欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024101463288
申请人: 云南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

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:获取地铁站台的历史监控视频流;

根据所述历史监控视频流中时序连续的多帧图像,对每帧图像中所有乘客的乘客编号、乘客行为和乘客位置进行标注,得到标注乘客行为类别信息的历史图像,并将所述历史监控视频流中时序连续的多帧图像和所述标注乘客行为类别信息的历史图像作为训练集;所述乘客行为包括候车、上车、下车、滞留和奔跑;所述乘客位置为各乘客的矩形标注框中心点的坐标及矩形框的宽和高;

应用所述训练集对优化后的YOLOv8网络进行训练,得到乘客行为识别模型;所述优化后的YOLOv8的骨干网络是通过将所述YOLOv8的骨干网络与乘客特征提取模型集成后得到的;

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;

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;

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;所述空洞卷积网络用于提取YOLOv8的骨干网络Darknet-53的最后一层输出的图像中乘客的紧凑全局特征;所述Transformer网络用于对所述紧凑全局特征进行特征解耦,得到各编号乘客的相关特征和乘客的无关特征;所述对比学习损失用于以乘客的所述相关特征作为正样本,以乘客的所述无关特征为负样本,对乘客相关特征与乘客无关特征进行判别性约束,将遮挡物及背景噪声从乘客全局特征中分离出来,得到乘客的特征;

获取目标地铁站台的实时监控视频流;

将所述实时监控视频流的每一帧图像输入至乘客行为识别模型,得到标注乘客行为类别信息的图像。

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,所述识别方法还包括:以所述实时监控视频流的每一帧图像为输入,以对应的标注乘客行为类别信息的图像为输出,对所述乘客行为识别模型进行优化。

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,所述识别方法还包括:根据标注乘客行为类别信息的图像,统计第一预设时间段内所述乘客行为相同的乘客的数量;所述第一预设时间段内以当前时刻为终止时刻;

根据所述第一预设时间段内所述乘客行为相同的乘客的数量与预设第一阈值进行比较,得到第一比较结果,并根据所述第一比较结果生成第一报警信号。

4.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,所述识别方法还包括:根据标注乘客行为类别信息的图像,统计当前时刻所述站台乘客的数量和各类行为乘客的数量;

根据所述当前时刻所述所有乘客的数量与预设第二阈值进行比较,得到第二比较结果,并根据所述第二比较结果生成第二报警信号。

5.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,所述识别方法还包括:根据标注乘客行为类别信息的图像,连续统计第三预设时间段的列车之间运行间隔时间内所述乘客编号相同的乘客数量;所述第三预设时间段为早高峰时段、晚高峰时段、平峰时段、大型活动指定时段或者重大节假日指定时段;所述第三预设时间段内以当前时刻为终止时刻;

根据所述乘客数量与预设第三阈值进行比较,得到第三比较结果,并根据所述第三比较结果生成第三报警信号。