一种面向高密集客流场景的地铁站台乘客行为识别方法技术

本发明专利技术公开一种面向高密集客流场景的地铁站台乘客行为识别方法，涉及视频识别技术领域。该方法在高密集客流场景中用多尺度卷积神经网络提取图像中乘客的紧凑全局特征，使用Transformer对乘客的紧凑全局特征进行特征解耦，得到乘客编号相关特征和无关特征，引入对比学习对相关特征与无关特征进行判别性约束，将遮挡物及背景噪声从乘客的紧凑全局特征中分离，抑制遮挡对乘客编号匹配的干扰，解决高密集出行乘客相互遮挡以及站台设施设备遮挡乘客情况下的站台乘客行为识别问题，并通过获取目标地铁站台的实时监控视频流；应用乘客行为识别模型对站台乘客候车、上车、下车、滞留和奔跑等行为进行识别，提高了站台乘客行为实时识别的精度。

【技术实现步骤摘要】

本专利技术涉及视频识别，特别是涉及一种面向高密集客流场景的地铁站台乘客行为识别方法。

技术介绍

1、地铁车站站台作为地铁系统客流的集散中心，往往需要在狭小的空间内承载高密度、强流动性的客流。站台乘客行为复杂多变，并且直接作用于地铁列车。由于地铁列车运行需要严格遵照列车运行图，微小的乘客行为扰动可能对列车运行产生很大的影响。目前的地铁监控系统，缺少对站台乘客个体的候车、上车、下车、滞留、奔跑等多样化复杂行为进行识别，导致无法及时对站台处的乘客拥挤、滞留、徘徊等行为和状态进行有效处理。目前公开的专利缺乏对上下车过程中高密集出行乘客之间相互遮挡或者站台设施设备严重遮挡乘客情况下的站台乘客行为智能识别，无法满足高密集客流出行场景中的乘客行为精确识别。可见，面向高密集客流场景的地铁站台乘客行为智能识别对于降低公共安全事件发生率，保障地铁运营安全起到了非常积极的作用。此外，通过站台乘客实时状态及行为的识别能够为列车运行实时优化及车站客流组织方案动态优化提供有效的数据支撑。

技术实现思路

1、本专利技术的目的是提供一种面向本文档来自技高网...

【技术保护点】

1.一种面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，所述识别方法包括：

2.根据权利要求1所述的面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，所述特征提取模型包括空洞卷积网络、Transformer网络和对比学习损失。

3.根据权利要求1所述的面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，所述优化后的YOLOv8网络包括依次连接的优化后的骨干网络、颈部结构和头部结构；所述优化后的骨干网络是由YOLOv8的骨干网络Darknet-53的最后一层与所述特征提取模型连接组成的。

4.根据权利要求3所述的面向高密集客流场景...

【技术特征摘要】

1.一种面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，所述识别方法包括：

2.根据权利要求1所述的面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，所述特征提取模型包括空洞卷积网络、transformer网络和对比学习损失。

3.根据权利要求1所述的面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，所述优化后的yolov8网络包括依次连接的优化后的骨干网络、颈部结构和头部结构；所述优化后的骨干网络是由yolov8的骨干网络darknet-53的最后一层与所述特征提取模型连接组成的。

4.根据权利要求3所述的面向高密集客流场景的地铁站台乘客行为识别方法，其特征在于，yolov8的骨干网络darknet-53的最后一层与所述空洞卷积网络连接；所述空洞卷积网络与所述transformer网络连接；所述transformer网络和所述对比学习损失连接；所述对比学习损失与所述颈部结构连接；所述空...

【专利技术属性】
技术研发人员：谷金晶，
申请(专利权)人：云南大学，
类型：发明
国别省市：