摘要
自动扶梯在公共场合被广泛使用,乘客摔倒事故如果不能及时发现并处理,会造成严重的人身伤害,因此实现自动扶梯智能化监控管理势在必行。自动扶梯运行环境较复杂,行人多,局部遮挡情况频发,传统的人体姿态特征摔倒检测模型效果不佳,检测速度较慢。融合Swin Transformer和YoloX目标检测算法的优秀策略,本文提出了一种基于SwinT-YoloX网络模型的自动扶梯行人摔倒检测算法。改进算法采用Swin Transformer模型作为骨干网络,颈部网络使用添加注意力机制的YoloX模型,进一步提升特征图的多样性和表达能力。此外,利用FReLU视觉激活函数构建CBF模块,改进颈部网络和Head网络结构,从而获得更优秀的特征检测性能。针对自建扶梯行人摔倒数据库和网络采集实际扶梯行人摔倒事故,与7种先进的摔倒检测算法比较,本文改进算法检测性能明显提高,行人摔倒平均检测精度可以达到95.92%,检测帧率为24.08fps,能够快速、精准地检测到乘客摔倒事故发生,监控管理平台立刻采取安全急停措施以保证乘客安全。
-
单位西安科技大学; 通信与信息工程学院