在人员密集、场景复杂的铁路客运车站中,旅客行李丢失的情况时有发生,严重影响到旅客的出行。因此,论文结合目标检测、实例分割与行人重识别等技术提出基于目标检测的铁路客运车站旅客行李关联技术,以减少旅客错拿行李的状况,从而保障旅客出行的财产安全。为判断旅客及行李之间的关系,本文提出基于目标检测的旅客行李关联技术,对铁路客运车站场景下的旅客及其携带的行李进行关联。首先,使用YOLACT模型对视频帧进行检测,得到旅客及行李的位置信息和所属类别;实验结果显示,使用YOLACT模型在不同情况下进行检测的平均精度均值（m AP）均超过85,能够满足车站场景下的检测要求。其次,提出基于人包相对位置信息的关联关系判定方法,确定图像中旅客及行李的关系。为适应实际应用场景的多样性,论文提出两种关系判定方法。其中,基于人包重叠面积的关联关系判定方法通过计算旅客及行李重叠面积占行李面积的比例实现对关联关系的判定;基于中心点位置信息的关联关系判定方法则通过判断旅客及行李中心点间的距离来实现关联。实验结果表明,基于人包重叠面积的关联关系判定方法的准确率约为78.60%,而基于中心点位置信息的关联关系判定方法准确率约为80.73%。最后,采用基于关系矩阵的关联关系选择对图像的判定结果进行综合处理,根据旅客及行李被判定具有关联关系的频率进行选择,以得到最终的旅客行李关联信息。实验结果表明,基于关系矩阵的关联关系选择方法能够降低视频中旅客行李相对位置变化带来的影响,有效提高关联关系判定的准确率。针对旅客出行过程中出现的行李丢失问题,本文结合旅客行李关联技术提出铁路客运车站旅客行李关联及识别过程,旨在保障旅客出行过程中的财产安全。首先对旅客进站或寄存行李时的视频图像进行处理,采用基于目标检测的旅客行李关联技术获得旅客及行李的关联信息。当旅客有拿取行李的需求时,采用行人重识别技术在旅客列表中寻找目标旅客,再根据之前获得的关联信息对旅客是否拿取正确行李进行判定。实验结果显示,在旅客行李关联过程中,基于人包重叠面积的关联关系判定方法准确率约为80.25%,基于中心点位置信息的关联关系判定方法准确率约为83.76%,两种方法在实际应用中的准确率与测试结果大致相同。此外,在识别过程中,旅客行李拿取结果的判断准确率约为75.13%,能够较好地实现对旅客行李关系的识别和判断,为预防旅客行李丢失提供了支持和帮助。