杨 栋，黄文政，张秋亮，李依诺，张亚伟

（1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2.中国铁路南宁局集团有限公司 客运部，南宁 530029）

铁路客运站的站台端部为非封闭式环境，以方便作业人员可以通过站台端部进入或离开站台。但这也带来了新的问题，比如：不法分子可以绕过安检从站台端部进入到车站，无票旅客可以通过站台端部逃票出站，这些情况对铁路的安全生产、提质增效带来了隐患，把通过站台端部非法进入和离开车站的行为称为站台端部人员入侵。目前，针对站台端部人员入侵行为，铁路部门主要有2种应对措施：安装摄像头监控和安装超声、红外等探测装置[1-2]。

基于超声、红外等探测装置的入侵检测，需在站台端部新增硬件设备，且难以区分普通旅客和工作人员，需为工作人员配备关闭检测设备的遥控器，以去除误报。传统的视频监控主要依靠人工查阅来盯控，浪费大量人力，且难以做到多个站台24 h全天盯控。基于图像分析的智能视频监控技术可减少人工作业强度[3]，提升站台端部人员入侵检测的准确率和效率，是铁路客运安全保障的重要手段。

Krizhevsky A.等人提出了深度卷积神经网络AlexNet模型[4]，该模型以显著优势在ILSVRC2012比赛中夺冠，并将top-5错误率降低至15.32%。Szegedy C.等人提出深度卷积神经网络GoogLeNet模型[5]，Simonyan K.等人提出深度卷积神经网络VGG 模型[6]。深度卷积神经网络在图像分类领域的优越性，使铁路客运站站台端部人员入侵检测研究提供了新的思路。……