基于改进YOLOv8的地铁站内乘客异常行为感知
安俊峰1
刘吉强2
卢萌萌3
李罡4
1.北京交通大学 计算机与信息技术学院,北京 100044;济南轨道交通集团有限公司,济南 2500002.北京交通大学 计算机与信息技术学院,北京 1000443.山东劳动职业技术学院,济南 2503004.济南轨道交通集团有限公司,济南 250000
摘要：当地铁站内乘客出现异常行为时,若未能及时发现可能会引起乘客不满、投诉,甚至导致安全问题,从而影响运营效率,造成恶劣影响.而当前常用的盯控视频画面的方式存在容易遗漏和效率低的问题.为及时感知异常行为,提出一种云边协同的异常行为感知总体架构.首先,通过人工演绎的方法在地铁站内采集异常行为图像,构造包含11种异常行为的数据集;其次,针对边/端侧能够自主训练和推理但算力较小的特点,提出模型压缩算法,构建MINI-BLOCK模块并将其组合为i-C2f模块,用于替换YOLOv8中的C2f模块;再次,针对云侧计算资源集中的特点,分别构建2个基于YOLOv8的改进模型,即ModelA和ModelB,ModelA的架构为"DCNv2_Dynamic-BiFPN-EMA",ModelB的架构为"DCNv2-BiFPN-EMA";最后,在构造的数据集上,对提出的3种优化模型与YOLOv8进行对比实验.研究结果表明:相较于YOLOv8,3种优化模型均取得了更优的检测性能,边/端侧模型的精确率提升了1.0％,模型参数降低了4.7％;ModelA的召回率、mAP50、mAP50:95分别提升了2.2％、3.7％、2.9％;ModelB的召回率、mAP50、mAP50:95分别提升了5.8％、6.7％、2.8％.研究结果能够为地铁乘客异常行为感知的相关研究提供参考.
关键词：异常行为云边协同行为感知模型压缩YOLOv8
分类号：TP399(计算技术、计算机技术)
论文发表日期：2024-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：14( 76-89 )
英文信息