地铁作为轨道交通的重要组成部分,承载着缓解城市客运压力的重任。近年来我国地铁线路不断扩建,服务能力不断发展,地铁越来越成为人们生活中必不可少的一部分。然而地铁车站中也存在着一些监管缺陷和安全隐患,主要体现在以下四个方面:1、地铁车站内部人员复杂,客流量大,需要对乘客进行实时监控,而目前的监控系统需要工作人员在监控画面中主动寻找目标乘客,并记录乘客行走路线,然后上传到后台信息系统。这样不仅操作复杂,而且容易遗漏目标。2、乘客在电扶梯或者楼梯上摔倒事件不断发生,无论是由于人为使用失误还是电扶梯发生故障引起摔倒,如果不能及时处理,很有可能会对乘客造成二次伤害。因此要及时发现乘客摔倒并采取急救措施,减少摔倒给乘客带来的危害。3、地铁车站作为城市轨道交通线路的重要节点,客流压力巨大。地铁车站中经常出现人群拥堵的情况,此时不仅运输服务能力降低,还存在由于拥挤而发生踩踏事件的危险。如果能够实时检测地铁车站客流量大小,根据客流量提前制定应急预案,就可以很大程度避免因为拥挤引发的安全事故。4、经常有人在地铁车站中遗失物体,遗留物不仅会对通行造成一定影响,甚至存在恐怖袭击的危险。此时,及时发现遗留物,并安排工作人员进行检查便格外重要。我国地铁车站监控系统布设较为完善,但是智能化检测水平有待提高。常规的排查手段就是让工作人员每时每刻观看监控,如果检查到有危险事件发生则立即上报。这种方法不仅浪费人力,而且漏检的可能性很大。近年来计算机视觉发展迅速,并且在目标检测、目标跟踪、图像识别等方向取得了显著的成果,在许多领域都充分发挥了价值。因此,将计算机视觉算法引入地铁车站的监控系统中很有必要,这样不仅可以实时、准确地监测地铁车站安全状态和服务状态,还可以节约大量的人力和物力,提升地铁车站的整体运营水平。为了保障地铁车站乘客的安全和车站的正常运营,本文提出了一种借助监控视频,基于计算机视觉的地铁车站乘客监测技术,针对四个问题:乘客目标跟踪、乘客摔倒检测、地铁车站客流检测、地铁车站遗留物检测,分别提出相应的解决算法。（1）针对乘客目标跟踪问题,提出一种融合KCF和DSST算法的目标跟踪算法。新的目标跟踪算法将KCF算法的跟踪滤波器和DSST算法的尺度滤波器相结合,具有跟踪速度快、适应目标尺度变化的跟踪特点。使用该算法在地铁车站的多个场景中进行测试,都取得了不错的跟踪效果。（2）针对乘客摔倒检测问题,提出一种基于人体关节点信息的摔倒检测算法。该算法使用Mask R-CNN分割视频人体区域,使用Open Pose算法识别人体关节点,并通过分析关节点信息实现了判断乘客是否摔倒的目的。使用自制的摔倒视频数据集验证该算法,可以达到快速准确识别摔倒的效果。（3）针对地铁车站客流检测问题,提出一种基于YOLOv3的客流检测方法。该方法使用YOLOv3框架训练对人体头部进行了标注的数据集,得到人体头部检测模型,该模型通过检测人体头部来实现客流检测的目的。使用该方法对地铁车站的几个场景视频进行检测,获得了不错的客流检测效果。（4）针对遗留物检测问题,提出一种基于双混合高斯背景建模的遗留物检测算法。该算法使用不同学习率的混合高斯背景模型,检测视频画面中静止的前景物体,并实现了识别遗留物的功能。通过相关视频进行验证,可以取得准确检测遗留物的效果。本文通过对基于计算机视觉的地铁车站乘客监测关键技术的研究,提出四个关键场景的检测算法,能够实现实时准确检测的目的,对于地铁车站实现智能化安全监控,城市轨道交通平稳安全运营有着十分重要的现实意义。