CN114283544A - 一种基于人工智能的铁路站台入侵监测系统及方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的铁路站台入侵监测系统及方法，前端站台设备的核心为雷球一体机，布防状态下，相控阵雷达探测到站台区域或者铁轨区域出现可疑入侵目标后自动联动高清球机抓拍目标图像发送给智能分析控制器进行人员入侵确认。监控中心设备的核心为智能分析控制器，内置自主设计并训练的人工智能算法，能够计算球机抓拍图片中目标的精确位置和具体类别，产生报警信息并发送给应用管理服务器。本发明雷球一体机和人工智能算法，实现对人员横跨铁轨和人员站台越线两种铁路站台入侵情况的检测，人工智能算法检测精度高，雷达快速定位移动目标减少了需要算法处理的图片数量，提升了报警效率；双管齐下确保了本发明的实时性和准确率。

Description

一种基于人工智能的铁路站台入侵监测系统及方法

技术领域

本发明涉及铁路安全监测技术领域，具体为一种基于人工智能的铁路站台入侵监测系统及方法。

背景技术

随着高铁路网日益完善，火车成为人们长途出行的首选交通工具。近年来铁路车站发车量持续增加，站台客流量日益密集，为了保障乘客的人身安全，铁路站台均划定了安全白线限制乘客在所搭乘火车未停靠前靠近铁路站台边缘，但由于各种原因导致的乘客坠落站台事故仍时有发生，甚至还有部分乘客为图方便从一个站台直接横跨铁轨到其他站台，给自身生命安全和铁路行车安全都造成了巨大威胁。因此铁路站台的安全防护需求主要包括两个方面，一是监测是否有人员横跨铁轨到其他站台；二是监测是否有人员在候车过程中越线靠近站台边缘。

目前大部分铁路站台安全防护措施以人防和物防为主，技防措施应用较少，并且主要集中在监测铁路站台越线方面，大致可分为对射技术和视频监控技术两大类。对射技术在铁路站台布设红外对射装置或激光对射装置，当红外线或激光被遮挡后产生报警；对射技术结构简单、部署方便，报警实时性强，但是易受干扰，无法区分入侵目标的类别，误报多，此外对射装置安装在站台上时无法监测人员横跨铁轨的情况。视频监控技术在铁路站台布设相机采集站台实时图像数据，采用目标识别技术判断是否存在人员侵入，但其准确率和实时性受所采用的目标识别技术的影响非常大，传统的目标识别技术精度不高容易出现误报，并且目标识别耗时过多导致逐帧对站台视频数据进行处理难以保证报警实时性，如果抽帧进行处理又容易遗漏存在人员入侵的图像。

公开号为CN109839638A的中国发明专利申请公开了一种铁路站台防护方法和设备；该申请通过在铁路站台设置激光雷达等检测设备，对铁路站台的指定区域进行扫描，自动对监测区域的目标进行监测。该申请拟采用激光雷达等检测设备替代视频监控来避免视频监控人工盯防容易遗漏和视频监控智能分析拍摄画面易受光线和天气影响的问题，目的是提供一种稳定的监控方法但该申请采用的仍为单一的监控手段并且不进行人员跨越铁轨的监测，激光雷达等检测设备可以克服光照不足和恶劣天气的影响，但其目标识别能力有限，容易受到树木、小动物等干扰目标的影响，检测精度普遍不高，常因误报率过高导致频繁虚假报警，无法实际部署使用。近年来人工智能技术飞速发展，图像目标识别精度实现了质的飞跃，本申请融合了雷达全天候全天时不间断快速探测目标和视频图像高精度识别目标的优势，使铁路站台入侵监测系统从准确性和实时性方面得到双提升，实时性强、误报率低、稳定性高，能够确保铁路站台入侵监测系统的实际部署应用效果。

发明内容

本发明所要解决的技术问题在于：提供一种铁路站台入侵监测系统及方法，同时监测人员横跨铁轨和人员站台越线两种入侵情况，确保入侵监测报警实时性和大幅提升入侵人员识别精度。

为解决上述技术问题，本发明提供如下技术方案：

一种基于人工智能的铁路站台入侵监测系统，包括前端站台设备和监控中心设备；所述监控中心设备和多套所述前端站台设备连接；

所述前端站台设备包括雷球一体机、超宽带定位基站、灯带、喇叭、串口转网口模块、光电转换模块、防水设备箱、杆件；

所述雷球一体机和所述超宽带定位基站均安装在所述杆件上，所述杆件安装在铁路站台上，并在火车行进方向上均匀排布；所述雷球一体机和所述超宽带定位基站均通过所述光电转换模块与所述监控中心设备连接；

