智能视觉感知技术在超大城市轨道交通车站中的研究与应用

王 英

（北京京港地铁有限公司，北京 100068）

近年来，我国轨道交通迎来迅速发展的阶段。城市轨道交通因其运输量大、人均能耗低等优势，得到了国内各大城市的青睐，越来越多的轨道交通线路在不断建设中。同时，在特大城市中，道路交通拥堵，而轨道交通因其可靠便捷的特点已经逐步成为市民出行的首选。随着城市轨道交通客流量逐年上升，给轨道交通带来了巨大压力。作为轨道交通的关键节点的车站能直接体现城市轨道交通智能化程度。然而，国内大多车站的运营业务完全依靠站内工作人员处理，不具备高智能的自动化技术手段来替代人工。并且，当前城市轨道交通线路客流流量不断攀升，车站内运营服务压力日趋严峻，迫使车站员工高频次在站内区域执行人工巡检。因此，城市轨道交通车站的智能化程度亟待提升。

1 城市轨道交通车站智能视觉感知现状

由于当前超大城市轨道交通车站中缺乏对站内乘客流量的有效监测，车站内客流拥堵、踩踏事故时有发生，因此严重影响城市轨道交通车站安全运营。1999年5月，白俄罗斯地铁站在运营高峰期站内乘客人群拥挤，在混乱中人群相互踩踏导致54人死亡。2014年11月，北京地铁5号线站台客流量过大，致乘客被夹在了列车屏蔽门和车门中间，之后经医生抢救仍然死亡。2019年2月8日，墨西哥地铁车站内扶梯系统故障，站内人群在慌乱中发生踩踏，致两人受伤。

为了增强城市轨道交通车站内智能化运营程度，减少运营高峰期站内客流踩踏事故发生概率，需要实时监控车站内事故易发生区域的流量信息，及时获取各个区域客流状态。智能视觉感知技术通过当前先进的人工智能技术，运用卷积神经网络提取图像中客流特征，从而识别图像内行人信息，进而统计区域客流变化。通过此项技术能全天候自动化感知监控区域信息，已在国内外得到应用。但当前智能视觉感知技术仅用在小范围客流监测，并未在超大城市轨道交通车站等大范围复杂场景进行使用。为了保证超大城市轨道交通车站的运营安全，当前通过安排专业的工作人员不间断地监控各个区域监控信息来防止出现事故。但对于大型车站，需要大量摄像机来监控车站内各个区域，依靠人工监控给工作人员带来了巨大的精神压力，并且容易因工作人员的疏漏导致事故。因此，如何将智能视觉感知技术应用在超大城市轨道交通车站中已经成为当前研究的重点。

2 城市轨道交通车站智能视觉感知特点

随着城市轨道交通的发展，轨道交通年运客量也逐年增加，但同时也给轨道交通和车站内安全保障系统带来了巨大压力。随着人工智能技术的发展，智能视觉监控技术被引入到轨道交通监控系统中。此项改变增加了轨道交通的智能化程度，降低了工作人员的工作压力，给轨道交通带来了更加广阔的发展前景。

轨道交通车站具有其特殊性。通过对轨道交通车站内相机拍摄的视频图像序列和车站内环境及站内客流特点进行分析，可以得出车站智能视觉感知技术所要处理的客流视频图像的特点。根据这些特点，可以更好地选取相应的智能视觉感知技术，从而实现对车站内客流信息的监控。虽然轨道交通车站内的特性保证了智能视觉感知技术的使用，但是，现有的智能视觉感知技术直接运用在车站监控系统上也面临着很大的挑战，主要体现在：

（1）人流量繁杂。城市轨道交通车站内存在大量大型设备，来往客流繁杂。繁杂的客流会遮挡需要监控的感兴趣区域，造成部分自动化设备故障等突发情况无法及时检测，从而引发安全事故。同时，繁杂的客流中，乘客与乘客之间相互遮挡，部分乘客的特征信息无法有效检测出来，造成人流统计不准确，进而为站内安全埋下极大隐患。

（2）视频数据利用率低下。当前智能视觉感知技术只能针对单个摄像头监控信息进行检测，而视频监控系统获取的信息量巨大，多个摄像头之间的信息耦合，利用率较低。因此，对于车站内监控系统，不仅需要视觉感知技术进行检测，还需要对检测结果进行分析并深度挖掘数据。从而为地铁运营管理及时提供信息。

（3）乘客异常行为。现有智能视觉感知技术多对视频进行逐帧分析，从而实现整个视频的检测。但乘客异常行为是连续时间的一系列帧的综合，而现有智能视觉感知技术缺乏帧与帧之间的信息联系。因此，对于车站内监控系统，还需要进一步开发智能视觉感知技术。

