基于改进YOLOv5s的列车车厢客流密度检测方法研究

作者：张馨; 董承梁; 汪晓臣; 田源

来源：铁路计算机应用, 2022, 31(10): 10-15.

• 客流密度
• 深度学习
• YOLOv5s算法
• 目标检测
• BiFPN架构
• 非极大值抑制(NMS)

针对城市轨道交通（简称：城轨）列车车厢客流密度检测过程中人群密集、乘客间相互遮挡的问题，文章提出一种基于改进YOLOv5s模型的列车车厢客流密度检测方法。设计了基于车载闭路电视监控（CCTV,Closed-Circuit Television）系统监控进行实时目标检测的列车车厢客流密度检测模型；为解决人群密集及遮挡问题，对YOLOv5s进行优化，采用了双向特征金字塔网络（BiFPN,Bidirectional Feature Pyramid Network）结构加强网络特征融合，设计了一种损失函数计算方法，改进了非极大值抑制（NMS,Non-Maximum Suppression）方法，避免候选框误删除的情况。在标准行人检测数据集和自制地铁车厢乘客数据集上进行实验，结果表明，在两类数据集上，改进模型的检测精度均较原模型有所提升。

• 单位
  中国铁道科学研究院集团有限公司; 北京京港地铁有限公司