基于深度学习的车站旅客密度检测研究

作者：王明哲; 张研; 杨栋^*; 张秋亮

来源：中国铁路, 2019, (11): 13-17.

DOI：10.19549/j.issn.1001-683x.2019.11.013

• 旅客密度检测
• Faster-RCNN
• SSD
• 卷积神经网络
• 深度学习

车站旅客密度是智能客运车站的重要基础信息。首先阐述模式识别、深度卷积神经网络、实时检测算法在图像检测领域的发展历程,并重点分析Faster-RCNN算法和SSD算法的原理;然后定义车站旅客密度检测评价指标,并对VOC数据集下训练的模型进行试验测试;最后构建车站行人数据集,用Faster-RCNN算法训练模型,模型在低密度场景和高密度场景的检测准确率分别为88%和85%。结果表明:公开数据集VOC下训练的模型无法直接用于车站旅客密度检测,基于车站行人数据集和Faster-RCNN算法训练的模型可满足现场需求。

• 单位
  中国铁道科学研究院集团有限公司