刘伟铭，杜逍睿，李静宁，郑仲星

(华南理工大学土木与交通学院， 广州 510640)

1 概述

地铁因具有运量大、速度快、准时率高等优点，已经成为了城市最主要交通方式。以广州为例，截止2019年6月，其日最高客运量已达到1 062.0万人次[1]。地铁在方便人们出行的同时，也因为其检测技术的不完善频频给乘客带来人身伤害，仅2019年上半年，全国由于地铁列车门和屏蔽门之间夹物造成的乘客受伤事件就有多起，所以一套能检测列车屏蔽门和列车门之间是否存在异物并能对所检测到的异物进行分类的系统变得尤为重要，这不仅能为驾驶员提供夹物警告且能为驾驶员提供所夹异物的种类信息，便于驾驶员对是否继续启动列车进行综合判断，也将极大地保障乘客的乘车安全并大大提高列车的运行效率。

2 地铁异物分类方法

通过对地铁的实地调研，发现夹在或掉落在地铁站台门与列车门之间的异物有5类，包括包类、衣服、人四肢、人头、手机。目前基于深度学习的图片分类器，如CNN，Faster R-CNN，YOLO，SSD[2-5]虽然具有准确率高鲁棒性好的特点，但是其需要大量的带标签数据和昂贵的GPU作为前提，且由于神经网络其巨大的参数量使得每次对图片的分类都将进行数百万甚至数千万次的浮点运算。考虑到地铁狭小的安装环境和安装成本，选择NanoPC-T2嵌入式板作为基础硬件，若在其上运行深度学习网络，那么上百万次的浮点运算对于性能较弱的NanoPC-T2嵌入式板来说是无法想象的，同时对于大量带标签训练数据的获取也是十分困难的。……