智能視頻監控系統在地鐵車站的應用研究

徐錦材，郭予廣，潘允

(廣州地鐵集團有限公司，廣東廣州 510000)

視頻監控系統在地鐵行業得到了廣泛應用，已是地鐵運營管理的重要組成部分，是運營可視化管理、突發事件處理、事后調查取證工作的有效手段。近年來，隨著感知技術、云存儲、大數據、AI智能算法的飛速發展，視頻監控技術也得到了長足發展。傳統視頻監控系統的一些固有缺陷，如人工依賴度高、視頻分析困難、突發情況預警能力不足等，已無法適應地鐵車站運營管理的更高要求。因此，有必要研究智能視頻監控技術在地鐵車站環境中的應用，從而進一步改善乘客用戶體驗，提高車站運營效能、增強運營安全管理能力，提升車站日常管理智能化水平。

1 地鐵車站視頻監控現狀

快速增長的客流量帶來更多的突發事件，客流擁堵需要及時疏導，乘客異常行為需要迅速處理，這些都給地鐵車站運營管理帶來巨大的壓力。但是，傳統視頻監控系統智能化程度不足，僅能提供視頻數據的采集、存儲、調看、回放等基本功能，其視頻數據的分析、識別過于依賴人工，造成視頻監視工作量巨大，且響應滯后，無法滿足車站的多方面需求，主要表現在以下幾個方面：

1.1 乘客服務

乘客異常行為處理不及時。車站空間大、設備多、人流復雜，針對乘客的異常行為事件，如打架斗毆、擁擠踩踏、扶梯逆行、翻越閘機、人員跌倒等，僅靠傳統的視頻輪播監視與車站工作人員巡視，無法第一時間發現并作出處理。

客流疏導不及時且不夠精準。當前客流疏導與管控措施建立在對歷史客流變化規律總結的基礎上，針對一日客流呈雙峰馬鞍型規律一般固定采取早高峰管控方式，但由于難以精準掌握車站內客流的關鍵擁堵位置，實際執行需要人工高強度巡視，且站內不同區域的客流疏導方式依賴現場工作人員的經驗，對客流的管控帶有一定的滯后性。

1.2 運營效能

車控室顯示屏數量有限，監視畫面受限[1]。工作人員一般通過視頻畫面自動循環功能來監視所有場景，工作量巨大，且容易造成監視不到位，遺漏、錯失關鍵畫面。

視頻數據利用率低，業務系統聯動性差[2]。視頻監控系統擁有的數據信息非常多，但是當前該類信息尚未得到充分的挖掘與利用，局限于地鐵日常運營監控、事后應急處置等方面，在廣告經營、商鋪開發、即時處置方面有待進一步做智能開發應用。

1.3 安全管理

缺少對人員異常行為的自動識別功能，難以及時發現并作出有效處理，影響乘客安全或服務質量。目前主要采取定時巡視，不定期專項整治，以期發現并制止在地鐵公共區域非法乞討、倒賣地鐵票、騷擾他人、行騙、逃票等行為。但是，無法及時發現并制止非工作人員在非允許時間進入非運營區域，存在危害行車安全和造成人身傷害的風險。

2 需求分析

針對地鐵車站場景內的日常管理需求與常見突發事件，結合當前政策法規和行業指導文件的功能規劃，智能視頻監控系統應充分利用人工智能、大數據、視頻分析和全景拼接等先進技術，通過設置不同功能的前端監控設備，來實現人臉識別、異常行為識別、客流監測、遺留遺棄物檢測等功能。

2.1 乘客特征分析

人體特征分析功能。對進入攝像槍圖像范圍內的人員進行簡要分析，包括性別、年齡、身高、著裝等。

人臉識別功能。能抓取進入地鐵區域人員的臉部信息，提取出其面部特征，與數據庫信息進行比對，實現車站快速尋人及警方對可疑人員的追蹤。同時，可與疫情管控健康系統聯動，迅速發現未滿隔離期或核酸檢測不符合要求，而擅自進入地鐵區域的人員。