所述光电转换模块和所述串口转网口模块安装于所述防水设备箱中，所述防水设备箱、所述灯带和所述喇叭安装在铁路站台上；所述灯带和所述喇叭通过所述串口转网口模块与所述光电转换模块连接。

优点：本发明的入侵监控系统通过相控阵雷达快速探测到站台区域或者铁轨区域中出现的可疑入侵目标后，自动联动高清球机抓拍目标图像发送给智能分析控制器，利用自主设计并训练的人工智能算法计算图片中目标的精确位置和具体类别，自动排除非人员目标的干扰，提高入侵监测报警实时性和准确率。

优选地，所述雷球一体机包含相控阵雷达和高清球机。

优选地，所述监控中心设备包括智能分析控制器、应用管理服务器和至少一个光电交换机；

所述光电交换机与每套所述前端站台设备的光电转换模块连接；所述智能分析控制器和所述应用管理服务器均与光电交换机连接。

优选地，所述智能分析控制器中具有人工智能算法；

所述智能分析控制器通过人工智能算法来检测所述雷球一体机和所述超宽带定位基站发送的信息，控制灯带和喇叭工作，同时能够将产生的报警信息发送给所述应用管理服务器；

所述应用管理服务器具有数据库用于存储接收到的报警信息。

优选地，所述应用管理服务器设有能够供第三方管理平台调用的接口。

优选地，还包括电子标签，所述电子标签能够佩戴在铁路工作人员身上；

所述电子标签与所述超宽带定位基站之间通过无线通讯连接，所述超宽带定位基站通过内嵌的边缘计算模块对所述电子标签的位置进行实时计算；

所述电子标签的位置可由任意所述超宽带定位基站解算，且定位精度优于20厘米。

优选地，本系统能够将前端站台设备的监控范围划分为火车警戒区域、行人警戒区域和排除区域；

所述火车警戒区域分别处于站台两端的两套前端站台设备覆盖范围内，用于检测火车是否到站停靠；

所述行人警戒区域分别处于每套前端站台设备覆盖范围内，其能够覆盖铁路站台区域以及站台外侧铁轨区域，对人员横跨铁轨和人员站台越线两种站台入侵情况进行报警；

所述排除区域能够设置在每套前端站台设备的监控范围中，所述排除区域不进行入侵检测。

本发明还公开了一种铁路站台入侵监测方法，包括如下步骤：

S1、铁路站台入侵监测系统启动，站台两端的相控阵雷达监测火车警戒区内是否有移动目标；

S2、若火车警戒区内没有移动目标，则铁路站台入侵监测系统进入布防状态；

S3、若火车警戒区内有移动目标，站台两端的高清球机抓拍站台图片并将抓拍图片发送给智能分析控制器；

S4、智能分析控制器基于步骤S3的抓拍图片，通过内置的人工智能算法检测抓拍图片中是否出现火车；

S5、若抓拍图片中出现火车，智能分析控制器控制铁路站台入侵监测系统进入撤防状态；

S6、若抓拍图片中没有出现火车，智能分析控制器控制铁路站台入侵监测系统进入布防状态。

优选地，在所述撤防状态下，铁路站台入侵监测系统不进行入侵检测，所述灯带一直亮绿灯，喇叭一直处于静默状态，人员能够上下火车。

优选地，在所述布防状态下，包括如下步骤：

S101、超宽带定位基站识别并计算佩戴电子标签的铁路工作人员的实时位置并发送给智能分析控制器；

S102、相控阵雷达监测到行人警戒区域内有移动目标时，自动联动高清球机抓拍包含移动目标的站台图片并发送给智能分析控制器；

S103、智能分析控制器基于步骤S102的站台图片，采用内置的人工智能算法检测站台图片中是否出现行人；若没有出现行人，系统正常运行；

S104、若站台图片中出现行人，则调用铁路工作人员的实时位置与检测到的行人进行匹配，判断该人员是否属于铁路工作人员；若属于铁路工作人员，系统正常运行；

S105、若该人员不属于铁路工作人员，则智能分析控制器发送命令控制灯带发出红光进行报警提示，发送命令控制喇叭发出声音进行报警提示；

S106、同时智能分析控制器产生报警信息，包括入侵人员个数、入侵人员位置、入侵时间、框出入侵人员的报警图片，发送给应用管理服务器。

与现有技术相比，本发明的有益效果是：

(1)本发明将先进雷达技术和人工智能技术引入到铁路站台安全防护中，能够同时监测铁路站台人员横跨铁轨和人员站台越线两种入侵情况，实现了入侵监测的自动撤防和布防，无需与铁路内部通信系统连通以获取火车到站离站信息，不会对铁路内部通信系统带来安全隐患。

