摘要：城市轨道交通站台具有人员密集、空间边界复杂、列车与乘客运动相互影响等特点。乘客跌倒、身体失衡及越入危险区域等事件一旦未被及时发现，可能扩大为影响运营秩序的安全问题。针对人工轮巡难以持续关注多路画面的不足，本文围绕站台视频的自动理解、风险分级和事件追溯，研究一种基于深度学习的智能安全监测与风险预警系统。
内容简介
系统采用YOLO26n-pose提取人体关键点，利用ResNet18识别局部门区状态，并结合人体框宽高比、躯干倾斜、归一化下降速度和危险区域关系构建可解释的风险特征。在此基础上设计正常、预警与跌倒三级状态机制，通过置信度约束、时间确认、迟滞恢复和事件合并控制重复报警。系统总体采用视频采集、模型推理、风险分析和应用展示分层结构，基于PyQt5构建中文三栏监控界面，通过多线程、有限缓存和独立事件写入流程协调多路视频处理，使用SQLite保存事件信息与证据索引。
本文结合项目说明、系统架构图、程序流程图及八张界面截图，完成需求分析、模型与规则设计、工程实现方案和测试方法研究。现有截图展示了多路监控、单路放大、暂停预览、性能趋势及历史记录等功能形态；所选运行截图的界面帧率显示值为9.5～12.8 FPS。项目说明中记录的跌倒检测准确率94.3%、预警触发成功率89.7%及门状态分类准确率96.91%，因缺少测试集清单、标注及原始日志，本文作为项目报告值列示，不将其视为已经复现的实验结论。研究形成了具有明确证据边界的系统设计与验证框架，可为后续补充跨场景评测和开展站台辅助监控试验提供基础。
文档概述
文档信息
版本：初稿
页数：44页
字数：19816个字
格式：word（可编辑）
图表：10张图、12张表、28个公式
文档目录
第1章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 1
1.2.1 目标检测与人体姿态估计 1
1.2.2 跌倒识别与时序分析 2
1.2.3 工程系统与研究不足 2
1.3 研究内容与技术路线 2
1.4 论文组织与资料边界 2
第2章 相关理论与关键技术 3
2.1 卷积神经网络基础 3
2.1.1 卷积运算与特征表示 3
2.1.2 残差学习与迁移学习 3
2.2 目标检测与姿态估计 3
2.2.1 人体框与关键点输出 3
2.2.2 尺度归一化与坐标还原 4
2.3 图像分类与概率输出 4
2.4 多目标时序关联 4
2.5 并发处理与事件存储 5
2.6 本章小结 5
第3章 系统需求分析 6
3.1 业务场景与监测边界 6
3.2 功能需求 6
3.2.1 视频与配置管理 6
3.2.2 风险分析与预警展示 6
3.2.3 历史查询与性能观察 6
3.3 非功能需求 7
3.3.1 实时性与可用性 7
3.3.2 可维护性与可解释性 7
3.3.3 数据保护与操作约束 7
3.4 需求优先级与风险分析 8
3.5 本章小结 8
第4章 系统总体设计 9
4.1 分层架构设计 9
4.2 数据流与接口设计 9
4.2.1 帧消息与推理结果 9
4.2.2 有限队列与背压控制 10
4.3 业务流程设计 10
4.4 事件存储与证据设计 11
4.5 界面信息架构 12
4.6 本章小结 12
第5章 深度卷积神经网络模型设计 13
5.1 模型选择与任务分工 13
5.2 人体姿态模型设计 13
5.2.1 输入预处理与输出适配 13
5.2.2 有效关键点与姿态质量 13
5.2.3 微调数据与训练管理 13
5.3 门状态分类模型设计 14
5.3.1 局部门区裁剪 14
5.3.2 残差骨干与分类头 14
5.3.3 数据增强与类别平衡 14
5.4 模型版本与推理配置 15
5.5 本章小结 15
第6章 站台风险识别与风险量化方法 16
6.1 风险特征设计 16
6.1.1 人体形态与躯干方向 16
6.1.2 归一化下降速度 16
6.2 多特征风险融合 17
6.3 三级预警状态机 17
6.3.1 正常到预警的转换 17
6.3.2 跌倒确认与恢复迟滞 17
6.3.3 单帧触发的适用限制 18
6.4 危险区域入侵分析 18
6.5 门状态约束与场景风险 19
6.6 事件合并与预警提前量 19
6.7 本章小结 19
第7章 系统实现 20
7.1 开发环境与工程组织 20
7.2 视频工作线程与模型调用 20
7.2.1 线程生命周期 20
7.2.2 推理与界面刷新解耦 20
7.3 中文三栏监控界面 21
7.3.1 主界面与初始状态 21
7.3.2 多路实时监测 21
7.3.3 暂停预览 22
7.4 性能趋势与历史记录 23
7.5 单路监测与场景差异 25
7.5.1 Cam1画面 25
7.5.2 Cam2画面 26
7.5.3 Cam3画面 27
7.6 故障处理与部署检查 28
7.7 本章小结 28
第8章 实验设计与结果分析 29
8.1 实验证据与评价原则 29
8.2 数据集构建与标注方案 29
8.2.1 样本组成与分组划分 29
8.2.2 事件标注与一致性 29
8.3 评价指标 30
8.3.1 分类与事件识别指标 30
8.3.2 实时性与误报负担 31
8.4 项目报告值与截图观测 31
8.4.1 项目说明中的性能指标 31
8.4.2 截图当前指标核对 32
8.4.3 事件密集与风险饱和现象 32
8.5 对照实验与消融方案 32
8.6 稳定性与异常恢复测试 33
8.7 结果讨论与本章小结 33
第9章 总结与展望 34
9.1 研究工作总结 34
9.2 工作特点与适用限制 34
9.3 后续研究方向 34
参考文献 35
致谢 36
附录A 复现实验记录清单 37
附录B 文档编辑与公式说明 37
配套项目
作者联系
作者信息
原创作者：bob（可提供二次开发有偿修改服务）
项目编号：AI-61-P
原创声明：本项目为原创作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(2)