鐵路客運(yùn)站必不可少的自動扶梯是旅客乘降的重要工具，具有客流量大、負(fù)荷滿和運(yùn)行時間長的特點(diǎn)。同時，自動扶梯的安全事關(guān)旅客生命安全與鐵路企業(yè)聲譽(yù)。媒體關(guān)注度高、社會影響大，是客運(yùn)站安全管理的重點(diǎn)和難點(diǎn)。其中，行人摔倒、出入口擁擠、嬰兒車違規(guī)上自動扶梯是最常見也最棘手的三類安全隱患。

現(xiàn)階段，大部分客運(yùn)站自動扶梯的安全管理以“人盯”的方式為主，由專門工作人員在旅客乘降的關(guān)鍵時間進(jìn)行提醒和看護(hù)，以防止意外事故的發(fā)生，這大大消耗了車站的人力。因此，有必要通過信息化、智能化的手段，從客運(yùn)站自動扶梯安全隱患分析、安全監(jiān)控系統(tǒng)需求設(shè)計，及安全監(jiān)控系統(tǒng)功能設(shè)計等方面，對鐵路客運(yùn)站自動扶梯的安全進(jìn)行管控。

從防止事故發(fā)生開始做起

近年來基于深度學(xué)習(xí)的機(jī)器視覺技術(shù)飛速發(fā)展，其廣泛的使用場景、高效的運(yùn)行效率和精準(zhǔn)的識別率，得到了越來越多的關(guān)注。而行為識別作為近年計算機(jī)視覺領(lǐng)域的研究熱點(diǎn)，為認(rèn)識和理解人類運(yùn)動和行為提供了一些新的方法，也為智能化監(jiān)控乘客搭乘自動扶梯的行為提供了可行的思路。

來自中國鐵路南寧局集團(tuán)有限公司的一支年輕開發(fā)團(tuán)隊(duì)，在研發(fā)經(jīng)理袁泉的帶領(lǐng)下，正在進(jìn)行鐵路客運(yùn)站自動扶梯智能安全管控關(guān)鍵技術(shù)研究。通過人工智能視頻檢測分析來防止事故的發(fā)生，以聲光方式提醒搭乘電扶梯的旅客注意安全，從而達(dá)到盡最大可能降低傷害與損失的目的。

中國鐵路南寧局集團(tuán)有限公司研發(fā)團(tuán)隊(duì)合影

具體的操作步驟如下：

• 在客運(yùn)站設(shè)置攝像頭采集自動扶梯周圍圖像；

• 在邊緣設(shè)備上使用機(jī)器視覺算法對圖像進(jìn)行檢測分析，重點(diǎn)捕捉行人摔倒、出入口擁擠，及嬰兒車違規(guī)上自動扶梯等三類情況的圖像；

• 在客戶端，對報警數(shù)據(jù)進(jìn)行顯示，同樣用戶也可以對報警區(qū)域進(jìn)行自定義設(shè)置。

這樣在保證監(jiān)控準(zhǔn)確性的同時，優(yōu)化了機(jī)器視覺算法效率，節(jié)約了設(shè)備算力，也保證了系統(tǒng)運(yùn)行的實(shí)時性和流暢性。

圖 1 系統(tǒng)設(shè)計

在邊緣計算設(shè)備的選擇上，團(tuán)隊(duì)選擇了聯(lián)寶 LCFC EA-B310 加固式系統(tǒng)。該系統(tǒng)搭載了 NVIDIA Jetson Xavier NX 核心模塊，能以 15W 的低功耗提供高達(dá) 21TOPS 的實(shí)時推理能力。不僅如此，該設(shè)備尺寸小巧，安裝靈活，接口豐富， 具備靈活的擴(kuò)展能力。同時利用本地云技術(shù)構(gòu)建、部署和管理來自 NVIDIA NGC 的預(yù)訓(xùn)練 AI 模型。通過 LCFC IOT console 管理平臺，充分利用容器化部署帶來靈活和無縫的更新，可以全生命周期管理模型，確?？焖偕鲜泻徒档筒渴鸪杀尽?/p>

