基于深度殘差神經(jīng)網(wǎng)絡(luò)的地鐵站臺(tái)門與列車門間異物自動(dòng)檢測(cè)方法研究*

孔德龍 蒲 凡

(中南民族大學(xué)計(jì)算機(jī)科學(xué)學(xué)院， 430074，武漢 ∥ 第一作者，講師)

為防止乘客不慎跌落站臺(tái)造成安全事故，大部分地鐵在車站站臺(tái)都設(shè)置了站臺(tái)門。但由于站臺(tái)門與列車門之間存在寬20～30 cm的間隙，因而在客運(yùn)高峰期容易發(fā)生乘客被夾情況[1]。國內(nèi)地鐵線路已發(fā)生過數(shù)起因乘客夾在空隙中而產(chǎn)生的運(yùn)營安全事故。現(xiàn)有對(duì)該空隙的異物檢測(cè)主要依賴司機(jī)人工目視，或采用紅外、激光等輔助方法。但人工目視容易因疏忽產(chǎn)生漏判，而紅外、激光等方法由于站臺(tái)環(huán)境復(fù)雜會(huì)出現(xiàn)準(zhǔn)確度差、誤報(bào)率高的問題，不利于列車的行車安全[2-3]。隨著地鐵無人駕駛技術(shù)的迅速發(fā)展，針對(duì)無人值守列車更加需要一種準(zhǔn)確度高、實(shí)時(shí)性好的站臺(tái)自動(dòng)異物檢測(cè)方法。

隨著人工智能技術(shù)的迅速發(fā)展，以深度學(xué)習(xí)為代表的人工智能圖像識(shí)別技術(shù)已廣泛應(yīng)用于醫(yī)療、軍事等領(lǐng)域中，并取得了良好的應(yīng)用效果[4]。殘差神經(jīng)網(wǎng)絡(luò)模型是一種性能優(yōu)異的神經(jīng)網(wǎng)絡(luò)模型，相比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型具有訓(xùn)練時(shí)間短、圖像識(shí)別準(zhǔn)確率高、實(shí)時(shí)性好等優(yōu)點(diǎn)[5]。因此，本文提出構(gòu)建基于深度殘差神經(jīng)網(wǎng)絡(luò)ResNet50模型的空隙自動(dòng)異物檢測(cè)系統(tǒng)，通過獲取并處理站臺(tái)閉路電視監(jiān)控系統(tǒng)傳輸給發(fā)車指示器的站臺(tái)門與列車門視頻幀信息，完成對(duì)站臺(tái)門與列車門之間異物的自動(dòng)檢測(cè)。

1 深度殘差神經(jīng)網(wǎng)絡(luò)圖像識(shí)別

1.1 基于深度學(xué)習(xí)的圖像識(shí)別原理

深度殘差神經(jīng)網(wǎng)絡(luò)是卷積神經(jīng)網(wǎng)絡(luò)的一種，其結(jié)構(gòu)主要由卷積層、池化層和全連接層組成[6]。其典型結(jié)構(gòu)是由卷積層和池化層交替排列組成多組特征提取網(wǎng)絡(luò)，并在網(wǎng)絡(luò)尾部設(shè)置全連接層。當(dāng)系統(tǒng)中輸入一個(gè)大小為W(長)×H(寬)×C(通道數(shù))的張量T，首先在網(wǎng)絡(luò)卷積層中利用卷積函數(shù)計(jì)算系統(tǒng)輸入張量與卷積核的卷積結(jié)果，再使用激活函數(shù)以張量的形式輸出卷積層的特征圖。設(shè)張量Tc為張量T在通道c上的分量，定義卷積函數(shù)為Conv，則可以得到張量T與第n個(gè)卷積核張量Kn的卷積結(jié)果To為：

Mc∈Tc,Tc∈T,mw,h,c∈Mc,kw,h∈Kn

(1)

其中，張量Mc為張量T在卷積窗口內(nèi)的子張量M在通道c上的分量。Tc的卷積計(jì)算原理如圖1所示。

圖1 卷積的計(jì)算原理

將卷積結(jié)果To作為激活函數(shù)的輸入量，遍歷張量To的每一個(gè)像素點(diǎn)To,w′,h′,c′。令b為偏置變量，可得到非線性激活函數(shù)在卷積核Kn上的輸出張量T1為：

(2)

