随着高速铁路建设的全面推进，客流量持续攀升，大客流已经成为许多铁路客运车站的常态。为了及时排查各类安全隐患，预防安全事件的发生，在旅客进入客运车站乘车时会对旅客自身及其物品进行安全检查。铁路客运安全检查一直是我国铁路客运、铁路警察及相关公安部门关注的重点。

目前，我国铁路客运的安检方式仍存在一些问题：（1）各安检口单独作业，没有联网，安检过程信息化水平低，安检记录多为纸质版、信息孤岛现象严重，缺乏集中管理；（2）安检质量与安检作业人员的工作经验直接相关，判图完全依赖于人工，导致整体安检质量受个体影响较大；（3）禁限物品的摆放位置和角度不同会造成辨识困难。所以，重视大客流条件下的铁路旅客运输安检查危工作，开发一个基于信息技术的客运安检查危系统，是保证铁路旅客运输安全的关键^[1]。

智能客运车站旅客服务与生产管控平台（简称：管控平台）是在现代铁路管理、服务理念和信息技术基础上，实现铁路客运车站智能出行服务、智能安全保障、智能生产组织、智能绿色节能的生产服务系统^[2]。该平台实现了系统专用网络间的安全互联、资源复用、业务融合、数据共享，满足车站客运管理、旅客服务、设备监控、应急处置等需求，提高了旅客服务质量与旅客运输生产指挥效率^[3]。

铁路客运安检查危系统作为管控平台的一部分，可以实现与铁路其他相关系统的互联互通，解决既有安检方式中信息孤岛的问题，实现铁路旅客进站安检与服务信息的集成共享。在降低漏报率、误报率的同时，通过系统中建立的客运安检培训考试知识库及远程学习机制，提升安检队伍素质。

本文主要从系统架构、功能设计、核心模块、关键技术及应用效果等方面介绍铁路客运安检查危系统。

1   系统架构

1.1   总体架构

铁路客运安检查危系统采用集中部署、三级应用的系统架构。在中国国家铁路集团有限公司（简称：国铁集团）主数据中心部署国铁集团级系统应用，与管控平台共用硬件资源；在铁路局集团公司级部署前置服务设备；在客运车站级部署前端边缘分析服务设备。系统总体架构如图1所示。

在客运车站级部署的前端边缘分析设备通过标准接口与既有的安检查危仪对接，获取安检图像信息，存储检出的禁限物品图像信息并上传至铁路局集团公司级前置服务器，实现对客运车站安检图像信息的集中存储与转发；前置服务器将各车站的禁限物品图像信息上传至国铁集团主数据中心。

图  1  铁路客运安检查危系统总体架构

下载: 全尺寸图片 幻灯片

1.2   技术架构

系统技术架构如图2所示。

图  2  铁路客运安检查危系统技术架构

下载: 全尺寸图片 幻灯片

1.2.1   感知层

不限定安检查危仪的品牌、型号，可快速适配符合铁路客运安检查危系统接口标准的安检查危仪，前端边缘分析设备通过标准接口采集安检查危仪的图像信息。人脸采集设备实现人脸信息的采集和输入，禁限物品录入设备支持禁限物品信息的录入。

1.2.2   边缘计算层

前端边缘分析设备在获取旅客携带品图像信息后，采用以基于候选区域的Faster-RCNN（RCNN，Region Convolutional Neural Network）为主要算法模型，以基于回归的YOLO（You Only Look Once） V3与YOLO V5为辅助算法模型的多算法融合目标检测技术，实现对禁限物品的智能识别。

1.2.3   服务层

采用集中部署的技术路线，B/S架构模式。系统后台服务采用Spring框架，基于HTTPS、WebSocket等技术实现信息交互，前端页面主要采用HTML、JSON、XML等技术实现，Web服务的发布采用Nginx代理。此外，服务层还支持深度学习，对禁限物品的图像信息进行集中训练，实现模型的优化及动态更新。

1.2.4   应用层

主要实现信息的交互展示，可以同步展示智能识别后的禁限物品图像，在画面中标注禁限物品的位置和名称，实现对禁限物品的智能识别和监测。

2   功能设计

实现对禁限物品的识别、监测和管理，对安检通道、安检设备、安检电子化台账的管理，以及安检培训管理等功能。

2.1   值机辅助分析管理

2.1.1   禁限物品识别检测

实现禁限物品的智能识别和自动标注，辅助安检作业人员判图。通过将误报、漏报禁限物品图像信息上传至国铁集团主数据中心，在主数据中心进行模型的优化升级和更新迭代，不断提高对禁限物品的智能识别能力。

2.1.2   安检预警管理

当检测到禁限物品时，系统在实时报警主窗口动态展示禁限物品报警详情，根据禁限物品不同的分类及等级，触发安检查危预警，为安检作业人员提供实时语音提示、屏幕实时弹窗提示等功能。

2.2   禁限物品管理

2.2.1   禁限物品登记

按照不同禁限物品的种类和危险等级，建立禁限物品分类管理库和禁限物品管理电子台账。

2.2.2   禁限物品处置

建立禁限物品处置机制，对禁限物品的处置状态进行标记，形成禁限物品登记—处置—认领—销号的完整闭环处置流程，实现禁限物品自动上报。

2.2.3   禁限物品查询

基于禁限物品管理电子台账，实现禁限物品信息的多维度精确追溯查询，不同权限用户可根据需要对特定安检禁限物品进行查询追溯，快速找到禁限物品存放位置与处置状态，提高安检处置流程效率。

2.3   基础信息管理

2.3.1   安检通道管理

对客运车站安检通道进行集中管理，支持安检通道信息的添加、修改、删除、查询功能，包括安检通道所属铁路局集团公司、所属车站、使用位置、使用状态等信息。支持客运车站安检通道的数据统计与列表展示等功能。

