铁路车站旅客密度自适应场景估计与应用研究

为提升车站旅客引导服务效率,提高车站智能化服务水平,深入研究车站旅客人群密度估计,针对铁路车站人群密度差异大、分布不均匀的场景特殊性,构建基于深度神经网络的自适应场景人群密度估计模型,通过引入注意力机制处理模块,不同尺寸人群图像的识别模块和自适应场景权重判断模块,实现了车站不同场景下的人群密度估计。以清河站为试验场景,对现场采集视频图像样本进行训练学习和验证,准确率达到92%以上,验证了方法的可行性和有效性,该研究成果可为铁路车站图像智能化处理提供借鉴和指导。