基于SwinT-YOLOX模型的自动扶梯行人安全检测算法

自动扶梯被广泛应用在公共场合，乘客摔倒事故如果不能被及时发现并处理，会造成严重的人身伤害，因此实现自动扶梯智能化监控管理势在必行。受自动扶梯运行环境复杂、行人多以及局部遮挡情况的影响，传统的人体姿态特征摔倒检测模型效果不佳且检测速度减慢。融合Swin Transformer和YOLOX目标检测算法的优秀策略，提出一种基于SwinT-YOLOX网络模型的自动扶梯行人摔倒检测算法。采用Swin Transformer模型作为骨干网络，颈部网络使用添加注意力机制的YOLOX模型，进一步提升特征图的多样性和表达能力。此外，利用漏斗修正线性单元视觉激活函数构建CBF模块，改进颈部网络和Head网络结构，从而获得更优的特征检测性能。实验结果表明，针对自建扶梯行人摔倒数据库和网络采集实际扶梯行人摔倒事故，与AlphaPose、OpenPose、YOLOv5等算法相比，该算法检测性能明显提高，行人摔倒平均检测精度可以达到95.92%，检测帧率为24.08帧/s，能够快速、精准地检测到乘客摔倒事故发生，监控管理平台立刻采取安全急停措施以保证乘客安全。