智能視覺感知技術在超大城市軌道交通車站中的研究與應用

王 英

（北京京港地鐵有限公司，北京 100068）

近年來，我國軌道交通迎來迅速發展的階段。城市軌道交通因其運輸量大、人均能耗低等優勢，得到了國內各大城市的青睞，越來越多的軌道交通線路在不斷建設中。同時，在特大城市中，道路交通擁堵，而軌道交通因其可靠便捷的特點已經逐步成為市民出行的首選。隨著城市軌道交通客流量逐年上升，給軌道交通帶來了巨大壓力。作為軌道交通的關鍵節點的車站能直接體現城市軌道交通智能化程度。然而，國內大多車站的運營業務完全依靠站內工作人員處理，不具備高智能的自動化技術手段來替代人工。并且，當前城市軌道交通線路客流流量不斷攀升，車站內運營服務壓力日趨嚴峻，迫使車站員工高頻次在站內區域執行人工巡檢。因此，城市軌道交通車站的智能化程度亟待提升。

1 城市軌道交通車站智能視覺感知現狀

由于當前超大城市軌道交通車站中缺乏對站內乘客流量的有效監測，車站內客流擁堵、踩踏事故時有發生，因此嚴重影響城市軌道交通車站安全運營。1999年5月，白俄羅斯地鐵站在運營高峰期站內乘客人群擁擠，在混亂中人群相互踩踏導致54人死亡。2014年11月，北京地鐵5號線站臺客流量過大，致乘客被夾在了列車屏蔽門和車門中間，之后經醫生搶救仍然死亡。2019年2月8日，墨西哥地鐵車站內扶梯系統故障，站內人群在慌亂中發生踩踏，致兩人受傷。

為了增強城市軌道交通車站內智能化運營程度，減少運營高峰期站內客流踩踏事故發生概率，需要實時監控車站內事故易發生區域的流量信息，及時獲取各個區域客流狀態。智能視覺感知技術通過當前先進的人工智能技術，運用卷積神經網絡提取圖像中客流特征，從而識別圖像內行人信息，進而統計區域客流變化。通過此項技術能全天候自動化感知監控區域信息，已在國內外得到應用。但當前智能視覺感知技術僅用在小范圍客流監測，并未在超大城市軌道交通車站等大范圍復雜場景進行使用。為了保證超大城市軌道交通車站的運營安全，當前通過安排專業的工作人員不間斷地監控各個區域監控信息來防止出現事故。但對于大型車站，需要大量攝像機來監控車站內各個區域，依靠人工監控給工作人員帶來了巨大的精神壓力，并且容易因工作人員的疏漏導致事故。因此，如何將智能視覺感知技術應用在超大城市軌道交通車站中已經成為當前研究的重點。

2 城市軌道交通車站智能視覺感知特點

隨著城市軌道交通的發展，軌道交通年運客量也逐年增加，但同時也給軌道交通和車站內安全保障系統帶來了巨大壓力。隨著人工智能技術的發展，智能視覺監控技術被引入到軌道交通監控系統中。此項改變增加了軌道交通的智能化程度，降低了工作人員的工作壓力，給軌道交通帶來了更加廣闊的發展前景。

軌道交通車站具有其特殊性。通過對軌道交通車站內相機拍攝的視頻圖像序列和車站內環境及站內客流特點進行分析，可以得出車站智能視覺感知技術所要處理的客流視頻圖像的特點。根據這些特點，可以更好地選取相應的智能視覺感知技術，從而實現對車站內客流信息的監控。雖然軌道交通車站內的特性保證了智能視覺感知技術的使用，但是，現有的智能視覺感知技術直接運用在車站監控系統上也面臨著很大的挑戰，主要體現在：

（1）人流量繁雜。城市軌道交通車站內存在大量大型設備，來往客流繁雜。繁雜的客流會遮擋需要監控的感興趣區域，造成部分自動化設備故障等突發情況無法及時檢測，從而引發安全事故。同時，繁雜的客流中，乘客與乘客之間相互遮擋，部分乘客的特征信息無法有效檢測出來，造成人流統計不準確，進而為站內安全埋下極大隱患。

（2）視頻數據利用率低下。當前智能視覺感知技術只能針對單個攝像頭監控信息進行檢測，而視頻監控系統獲取的信息量巨大，多個攝像頭之間的信息耦合，利用率較低。因此，對于車站內監控系統，不僅需要視覺感知技術進行檢測，還需要對檢測結果進行分析并深度挖掘數據。從而為地鐵運營管理及時提供信息。

（3）乘客異常行為。現有智能視覺感知技術多對視頻進行逐幀分析，從而實現整個視頻的檢測。但乘客異常行為是連續時間的一系列幀的綜合，而現有智能視覺感知技術缺乏幀與幀之間的信息聯系。因此，對于車站內監控系統，還需要進一步開發智能視覺感知技術。

