基于违禁品检测和人脸表情识别的铁路客运站安检风险评估技术研究

随着我国高速铁路的快速发展和客流量日益增长，铁路客运安全风险事件发生的概率逐年升高，仅靠安检值机人员辨识风险已无法满足需求。为了更好地评估车站安全风险，降低车站安全评估对人力的依赖，提出基于深度学习的旅客及物品安检风险评估机制。首先采用训练好的YOLOv5s模型对安检X光照片中的违禁品进行检测；其次使用训练好的ResNet50模型对车站安检机出口的人脸表情进行识别；最后建立了违禁品检测和人脸表情识别相结合的旅客及其所携物品风险评估机制。仿真结果表明，所采用的方法可以较准确地检测和识别出违禁品以及人脸表情，所提出的风险评估机制降低了安检过程对人力的依赖，可以帮助车站工作人员预防安检风险。