(2)采用自主设计并训练的基于深度学习的人工智能算法进行火车和行人识别，计算得到的目标位置及类别精确度高，能够排除掉其他非人员目标的影响，大幅较少了误报。

(3)雷达全天候全天时不间断快速探测确保不遗漏移动目标，发现目标后才联动球机抓拍图片减少了后续进行目标识别的图像数量，从而减少了人工智能算法运算量，提升了入侵报警的实时性，确保入侵监测系统在准确率和实时性方面得到双提升，不仅有效减轻铁路工作人员在站台安全防护方面的工作压力，而且入侵报警稳定可靠。

附图说明

图1为本发明的实施例一的基于人工智能的铁路站台入侵监测的架构示意图；

图2为本发明的实施例一的基于人工智能的铁路站台入侵监测的工作流程图；

图3为本发明的实施例二的站台设备安装示意图。

具体实施方式

为便于本领域技术人员理解本发明技术方案，现结合说明书附图对本发明技术方案做进一步的说明。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

实施例一

参阅图1，本实施例公开了一种基于人工智能的铁路站台入侵监测系统多套前端站台设备2、一套监控中心设备1和多个电子标签(图未示出)。

每套前端站台设备2包括一个雷球一体机21、一个超宽带定位基站25、一个灯带22、一个喇叭26、一个串口转网口模块24、一个光电转换模块23、一个防水设备箱(图未示出)、一套杆件(图未示出)。

雷球一体机21通过网线与光电转换模块23连接，超宽带定位基站25通过网线与光电转换模块23连接，灯带22通过RS485通信电缆与串口转网口模块24连接，喇叭26通过RS485通信电缆与串口转网口模块24连接，串口转网口模块24通过网线与光电转换模块23连接，光电转换模块23通过光纤发送数据。

前端站台设备2部署在铁路站台；雷球一体机21和超宽带定位基站25安装于杆件上；串口转网口模块24和光电转换模块23安装于防水设备箱中；防水设备箱、杆件、灯带22和喇叭26安装在铁路站台上。杆件在火车行进方向上均匀排布。因此位于站台两端的雷球一体机21能够监测火车的到站和离站，无需铁路工作人员干预，实现了火车到站自动撤防、火车离站自动布防，降低了铁路工作人员的工作量，而且无需与铁路内部通信系统连通以获取火车到站离站信息，不会给铁路内部通信系统带来安全隐患。

位于铁路站台两端的雷球一体机21采用落地式安装，在铁路站台中间地段的雷球一体机21采用吊装；超宽带定位基站25与雷球一体机21共用一个安装杆件。该安装方式能够防止中间的设备阻挡人员的上下车，同时也避免人员在上下车的过程中对设备误伤，造成监控区域的变化。

雷球一体机21包含一个相控阵警戒雷达和一个高清球机，相控阵雷达探测火车警戒区域和行人警戒区域内出现的移动目标，自动联动高清球机对上述移动目标进行抓拍并将抓拍图片发送给智能分析控制器13。

每套前端站台设备2的有效覆盖范围最大为120米，因此根据铁路站台长度部署多台前端设备以覆盖整个站台长度。

监控中心设备1部署于机房或监控中心，监控中心设备1包括至少一个光电交换机12、一个智能分析控制器13和一个应用管理服务器11。

光电交换机12通过多根光纤分别接收每套前端设备传输的数据，智能分析控制器13通过网线与光电交换机12连接，应用管理服务器11通过网线与光电交换机12连接。

智能分析控制器13采用自主设计并训练的基于深度学习的人工智能算法检测雷球一体机21发送的抓拍图片中的火车和行人，检测到火车出现在火车警戒区域时控制入侵监测系统进入撤防状态，检测到火车离开火车警戒区域后控制入侵监测系统进入布防状态；布防状态下检测到行人警戒区域出现行人后，调用超宽带定位基站25发送的铁路工作人员位置进行匹配，如果该人员不属于铁路工作人员则发送命令控制灯带22发出红光进行报警提示，同时发送命令控制喇叭26发出声音进行报警提示，并将报警信息发送给应用管理服务器11。行人警戒区域可覆盖铁路站台区域以及站台外侧铁轨区域，可同时对人员横跨铁轨和人员站台越线两种站台入侵情况进行报警。