2.3.2   安检设备管理

对安检仪等设备进行规范化管理，支持安检仪等设备的电子化台账录入，包括安检仪所属通道、品牌型号、唯一编码、使用位置、运行状态、投入使用时间等基础信息。

2.3.3   安检电子台账

对重要的安检台账信息进行集中管理，支持文件的上传、下载、编辑、删除及在线预览；支持台账标题、所属铁路局集团公司、所属车站、文档名称等条件的模糊查询。

2.4   安检培训管理

2.4.1   培训考试管理

建立客运安检培训考试知识库，存储旅客携带禁限物品图像信息、安检作业规范、安检作业试题、操作流程等学习资料，对一线安检作业人员进行在线培训，研发安检培训考试App，通过随机练习、模拟考试、错题整理等多种自主学习模式提高安检作业人员的业务能力，提升安检队伍素质。

2.4.2   远程学习机制

在主数据中心建立远程学习机制，在旅客人流量不大，不影响安检作业人员正常作业前提下，不定期从国铁集团主数据中心禁限物品图像库下发图像至培训考试管理模块，在线考核当班安检作业人员禁限物品检出情况。管理人员可根据安检作业人员对远程下发的禁限物品图像的识别情况，判断安检作业人员的业务能力。

3   核心模块

3.1   身份验证模块

该模块主要由人脸识别设备和预警装置组成。在旅客放置携带品到安检查危仪前，对所有旅客进行人脸识别，判断旅客的安检风险等级，从而动态调整安检工作，进一步提高对行包丢失、风险管控预警、禁限物品溯源的管理能力。

3.2   禁限物品智能识别模块

该模块由视频接入装置、边缘分析设备及显示终端组成。安检仪输出的行包原始图像，通过视频接入装置的标准化接口接入边缘分析设备，边缘分析设备采用基于深度学习的目标检测算法和基于多算法融合的目标检测技术，实现对禁限物品的检测标注和提示。

3.3   开包核验模块

该模块由开包台综合信息处理终端和旅客信息录入装置组成，主要满足客运车站旅客行李开包核验、安检信息快速录入、预先设置禁限物品处理流程和禁限物品出入库管理等需求。

4   关键技术

4.1   基于深度学习的目标检测算法

基于深度学习的目标检测算法^[4]，为禁限物品智能识别提供了技术支撑。主要为基于候选区域的目标检测算法和基于回归的目标检测算法。

4.1.1   基于候选区域的目标检测算法

该算法是将目标检测分成两个阶段：（1）产生候选区域，利用图像中的边缘、纹理等特征，判断目标可能在图中会出现的位置；（2）对这些候选的区域进行目标分类及坐标位置修正。这种方法的识别率较高，但检测速度一般，其代表是Shaoqing Ren等人提出的区域卷积神经网络^[5]及其优化算法模型Fast-RCNN^[6]和 Faster-RCNN^[7]。

Faster-RCNN 由于实现了端对端的训练且检测精度高，被广泛应用于现实场景中，其算法原理如图3所示。将禁限物品的图像信息输入卷积神经网络，经过卷积运算和池化运算，提取图像的特征图谱信息，通过候选区域的推荐与纠正，实现目标检测。

图  3  Faster-RCNN算法原理

下载: 全尺寸图片 幻灯片

4.1.2   基于回归的目标检测算法

该算法无需生成候选区域，直接利用图像特征信息产生目标物体的位置坐标和类别概率，得到最终的检测结果。由于只进行一个阶段的检测，此类方法有着较快的检测速度，适用于实时监测。常用的算法模型有YOLO^[8]和SSD（Single Shot MultiBox Detector）^[9]。

为了获得更高的禁限物品检出率，需要用大数据集来训练模型。全国各个客运车站将禁限物品的相关信息上传至国铁集团主数据中心，形成大数据集，模型从大数据集中获得信息并转换成相应的权重，通过对这些信息的提取与权重的更新，实现对模型的训练和优化，从而提高禁限物品识别率。

4.2   多算法融合的目标检测技术

多算法融合的目标检测技术实现了多种深度学习识别算法的融合判图和对禁限物品的智能识别。通过对多种图像识别算法进行性能比选和优化，明确各种算法的优势和不足，进而构建多算法融合的目标检测技术，实现对不同图像识别算法的取长补短。

铁路客运安检查危系统主要采用以基于候选区域的Faster-RCNN模型为主，以基于回归的YOLO V3与YOLO V5模型为辅的多算法融合的目标检测技术。该技术可解决单一算法在禁限物品识别中的瓶颈，满足现场安检高精度判别的需求。

5   应用效果

目前，铁路客运安检查危系统先后在张家口客运车站、青岛客运车站试点应用，系统界面如图4所示。

图  4  铁路客运安检查危系统主界面

下载: 全尺寸图片 幻灯片

铁路客运安检查危系统与管控平台互联，实现了铁路旅客进站安检与服务信息的集成共享，有利于发现车站运营安全风险，便于及时处置和提早防范。试用结果表明，系统对不同种类禁限物品的识别率均有显著提高。此外，系统中建立的客运安检培训考试知识库，对一线安检作业人员进行在线培训，安检队伍的专业技术水平也得到了显著提升。

6   结束语

本文以管控平台的技术路线为研究背景，分析高速铁路客运车站的安检查危工作特点，介绍铁路客运安检查危系统的总体架构、功能、关键技术等。该系统与管控平台的互联，实现了与铁路其他相关系统的互联互通，并实现了铁路旅客进站安检与服务信息的集成与共享，有利于发现车站运营安全风险，提高安检工作效率，确保车站安检工作平稳、高效运行。