基于深度学习和视觉检测的地铁违规行为预警系统研究与应用
本文研究了基于深度学习和视觉检测的地铁违规行为预警系统,旨在检测和预警地铁上的违规行为,如在车厢里嬉戏打闹、扔垃圾、打架以及躺在座位上占座等。该系统结合了人工智能和图像识别技术,应用深度学习模型HigherHRNet来检测地铁上的违规行为。
1. 针对地铁违规行为检测的研究现状
地铁违规行为检测是当前社会的热点问题之一,存在大量的地铁违规行为现象,如车厢里嬉戏打闹、车内饮食、斗殴、恶意霸占长条椅睡觉等。目前国内外相关领域的研究主要集中在人体关节点检测模型上,如HigherHRNet模型,该模型可以检测出图片中的关节点,并可应用于地铁违规行为检测。
2. 基于深度学习的人体关节点检测
人体关节点检测是地铁违规行为检测的关键技术之一,基于深度学习的人体关节点检测可以检测出图片中的关节点,并可以应用于地铁违规行为检测。HigherHRNet模型是目前在多人关节点识别任务bottom-up中最先进的算法,可以检测出图片中的关节点,并可以应用于地铁违规行为检测。
3. HigherHRNet 模型的应用改进
HigherHRNet模型可以检测出图片中的关节点,但是在实际应用中存在模糊图像无法检测到关节点、镜像图像的干扰、非正常姿势关节点检测不全等问题。为解决这些问题,本文分别进行了超分辨率重建、双阈值、修改关节点之间的强相关的方法,从而提高了模型的检测精度。
4. 实验结果
实验结果表明关节点检测的平均精度(AP)是 0.841,解决了镜像干扰以及关节点不全的问题。该模型可以应用于地铁违规行为检测,检测和预警地铁上的违规行为。
5. 结论
本文研究了基于深度学习和视觉检测的地铁违规行为预警系统,旨在检测和预警地铁上的违规行为。基于深度学习的人体关节点检测是该系统的关键技术之一,HigherHRNet模型可以检测出图片中的关节点,并可以应用于地铁违规行为检测。该系统可以提高地铁的安全性和效率,解决当前社会的热点问题之一。