基于深度学习和视觉检测的地铁违规行为预警系统研究与应用

近几年随着城市经济的高速增长,城市轨道交通也得到了飞速的发展,然而城市轨道交通运营中存在大量的地铁违规行为现象,己成为当前各种社会矛盾较为集中的热点问题之一。地铁违规行为现象以多种形式存在,例如厢内嬉戏打闹、车内饮食、斗殴、恶意霸占长条椅睡觉等。本文研究了目前最新的人体关节点检测模型,阅读研究了国内外相关领域最先进的文献,并在理论模型的基础上进行了相关的应用创新研究与实验。本文采用了HigherHRNet网络,并在该网络的基础上针对由于图片模糊而无法检测到关节点、错误地检测出镜像中人的关节点、非正常姿势而无法检测出所有关节点这三个问题进行了结构上和应用上的改进。实验结果表明关节点检测的平均精度(AP)是0.841,可视化展示中同时也解决了镜像干扰以及关节点不全的问题。