活动空间，对此空间内的

乘客行为进行识别监控，对于保障城际铁路运行安全和稳定起到了重要作用。在城际铁

路公交化背景下，由于城际铁路站台纵深长，且存在观察盲区，站务人员难以在列车发

车前快速排查站台。现有依赖于激光等光电传感器技术的方案存在有盲区，且仅能检测

人体是否存在，无法识别乘客异常行为等问题。本文在分析城际铁路的环境特点和现有

解决方案的基础上，基于人体姿态这一简洁高效的数据，以跟踪-识别为框架提出了一

种在视频序列中快速准确地识别乘客异常行为的算法，辅助站务人员及时有效地做出安

全反应。主要研究内容如下：

针对于入侵禁行区与徘徊的两种空间位置异常行为，提出了一种基于走行通道提取

与姿态跟踪的识别算法。其中，走行通道提取算法可自动确定列车门位置及状态，提取

乘客正常行走的空间位置信息，为判断乘客空间位置提供依据。姿态跟踪算法可在视频

序列中检测并关联乘客姿态，其利用躯干姿态的运动特征进行跟踪，以克服姿态估计网

络对四肢骨骼点估计精度不足的影响。所提出姿态跟踪算法在大规模数据集上达到了

66.42%的跟踪精度，其与现有方法相比具有显著优势。入侵禁行区与徘徊的两种异常

行为识别精度分别达到了94.8%和90.4%。

针对于乘客在姿态特征上的异常行为，本文提出了基于图神经网络的识别算法，其

中，采用分支网络处理包含位置、速度、骨骼信息的多流姿态特征来获得丰富特征。针

对于部分姿态数据缺失的问题，提出了一种人体骨架位置编码的增广特征，提升网络对

于缺失特征骨骼点的感知能力。在时序信息的处理上，提出了基于轻量级的通道注意力

机制时间卷积层，增强重要信息，提升模型性能。通过在公开数据集和自建数据集上的

实验，所提出算法在自建数据集上行为识别精度达到了93.37%,对异常行为的识别精度

达到了96.77%，所提出算法对比其他模型具有更优的性能，能有效检测乘客跌倒和攻

击两种异常行为。本文针对城际铁路站台门与列车间乘客异常行为识别这一实际需求，

对现有问题开展了深入的研究，提出了必要的基础理论和技术方法，为工程应用和深入

研究提供了新的参考。

关键词：轨道交通；异常行为；姿态跟踪；图神经网络；人体姿态数据；

I

Abstract

Currently,theintercityrailwaystationalargespacebetweenplatformdoorsandtrains.

Recognizingandmonitoringpassengerbehaviorinthisspaceplaysanimportantroleinensuring

thesafetyandstabilityofintercityrailwayoperation.Inthecontextofintercityrailwaypublic

transportation,thelengthoftheplatformsandtheexistenceofblindspotsmakeitchallenging

forstationstafftoswiftlyinspecttheplatformbeforetraindeparture.Existingsolutionsrelying

onlaserandotherphotoelectricsensorshaveblindspotsandcanonlydetectthepresenceofa

humanbody,withoutbeingabletoidentifyabnormalpassengerbehavior.Basedontheanalysis

ofthecharacteristicsofintercityrailwaysandexistingsolutions,thispaperproposesafastand

accuratemethodforrecognizingabnormalpassengeractionsinvideosequencesbasedonhuman

posedata.Themethodcanassiststationstaffin