2.2 車站運營管理

異常行為告警功能。能對乘客在地鐵區域的各種行為特征進行歸類和分析，自動且迅速辨別出異常行為或即將發生危險事件的行為，并發出告警信息，提醒車站工作人員及時處理。

客流監測功能。能實時監控車站內不同區域的客流時空信息，如客流分布、客流量、客流速度等，精準掌握車站大客流規律、各區域的客流擁擠度、客流變化趨勢，以支持不同客流強度下站點限流方案觸發和乘客引導策略執行。同時，可根據需求，將各站客流時空信息提供給線網調度管理中心，支持運營線路列車投運量的調整優化及全線網客流狀態的監測預警與應急決策。

目標物體追蹤功能。一旦某支攝像槍捕捉到目標物體，后臺系統能夠自動安排附近區域的攝像槍進行接力式追蹤，形成目標物體的移動軌跡，便于警方和車站尋人尋物。

2.3 安全防范檢測

遺留遺棄物檢測功能。攝像槍第一時間發現被遺留、遺棄在車站的無主箱包，后臺系統自動提醒車站工作人員處置，既可以及時拾取乘客遺失物品，也可以及時處置危險物品。

入侵監測功能。針對進入禁入區域的目標進行監視并按照用戶設置的規則觸發告警，如非授權人員進入車站設備區疏散通道、站臺端門處等。

煙火檢測功能。監控區域一旦發現有煙火情況，系統發出告警，并放大區域畫面，提醒車站工作人員及時處理。同時，還能通過前端獲取的煙火視頻信息，分析預判火災趨勢，利于火情處置與人員疏散。

2.4 系統智能運維

圖像監測功能。視頻監控系統應具備對視頻信號丟失、圖像模糊、噪聲干擾、條紋干擾、黑白圖像、畫面凍結、視頻抖動、場景變更、對比度異常、視頻遮擋、取流異常等狀況的智能檢測、告警和診斷。

設備自檢功能。支持以圖形化的方式展現監控點在線率、視頻質量診斷正常率、錄像正常率、設備在線率；支持離線、圖像異常、錄像異常點位明細查看功能；支持最新告警、代辦事項的展現。

錄像自檢功能。能自動判斷錄像是否完好，并能統計分析每個攝像槍錄像丟失次數、丟失的具體時間段；支持按天、按周分時間段對錄像進行完整性檢查，可以根據需要詳細顯示單個攝像槍不少于90天時間段的詳細錄像報表。

3 系統方案研究

3.1 系統架構

地鐵車站智能視頻監控系統主要由具備不同功能的攝像槍、網絡交換機、視頻管理服務器、智能分析服務器、存儲矩陣、流媒體服務器、視圖網關、防火墻、監控大屏、工作站、手持監控終端等組成，其系統架構如圖1所示。

圖1 地鐵車站智能視頻監控系統架構

將車站劃分為車站出入口樓梯區、出入口通道、安檢區、出入閘機通道、站臺候車區等多個監控區域，每個區域按照場景使用需要，布設不同功能的攝像槍。

車站視頻數據通信網絡一般通過接入交換機、匯聚交換機設置兩個網絡層級，各個區域攝像槍錄制的視頻數據信息通過接入交換機匯集到車站匯聚交換機，再存入至存儲矩陣。

視頻管理服務器負責監控系統的數據信息管理。智能分析服務器負責視頻信息的智能分析，實現多種算法統一調度、統一管理、統一運維，使各算法之間互相兼容，支持客流量突變告警、圖像異常告警、入侵檢測、逗留(滯留)檢測、可疑物品遺留告警等功能。

經分析處理后的視頻數據信息按需顯示在工作站、監控大屏、手持監控終端上。操作人員借助工作站，可完成對當站所有視頻信息的調看、檢索及對各個攝像槍運行狀態的監控。監控大屏根據車控室面積設置拼接屏尺寸，由大屏控制設備、拼接屏及網絡設備構成，提供實時視頻播放、攝像槍的離線分布運維看板、各類告警事件、客流信息流量與流速統計、以熱力圖方式展示的客流分布等可視化數據看板。手持監控終端攜帶方便，具備視頻遠程調看、異常狀況告警、定位等功能及給車站工作人員提供巡站或離開車控室時輔助管理。

