来源：期刊VIP网 时间：
作者：陈文昊;刘伟铭;董佳勋;
单位：华南理工大学土木与交通学院;
摘要：在无人驾驶地铁运营线路中,后台控制系统需要实时检测和分析客流信息数据,及时发现异常情况。针对现有模型种类单一、可改进程度低、硬件成本限制等问题,提出一种基于混合注意力卷积模型的客流检测算法。该算法将CNN模型与Vi T模型结合起来,使用即插即用的ECA注意力模块和深度可分离卷积优化内部结构,优化特征提取能力的同时提升模型检测速度。在深层Vi T结构中,提出一种新型模型轻量化方法,进一步简化模型,改善Vi T中注意力计算量大的问题。算法通过融合所有不同尺度的最终特征图,得到检测结果热力图。数据样本基于顶装摄像头拍摄,可以有效规避遮挡问题。某地铁站台真实乘降数据集采集及实验结果表明,提出的方法在一般样本数据集下的平均检测精度达到97.4%,在困难样本数据集下的平均检测精度达到89.3%,相比其他模型能更好地检测小尺度乘客目标;在性能更优的同时,实时检测速度达到50帧/s,相比同类模型平均检测速度加快45%。本研究为地铁客流场景提供一种新颖的检测算法,能够有效提高低成本设备的检测性能与速度,为后续客流跟踪和异常检测提供基础。
关键词：地铁;;乘降通道;;注意力机制;;卷积模型;;客流检测;;轻量化
基金资助：国家“十三五”重点研发计划先进轨道交通重点专项(2016YFB1200402)
