鐵路客運(yùn)站必不可少的自動(dòng)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(shí)間長(zhǎng)的特點(diǎn)。同時(shí)，自動(dòng)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(huì)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(dòng)扶梯是最常見(jiàn)也最棘手的三類安全隱患。

現(xiàn)階段，大部分客運(yùn)站自動(dòng)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(shí)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(guò)信息化、智能化的手段，從客運(yùn)站自動(dòng)扶梯安全隱患分析、安全監(jiān)控系統(tǒng)需求設(shè)計(jì)，及安全監(jiān)控系統(tǒng)功能設(shè)計(jì)等方面，對(duì)鐵路客運(yùn)站自動(dòng)扶梯的安全進(jìn)行管控。

從防止事故發(fā)生開(kāi)始做起

近年來(lái)基于深度學(xué)習(xí)的機(jī)器視覺(jué)技術(shù)飛速發(fā)展，其廣泛的使用場(chǎng)景、高效的運(yùn)行效率和精準(zhǔn)的識(shí)別率，得到了越來(lái)越多的關(guān)注。而行為識(shí)別作為近年計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)，為認(rèn)識(shí)和理解人類運(yùn)動(dòng)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(dòng)扶梯的行為提供了可行的思路。

來(lái)自中國(guó)鐵路南寧局集團(tuán)有限公司的一支年輕開(kāi)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(dòng)扶梯智能安全管控關(guān)鍵技術(shù)研究。通過(guò)人工智能視頻檢測(cè)分析來(lái)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(guó)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(dòng)扶梯周圍圖像；

• 在邊緣設(shè)備上使用機(jī)器視覺(jué)算法對(duì)圖像進(jìn)行檢測(cè)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(dòng)扶梯等三類情況的圖像；

• 在客戶端，對(duì)報(bào)警數(shù)據(jù)進(jìn)行顯示，同樣用戶也可以對(duì)報(bào)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(shí)，優(yōu)化了機(jī)器視覺(jué)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(shí)性和流暢性。

圖 1 系統(tǒng)設(shè)計(jì)

在邊緣計(jì)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(shí)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(shí)利用本地云技術(shù)構(gòu)建、部署和管理來(lái)自 NVIDIA NGC 的預(yù)訓(xùn)練 AI 模型。通過(guò) LCFC IOT console 管理平臺(tái)，充分利用容器化部署帶來(lái)靈活和無(wú)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(bào)”幾率

當(dāng)前對(duì)于人體動(dòng)作識(shí)別最常用的檢測(cè)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(shí)序分析。“自動(dòng)扶梯人員密度較高，不論是 Top-Down 還是 Down-Top 的人體關(guān)鍵點(diǎn)檢測(cè)，都容易在人員較多或者相互遮擋的時(shí)候，出現(xiàn)關(guān)鍵點(diǎn)檢測(cè)的混亂，”談到項(xiàng)目的挑戰(zhàn)，袁經(jīng)理如是說(shuō)，“另外，關(guān)鍵點(diǎn)檢測(cè)的算力消耗也較大，在四路視頻實(shí)時(shí)工作的情況下，F(xiàn)PS 較低，也不是很理想?！?/p>

經(jīng)過(guò)團(tuán)隊(duì)的測(cè)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(dòng)扶梯出入口常見(jiàn)的摔倒姿勢(shì)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(duì)象的跟蹤 ID，以獲得一些時(shí)序上的信息，目的就在于避免誤報(bào)！”袁經(jīng)理表示：“一個(gè)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(bào)的一種手段?！?/p>

團(tuán)隊(duì)最終選擇在聯(lián)寶 LCFC EA-B310 上使用 NVIDIA DeepStream 處理自動(dòng)扶梯出入口處布置的四個(gè)攝像頭讀取的行人數(shù)據(jù)。通常情況下需要定制開(kāi)發(fā)的軟件來(lái)處理相機(jī)數(shù)據(jù)，不過(guò)通過(guò) DeepStream 內(nèi)置功能的優(yōu)勢(shì)，以及搭配 NVIDIA Jetson 產(chǎn)品，這個(gè)過(guò)程幾乎沒(méi)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(duì)象的跟蹤 ID。同時(shí)，利用 DeepStream 提供的 Gst-nvdsanalytics 插件，可以輕松對(duì) 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(shí)性選擇跳幀處理后可以達(dá)到 25fps，”袁泉說(shuō)：“我們對(duì)這個(gè)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(chǎng)人員手足無(wú)措，團(tuán)隊(duì)還特意設(shè)置了重啟功能，可以讓邊緣計(jì)算設(shè)備開(kāi)機(jī)，自動(dòng)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(shí)間完成，但是研發(fā)團(tuán)隊(duì)使用 NVIDIA 平臺(tái)顯著加快了開(kāi)發(fā)時(shí)間，確保了開(kāi)發(fā)和部署流程的快速性，更重要的是，能夠在現(xiàn)場(chǎng)環(huán)境中測(cè)試軟件，確保準(zhǔn)確性和 FPS 符合解決方案的要求。

對(duì) NVIDIA Jetson 開(kāi)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(jì)算能力，但如果代碼沒(méi)有充分利用設(shè)備的功能，可能會(huì)導(dǎo)致性能瓶頸。因此，建議開(kāi)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(jì)算等技術(shù)。此外，在進(jìn)行商業(yè)化部署的時(shí)候，需要實(shí)施錯(cuò)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>