基于多目标跟踪算法的车站人流聚集监测研究

摘要

车站运营过程中实时获取人流信息，对聚集行为与重点区域进行监测、预警、分析在车站安全保障与管理中具有重要意义。目前车站的监控硬件设备数量不断增加、配备复杂，单独依靠监控系统的预警功能实现车站实时、全方位、多角度的人流密度与聚集分析存在困难。为此，提出了一种基于YOLOv5+DeepSort并结合HRNet模型的方法，实现了人员速度、方向、密度、异常聚集、异常侵入、隔栏递物和逃票检测。在车站实时监控数据集和收集的相关互联网数据集上进行了实验，实验结果显示，提出的算法能够实现检测任务，具有实时高效分析监控视频与实际应用的能力。在此基础上开发了一套车站视频行为分析系统后端服务与前端管理平台，对车站旅客出行保障与安全运营具有重要意义，有发展前景。

关键词

多目标跟踪 / 车站监测 / YOLOv5 / DeepSort

基金资助

陕西省科技厅资助项目(2020CHJ-010)