3.2 系統邏輯架構

根據地鐵車站場景應用需要，在視頻監控系統上搭建一個智能運維平臺，其邏輯架構分為采集層、網絡層、數據層與應用層，如圖2所示。

圖2 視頻監控系統智能運維平臺邏輯架構

采集層通過不同功能的攝像槍實時采集現場客流、乘客體溫、人臉識別等各類基礎信息。網絡層依托光纖專網、移動通信網、局域網，實現車站內視頻數據流及控制信息的傳送。數據層搭建超融合AI 智能算法平臺，實現視頻數據信息的結構化處理，完成信息的存儲、分析、清洗、融合、共享與管理。應用層使用二維平面圖、3D 地圖、數據看板等方式，為用戶提供更直觀的數據展示。

3.3 攝像槍布設方式

針對地鐵典型車站乘客進站、出入閘機、上下扶梯、行走通道、候車等各環節進行智能分析，在不同區域布設不同類型的攝像槍[3]，具體如表1所示。

表1 不同區域攝像槍布設類型

3.4 關鍵技術

相較于傳統的視頻監控系統，智能視頻監控系統要求在不需要過多的人為干預下，自動實現對監控圖像的檢測、解析和響應，迅速對存在隱患或異常事件做出告警，以有效協助車站工作人員及時采取處置措施。其所涉及的關鍵技術主要有人臉識別技術、客流信息檢測技術、行為識別技術等。

(1)人臉識別

人臉識別技術借助人像抓拍攝像槍對鏡頭監控范圍內的同一個人臉連續進行采集，從視頻圖像中提取各種特征信息，如性別、年齡段、是否戴眼鏡等，與系統預錄入的人臉信息進行對比辨識，實現以圖搜圖、人臉比對等功能。根據設備特性及乘客抬頭行為分析[4],人臉識別攝像槍建議安裝在地鐵車站進站樓梯下端、進入安檢門前方、出入閘機后方、人流正前方俯角10°～20°。

但是，目標人物的故意遮擋及疫情下的口罩佩戴，都會導致攝像槍無法抓拍到清晰的人臉。因此，系統還應具備ReID跨境追蹤算法，支持結構化和半結構化交叉檢索，與人臉識別技術相結合，通過多個攝像槍收集行人身體特征、步態動作等信息，以提升以圖搜圖的準確率。

(2)客流信息檢測

通過機器視覺技術，采集不同時空的客流密度、通行速度、聚集人數、流量等基礎數據，在系統后臺對客流基礎數據進行深度解析和處理后，使用統計圖形、熱力圖等方式將客流信息在監控大屏上進行多維度顯示，讓車站工作人員直觀監控到客流變化。同時，引入深度學習算法，形成并持續完善當站客流規律分析，結合預先設定的客流密度、區域可容納量、排隊人數等預警閾值，自動輸出客流狀態預警。

根據地鐵車站內部各區域的客流特征[5]，采取不同的布點方式對客流狀態進行監控，具體如表2所示。

表2 不同位置客流統計攝像槍布設建議

(3)行為識別

行為識別技術在地鐵視頻監控系統中具有重要的應用價值。借助行為識別技術，針對乘客不同情形下的各種行為特征進行歸類和分析，如異常逗留、異常聚集、異常徘徊、奔跑追逐、輪椅行進、打架斗毆、人員跌倒、隔欄傳物等，辨別有安全隱患或即將發生危險事件的行為，根據提前設定的規則提醒，便于車站工作人員及時處理。

當前主流的行為識別方法有傳統的機器學習方法和深度學習方法，采取特征融合的方法將人體特征提取從二維空間擴展到三維空間，將外觀形狀特征、人體骨架特征、運動特征等不同種類的特征整合到一起，從而提高識別精度和效率。

4 總結與展望

目前傳統數字視頻監控系統已基本代替模擬視頻監控系統，但是智能視頻監控系統在地鐵領域的應用剛剛起步。從已應用的地鐵站點來看，視頻智能分析技術確實能在一定程度上提升車站運營管理水平，提高車站內異常事件感知能力，從而為乘客提供更優質的服務，也符合國家政策和技術走向。但地鐵車站場景下視頻圖像中人體的行為受遮擋、背景變化、光照變化等因素影響，如何有效提高視頻圖像的識別率與視頻分析的準確率依然是難點。因此，未來視頻分析算法的進一步優化，算力的進一步提升，能為地鐵智慧車站建設提供更可靠、更精準的輔助決策。