圖２ 聯(lián)寶 LCFC EA-B310

利用 AI 技術(shù)降低“誤報”幾率

當(dāng)前對于人體動作識別最常用的檢測方法是基于人體骨骼關(guān)鍵點(diǎn)的方法，其特點(diǎn)是魯棒性強(qiáng)、泛化性強(qiáng)，而且可以基于時序分析?！白詣臃鎏萑藛T密度較高，不論是 Top-Down 還是 Down-Top 的人體關(guān)鍵點(diǎn)檢測，都容易在人員較多或者相互遮擋的時候，出現(xiàn)關(guān)鍵點(diǎn)檢測的混亂，”談到項(xiàng)目的挑戰(zhàn)，袁經(jīng)理如是說，“另外，關(guān)鍵點(diǎn)檢測的算力消耗也較大，在四路視頻實(shí)時工作的情況下，F(xiàn)PS 較低，也不是很理想。”

經(jīng)過團(tuán)隊(duì)的測試，最終選用的是分類模型，這樣的模型能夠捕捉到摔倒的人體和正常的人體特征上的區(qū)別。目前在自動扶梯出入口常見的摔倒姿勢都能被準(zhǔn)確捕捉，比如蹲下、坐下、躺下及趴下等。

“雖然使用分類模型能較為準(zhǔn)確地判斷摔倒，但是我們還是希望獲得特定對象的跟蹤 ID，以獲得一些時序上的信息，目的就在于避免誤報！”袁經(jīng)理表示：“一個目標(biāo)如果連續(xù)若干幀出現(xiàn)異常，我們才真正認(rèn)為異常已經(jīng)發(fā)生。這是避免誤報的一種手段。”

團(tuán)隊(duì)最終選擇在聯(lián)寶 LCFC EA-B310 上使用 NVIDIA DeepStream 處理自動扶梯出入口處布置的四個攝像頭讀取的行人數(shù)據(jù)。通常情況下需要定制開發(fā)的軟件來處理相機(jī)數(shù)據(jù)，不過通過 DeepStream 內(nèi)置功能的優(yōu)勢，以及搭配 NVIDIA Jetson 產(chǎn)品，這個過程幾乎沒有摩擦。只需要配置好參數(shù)，就可以利用 DeepStream 內(nèi)置的跟蹤插件 Gst-nvtracker，方便快捷地獲得特定對象的跟蹤 ID。同時，利用 DeepStream 提供的 Gst-nvdsanalytics 插件，可以輕松對 ROI 區(qū)域進(jìn)行智能分析 。在正常的情況下，四路攝像頭可達(dá)到 15fps。

“實(shí)時性選擇跳幀處理后可以達(dá)到 25fps，”袁泉說：“我們對這個結(jié)果還是十分滿意的！”

為了防止系統(tǒng)崩潰或者車站斷電之后現(xiàn)場人員手足無措，團(tuán)隊(duì)還特意設(shè)置了重啟功能，可以讓邊緣計算設(shè)備開機(jī)，自動運(yùn)行安全監(jiān)控系統(tǒng)。

軟件和 AI 模型的更新通常需要數(shù)周時間完成，但是研發(fā)團(tuán)隊(duì)使用 NVIDIA 平臺顯著加快了開發(fā)時間，確保了開發(fā)和部署流程的快速性，更重要的是，能夠在現(xiàn)場環(huán)境中測試軟件，確保準(zhǔn)確性和 FPS 符合解決方案的要求。

對 NVIDIA Jetson 開發(fā)者們的建議

袁經(jīng)理表示：“NVIDIA Jetson 設(shè)備提供了強(qiáng)大的計算能力，但如果代碼沒有充分利用設(shè)備的功能，可能會導(dǎo)致性能瓶頸。因此，建議開發(fā)者們學(xué)習(xí)優(yōu)化代碼的一些技巧，以實(shí)現(xiàn)更好的性能。這包括使用 GPU 加速、減少數(shù)據(jù)傳輸和內(nèi)存使用、使用并行計算等技術(shù)。此外，在進(jìn)行商業(yè)化部署的時候，需要實(shí)施錯誤處理和故障排除機(jī)制，以確保應(yīng)用程序的可靠性和穩(wěn)定性?！?/p>