智能视频分析技术在地铁站客流监测中的应用研究

由于地铁的客流具有时空不均衡的特点,大客流车站在客流高峰时段会出现站内密度过大与乘客滞留等问题。为提高地铁的运营效率与保障乘客安全,需要对地铁站内的客流进行全面监测与量化分析。文章在总结地铁站客流监测现状的基础上,对智能视频分析技术在客流监测中的应用进行研究。以北京市西二旗地铁站为研究对象,首先对客流监测系统的功能需求进行针对性分析,其次对基于智能视频分析技术的客流监测系统的总体框架、硬件组成与网络拓扑以及所采用的算法分别进行说明,最后对所搭建的西二旗地铁站客流监测系统的平台界面进行简要描述。初步测试结果表明,本系统可以有效提高客流统计的全面性和安全防范的效能,从而证明智能视频分析技术在地铁站客流监测中的应用以及推广价值。

轨道交通复杂场景人群密度估计方法的应用研究

人群密度估计在封闭、半封闭和非封闭场景中可以发挥非常重要的作用,它对人群安全以及现场突发事件的管理调度有重要意义,传统的客流密度估计方法通常由点注释生成的伪标签(即密度图)进行监督。然而,姿态、光照和遮挡等因素会为密度图带来显著噪声和虚假信号。密度贡献概率模型(Bayesian loss)不再依赖从点标注生成不完美的标签,改为更可靠地对每个注释点的计数期望进行监督,直接与真值点标注进行回归估计。此外,为该参数估计配备了一个标准的主干神经网络(Stacked Hourglass Networks)并引入注意力机制,以提升轨道交通复杂场景人群密度估计的效果。