应用管理服务器11接收智能分析控制器13发送的报警信息存入数据库，并对数据库中保存的报警信息进行查询、统计、展示。报警信息包括入侵人员个数、入侵人员位置、入侵时间、框出入侵人员的报警图片。

且应用管理服务器11提供接口供第三方管理平台调用使其可以获取报警信息用于分析或处理。

本实施例的电子标签为有源标签，佩戴在铁路工作人员身上；超宽带定位基站25与电子标签使用无线通讯，并实时计算电子标签位置。

超宽带定位基站25探测佩戴电子标签的铁路工作人员实时位置并发送给智能分析控制器13。具体的，超宽带定位基站25采用内嵌边缘计算模块对铁路工作人员佩戴的电子标签位置进行实时计算，各套前端站台设备2中的定位基站之间采用无线方式进行通讯。站台内每个电子标签的位置均可由任意基站解算，定位精度优于20厘米。

本系统能够将前端站台设备2的监控范围划分为火车警戒区域、行人警戒区域和排除区域。

所述火车警戒区域分别处于站台两端的两套前端站台设备2覆盖范围内，用于检测火车是否出现。所述行人警戒区域分别处于每套前端站台设备2覆盖范围内，其能够覆盖铁路站台区域以及站台外侧铁轨区域，对人员横跨铁轨和人员站台越线两种站台入侵情况进行报警。所述排除区域能够设置在每套前端站台设备2的监控范围中，所述排除区域不进行入侵检测。

并且铁路工作人员可以通过图形化、鼠标拖拽的方式灵活方便地设置火车警戒区域、行人警戒区域和排除区域。

本实施例提供的基于人工智能的铁路站台入侵监测系统无需铁路工作人员干预自动完成入侵防护的撤防和布防，避免干扰火车到站后乘客正常的上下车行为，无需与铁路内部通信系统连通以获取火车到站离站信息，不会给铁路内部通信系统带来安全隐患；火车离站后自动监测人员横跨铁轨和人员站台越线两种入侵情况，采用基于深度学习的人工智能算法来检测入侵目标类别和位置，精度高，能够排除非人员目标的干扰，因而入侵报警误报少；采用相控阵雷达定位移动目标后只对包含移动目标的抓拍图片应用人工智能算法，在确保检测精度的情况下减少了算法需要处理的图片数量，因而入侵报警实时性强，入侵监测装置运行稳定可靠误报少，能够大幅减轻铁路工作人员的工作压力和工作量。此外对铁路工作人员在警戒区内的正常工作不会产生影响，通过超宽带定位系统识别到铁路工作人员佩戴的电子标签并计算得到其位置，即使探测到其位于警戒区域也不会产生报警，进一步减少了不必要的误报情况。

