随着城市规模的扩大和经济建设的发展,越来越多的人选择火车出行,站台乘客的安全逐渐成为一个急需解决的问题。为了保障站台乘客的安全,铁道部门设置了黄色安全警戒线,并在站台安排了工作人员进行监管。近年来,第三代智慧监控技术因其能对视频内的特定目标进行检测,识别与跟踪成为了国内外研究的热点。在站台运用该项技术,不仅能及时反馈站台旅客的安全状况以降低危险事故的发生频率;而且还能减轻车站工作人员的负担。本文基于HOG和SVM,进行了火车站站台乘客越界预警软件的算法设计和软件实现,提升了站台乘客安全预警的及时性和准确性。论文主要工作如下:1)通过参考大量文献建立了研究基础。在图像预处理环节,分析了滤波,连通域等预处理技术在图像上的应用方法;在运动目标检测环节,针对帧间差分,背景减除与混合高斯背景建模进行了研究;在人体检测技术环节,分析了HOG特征提取的过程与SVM分类的原理。2)通过对乘客越界预警问题的研究建立了算法流程。首先在获取前景阶段,利用混合高斯模型来提取运动目标,并对运动目标进行优化;然后在人体区域获取阶段,利用梯度直方图进行特征向量的提取并结合SVM人体训练模型获取人体区域;最后在越界预警阶段,对人体所在区域进行越界检测并对越界信息进行及时反馈。为了提高模型的准确性,在前景检测阶段通过视频缓存来提供足够的建模数据;在人体区域获取阶段通过对人体识别结果进行极大值抑制降低冗余;在越界检测阶段通过运用多特征检测提高预警结果的准确性。3)通过需求的分析与软件的设计完成了软件的开发。在火车站站台乘客越界预警软件设计与实现中,首先分析软件总体需求、功能需求、数据库需求和软件性能需求,然后进行了乘客越界预警软件的总体设计。接着围绕登录模块,主界面模块,初始化模块,预警模块与数据分析模块展开详细设计;并在Windows10平台下使用Python进行开发,实现了火车站站台乘客越界预警软件。最后通过3组视频案例进行了检测验证。结果表明,火车站站台乘客越界预警软件对乘客越界行为的检测准确性达到88.4%,能够较好的满足应用需求。