智慧交通及认知计算实验室 | ITCCL

站台异常事件检测预警场景
项目简介

对站内乘客数量进行分级辨别，并根据处理结果，拟合图像特征和乘客密度的函数关系，发掘未来（从进站口到站台平均步行时间）乘客密度增长趋势，对突发大客流具备检测敏感度；个人行为包括但不限于逆行、摔倒、徘徊、个人遗弃物等异常行为的实时跟踪及检测；群体行为包括但不限于潮汐涌入、人流对冲、两人或多人暴力事件等检测分析和趋势预测；将系统示警、现场状况和预测报告等信息及时传送给运营人员。

基于多摄像头融合的检测系统，由于可以通过多摄像头来获取目标在不同视角下的信息，利用同一个目标在不同视图中的时空对应关系实现人流或乘客目标的持续跟踪。与基于单摄像头的多目标跟踪相比，基于多摄像头的多目标跟踪不仅需要解决相同目标在同一摄像头获取的视频时间序列上的一致性问题，还要解决相同目标在不同摄像头视角中的空间一致性问题，需要解决的问题具有更高的复杂性和实现难度。

项目图集
学术成果
1、Bai L, Wu C, Xie F, et al. Crowd density detection method based on crowd gathering mode and multi-column convolutional neural network[J]. Image and Vision Computing, 2020, 105(19): 104084. 2、Zhang J, Wu C, Wang Y. Human Fall Detection Based on Body Posture Spatio-temporal Evolution, Sensors, 2020, 20(3): 946. (SCI, EI Compendex) 3、Chen Y, Wu C, Wang Y. Whether normalized or not? Towards more robust iris recognition using dynamic programming[J]. Image and Vision Computing, 2021, 107:104112. 4、J. Zhang, C. Wu, Y. Wang and P. Wang, Detection of Abnormal Behavior in Narrow Scene with Perspective Distortion, Machine Vision and Applications, 30(5):987-998 5、基于时空运动特性的摔倒异常行为检测方法（已公开）