Resumen

Para implementar la detección en tiempo real de pasajeros en estaciones de metro, este documento propone el SPDNet basado en YOLOv4. Con el objetivo de mejorar la baja precisión de detección de pasajeros en la estación de metro debido a condiciones de luz desiguales, introducimos el mecanismo de atención CBAM para recalibrar las características extraídas y mejorar la robustez de la red. Para las áreas concurridas en la estación de metro, utilizamos el algoritmo K-means++ para generar anclajes más consistentes con la proporción de aspecto de los pasajeros basados en el conjunto de datos KITTI, lo que mitiga la falta de detección causada por la supresión incorrecta de cajas verdaderas positivas por el algoritmo de Supresión No Máxima. Entrenamos y probamos nuestro SPDNet en el conjunto de datos KITTI y demostramos la superioridad de nuestro método. Luego, realizamos un aprendizaje por transferencia basado en el conjunto de datos de video de vigilancia del metro recopilado por nosotros para que

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Detección en tiempo real; Pasajeros; Estaciones de metro; SPDNet; YOLOv4; Mecanismo de atención
• Keywords:Real-time detection; Passengers; Subway stations; SPDNet; YOLOv4; Attention mechanism