一种融合人-物主从二元信息的车站乘客跌倒行为识别方法

随着城市轨道交通的快速发展，车站安全监控系统对乘客跌倒行为识别的实时性和准确性提出了更高的要求。本发明提出了一种融合人‑物主从二元信息的车站乘客跌倒行为识别方法。基于车站场景微调的Yolov8‑Pose模型精确提取人体躯干关键骨骼点，并计算垂直方向变化量和身体姿态倾斜角度；通过目标检测和物体姿态估计网络识别乘客随身物体的关键骨骼点点，计算其垂直方向和拓扑结构变化量；利用量子纠缠理论，将人体与物体的瞬态特征映射为二元量子态，计算冯·诺依曼熵以量化人‑物之间的动态耦合强度，通过贝叶斯决策边界确定熵值阈值，以准确判断跌倒行为。本发明能显著提高车站乘客跌倒行为识别的准确性与实时性，提升应急响应效率。