基于轻量级ShuffleNetV2网络的实时地铁司机行动传感和检测
Xing Shen1,2, Xiukun Wei1,2
1School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
本研究引入了一种新的两阶段模型,用于从监控录像中检测地铁司机的行为. 该系统准确地感知驾驶员的行为,通过实时监控提高火车的安全性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 运输安全运输安全
背景情况:
- 地铁列车的安全性在很大程度上依赖于精确的驾驶员操作和遵守手动操作.
- 目前的方法缺乏自动化系统来根据监控数据验证驾驶员的行为.
- 准确的驾驶员行动检测对于确保运营完整性和安全至关重要.
研究的目的:
- 为自动化地铁司机动作传感和检测提出一个轻量级的两级模型.
- 开发一种能够从监控摄像头实时监控和验证驾驶员操作的系统.
- 通过先进的计算机视觉技术提高地铁运营的安全性和效率.
主要方法:
- 一个由驾驶员检测网络 (MobileNetV2-SSDLite) 和动作识别网络 (改进的ShuffleNetV2) 组成的两阶段模型.
- 动作识别网络集成了空间增强模块 (SEM),改进的混合单元 (ISU) 和混合注意模块 (SAM).
- 开发一个实用的监控系统,包括视频读取,主要操作和结果显示模块.
主要成果:
- 与3D MobileNetV1,3D MobileNetV3,SlowFast,SlowOnly和SE-STAD等现有方法相比,拟议的模型表现出优异的性能.
- 开发的系统成功地从监控摄像头料中直接执行实时动作传感和检测.
- 运行时间分析证实该系统符合地铁运营的实时检测要求.
结论:
- 这种轻量级的两级模型为自动地铁司机动作检测提供了有效的解决方案.
- 开发的系统提供了一个可靠的工具,通过实时监控驾驶员的行为来提高火车的安全性.
- 这项技术有可能显著改善地铁运输系统的监督和安全协议.
