基于SwinT-YoloX模型的自动扶梯行人安全检测算法

作者：侯颖; 杨林; 胡鑫; 贺顺; 宋婉莹; 赵谦

来源：计算机工程, 2023, 1-13.

DOI：10.19678/j.issn.1000-3428.0067416

• 自动扶梯
• 摔倒检测
• 深度学习
• YoloX算法
• Swin Transformer算法
• FReLU激活函数

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