地铁站人流统计优化：YOLOv5与透视变换实战

1. 项目背景与痛点分析

地铁站人流统计是个看似简单实则暗藏玄机的活。去年接手某一线城市地铁站的智能监控项目时，我们团队最初采用的传统目标检测方案在实际部署中遭遇滑铁卢——早晚高峰时段统计准确率暴跌至72%，平峰期也仅有85%左右。这个数字在演示PPT上很美好，但放到真实场景中意味着每100个乘客就有近30人"凭空消失"或"无中生有"。

经过两周的现场蹲点观察，我发现核心痛点集中在三个维度：

1. 透视畸变：摄像头俯拍角度导致靠近画面边缘的行人被严重压缩变形，身高1.8米的成年人在画面边缘可能被识别成0.5米高的"可疑物体"
2. 遮挡纠缠：早高峰时段的密集人流会产生大量相互遮挡，传统检测框容易将重叠行人误判为单个目标
3. 光影干扰：地铁站内照明条件复杂，忽明忽暗的灯光加上反光地面会产生大量噪声检测

2. 技术方案选型与优化路径

2.1 目标检测框架升级

放弃原先使用的SSD检测器，转向YOLOv5s（small版本）主要基于三点考量：

• 速度与精度平衡：地铁站场景需要实时处理1080P@25fps视频流，YOLOv5s在Tesla T4上实测可达45FPS
• 小目标检测优势：相比v3/v4，v5的Focus结构和PANet特征金字塔对远处行人更友好
• 易于部署：原生支持TensorRT加速，导出ONNX后部署成本低

关键参数配置：

python复制# yolov5s.yaml
anchors:
  - [5,6, 8,14, 15,11]  # P3/8 小目标层
  - [10,13, 16,30, 33,23]  # P4/16
  - [30,61, 62,45, 59,119]  # P5/32

2.2 透视变换矩阵计算

采用四点变换法校正俯视畸变，具体步骤：

1. 在地铁站平面图上选取4个物理坐标点（建议选择地砖接缝等明显标记）
2. 在视频画面中标注对应的4个像素坐标点
3. 使用OpenCV的getPerspectiveTransform计算变换矩阵

实际操作中发现两个细节问题：

• 地面反光会导致标记点漂移 → 改用红外激光笔辅助定位
• 柱子等障碍物会遮挡标记 → 在多个时段采集取平均值

校正效果对比：

2.3 动态ROI与计数策略

为避免计数区域边缘的误判，开发了动态ROI机制：

1. 在变换后的画面底部划定虚拟计数线
2. 采用方向向量判断：
   • 当行人底部中心点从上方穿越计数线时+1
   • 设置50像素的防抖区间（防止在界线处反复计数）

python复制def check_crossing(y_pos, prev_y, line_y):
    if prev_y > line_y + 25 and y_pos <= line_y + 25:
        return True
    return False

3. 关键问题解决方案实录

3.1 密集遮挡场景优化

针对"粘框"问题，我们组合使用了三种策略：

1. 提高NMS阈值至0.6（默认0.45）
2. 添加遮挡敏感度权重：

   python复制conf = obj_conf * (1 - 0.3 * overlap_ratio) 
   

3. 引入短时轨迹追踪，对突然消失的目标进行状态保持

3.2 光照自适应处理

地铁站典型的光照问题包括：

• 列车进站时的强光闪烁
• 广告屏周期性颜色变化
• 早晚自然光入射差异

解决方案：

mermaid复制graph TD
    A[原始帧] --> B[直方图均衡化]
    B --> C[动态亮度补偿]
    C --> D[背景差分]
    D --> E[检测器输入]

3.3 虚实线误判治理

初期发现以下误判情况：

• 行李拖影被识别为行人
• 静止保安被重复计数
• 玻璃倒影产生鬼影

应对措施：

• 添加移动速度阈值（0.5m/s ~ 2m/s）
• 设置最小连续出现帧数（≥3帧）
• 对静止目标启动二次验证

4. 部署优化与实测效果

4.1 边缘计算方案选型

对比三种部署方式：

最终选择NVIDIA Jetson AGX Xavier边缘方案，关键配置：

• 启用DLA加速引擎
• 固定频率模式锁定功耗至20W
• 使用TensorRT优化后的引擎

4.2 性能指标对比

连续7天的实测数据：

4.3 资源占用监控

在Jetson上的实际资源消耗：

• GPU利用率：峰值78% → 平均45%
• CPU负载：从4核满载 → 2核60%
• 内存占用：稳定在2.8GB/8GB

5. 踩坑经验与避坑指南

1. 标定陷阱：

   • 错误做法：只在空场景下单次标定
   • 正确做法：在不同人流密度下多次标定取参数中位数

2. 模型量化误区：

   • FP16量化会导致小目标检测精度下降约5%
   • 最佳实践：对P3/P4层保持FP32，仅对P5层量化

3. 计数逻辑黑洞：

   • 简单区域进入计数会导致重复统计
   • 必须结合运动轨迹方向判断

4. 温度陷阱：

   • 边缘设备连续运行4小时后检测帧率下降15%
   • 解决方案：添加散热风扇+温度监控重启机制

这个项目给我的最大启示是：计算机视觉在工业场景落地时，算法精度只占成功因素的30%，剩下70%是对业务场景的深度理解和工程化适配。比如我们发现早高峰时段乘客背包识别率会显著下降，后来才明白是因为冬天大家穿着厚外套导致外观特征变化——这种细节在任何论文里都不会提到，但恰恰是影响精度的关键因素。