地铁视频监控系统中的行人检测应用分析.pdfVIP

中文科技期刊数据库（全文版）自然科学

中文科技期刊数据库（全文版）自然科学

地铁视频监控系统中的行人检测应用分析

任玙梦

1.河南理工大学，河南焦作454000

2.郑州轨道交通运营有限公司，河南郑州450000

摘要：在城市交通网络体系中，地铁站作为关键节点，承担着巨大的人流集散功能，其安全管理至关重要，依托

于先进的视频监控技术，对地铁站内行人运动轨迹进行细致分析，已成为确保地铁安全高效运营的核心策略之一。

其中目标检测与跟踪技术近年来不断进步，为处理复杂场景下行人行为提供了可靠的技术支撑，本研究应用YOLO

算法作为图像处理工具，通过对行人目标的精准识别和定位，为深入分析行人行为与交通流特性研究奠定坚实基

础，从而更好的提高地铁安全管理水平。

关键词：地铁；视频监控；行人检测；应用

中图分类号：TP3

1概述YOLOv4相当的检测能力，并在推理能力上展现出更显

著的优势，这一系列改进不仅巩固了YOLO算法在目标

在地铁交通系统中，视频监控系统发挥着至关重

检测领域的地位，也为后续相关研究提供了新的方向

要的作用，不仅实现了对机电设备实时集中的监控以[2]

和启示。其中YOLOv5的优点以及改进之处见下表1

及各独立系统间的协调运作，其所积累的大规模数据

所示：

也为地铁行人检测技术提供了坚实的数据支持。当前，

表1YOLOv5的优点以及改进之处

融合计算机视觉技术的行人检测研究已在实践中得到改进之处优点

广泛的推广，然而实际应用场景中，行人多处于线性数据增强对小目标检测问题进行高效

化处理

通道之中，而地铁内的上下扶梯等特殊区域也需加以自适应锚定框对数据集进行训练，以便学习

重点考量。由于行人既具有刚性也具备柔性物体的特锚定框

跨阶段局部网络可以对梯度消失问题进行有

性，其检测结果易受衣着、姿态等多种因素影响，加效缓解，能够实现特征信息高

之地铁环境的复杂性和高客流量，使检测识别工作面效化传播与多次利用

路径聚合网络提高了信息传播速率

临更为严峻的挑战，在现行行人检测技术中，由于特

征提取方法等因素的限制，传统的检测手段在地铁场3目标检测评价指标分析

景中易出现大量的误检和漏检现象，这无疑对技术的在目标检测领域，精确度（precision）、召回率

[1]

进一步发展提出了更高的要求。所以本文围绕地铁视（recall）、平均精度（mAP）是评估算法性能的核心

频监控系统中的行人检测应用进行分析具有重要意义。指标。在深入分析目标检测算法的表现时，混淆矩阵

2YOLOv5算法简述作为一种