来源：期刊VIP网 时间：
作者：吴剑凡;谢征宇;秦勇;王安澜;李晓争;
单位：北京交通大学交通运输学院;北京交通大学运营主动安全保障与风险防控铁路行业重点试验室;北京交通大学北京市城市交通信息智能感知与服务工程技术研究中心;北京交通大学先进轨道交通自主运行全国重点试验室;南开大学计算机科学与技术学院;中车智能交通运营管理有限公司;
摘要：为解决传统目标检测与跟踪方法在尺度变化大、密集遮挡严重等复杂场景下的性能受限问题，提出1种基于CNN-Transformer融合的客流密度估计方法。首先，利用VGG-19主干网络提取多尺度特征，并构建多尺度特征融合模块（MFFM），通过整合不同分辨率的特征图，有效捕捉局部细节与空间信息；其次，引入多尺度感知增强模块（MPEM），结合自适应卷积与膨胀卷积进行轻量化设计，增强模型对复杂上下文和遮挡区域的感知能力；最后，通过Transformer编码器建立全局依赖关系，补偿特征缺失，进一步提升模型的鲁棒性。结果表明：所提方法在自制的地铁站台数据集（Metro-platform）上表现优异，其平均绝对误差和均方误差分别降至18.4和23.3，其推理时间为29.5 ms；在ShanghaiTech-A,UCF-QNRF和JHU-Crowd++等公共人群数据集上的测试结果进一步验证了模型的泛化能力。该方法可为城市轨道交通车站的客流密度估计提供高精度、高效率的解决方案，并为乘客安全管理和运营优化提供技术支持。
关键词：城市轨道交通车站;;客流密度估计;;尺度变化;;密集遮挡
基金资助：国家重点研发计划项目（2022YFB4301305）