参阅图2，本实施例公开了一种基于人工智能的铁路站台入侵监测方法，包括如下步骤：

S1、铁路站台入侵监测系统启动，站台两端的相控阵雷达监测火车警戒区内是否有移动目标；

S2、若火车警戒区内没有移动目标，则铁路站台入侵监测系统进入布防状态；

S3、若火车警戒区内有移动目标，站台两端的高清球机抓拍站台图片并将抓拍图片发送给智能分析控制器13；

S4、智能分析控制器13基于步骤S3的抓拍图片，通过内置的人工智能算法检测抓拍图片中是否出现火车；

S5、若抓拍图片中出现火车，智能分析控制器13控制铁路站台入侵监测系统进入撤防状态；

S6、若抓拍图片中没有出现火车，智能分析控制器13控制铁路站台入侵监测系统进入布防状态。

在撤防状态下，铁路站台入侵监测系统不进行入侵检测，灯带22一直亮绿灯，喇叭26一直处于静默状态，人员能够上下火车。

在布防状态下，具体包括如下步骤：

S101、超宽带定位基站25识别并计算佩戴电子标签的铁路工作人员的实时位置并发送给智能分析控制器13；

S102、相控阵雷达监测到行人警戒区域内有移动目标时，自动联动高清球机抓拍包含移动目标的站台图片并发送给智能分析控制器13；

S103、智能分析控制器13基于步骤S102的站台图片，采用内置的人工智能算法检测站台图片中是否出现行人；若没有出现行人，系统正常运行；

S104、若站台图片中出现行人，则调用铁路工作人员的实时位置与检测到的行人进行匹配，判断该人员是否属于铁路工作人员；若属于铁路工作人员，系统正常运行；

S105、若该人员不属于铁路工作人员，则智能分析控制器13发送命令控制灯带22发出红光进行报警提示，发送命令控制喇叭26发出声音进行报警提示；

S106、同时智能分析控制器13产生报警信息，包括入侵人员个数、入侵人员位置、入侵时间、框出入侵人员的报警图片，发送给应用管理服务器11。

本方法具有入侵防护自动撤防和布防功能，不会对火车到站后乘客正常的上下车行为造成干扰，无需与铁路内部通信系统连通以获取火车到站离站信息，不会给铁路内部通信系统带来安全隐患；具有自动监测人员横跨铁轨和人员站台越线两种入侵情况的功能，能够大幅减轻铁路工作人员的工作压力和工作量，最大限度避免铁路安全事故的发生。该方法通过构建铁路站台人车数据集和自主设计基于深度学习的人工智能算法，从数据和算法两个方面确保了入侵目标类别和位置监测的精度，不受非人员目标的干扰，大幅减少了入侵监测系统的误报率。该方法采用相控阵雷达定位移动目标后抓拍图片检测其中的火车和行人，需要处理的图片数量远少于高清球机实时视频数量，大幅提升了入侵系统的实时性。

实施例二

如图3所示，本实施例公开了实施例一的入侵检测系统在550米铁路站台的安装实例。

由于前端站台设备2的有效覆盖范围最大为120米，为保证安装的前端站台设备2数量足以覆盖整个铁路站台，因此在该铁路站台上共部署5台前端站台设备2。

在站台两端，雷球一体机21和超宽带定位基站25架设在立杆上，离地高度为2.5米；在站台中间，雷球一体机21和超宽带定位基站25采取吊装的形式安装，离地高度为3.5米。其中每套前端站台设备2覆盖范围为110米，每台雷球一体机21对应一个灯带22和一个喇叭26，灯带22的长度匹配雷球一体机21的监控范围。第一台雷球一体机21的监控范围为站台前110米，配套的灯带221长110米，安装在站台前110米处；第二台雷球一体机21监控范围为110米-220米，配套的灯带222长110米，安装在站台110米-220米处；第三台雷球一体机21监控范围为220米-330米，配套的灯带223长110米，安装在站台220米-330米处；第四台雷球一体机21监控范围为330米-440米，配套的灯带224长110米，安装在站台330米-440米处；第五台雷球一体机21监控范围为440米-550米，配套的灯带225长110米，安装在站台440米-550米处。

图3中的斜线表示雷球一体机21的监控范围，每个雷球一体机21下方有30米盲区，由其旁边的雷球一体机21补盲。其中5个灯带22采取交错方式进行安装。

站台两端安装立杆的长度可选高于站台地面2.5米至3.5米之间，同时配有防坠安全绳，避免立杆上的设备掉落至站台。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

以上所述实施例仅表示发明的实施方式，本发明的保护范围不仅局限于上述实施例，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。

Claims (10)

1.一种基于人工智能的铁路站台入侵监测系统，其特征在于：包括监控中心设备(1)和前端站台设备(2)；所述监控中心设备(1)和多套所述前端站台设备(2)连接；

所述前端站台设备(2)包括雷球一体机(21)、灯带(22)、光电转换模块(23)、串口转网口模块(24)、超宽带定位基站(25)、喇叭(26)、防水设备箱和杆件；

所述雷球一体机(21)和所述超宽带定位基站(25)均安装在所述杆件上，所述杆件安装在铁路站台上，并在火车行进方向上均匀排布；所述雷球一体机(21)和所述超宽带定位基站(25)均通过所述光电转换模块(23)与所述监控中心设备(1)连接；

所述光电转换模块(23)和所述串口转网口模块(24)安装于所述防水设备箱中，所述防水设备箱、所述灯带(22)和所述喇叭(26)安装在铁路站台上；所述灯带(22)和所述喇叭(26)通过所述串口转网口模块(24)与所述光电转换模块(23)连接。

2.根据权利要求1所述的基于人工智能的铁路站台入侵监测系统，其特征在于：所述雷球一体机(21)包含相控阵雷达和高清球机。

3.根据权利要求1所述的基于人工智能的铁路站台入侵监测系统，其特征在于：所述监控中心设备(1)包括应用管理服务器(11)、智能分析控制器(13)和至少一个光电交换机(12)；

