Engineering and Management Science

本文主要研究了基于深度学习模型的地铁站内行人异常行为分析。首先介绍了研究背景和目的，指出地铁内行人异常行为可能威胁到系统的正常运行和乘客的安全，因此需要及时的监测和干预。接着，文章详细阐述了行人异常行为的类型，包括逆行行走、穿越轨道、滞留在车门区域、危险物品携带、妨碍紧急设备、在站内吸烟、拥挤推挤等。然后，文章介绍了深度学习的理论基础，包括卷积神经网络的基本原理和YOLO检测模型的特点。最后，文章提出了一种基于YOLO模型的行人异常行为的检测与报警方法，并通过实验验证了该方法的有效性。