站台异常事件的监控方法、装置、设备和存储介质与流程

本发明涉及计算机，尤其涉及一种站台异常事件的监控方法、装置、设备和存储介质。

背景技术：

1、铁路客运站作为铁路与旅客接口的重要地点，对其进行全方位实时监控是保障旅客候车安全的重要手段，其中站台是旅客与列车交涉的重点区域，然而，站台区域的占地面积广泛、候车人员多，并且客运作业复杂。

2、如何对站台的异常事件进行准确高效的监控，已成为业内亟需解决的技术问题。

技术实现思路

1、本发明提供一种站台异常事件的监控方法、装置、设备和存储介质，实现对站台的异常事件进行准确且高效的监控。

2、第一方面，本发明提供一种站台异常事件的监控方法，该方法包括：

3、对站台区域进行区域划分，得到至少一种类型的站台区域；所述站台区域的类型包含以下任意一项：站台候车区域、站台端部区域、站台股道区域；

4、针对任一所述类型的站台区域，根据所述类型的站台区域包含的至少一种类型的异常事件，以及各个所述类型的异常事件对应的监控时间，对所述类型的站台区域进行异常事件的监控。

5、可选地，所述站台候车区域包含的异常事件包括以下至少一项：第一异常事件和第二异常事件；在所述站台区域的类型为所述站台候车区域的情况下，所述根据所述类型的站台区域包含的至少一种类型的异常事件，以及各个所述类型的异常事件对应的监控时间，对所述类型的站台区域进行异常事件的监控，包括：

6、根据所述站台候车区域对应的列车到发计划，得到所述站台候车区域对应的列车到达时间和列车发车时间；

7、针对所述第一异常事件，根据所述列车到达时间和所述列车发车时间，确定所述第一异常事件对应的第一监控时间；

8、在所述第一监控时间内，根据所述站台候车区域上的至少一个行人的目标运动轨迹，确定所述站台候车区域是否触发所述第一异常事件；任一所述行人的目标运动轨迹为利用行人检测网络对所述第一监控时间对应的包含行人的多帧第一图像进行识别，并且在确定识别到行人后利用行人运动属性判别网络对所述行人的运动方向和运动速度进行预测后得到的；所述行人检测网络和所述行人运动属性判别网络为基于无标签知识蒸馏的自监督学习框架构建的；

9、针对所述第二异常事件，根据所述列车到达时间和所述列车发车时间确定所述第二异常事件对应的第二监控时间；所述第二异常事件包括游荡人员事件和遗留物事件；

10、针对所述游荡人员事件，利用所述行人检测网络对所述第二监控时间对应的第二图像进行识别，确定所述第二图像中是否识别到行人；所述第二图像为基于所述站台候车区域的视频数据得到的；

11、在确定所述第二图像中识别到行人的情况下，确定所述站台候车区域触发所述游荡人员事件；

12、针对所述遗留物事件，利用物品识别网络对所述第二监控时间对应的第二图像进行识别，确定所述第二图像中是否识别到遗留物；所述物品识别网络为根据遗留物样本数据构建的；所述物品识别网络为基于无标签知识蒸馏的自监督学习框架构建的；

13、在确定所述第二图像中识别到遗留物的情况下，确定所述站台候车区域触发所述遗留物事件。

14、可选地，所述站台端部区域包含的异常事件为：第三异常事件；在所述站台区域的类型为所述站台端部区域的情况下，所述根据所述类型的站台区域包含的至少一种类型的异常事件，以及各个所述类型的异常事件对应的监控时间，对所述类型的站台区域进行异常事件的监控，包括：

15、确定所述第三异常事件对应的第三监控时间；

16、利用行人检测网络对所述第三监控时间对应的第三图像进行识别，确定所述第三图像中是否识别到行人；

17、在确定所述第三图像中识别到行人时，利用服饰细粒度检测网络对所述行人的服饰进行识别，确定所述行人的服饰是否包含工作人员的服饰；所述服饰细粒度检测网络为根据服饰细粒度数据集构建的；所述服饰细粒度检测网络为基于无标签知识蒸馏的自监督学习框架构建的；

18、在确定所述行人的服饰包含工作人员的服饰的情况下，并且所述行人的步态特征值与预设的站台端部区域工作人员的步态特征库之间的度量值小于预设的度量阈值的情况下，确定所述站台端部区域触发所述第三异常事件。

19、可选地，所述行人的步态特征值为根据所述行人的步态轮廓，利用步态识别网络进行预测得到的；所述预设的站台端部区域工作人员的步态特征库为根据所述预设的工作人员的步态轮廓，利用所述步态识别网络进行预测得到的；所述预设的工作人员的步态轮廓为根据所述预设的工作人员行走视频数据提取得到的；所述步态识别网络为基于无标签知识蒸馏的自监督学习框架构建的。

20、可选地，所述站台股道区域包含的异常事件为：第四异常事件；在所述站台区域的类型为所述站台股道区域的情况下，所述根据所述类型的站台区域包含的至少一种类型的异常事件，以及各个所述类型的异常事件对应的监控时间，对所述类型的站台区域进行异常事件的监控，包括：

21、确定所述第四异常事件对应的第四监控时间；

22、根据所述第四监控时间对应的第四图像，得到所述第四图像中的前景目标；

23、将所述前景目标的轮廓信息与预设的异物大小阈值进行比较；

24、在确定所述前景目标的轮廓信息大于或等于所述预设的异物大小阈值的情况下，确定所述站台股道区域触发第四异常事件。

25、可选地，所述确定所述站台股道区域触发所述第四异常事件之后，还包括：

26、识别所述前景目标的物品类别。

27、可选地，所述方法还包括：

28、在监控到任一所述类型的站台区域触发异常事件后，确定所述异常事件对应的站台区域的类型；

29、将所述异常事件关联至所述异常事件对应的站台区域的值班系统。

30、第二方面，本发明还提供一种站台异常事件的监控装置，该装置包括：

31、区域划分模块，用于对站台区域进行区域划分，得到至少一种类型的站台区域；所述站台区域的类型包含以下任意一项：站台候车区域、站台端部区域、站台股道区域；

32、监控模块，用于针对任一所述类型的站台区域，根据所述类型的站台区域包含的至少一种类型的异常事件，以及各个所述类型的异常事件对应的监控时间，对所述类型的站台区域进行异常事件的监控。

33、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述站台异常事件的监控方法。

34、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述站台异常事件的监控方法。

35、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述站台异常事件的监控方法。

36、本发明提供的站台异常事件的监控方法、装置、设备和存储介质，通过对站台区域进行区域划分，得到至少一种类型的站台区域，其中，站台区域的类型包含以下任意一项：站台候车区域、站台端部区域、站台股道区域；进而，针对任一类型的站台区域，根据该类型的站台区域包含的至少一种类型的异常事件，以及各个类型的异常事件对应的监控时间，对类型的站台区域进行异常事件的监控。本发明中因首先对站台区域进行了划分，然后针对不同类型的站台区域，确定各个类型的站台区域包含的异常事件，进而，结合各个异常事件对应的不同的监控时间的需求，对站台区域进行全方位多类型异常事件的监控，实现了准确高效地对站台区域的异常事件进行监控，从而更好地保障旅客的候车安全。