所述光电交换机(12)与每套所述前端站台设备(2)的光电转换模块(23)连接；所述智能分析控制器(13)和所述应用管理服务器(11)均与光电交换机(12)连接。

4.根据权利要求3所述的基于人工智能的铁路站台入侵监测系统，其特征在于：所述智能分析控制器(13)中具有人工智能算法；

所述智能分析控制器(13)通过人工智能算法来检测所述雷球一体机(21)和所述超宽带定位基站(25)发送的信息，控制灯带(22)和喇叭(26)工作，同时能够将产生的报警信息发送给所述应用管理服务器(11)；

所述应用管理服务器(11)具有数据库用于存储接收到的报警信息。

5.根据权利要求4所述的基于人工智能的铁路站台入侵监测系统，其特征在于：所述应用管理服务器(11)设有能够供第三方管理平台调用的接口。

6.根据权利要求1所述的基于人工智能的铁路站台入侵监测系统，其特征在于：还包括电子标签，所述电子标签能够佩戴在铁路工作人员身上；

所述电子标签与所述超宽带定位基站(25)之间通过无线通讯连接，所述超宽带定位基站(25)通过内嵌的边缘计算模块对所述电子标签的位置进行实时计算；

所述电子标签的位置可由任意所述超宽带定位基站(25)解算，且定位精度优于20厘米。

7.根据权利要求1所述的基于人工智能的铁路站台入侵监测系统，其特征在于：本系统能够将前端站台设备(2)的监控范围划分为火车警戒区域、行人警戒区域和排除区域；

所述火车警戒区域分别处于站台两端的两套前端站台设备(2)覆盖范围内，用于检测火车是否到站停靠；

所述行人警戒区域分别处于每套前端站台设备(2)覆盖范围内，其能够覆盖铁路站台区域以及站台外侧铁轨区域，对人员横跨铁轨和人员站台越线两种站台入侵情况进行报警；

所述排除区域能够设置在每套前端站台设备(2)的监控范围中，所述排除区域不进行入侵检测。

8.一种应用如权利要求1-7任一项所述的铁路站台入侵监测系统的方法，其特征在于：包括如下步骤：

S1、铁路站台入侵监测系统启动，站台两端的相控阵雷达监测火车警戒区内是否有移动目标；

S2、若火车警戒区内没有移动目标，则铁路站台入侵监测系统进入布防状态；

S3、若火车警戒区内有移动目标，站台两端的高清球机抓拍站台图片并将抓拍图片发送给智能分析控制器(13)；

S4、智能分析控制器(13)基于步骤S3的抓拍图片，通过内置的人工智能算法检测抓拍图片中是否出现火车；

S5、若抓拍图片中出现火车，智能分析控制器(13)控制铁路站台入侵监测系统进入撤防状态；

S6、若抓拍图片中没有出现火车，智能分析控制器(13)控制铁路站台入侵监测系统进入布防状态。

9.根据权利要求8所述的基于人工智能的铁路站台入侵监测方法，其特征在于：在所述撤防状态下，铁路站台入侵监测系统不进行入侵检测，所述灯带(22)一直亮绿灯，喇叭(26)一直处于静默状态，人员能够上下火车。

10.根据权利要求8所述的基于人工智能的铁路站台入侵监测方法，其特征在于：在所述布防状态下，包括如下步骤：

S101、超宽带定位基站(25)识别并计算佩戴电子标签的铁路工作人员的实时位置并发送给智能分析控制器(13)；

S102、相控阵雷达监测到行人警戒区域内有移动目标时，自动联动高清球机抓拍包含移动目标的站台图片并发送给智能分析控制器(13)；

S103、智能分析控制器(13)基于步骤S102的站台图片，采用内置的人工智能算法检测站台图片中是否出现行人；若没有出现行人，系统正常运行；

S104、若站台图片中出现行人，则调用铁路工作人员的实时位置与检测到的行人进行匹配，判断该人员是否属于铁路工作人员；若属于铁路工作人员，系统正常运行；

S105、若该人员不属于铁路工作人员，则智能分析控制器(13)发送命令控制灯带(22)发出红光进行报警提示，发送命令控制喇叭(26)发出声音进行报警提示；

S106、同时智能分析控制器(13)产生报警信息，包括入侵人员个数、入侵人员位置、入侵时间、框出入侵人员的报警图片，发送给应用管理服务器(11)。

Images