%0 Journal Article
%A 安俊峰
%A 刘吉强
%A 卢萌萌
%A 李罡
%T 基于改进YOLOv8的地铁站内乘客异常行为感知
%D 2024
%R 10.11860/j.issn.1673-0291.20230125
%J 星空电竞app2026最新版学报
%P 76-89
%V 48
%N 2
%X <p>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.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20230125