3 智能視覺感知應用探索

3.1 設計思路

為了將智能視覺感知技術應用于軌道交通車站業務中，需要充分利用現有相機采集的圖像信息，并對圖像進行精細化識別分析，從而提升軌道交通智能化水平。當車站內出現異常事件能及時進行預警，從而保證車站安全運營。主要涉及如下方面：

（1）最大限度利用相機視頻資源，利用智能視覺感知技術，感知車站內各類異常事件。同時，實時監測站內客流數據，保證在不加入新的投入情況下大幅提升站內運營效率。（2）在不新增設備的前提下，智能化管控客流，從而保證站臺高效運營，并且簡單易部署，可以在各個線路快速落地實現。（3）運用智能視覺感知技術，將工作人員工作交于智能化技術實現，從而有效降低站內員工工作強度，從而提升站內工作人員工作效率。（4）異常事件主動預警，及時檢測站內異常事件，并將事件信息同步至工作人員，從而及時對事故進行相應處理。（5）實時精準監測車站內客流數據，并結合站內特性對數據進行智能化統計分析，從而調配站內工作人員工作，提升車站智能程度。

上文分析了當前車站內運營痛點，同時結合軌道交通車站特性，分析智能監測和車站運營結合的可能，并分析了車站內采用智能視覺感的需求，從而提出了軌道交通智能視覺感知系統的設計思路。

3.2 核心技術

智能視覺感知技術的核心內容是通過智能視覺監測設備對車站內部乘客進行監測，并通過智能檢測技術進行識別，從而確認乘客行為是否合規、是否危害車站運營安全等。此外，為管控車站內部客流，需要通過智能視覺感知技術結合大數據統計分析車站內部客流量，并在車站的管控平臺集中分析處理，從而在海量數據中挖掘其中安全隱患。為了實現上述功能，需要將下述智能感知核心技術運用到軌道交通車站檢測上，從而保證車站高效運營。

（1）圖像識別技術：圖像識別技術主要是通過卷積神經網絡提取圖像特征，針對不同的檢測識別任務，將高維圖像特征在不同尺度進行融合，從而擬合不同類別的感知任務，以實現檢測、識別對象的功能。針對相機的檢測圖像，運用圖像智能識別技術自動識別圖像內的乘客或者特定物品，從而實現特定區域入侵檢、遺留物品檢測等功能，識別效果如圖1所示。

圖1 圖像識別效果

（2）行為識別技術：行為識別技術被廣泛應用在視頻監控、人機交互等領域。同樣，行為識別也經受著一系列挑戰，如行人遮擋、背景運動、光照變化，這些因素嚴重影響行為識別的準確度與可靠性。該技術主要有兩種不同方法，一種基于關節點識別技術，通過圖像識別技術識別人體10~12個關鍵節點，根據關鍵點不同的組合方式來對應人不同的行為，從而實現行為識別；另一種則是基于圖像序列的行為識別技術，提取不同時間的圖像信息，并將時間靠前的圖像信息傳遞給下一時間的圖像信息，從而實現根據連續時間圖像的變化方式來識別人體行為，異常行為識別效果如圖2所示。

圖2 異常行為識別效果

（3）目標跟蹤技術：僅通過圖像識別技術只能檢測當前時刻下圖像中目標，但前一時刻圖像目標無法和下一時刻的目標相對應。因此，目標跟蹤技術的研究成為學術界的重要方向，并在視頻監控、無人駕駛等鄰域取得了廣泛的應用。目標跟蹤方法分為生成式方法和判別式方法。生成式跟蹤方法大多通過稀疏編碼來獲取目標的特征，在新一幀圖像中查找與前一幀特征相似的區域來實現目標跟蹤，而判別式跟蹤方法提取圖像中最具有判別性的圖像特征，并通過分類方法來獲取相似區域實現目標跟蹤。當前判別式跟蹤方法已經成為跟蹤的主流方法，識別效果如圖3所示。

圖3 目標跟蹤效果

3.3 功能應用

針對現在車站運營痛點，結合車站業務需求，依靠現有智能視覺感知技術，可以在車站內實現以下功能的部署與應用：

乘客異常行為監測：針對乘客容易摔倒、打架、呼救等異常行為的區域安裝攝像頭，對乘客的異常行為進行實時智能監控。

逃票監控：針對軌道交通車站區域，設置智能化進出站監控，防止乘客逃票。

人流監控：針對容易導致擁堵的出入口、扶梯、安檢區域、站臺等區域，安裝智能人流統計設備，實時統計乘客流量，防止車站擁堵。

4 結語

目前傳統視頻監控已經實現規模化應用，但智能視覺感知在超大城市軌道交通車站才剛剛起步。由于地鐵客流逐步上升，以智能化手段構造新一代超大城市軌道交通智能化車站是必然的發展趨勢。文章分析了當前軌道交通站臺運營的痛點和需求，并論證了智能視覺感知技術在軌道交通站臺部署運用的可能性，對提升軌道交通車站智能化程度具有指導意義。