基于SORT算法和光流模型的地铁车站客流运动轨迹识别方法研究

摘要：

目的:精准监测地铁系统的大客流状态是进行客流风险识别和管控的基础.地铁车站容纳空间有限,易发生客流堆积和冲突等风险事件,亟需研究一套能够对地铁车站的客流运动轨迹进行实时识别的方法.方法:提出 了基于SORT(简单的在线实时多 目标跟踪)算法和光流模型的地铁车站客流运动轨迹识别方法,作为地铁安全防控的辅助手段.首先,采用SORT算法,实现高密度场景下的实时客流识别;其次,使用PWC-Net(使用金字塔、仿射变换和成本体积的光流卷积神经网络)光流模型,实现实时客流定位和运动轨迹识别;最后,通过上海市地铁车站的真实视频数据,对该方法进行验证.结果及结论:通过上述识别方法,可有效地关联目标,识别覆盖的客流,并提升识别的实时性.采用PWC-Net光流模型实现客流运动轨迹的识别,在模型的体积和训练时间上分别为FlowNet2(数据集训练顺序的网络)模型的94.12％和50.00％.因此,该方法能够满足地铁车站实时高密度客流运动轨迹识别的场景要求.

关键词：地铁车站、客流识别、多目标跟踪、运动轨迹识别

所属期刊栏目：26

分类号：U293.13(铁路运输管理工程)

资助基金：上海市国资委项目;上海市科技计划项目

在线出版日期：2023-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-12,19