基于传感器数据融合的地铁车站隔栏递物检测方法

摘要

为解决地铁车站隔栏递物异常行为检测中场景复杂度高、识别难度大和误检率高等问题，本文提出一种基于激光雷达和相机传感器数据融合的检测方法。采用体素差分算法处理激光雷达点云数据，划分检测区域体素单元并建立递物触发机制。采用目标锁定算法融合激光雷达与相机采集的数据，补充人体关键点的深度信息，锁定隔栏递物行为目标物。对时空图卷积网络(spatial-temporal graph convolutional network, STGCN)进行轻量化改造，降低模型复杂度，减少计算时间；引入时间趋势注意力(temporal trend attention, TTA)模型，增强隔栏递物行为姿态时空变化特征的提取能力，形成TTA-STGCN模型，计算隔栏递物行为发生的置信度。通过实验室模拟和地铁车站现场采集隔栏递物数据并制定检测效果评价指标，进行STGCN模型、STGCN-MIN模型、TTA-STGCN模型的训练、验证和测试，在训练阶段，TTA-STGCN模型的准确率比前二者均增大3.73%,整体损失比前二者均减小66.00%;在验证阶段，TTA-STGCN模型的准确率比前二者分别增大3.89%、0.68%,整体损失比前二者分别减小58.95%、58.48%;在测试阶段，TTA-STGCN模型的准确率比前两者均增大3.15%,整体损失比前二者分别减小42.85%、44.40%。进行现场试验，相比STGCN模型、STGCN-MIN模型，TTA-STGCN模型的准确率分别增大2.99%、3.49%;精确率分别增大2.28%、1.31%;召回率分别增大4.30%、6.45%;F1分数分别增大0.033 5、0.040 4,表明TTA-STGCN模型显著提高地铁车站特定场景下隔栏递物行为的检测精度。

关键词

隔栏递物 / 体素差分算法 / 目标锁定算法 / 数据融合 / STGCN / TTA