面向铁路平台的物理约束实时人群跟踪与计数

准确、实时的铁路平台人群计数对于安全和容量管理至关重要。我们提议使用一台安装在火车上的单摄像头，在列车到达时扫描平台。虽然硬件约束简单，但计数仍具有挑战性 due to 密集遮挡、摄像机运动以及列车到达期间的透视畸变。大多数现有基于跟踪检测的方法假设摄像机是静态的或忽略运动建模中的物理一致性，导致在动态条件下计数不可靠。我们提出一个物理约束跟踪框架，将检测、外观和 3D 动力学推理统一于一个实时管道中。我们的方法将 transfer-learned 的 YOLOv11m 检测器与 EfficientNet-B0 外观编码集成到 DeepSORT 中，同时引入物理约束卡尔曼模型 (Phys-3D)，通过针孔几何约束物理上可行的 3D 动力学。为解决遮挡下的计数脆弱性，我们实现了一个带有持久性的虚拟计数带。在我们的平台基准测试集 MOT-RailwayPlatformCrowdHead 数据集 (MOT-RPCH) 上，我们的方法将计数误差降低到 2.97%，展现出即使在运动和遮挡情况下也能保持稳健性能。我们的结果表明，纳入一阶原理几何和动力学先验，能够在安全关键的交通场景中实现可靠的人群计数，从而促进有效的列车调度和平台安全管理。