基于图像分析的公交车内乘客密集程度检测方法技术

本发明专利技术公开了一种基于图像分析的公交车内乘客密集程度检测方法，步骤1，在公交车内前端设置双目摄像头，拍摄视频图像；当车内无人时，双目摄像头图像经处理获取车内背景的深度图像；步骤2，获得车内乘客站立区域的前景目标；步骤3，由于双目摄像头的透视效应，对此区域的前景目标的图像进行透视校正，根据前景面积，将密度初步分成低和中高两类，若密度为中高等级则继续步骤4；步骤4，截取同一时刻，双目摄像头其中一个摄像头的视频图像，灰度化并提取出图像的纹理特征；步骤5，将检测的乘客密度信息，以及地理位置信息进行存储。本发明专利技术有效解决了现有技术中出现的问题，利用双目摄像头拍摄的图像分析，检测到公交车内乘客的密集程度。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，步骤1，在公交车内前端设置双目摄像头，拍摄视频图像；当车内无人时，双目摄像头图像经处理获取车内背景的深度图像；步骤2，获得车内乘客站立区域的前景目标；步骤3，由于双目摄像头的透视效应，对此区域的前景目标的图像进行透视校正，根据前景面积，将密度初步分成低和中高两类，若密度为中高等级则继续步骤4；步骤4，截取同一时刻，双目摄像头其中一个摄像头的视频图像，灰度化并提取出图像的纹理特征；步骤5，将检测的乘客密度信息，以及地理位置信息进行存储。本专利技术有效解决了现有技术中出现的问题，利用双目摄像头拍摄的图像分析，检测到公交车内乘客的密集程度。【专利说明】
本专利技术涉及一种公交车乘客密集程度的检测方法，尤其是涉及一种基于图像分析 的公交车内乘客密集程度检测方法。
技术介绍
公交车作为人们出行的重要交通工具，已经成为城市生活中不可或缺的部分。通 过对车内乘客的密度（高、中、低）进行分析，可以掌握每时段、每路车的乘客密度信息，来 完善智能调度系统，更好地发挥智能公交的优势，让公共资源得到更充分的利用，进而影响 智能交通系统的运作和公交公司的运营效益。目前国内已有的针对公交车内的人群检测方 法，公交公司如果想要掌握某时段某一路的车内乘客密度，要有专人或公交司机去估计并 记录，费时费力，也不方便，同时这也不符合智能公交的理念。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于图像分析的公交车内乘客密集程度检测 方法，该方法有效解决了现有技术中出现的问题，利用双目摄像头拍摄的图像分析，检测到 公交车内乘客的密集程度。 为达到上述目的，本专利技术采用以下技术方案： -种，包括如下步骤： 步骤1，在公交车内前端设置双目摄像头，拍摄视频图像；当车内无人时，双目摄 像头图像经处理获取车内背景的深度图像； 对双目摄像头其中一个摄像头的视频进行抽帧，获取中、高密度下的多幅图像，灰 度化处理并提取这些图像的纹理特征，包括灰度共生矩阵纹理和LBP纹理，送入支持向量 机SVM进行训练，得到SVM分类器； 步骤2,获得车内乘客站立区域的前景目标，包括以下步骤： 步骤21，对双目摄像头得到的实时视频进行截图，经处理获得深度图像； 步骤22,利用此深度图像和背景的深度图像相比较，利用模板屏蔽窗外环境的干 扰，获得车内乘客站立的大致区域的前景目标； 步骤3,由于双目摄像头的透视效应，对此区域的前景目标的图像进行透视校正， 校正权值为： 【权利要求】1. 一种，其特征在于：包括如下步 骤： 步骤1，在公交车内前端设置双目摄像头，拍摄视频图像；当车内无人时，双目摄像头 图像经处理获取车内背景的深度图像； 对双目摄像头其中一个摄像头的视频进行抽帧，获取中、高密度下的多幅图像，灰度化 处理并提取这些图像的纹理特征，包括灰度共生矩阵纹理和LBP纹理，送入支持向量机SVM 进行训练，得到SVM分类器； 步骤2,获得车内乘客站立区域的前景目标，包括以下步骤： 步骤21，对双目摄像头得到的实时视频进行截图，经处理获得深度图像； 步骤22,利用此深度图像和背景的深度图像相比较，利用模板屏蔽窗外环境的干扰，获 得车内乘客站立的大致区域的前景目标； 步骤3,由于双目摄像头的透视效应，对此区域的前景目标的图像进行透视校正， 校正权值为：，计算校正后的前景面积，进行初步分类，将 人群密度初步分为低和中高等级两类；若乘客密度为中高等级，则继续步骤4 ;若乘客密度 为低等级，执行步骤5; 步骤4,截取同一时刻，双目摄像头其中一个摄像头的视频图像，灰度化处理并提取出 图像的纹理特征，送入已经训练好的SVM分类器进行再分类，将乘客密度分成中或高等级； 步骤5,将检测的乘客密度信息，以及地理位置信息进行存储。2. 根据权利要求1所述的一种,其特 征在于：深度公式为1其中f为焦距，B为两摄像头焦点之间的距离，D为双 目视差。3. 根据权利要求1或2所述的一种基于图像分析的公交车内乘客密集程度检测 方法，其特征在于：所述步骤21中，LBP纹理公式：，其中，（Xc;，y。）是中心像素，其灰度值为i。，"为相邻像素的灰度值。4. 根据权利要求3所述的一种，其特 征在于：所述步骤4中，图像的纹理特征包括灰度共生矩阵纹理和LBP纹理。5. 根据权利要求1所述的一种,其特 征在于：在公交车内前端的顶部中央位置安装平行的双目摄像头。【文档编号】G06T7/20GK104268898SQ201410467831【公开日】2015年1月7日 申请日期:2014年9月15日 优先权日:2014年9月15日 【专利技术者】郭建国, 方志乾, 韩宇, 张尽晶, 杨晓平 申请人:郑州天迈科技股份有限公司本文档来自技高网...

【技术保护点】
一种基于图像分析的公交车内乘客密集程度检测方法，其特征在于：包括如下步骤：步骤1，在公交车内前端设置双目摄像头，拍摄视频图像；当车内无人时，双目摄像头图像经处理获取车内背景的深度图像；对双目摄像头其中一个摄像头的视频进行抽帧，获取中、高密度下的多幅图像，灰度化处理并提取这些图像的纹理特征，包括灰度共生矩阵纹理和LBP纹理，送入支持向量机SVM进行训练，得到SVM分类器；步骤2，获得车内乘客站立区域的前景目标，包括以下步骤：步骤21，对双目摄像头得到的实时视频进行截图，经处理获得深度图像；步骤22，利用此深度图像和背景的深度图像相比较，利用模板屏蔽窗外环境的干扰，获得车内乘客站立的大致区域的前景目标；步骤3，由于双目摄像头的透视效应，对此区域的前景目标的图像进行透视校正，校正权值为：计算校正后的前景面积，进行初步分类，将人群密度初步分为低和中高等级两类；若乘客密度为中高等级，则继续步骤4；若乘客密度为低等级，执行步骤5；步骤4，截取同一时刻，双目摄像头其中一个摄像头的视频图像，灰度化处理并提取出图像的纹理特征，送入已经训练好的SVM分类器进行再分类，将乘客密度分成中或高等级；步骤5，将检测的乘客密度信息，以及地理位置信息进行存储。...

【技术特征摘要】

【专利技术属性】
技术研发人员：郭建国，方志乾，韩宇，张尽晶，杨晓平，
申请(专利权)人：郑州天迈科技股份有限公司，
类型：发明
国别省市：河南;41