3 智能视觉感知应用探索

3.1 设计思路

为了将智能视觉感知技术应用于轨道交通车站业务中，需要充分利用现有相机采集的图像信息，并对图像进行精细化识别分析，从而提升轨道交通智能化水平。当车站内出现异常事件能及时进行预警，从而保证车站安全运营。主要涉及如下方面：

（1）最大限度利用相机视频资源，利用智能视觉感知技术，感知车站内各类异常事件。同时，实时监测站内客流数据，保证在不加入新的投入情况下大幅提升站内运营效率。（2）在不新增设备的前提下，智能化管控客流，从而保证站台高效运营，并且简单易部署，可以在各个线路快速落地实现。（3）运用智能视觉感知技术，将工作人员工作交于智能化技术实现，从而有效降低站内员工工作强度，从而提升站内工作人员工作效率。（4）异常事件主动预警，及时检测站内异常事件，并将事件信息同步至工作人员，从而及时对事故进行相应处理。（5）实时精准监测车站内客流数据，并结合站内特性对数据进行智能化统计分析，从而调配站内工作人员工作，提升车站智能程度。

上文分析了当前车站内运营痛点，同时结合轨道交通车站特性，分析智能监测和车站运营结合的可能，并分析了车站内采用智能视觉感的需求，从而提出了轨道交通智能视觉感知系统的设计思路。

3.2 核心技术

智能视觉感知技术的核心内容是通过智能视觉监测设备对车站内部乘客进行监测，并通过智能检测技术进行识别，从而确认乘客行为是否合规、是否危害车站运营安全等。此外，为管控车站内部客流，需要通过智能视觉感知技术结合大数据统计分析车站内部客流量，并在车站的管控平台集中分析处理，从而在海量数据中挖掘其中安全隐患。为了实现上述功能，需要将下述智能感知核心技术运用到轨道交通车站检测上，从而保证车站高效运营。

（1）图像识别技术：图像识别技术主要是通过卷积神经网络提取图像特征，针对不同的检测识别任务，将高维图像特征在不同尺度进行融合，从而拟合不同类别的感知任务，以实现检测、识别对象的功能。针对相机的检测图像，运用图像智能识别技术自动识别图像内的乘客或者特定物品，从而实现特定区域入侵检、遗留物品检测等功能，识别效果如图1所示。

图1 图像识别效果

（2）行为识别技术：行为识别技术被广泛应用在视频监控、人机交互等领域。同样，行为识别也经受着一系列挑战，如行人遮挡、背景运动、光照变化，这些因素严重影响行为识别的准确度与可靠性。该技术主要有两种不同方法，一种基于关节点识别技术，通过图像识别技术识别人体10~12个关键节点，根据关键点不同的组合方式来对应人不同的行为，从而实现行为识别；另一种则是基于图像序列的行为识别技术，提取不同时间的图像信息，并将时间靠前的图像信息传递给下一时间的图像信息，从而实现根据连续时间图像的变化方式来识别人体行为，异常行为识别效果如图2所示。

图2 异常行为识别效果

（3）目标跟踪技术：仅通过图像识别技术只能检测当前时刻下图像中目标，但前一时刻图像目标无法和下一时刻的目标相对应。因此，目标跟踪技术的研究成为学术界的重要方向，并在视频监控、无人驾驶等邻域取得了广泛的应用。目标跟踪方法分为生成式方法和判别式方法。生成式跟踪方法大多通过稀疏编码来获取目标的特征，在新一帧图像中查找与前一帧特征相似的区域来实现目标跟踪，而判别式跟踪方法提取图像中最具有判别性的图像特征，并通过分类方法来获取相似区域实现目标跟踪。当前判别式跟踪方法已经成为跟踪的主流方法，识别效果如图3所示。

图3 目标跟踪效果

3.3 功能应用

针对现在车站运营痛点，结合车站业务需求，依靠现有智能视觉感知技术，可以在车站内实现以下功能的部署与应用：

乘客异常行为监测：针对乘客容易摔倒、打架、呼救等异常行为的区域安装摄像头，对乘客的异常行为进行实时智能监控。

逃票监控：针对轨道交通车站区域，设置智能化进出站监控，防止乘客逃票。

人流监控：针对容易导致拥堵的出入口、扶梯、安检区域、站台等区域，安装智能人流统计设备，实时统计乘客流量，防止车站拥堵。

4 结语

目前传统视频监控已经实现规模化应用，但智能视觉感知在超大城市轨道交通车站才刚刚起步。由于地铁客流逐步上升，以智能化手段构造新一代超大城市轨道交通智能化车站是必然的发展趋势。文章分析了当前轨道交通站台运营的痛点和需求，并论证了智能视觉感知技术在轨道交通站台部署运用的可能性，对提升轨道交通车站智能化程度具有指导意义。