將卷積層的輸出張量T1輸入池化層進(jìn)行降采樣處理，從而降低輸出張量的維度并在減少計(jì)算量的同時(shí)不丟失圖像特征。池化層通過利用Mc中的最大像素點(diǎn)取代卷積計(jì)算中的Mc·Kc，其中，卷積核張量Kc為在通道c上的分量。設(shè)最大池化函數(shù)為Pool，則T的最大池化結(jié)果為：

(3)

將To輸入到非線性激活函數(shù)中，可得到池化層的輸出結(jié)果。系統(tǒng)輸入在經(jīng)過多個(gè)由卷積層與池化層交替排列的特征提取網(wǎng)絡(luò)后進(jìn)入全連接層中進(jìn)行處理。設(shè)全連接函數(shù)為Full，則T的全連接計(jì)算結(jié)果可以表示為：

Tc∈T,tc1,w,h,c∈Tc,kw,h∈K

(4)

1.2 深度殘差神經(jīng)網(wǎng)絡(luò)

提出深度殘差神經(jīng)網(wǎng)絡(luò)是為了解決傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型在結(jié)構(gòu)向深層化發(fā)展時(shí)，由于發(fā)生梯度彌散而出現(xiàn)測(cè)試與訓(xùn)練誤差比淺層網(wǎng)絡(luò)模型大的問題[7]。通過在網(wǎng)絡(luò)模型中引入殘差學(xué)習(xí)的概念，可以有效地解決傳統(tǒng)多層卷積神經(jīng)網(wǎng)絡(luò)中梯度彌散的問題。一個(gè)基本的殘差學(xué)習(xí)模塊如圖2所示。

圖2 殘差學(xué)習(xí)模塊

圖2中，x為系統(tǒng)輸入，H(x)為系統(tǒng)目標(biāo)映射，F(xiàn)(x)為求和前的網(wǎng)絡(luò)映射。其核心思想為：由于系統(tǒng)很難直接實(shí)現(xiàn)由x至H(x)的映射，因此不直接通過堆疊卷積網(wǎng)絡(luò)來實(shí)現(xiàn)一個(gè)理想目標(biāo)映射H(x)的學(xué)習(xí)，而是使網(wǎng)絡(luò)去學(xué)習(xí)殘差函數(shù)F(x)=H(x)-x。深度殘差神經(jīng)網(wǎng)絡(luò)就是由多個(gè)殘差塊堆疊組成的。由于殘差學(xué)習(xí)突出學(xué)習(xí)過程中的微小變化，自動(dòng)消除了隱含層中的部分冗余層，相對(duì)于傳統(tǒng)的映射方式，殘差映射更容易實(shí)現(xiàn)優(yōu)化，從而解決了深層網(wǎng)絡(luò)性能退化的問題。為了進(jìn)一步提升系統(tǒng)性能，本文采用bottleneck結(jié)構(gòu)建立殘差學(xué)習(xí)模型，其基本原理如圖3所示。

圖3 Bottleneck殘差學(xué)習(xí)模塊

該殘差學(xué)習(xí)模塊包括了3個(gè)卷積層。其中，第一個(gè)1×1的卷積層主要用于降維處理，降維后再由第二個(gè)3×3卷積層處理，最后由第三個(gè)1×1卷積層實(shí)現(xiàn)升維恢復(fù)。通過這兩個(gè)1×1的卷積層的設(shè)置減少了網(wǎng)絡(luò)中的參數(shù)數(shù)量，同時(shí)增加了網(wǎng)絡(luò)深度，相比基本模型有更好的性能。

2 基于深度殘差神經(jīng)網(wǎng)絡(luò)圖像識(shí)別的異物檢測(cè)系統(tǒng)

2.1 異物檢測(cè)系統(tǒng)總體設(shè)計(jì)

2.1.1 站臺(tái)空隙異物定義

由于地鐵站臺(tái)門與列車門都包含機(jī)械式防夾設(shè)備，當(dāng)列車門或站臺(tái)門由于異物存在而無法關(guān)閉時(shí)，會(huì)向列車控制系統(tǒng)進(jìn)行報(bào)警。因此，本文的主要研究對(duì)象為站臺(tái)門與列車門間隙處的異物檢測(cè)。該處異物的定義為：當(dāng)站臺(tái)門與列車門完全關(guān)閉時(shí)，間隙處存在威脅行車與乘客安全的人體或物品。通過查閱相關(guān)文獻(xiàn)并實(shí)際試驗(yàn)，該處異物的外形尺寸不小于30 mm(長)×12 mm(寬)×20 mm(高)。

