随着交通行业的快速发展和国家建设以及地铁客流量的不断上升,站台门作为地铁的安全的主要设备,已经成为每条地铁的标准配置之一。由于站台门和列车之间有着一定的缝隙,该缝隙使得乘客容易争抢着上车,导致乘客在缝隙中有被夹,物品遗落在缝隙中,衣服等物品卡住在缝隙,因此存在着较大的安全隐患。目前检测异物主流的方式有电眼检测、自动光栅检测和红外光幕检测,这几种方案都存在着比较大的检测盲区和视野盲区,对列车的安全性、可靠性、实时性都无法得到较好的保障。针对上述问题本文提出一种基于多帧冗余和多方案冗余的异物检测图像识别方法。首先,综述了MagicAI原理及其MagicNet和MagicSegmentation等关键技术,阐述了几种检测模型及其检测算法;并根据实际效果的对比分析,选择了适合本文方案的YOLO模型。其次,采用前景检测的MagicSegmentation技术MagicNet技术对视频画面进行不同原理、不同角度的实时分析,最大程度上保证及时发现险情,通知PSD系统与地铁调度,使得险情可以被迅速制止,从而达到从某个区域和空间来实现异物入侵检测。然后,基于上述模型实现一个站台间隙异物检测系统。最后,将系统部署于试制平台进行测试,运行结果验证了本方案的可行性和有效性。