基于人体骨架的扶梯乘客异常行为识别方法

为准确识别乘客搭乘自动扶梯时的异常行为,避免安全事故的发生,提出了一种基于人体骨架的扶梯乘客异常行为识别方法。首先使用YOLOX-Tiny对视频中乘客位置进行检测,通过Alphapose算法提取骨骼关键点坐标,降低复杂背景的干扰;再使用多流膨胀3D卷积模块增强时空特征提取能力,聚合乘客骨架的全局特征;然后将其输入改进后的时空图卷积网络中提取乘客骨架信息,通过MS-TCN模块扩大接受域以增强时间特征的提取,联合人体关键点注意力模块(Key Point Attention Module,KPAM)提升网络对相似动作的关键骨架的关注度;最后通过Softmax对异常动作进行分类。采集扶梯运行现场视频制作数据集,试验结果表明,本文算法对乘客异常行为的识别精度达到96.1%,可应用于扶梯现场的视频监控系统,提高安全管理信息化水平。

自动扶梯乘客异常行为识别技术浅析

自动扶梯在使用过程中各种异常行为会引发安全问题,不仅影响乘客的乘车体验,还可能危及生命安全。本文针对自动扶梯上的异常行为进行了详细的分类与探讨,并列出了相关的监测方法。人员乘梯异常行为包括跌倒、逆行、滞留、部分身体伸出扶手带以及儿童单独乘梯等现象,老人和残疾人在乘坐自动扶梯时也存在较大的安全隐患;行李及物品相关的异常行为,人群聚集相关异常行为指出入口拥挤与推搡以及因自动扶梯异常运行引发的群体恐慌。通过对这些异常行为的分析和监测方法研究,提出相应的预防措施,以减少事故发生,保障乘客安全。

乘客异常行为引发地铁运行延误事件关键路径识别

为研究乘客行为影响地铁运营的关键路径,基于案例对地铁乘客异常行为(PAB)进行分类,提炼乘客异常行为导致地铁运营事故的形成机理。运用模糊Petri网(FPN),构建反映致因要素之间关系的模型。利用Matlab实现基于前向推理的路径识别方法,识别FPN模型的所有可达路径,并根据解模糊值确定关键路径。结果表明:需首要防止乘客间发生冲突或乘客强行上下车导致的人或物进入地铁限界,其次应确保司机及时发现轨道区险情,以避免碰撞事故发生。为此,应加强站务人员、司机应急能力培训;充分利用地铁监控设施发现险情;加大对乘客严重禁止性行为的惩罚力度。

基于数字孪生的电梯乘客异常行为建模与识别方法

为了解决异常行为识别研究中存在的异常案例缺乏、训练样本稀缺问题,以垂直电梯的乘客异常行为监测为任务需求,提出了基于数字孪生的电梯乘客异常行为建模与识别方法。通过搭建电梯乘客行为监测数字孪生系统架构,完成了电梯运行状态与乘客行为的虚实映射。基于数字孪生场景与人体行为建模理论构建了电梯乘客异常行为案例,扩充了异常行为的孪生数据。利用改进的OpenPose获取骨骼特征,并使用PCA-DNN训练分类模型,实现了融合孪生数据的乘客异常行为快速识别。实验结果表明,该方法不仅展现了应用数字孪生技术创建异常数据的便捷性、高效性以及安全性,还验证了使用孪生数据进行模型训练的可行性、可靠性以及准确性。

电梯轿厢内乘客异常行为检测探究

若电梯轿厢内部发生摔倒、抢劫、打架、冲突等意外、暴力或者恐慌事件,乘客的生命将安全受到严重威胁,为提高乘客的生命安全保障,电梯轿厢内部需要设置异常行为检测系统,当电梯轿厢内部发生恐慌或者暴力事件时,该系统可以立即发出警报。文中对电梯轿厢内乘客异常行为检测的研究背景简要概述,从国内和国外两个角度对当前对电梯轿厢内乘客异常行为检测的技术进行分析,并分析单人摔倒检测、双人暴力检测及多人异常行为检测的方法和结果,对电梯轿厢内部发生的各种异常事件进行监控,保护乘客的生命安全不受侵害。

基于深度学习的城市轨道交通乘客行为分析系统设计

本文介绍了一种基于深度学习的城市轨道交通乘客行为分析系统,通过车载监控实时检测车厢内乘客异常行为、滞留乘客及遗留物、客流密度等,以提高轨道交通的运营安全和服务质量。系统采用高性能AI计算模块,实现了高准确率的智能检测,并通过车载PIS系统与地面控制中心联动,为应急指挥提供科学数据支撑。此外,系统具备高度的稳定性、可扩展性和学习能力,经过优化后可推广至更多自动化管理场景。

基于K-means++的轨道交通异常出行乘客分类研究

为聚焦轨道交通乘客主要出行规律,需在利用交通大数据做研究时明确异常数据和正常数据之间的界限,当研究主题、研究深度和精度要求不同时,对异常出行群体数据的接受程度也会相异。文中基于大都会二维码数据识别存在异常出行的乘客,引入K-means++聚类算法对异常出行乘客进行分类研究,并构建异常得分指标评价不同群体异常程度。聚类结果表明,将异常乘客分为5类时效果最佳。结合异常乘客出行指标、异常得分、群体占比和周出行平均频次四个角度分析群体特征,并针对性提出相应群体的数据剔除建议,以保证研究中样本的多样性和结论可靠性。

图像识别技术在自动扶梯行为监测中的应用

自动扶梯作为公共交通设施的重要组成部分,其乘客异常行为备受关注。传统监控系统效率低、难以实时响应,图像识别技术的应用已成为提高乘客安全和优化运营效率的关键手段,本文介绍了异常行为监测、客流密度分析和故障检测与预防,通过感知、聚类、识别,实现了对自动扶梯乘客异常行为的实时监控与预警,显著提升自动扶梯的安全性和智能化水平。

电梯轿厢内乘客异常行为检测系统的设计与实现

借助机器视觉、人工智能、视频分析技术对乘客在乘梯过程中的不规范、异常行为进行捕捉、识别、判断,实现对电梯环境的实时检测。设计了基于视频识别技术的电梯轿厢内乘客异常行为检测系统。首先对异常行为进行建模,采集轿厢视频,并对其进行行为检测,再在角点处计算Lucas-Kanade光流,根据光流矢量的统计信息检测出视频中可疑的异常帧,最后通过数据匹配识别出异常行为。