2.1.2 異物檢測(cè)系統(tǒng)總體設(shè)計(jì)與流程

利用深度殘差神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)地鐵站臺(tái)車門與站臺(tái)門間的異物自動(dòng)檢測(cè)。首先，要建立圖像數(shù)據(jù)集，通過在訓(xùn)練站站臺(tái)模擬多種異物入侵與乘客被夾方式，并對(duì)所模擬圖像進(jìn)行處理，建立殘差神經(jīng)網(wǎng)絡(luò)訓(xùn)練集與測(cè)試集；其次，利用所建網(wǎng)絡(luò)訓(xùn)練集對(duì)深度殘差神經(jīng)網(wǎng)絡(luò)ResNet50模型進(jìn)行迭代訓(xùn)練并完成對(duì)測(cè)試集的識(shí)別；最后將真實(shí)站臺(tái)圖像數(shù)據(jù)輸入已訓(xùn)練完成的殘差神經(jīng)網(wǎng)絡(luò)中，給出檢測(cè)結(jié)果以實(shí)現(xiàn)自動(dòng)異物檢測(cè)。其流程如圖4所示。

圖4 自動(dòng)異物檢測(cè)系統(tǒng)檢測(cè)流程圖

2.2 基于殘差神經(jīng)網(wǎng)絡(luò)圖像識(shí)別的異物檢測(cè)方法

2.2.1 系統(tǒng)特征集的建立

由于安全原因，無法直接在真實(shí)地鐵車站中獲取站臺(tái)門與列車門間存在的異物圖像數(shù)據(jù)。因此，采用在地鐵訓(xùn)練站模擬多種實(shí)際上、下客狀況并采集圖像信息，共得大小為224 mm×224 mm的1 906張圖像數(shù)據(jù)。通過樣本擴(kuò)充處理，最終得到12 245張圖像數(shù)據(jù)。并按8…2 的比例劃分為訓(xùn)練集與測(cè)試集，共得到訓(xùn)練集數(shù)據(jù)9 796張，驗(yàn)證集數(shù)據(jù)2 449張。

2.2.2 模型驗(yàn)證與結(jié)果分析

本文采用目前較為先進(jìn)的ResNet50(殘差50)模型。該模型是由多個(gè)殘差網(wǎng)絡(luò)堆疊而成的深層卷積神經(jīng)網(wǎng)絡(luò)，總計(jì)有152層。在圖像識(shí)別領(lǐng)域有較為成熟的應(yīng)用，共進(jìn)行了1 000類常見物體的訓(xùn)練，取得了不錯(cuò)的成績[8]。因此,基于遷移學(xué)習(xí)原理借助已成熟的訓(xùn)練模型，針對(duì)本文圖像分類問題的特殊情況，只對(duì)該模型中的140～152層進(jìn)行針對(duì)性訓(xùn)練。

模型采用2 個(gè)節(jié)點(diǎn)的Softmax層，使用非線性Sigmoid激活函數(shù)，Dropout概率p設(shè)置為0.25，學(xué)習(xí)率a設(shè)置為0.1；系統(tǒng)訓(xùn)練最大迭代次數(shù)設(shè)置為100次。通過訓(xùn)練集數(shù)據(jù)訓(xùn)練使該模型最終實(shí)現(xiàn)優(yōu)化。對(duì)該模型進(jìn)行100 次迭代訓(xùn)練后，訓(xùn)練集與驗(yàn)證集準(zhǔn)確率與數(shù)據(jù)集損失值如圖5～6所示。

由圖5～6可得，在初始階段訓(xùn)練集準(zhǔn)確率為98.38%，損失值為0.046 6；而驗(yàn)證集的準(zhǔn)確率為98.98%，損失值為0.051 3。隨著訓(xùn)練次數(shù)的增加，模型趨于收斂。最終訓(xùn)練集準(zhǔn)確率達(dá)到100%、損失值為4.39×10-7，驗(yàn)證集準(zhǔn)確率達(dá)到99.9%，損失值為6.04×10-6，證明該模型具有較強(qiáng)的泛化能力，滿足檢測(cè)需要。重復(fù)多次試驗(yàn)該模型皆能收斂，且相對(duì)誤差很小，并在容許范圍內(nèi)。

圖5 系統(tǒng)準(zhǔn)確率

圖6 系統(tǒng)數(shù)據(jù)損失值

特征提取的能力決定了系統(tǒng)對(duì)驗(yàn)證集數(shù)據(jù)的識(shí)別準(zhǔn)確率。因此，對(duì)系統(tǒng)輸入層、淺層卷積層、深層卷積層的輸出進(jìn)行可視化處理。通過對(duì)輸出通道進(jìn)行遍歷得出Channel個(gè)大小為Size×Size的圖像，并將其拼接為一張圖片。輸入層的輸出維度為224×224×3，對(duì)第三維遍歷得到3 張分辨率為224像素×224像素的特征圖，將其拼接后如圖7所示。

