随着轨道交通网络不断加密，站台候车区域的安全管理受到越来越多关注。旅客在列车进站前的候车过程中，一旦越过安全警戒线进入危险区域，可能带来安全隐患。围绕这一实际需求，微电子工程系学生团队开展了省级大学生创新创业训练计划项目“基于压力传感与视觉融合的站台区域入侵智能检测方法”（项目编号：2026000323）。项目围绕站台区域入侵智能检测开展硬件搭建、算法优化与系统联调，阶段性成果已初步形成。

在技术方案上，项目以FPGA开发板为识别与驱动核心，采用CMOS摄像头OV5640采集站台模拟场景图像，通过HDMI显示屏实时显示检测画面，并结合蜂鸣器实现报警提示。系统基于EP4CE10F17C8平台，使用Quartus Prime 18.0和Verilog完成设计，硬件资源占用较为精简。算法方面，团队将邻帧差算法与边缘检测技术进行融合优化，经过灰度化、差分、阈值分割、形态学滤波等处理，实现对运动目标的识别与定位；同时引入加框处理技术，对异常目标进行可视化标注，为报警响应提供坐标依据。项目现阶段重点完成视觉检测链路与FPGA硬件验证，并为后续多传感融合预留了接口。

从成果亮点看，团队完成了核心算法的融合优化与硬件系统搭建。在复杂场景测试中，危险行为检测准确率提升至98.2%，较传统单一算法检测精度提高35%以上；加框处理可精准定位直径不小于10cm的异常目标，框选误差控制在±2cm内；视频处理延迟缩短至80ms，较传统基于CPU的处理系统响应速度提升60%，能够满足站台实时安全警戒的毫秒级需求。系统实现“采集—分析—识别—报警”全流程自动化，并支持危险区域范围、报警阈值等参数自定义，可适配不同规模站台场景。项目已形成发明专利成果“基于压力传感与视觉融合的站台区域入侵智能检测方法”。

在系统测试环节，团队完成了各模块功能验证和板上测试。当模拟人员越过安全警戒线进入危险区域时，摄像头能够捕捉目标，显示屏实时框选其位置，蜂鸣器同步报警，提示人员退出警戒线外。测试结果表明，所设计的平台能够满足预期设计要求，具有较高的运行效率和资源利用率。

项目推进过程中，团队对“试错与迭代”有了更深的体会。项目初期，单一邻帧差算法在人流密集场景下容易出现误检，边缘检测技术在弱光条件下又存在漏检问题。团队通过200余组对比实验，调整算法权重系数、优化图像预处理步骤，逐步实现两种技术的互补融合。硬件调试阶段，电源模块接线接触不良、数据传输接口协议不匹配等问题也让大家认识到，硬件开发中每一个细节都需要严谨验证。团队通过建立问题台账，记录故障现象、排查过程与解决方案，为后续项目积累经验。

目前，项目已完成站台安全预警系统平台搭建，验证了帧差法在FPGA平台上的可行性。后续团队将继续优化算法在复杂站台环境下的适应性，提升系统在列车运行、乘客上下车等场景中的稳定性，并探索与更多图像处理、机器学习方法结合，进一步增强系统的可扩展性与应用价值。