基于深度学习的地铁车站站台层实时客流检测应用研究

摘要：

将基于深度学习的目标检测算法YOLO-V5与多目标追踪算法DeepSORT相结合,实现了地铁车站站台层行人客流信息的实时检测与统计.首先,为减少因行人相互遮挡导致的错检和漏检问题,将传统的行人全身检测改为头肩部检测;然后,训练DeepSORT中的ReID模型,只提取行人头肩部特征,从而减少因追踪过程行人ID的频繁切换而导致的计数不准确问题;最后,将优化好的行人检测追踪模型应用到地铁站台层客流检测中,根据实际应用场景提取并统计不同客流信息.结果表明,该模型能有效检测站台拥挤程度,并能对站台出入口的上下行人数进行统计,准确率达到86%,平均FPS为35,能够满足客流信息实时检测的应用需求.

关键词：YOLO-V5、目标检测、DeepSORT、目标追踪、客流检测

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省汽车制动管智能产线关键技术科技创新团队项目;江汉大学校级科研项目

在线出版日期：2023-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：67-74