摘要

机场出租车排队区域客流检测面临人群密集、分布不均及遮挡严重等挑战。本文研究提出基于改进深度学习的目标检测算法与人流密度估计方法，创新性地引入双重注意力机制和多尺度特征融合技术。改进后的检测框架采用Res Net-50作为主干网络，通过空间与通道注意力模块优化特征提取，实现对高密度场景的精确检测。实验结果表明，该算法在准确率和召回率方面提升12.3%，在复杂光照和遮挡条件下保持较强鲁棒性。系统部署实践显示，旅客平均等候时间缩短31.8%，为机场智能化管理提供可靠性技术支持。

关键词