关键词:
地铁车站
隔栏递物
多传感融合
长短期记忆网络
时空图卷积网络
摘要:
地铁车站隔栏递物异常行为检测面临场景复杂、检测难度大和误检率高等挑战,单一传感设备难以精准捕获目标特征信息,限制了检测的精度和有效性。针对上述问题设计并实现了相机-激光雷达多传感信息融合地铁车站隔栏递物异常行为检测框架,有效融合图像语义信息与点云几何信息,显著提升复杂场景下隔栏递物目标识别、跟踪与判定能力,为地铁车站隔栏递物检测提供重要技术支持。主要研究内容如下:
1)针对车站围栏布局复杂,单一传感器易漏检、误检的问题,提出多传感数据融合检测方案。分析隔栏递物场景关键因素,提取目标检测区域并缩小检测范围,设计检测区域入侵算法;利用激光雷达-相机外参标定及时间同步技术,实现多传感数据对齐,将点云深度信息转换到图像平面坐标系,生成平面深度信息;以融合数据为基础设计检测区域内递物目标检测与跟踪算法,对递物目标时序数据进行标准化存储,完成检测模型的输入建模。
2)针对地铁车站隔栏递物场景有效数据集缺失问题,构建递物行为基准数据集。在激光雷达与相机时空对齐的基础上采集激光雷达点云与多视角视频数据,并依据不同环境条件构建递物行为多维融合时序样本库。构建的数据集涵盖二十多种典型递物场景和一千多组样本,为小样本条件下模型泛化提供数据支撑。
3)针对传统目标检测方法基于单帧静态图像,缺乏时序信息的支持,特征信息表达及抗噪能力弱,行为理解能力受限的问题,采用多维融合时序数据表达递物姿态变化特征。在长短期记忆神经网络基础上结合多尺度卷积模块和坐标注意力机制构建隔栏递物检测模型,实现隔栏递物行为有效监测。为进一步提升模型的稳定性及抗噪能力,引入添加趋势注意力感知模块的时空卷积网络模型构建冗余校验系统,借鉴图卷积网络的空间结构关系表达优势,提升检测精度与鲁棒性。