圖7 輸入層特征圖

淺層卷積層輸出維度為112×112×64，對(duì)第三維遍歷得到64張分辨率為112像素×112像素的特征圖，將其拼接后如圖8所示。

圖8 淺層卷積層特征圖

深層卷積層輸出維度為14×14×256，對(duì)第三維遍歷得到256 張分辨率為14像素×14像素的特征圖，將其拼接后如圖9所示。

圖9 深層卷積層特征圖

從圖7～9可以看出，系統(tǒng)準(zhǔn)確的提取出了輸入數(shù)據(jù)中的特征，達(dá)到了預(yù)期的識(shí)別目的。由于地鐵安全運(yùn)營要求該異物識(shí)別系統(tǒng)應(yīng)具有較強(qiáng)的實(shí)時(shí)處理能力，因此對(duì)1 000張數(shù)據(jù)集的讀取和預(yù)測(cè)耗時(shí)進(jìn)行統(tǒng)計(jì)。其中，處理平臺(tái)環(huán)境：操作系統(tǒng)為Windows 10系統(tǒng)，處理器為Core i7-6700，內(nèi)存為雙通道16 GB，顯卡為NVIDIA GTX 1050Ti(4 GB顯存)。系統(tǒng)總耗時(shí)統(tǒng)計(jì)結(jié)果如圖10所示。

圖10 系統(tǒng)總耗時(shí)

從圖10中可以得出，該模型對(duì)單張數(shù)據(jù)集的預(yù)測(cè)總耗時(shí)不超過47 ms。由于幀率是1 s可以處理的圖片數(shù)量，系統(tǒng)處理一張圖不超過47 ms。因此系統(tǒng)的處理幀率不低于21幀/s，具有良好的實(shí)時(shí)處理能力，能夠滿足實(shí)際應(yīng)用需求。利用該自動(dòng)異物檢測(cè)系統(tǒng)對(duì)武漢地鐵某車站中間位置站臺(tái)門與列車門1周視頻數(shù)據(jù)進(jìn)行處理驗(yàn)證。以線路運(yùn)行過程中每小時(shí)模型預(yù)測(cè)準(zhǔn)確性與單張視頻幀總耗時(shí)的最低值為統(tǒng)計(jì)目標(biāo)，取1周內(nèi)的平均值進(jìn)行統(tǒng)計(jì)，可得表1。

表1 實(shí)際預(yù)測(cè)準(zhǔn)確率與單張視頻幀總耗時(shí)統(tǒng)計(jì)

由表1可以得出，在線路早、晚高峰時(shí)段，系統(tǒng)的預(yù)測(cè)準(zhǔn)確率與處理總耗時(shí)有部分下降。產(chǎn)生該現(xiàn)象的原因主要為在早、晚高峰時(shí)段車站上、下客人數(shù)增多，乘客在站臺(tái)門前的候車與擁擠行為導(dǎo)致測(cè)試環(huán)境變?yōu)閺?fù)雜，導(dǎo)致系統(tǒng)預(yù)測(cè)性能相對(duì)下降。但系統(tǒng)全時(shí)段最低準(zhǔn)確率仍不低于98.7%，最高單張視頻幀總耗時(shí)不超過64 ms，處理幀率不低于15幀/s，總體性能優(yōu)良滿足地鐵線路正常運(yùn)營的需求。

3 結(jié)語

由于現(xiàn)有地鐵站臺(tái)門與列車門間空隙異物檢測(cè)方法存在檢測(cè)精度差、誤報(bào)率高，有一定的安全隱患，影響了列車的安全運(yùn)營。本文通過模擬地鐵正常運(yùn)營中上、下客方式建立圖像數(shù)據(jù)集，搭建并訓(xùn)練基于深度殘差神經(jīng)網(wǎng)絡(luò)ResNet50模型的自動(dòng)異物檢測(cè)系統(tǒng)，利用真實(shí)車站發(fā)車指示器視頻幀數(shù)據(jù)對(duì)自動(dòng)異物檢測(cè)系統(tǒng)進(jìn)行測(cè)試。測(cè)試結(jié)果表明，利用該方法實(shí)現(xiàn)對(duì)地鐵站臺(tái)門與列車門間空隙的異物自動(dòng)檢測(cè)是可行的，且具有較高的檢測(cè)精度與實(shí)時(shí)能力。