高速铁路的发展带来了巨大的便利,铁路事业高速发展的同时,铁路安全问题也值得关注。国内现有的铁路安全,主要是依靠视频监控和人工巡检相结合的方法。由于中国的铁路轨道错综复杂,分布广泛,列车具有较高的行驶速度,同时工作人员存在缺乏专业素养、操作不当,疏忽大意等现象。而我国的铁路网规模较大,很难通过人工检测的方法判断所有线路是否有行人非法闯入和逗留。因此,为提高铁路安全性、可靠性,同时节省人力成本,轨道视频监控系统迫切需要全面的技术升级和大规模应用。而传统的算法常常存在实时性较差,精度不高等问题。近年来随着深度学习的兴起,卷积神经网络作用于视觉领域的算法层出不穷,均取得了不错的效果,因此,针对上述任务以及难点,本文提构建了一种细粒度行人检测模型,该方法利用该领域大规模数据集,以YOLOv2高性能检测算法为基础,引入混合注意力机制,使得算法在特定的场景内有着优异的表现。本论文主要工作有:构建了铁路行人数据集;对比了RCNN、Fast RCNN、Faster RCNN、YOLO等深度学习算法,权衡了各种算法的实验精度和运行速度,采用改进的YOLOv2模型实现目标检测任务;本论文改良了YOLO算法的网络结构,并且采用了IOU改进算法重新聚类了anchor box,采用了非极大值抑制(NMS)筛选候选框;其次,在系统中引入了混合注意力机制,以适应复杂的场景需要并且提高检测系统的运行速度和精度;最后本文融合了图像的深度特征和底层特征对行人进行细粒度分类,使系统能够做到在检测出行人的同时区分工作人员和非工作人员,实现了细粒度检测。