[发明专利]地铁车站的行人行为检测系统

权利要求书

1.一种地铁车站的行人行为检测系统，包括网络监控摄像头和交换机，其特征是所述网络监控摄像头有多个；还包括图像预检测模块；每个网络监控摄像机的输出端连接一个图像预检测模块；

图像预检测模块以CPU和GPU为核心，且具有存储器；网络监控摄像头输出图像由相应的图像预检测模块处理，并把相应处理结果存储在存储器，再由后台管理端经交换机调取；

在图像预处理模块中，采用行为检测算法对输入的视频帧进行处理，得到具有检测框的行人图像；

行为检测算法采用改良YOLOv5网络模型，改良方法包括：

在YOLOv5网络加入可变形卷积网、在YOLOv5网络的特征提取网络中加入注意力机制，以及在YOLOv5网络读特征提取完成后，进行多尺度的特征图构建特征金字塔。

2.根据权利要求1所述的地铁车站的行人行为检测系统，其特征是YOLOv5网络模型中，对YOLOv5网络进行训练：首先，进行行人数据采集，采用旋转、翻转及随机裁剪等数据增广的方法扩大样本，每三十到六十帧截取一张图像。增强处理后的图像进入分类网络，经过多层卷积，提取图像特征信息，生成不同尺度的特征图，形成特征金字塔进入检测网络。

3.根据权利要求1所述的地铁车站的行人行为检测系统，其特征是对YOLOv5网络进行修改：在YOLOv5网络加入可变形卷积网，YOLOv5中的特征金字塔结构采用自下而上的方式进行特征融合，3个特征层的提取均与底层残差块的输出相关联，使用可变形卷积替换了主干网络中第4个残差块ResidualBlock4部分的3×3卷积。

4.根据权利要求1所述的地铁车站的行人行为检测系统，其特征是在YOLOv5网络的特征提取网络中加入注意力机制，将SENet通道注意力机制引入backbone中第二个卷积模块后，用于增强含有较大信息的通道特征，并对含有特征信息较少的通道进行抑制。

5.根据权利要求1所述的地铁车站的行人行为检测系统，其特征是在YOLOv5网络读特征提取完成后，进行多尺度的特征图构建特征金字塔，方法是先得到尺度最大的特征层即为第一特征层；然后进行一个上采样获得一个特征层；再使用route层获取一个倒数第二次下采样的卷积层；将两个中尺度的特征层混合得到第二特征层，以此类推，得到第三特征层和第四特征层。