轨道交通站台的入侵检测是公共安全管理的重点环节，直接关系到千万乘客的生命安全与运营秩序。长期以来，行业面临一个核心难题：如何在保障安全的同时，避免“狼来了”式的误报干扰？

传统方案主要依赖背景减除、光流法、帧差法等运动检测算法，以及Canny边缘检测算子。这些技术存在明显局限：视觉算法仅能“看到”画面中有目标移动或越界，却无法判断站台的运营上下文——即列车处于停靠状态还是移动状态，因此常将乘客正常上下车误判为危险入侵，产生大量无效报警；复杂光照变化、雨雪天气、列车进出站时的大规模背景移动和阴影，也会严重干扰算法稳定性，进一步推高误报率和漏报率；此外，即便同时部署了视频监控和车辆传感系统，两者往往相互独立运行，数据未进行深度融合与智能决策，形成“信息孤岛”。

针对上述行业痛点，我院微电子工程系科研团队历经多轮技术攻关与现场测试，提出“基于压力传感与视觉融合的站台区域入侵智能检测方法”。该方法通过多模态信息深度融合与智能决策机制重构，为轨道交通安防提供了一套高可靠、低误报、强鲁棒的技术解决方案。

一、系统架构与数据采集

系统采用图像传感器与轨道压力传感器并行部署，实现时空对齐的数据采集：

1、视觉通道：通过工业摄像头采集站台监控区域视频流，经灰度化、中值滤波预处理后，采用Canny边缘检测提取站台静态结构，结合邻帧差算法动态捕捉运动目标轮廓，输出视觉检测置信度（0到1之间的连续数值，数值越高表示入侵可能性越大）。

2、压力通道：压阻式轨道压力传感器基于惠斯通电桥电路，将轨道应变转换为电压信号，经模数转换器采样得到原始压力值，再通过一阶滤波算法平滑处理，有效抑制环境噪声与瞬时干扰。

团队创新性地将“列车状态”作为决策主线，构建三层判断规则，显著提升了入侵判别的准确性与上下文感知能力。

图1 系统决策流程图

二、响应时间控制与链路优化

系统严格遵循铁路安全标准，对总响应时间进行分解控制。总响应时间由三部分组成：物理事件到传感器采集完成的时间、原始数据到算法决策完成的时间、决策生成到执行机构动作的时间。三者之和必须低于行业规定的最大允许响应时间。

通过硬件加速芯片、专用信号调理电路优化以及报警通道优先级设计，确保全链路延迟始终满足紧急制动等安全底线要求。团队还建立了时延分析框架，可对各环节的耗时进行精确测量与针对性优化。

三、工程实现与场景适配

团队已完成从算法到样机的完整工程实现。

图2 系统关键硬件模块选型与功能特性

该技术方案具有广泛的场景适配能力：

1、城市轨道交通：地铁站台屏蔽门与轨道间隙防护，高峰时段大客流下的精准入侵识别；

2、高速铁路：无屏蔽门站台的安全警戒，高速列车通过时的实时风险预警；

3、轻轨与有轨电车：开放式站台的周界防护，复杂天气条件下的稳定运行；

4、车辆段与停车场：非运营时段的非法入侵检测，多列车调度场景下的状态判别。

四、知识产权与科研理念

该技术已形成完整知识产权保护体系，相关发明专利已进入国家知识产权局实质审查阶段。团队长期聚焦"感知—认知—决策"全链条的智能系统研究，在嵌入式信号处理、计算机视觉、多源信息融合等方向积累了深厚的技术储备。近年来，团队围绕轨道交通、智慧校园、工业监测等场景，持续开展应用导向的技术创新，注重"论文写在产品上，成果落在应用里"的科研理念，多项研究成果已进入实地测试或合作转化阶段。

图3 发明专利通知书