鐵路客運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、負荷滿和運行時間長的特點。同時，自動扶梯的安全事關旅客生命安全與鐵路企業聲譽。媒體關注度高、社會影響大，是客運站安全管理的重點和難點。其中，行人摔倒、出入口擁擠、嬰兒車違規上自動扶梯是最常見也最棘手的三類安全隱患。

現階段，大部分客運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鍵時間進行提醒和看護，以防止意外事故的發生，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，從客運站自動扶梯安全隱患分析、安全監控系統需求設計，及安全監控系統功能設計等方面，對鐵路客運站自動扶梯的安全進行管控。

從防止事故發生開始做起

近年來基于深度學習的機器視覺技術飛速發展，其廣泛的使用場景、高效的運行效率和精準的識別率，得到了越來越多的關注。而行為識別作為近年計算機視覺領域的研究熱點，為認識和理解人類運動和行為提供了一些新的方法，也為智能化監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有限公司的一支年輕開發團隊，在研發經理袁泉的帶領下，正在進行鐵路客運站自動扶梯智能安全管控關鍵技術研究。通過人工智能視頻檢測分析來防止事故的發生，以聲光方式提醒搭乘電扶梯的旅客注意安全，從而達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有限公司研發團隊合影

具體的操作步驟如下：

• 在客運站設置攝像頭采集自動扶梯周圍圖像；

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

• 在客戶端，對報警數據進行顯示，同樣用戶也可以對報警區域進行自定義設置。

這樣在保證監控準確性的同時，優化了機器視覺算法效率，節約了設備算力，也保證了系統運行的實時性和流暢性。

圖 1 系統設計

在邊緣計算設備的選擇上，團隊選擇了聯寶 LCFC EA-B310 加固式系統。該系統搭載了 NVIDIA Jetson Xavier NX 核心模塊，能以 15W 的低功耗提供高達 21TOPS 的實時推理能力。不僅如此，該設備尺寸小巧，安裝靈活，接口豐富， 具備靈活的擴展能力。同時利用本地云技術構建、部署和管理來自 NVIDIA NGC 的預訓練 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，確保快速上市和降低部署成本。

圖２ 聯寶 LCFC EA-B310

利用 AI 技術降低“誤報”幾率

當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鍵點的方法，其特點是魯棒性強、泛化性強，而且可以基于時序分析。“自動扶梯人員密度較高，不論是 Top-Down 還是 Down-Top 的人體關鍵點檢測，都容易在人員較多或者相互遮擋的時候，出現關鍵點檢測的混亂，”談到項目的挑戰，袁經理如是說，“另外，關鍵點檢測的算力消耗也較大，在四路視頻實時工作的情況下，FPS 較低，也不是很理想。”

經過團隊的測試，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別。目前在自動扶梯出入口常見的摔倒姿勢都能被準確捕捉，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！”袁經理表示：“一個目標如果連續若干幀出現異常，我們才真正認為異常已經發生。這是避免誤報的一種手段。”

團隊最終選擇在聯寶 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據。通常情況下需要定制開發的軟件來處理相機數據，不過通過 DeepStream 內置功能的優勢，以及搭配 NVIDIA Jetson 產品，這個過程幾乎沒有摩擦。只需要配置好參數，就可以利用 DeepStream 內置的跟蹤插件 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 區域進行智能分析 。在正常的情況下，四路攝像頭可達到 15fps。

“實時性選擇跳幀處理后可以達到 25fps，”袁泉說：“我們對這個結果還是十分滿意的！”

為了防止系統崩潰或者車站斷電之后現場人員手足無措，團隊還特意設置了重啟功能，可以讓邊緣計算設備開機，自動運行安全監控系統。

軟件和 AI 模型的更新通常需要數周時間完成，但是研發團隊使用 NVIDIA 平臺顯著加快了開發時間，確保了開發和部署流程的快速性，更重要的是，能夠在現場環境中測試軟件，確保準確性和 FPS 符合解決方案的要求。

對 NVIDIA Jetson 開發者們的建議

袁經理表示：“NVIDIA Jetson 設備提供了強大的計算能力，但如果代碼沒有充分利用設備的功能，可能會導致性能瓶頸。因此，建議開發者們學習優化代碼的一些技巧，以實現更好的性能。這包括使用 GPU 加速、減少數據傳輸和內存使用、使用并行計算等技術。此外，在進行商業化部署的時候，需要實施錯誤處理和故障排除機制，以確保應用程序的可靠性和穩定性。”