公开(公告)号：CN110532852B

公开(公告)日：2022-10-18

申请号：CN201910613134.3

申请日：2019-07-09

申请人： 长沙理工大学

发明人： 张辉 ,  裴宇 ,  李树涛 ,  钟杭 ,  刘理 ,  邓广 ,  李玲

IPC分类号： G06V40/20 ,  G06V20/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的地铁站行人异常事件检测方法，其采用深度学习中最先进的检测与追踪算法，可用于地铁站中行人异常的自动实时检测，描述行人的图片被制作成行人检测数据集并被送入到深度残差卷积神经网络中进行训练，获得行人检测模型，使用行人追踪算法Deepsort以检测结果作为输入，完成行人的追踪，通过对追踪结果进行进一步的处理，结合警戒线检测的结果，完成具体行人异常行为的检测与判断。本发明具有如下优点：检测精度高，速度达到15FPS，可以满足监控的实时性要求。

公开(公告)号：CN110532852A

公开(公告)日：2019-12-03

申请号：CN201910613134.3

申请日：2019-07-09

申请人： 长沙理工大学

发明人： 张辉 ,  裴宇 ,  李树涛 ,  钟杭 ,  刘理 ,  邓广 ,  李玲

IPC分类号： G06K9/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的地铁站行人异常事件检测方法，其采用深度学习中最先进的检测与追踪算法，可用于地铁站中行人异常的自动实时检测，描述行人的图片被制作成行人检测数据集并被送入到深度残差卷积神经网络中进行训练，获得行人检测模型，使用行人追踪算法Deepsort以检测结果作为输入，完成行人的追踪，通过对追踪结果进行进一步的处理，结合警戒线检测的结果，完成具体行人异常行为的检测与判断。本发明具有如下优点：检测精度高，速度达到15FPS，可以满足监控的实时性要求。