一种公交车辆客流统计方法和系统技术方案
【技术实现步骤摘要】
本专利技术涉及一种客流统计方法，特别涉及一种公交车辆客流统计方法和系统。
技术介绍
经济迅猛发展，城市规模不断扩大，城市机动车数量增加，道路交通流量增加，随着“互联网+”时代的到来，人们更愿意选择便捷的出行方式，其中公交车便是常用方式之一，但车内出现满员、空车，站点乘客出现滞留等状况日益突出，因此如何合理调度公交是当前公共公交服务的首要问题。公交客流数据的实时统计分析，可以为公交运营调度提供很好的数据支撑，有利于公共交通发展。目前公交车客流统计的方法有以下几种方式：人工统计、压力检测技术统计、红外检测技术统计、激光检测技术统计和视频图像识别技术统计。传统的人工统计主要是监控人员的肉眼统计，适用于监控时间段、客流量稀疏的情况，客流量多、监控时间长的情况下，统计准确率大大降低，而且人工需要消耗大量的人工成本。压力检测技术是在公交踏板上放置压力检测仪，检测人体重量，但对于多脚踏入的话则无法检测，并且系统容易损坏、维修、安装费用高。红外检测技术和激光检测技术准确率高、成本低，但只适用于人少且有一定距离的行人，无法对拥挤情况下的客流进行统计，且易受环境影响。近年来，已有很多视频图像识别技术的客流统计系统，如基于特征点跟踪的方法、人体分割和跟踪的方法、人头或头肩检测的跟踪方法。特征点跟踪计算一般对特征点的轨迹进行聚类分析，从而得到客流信息，但特征点本身是很难稳定跟踪的，计算精度较差；人体分割和跟踪是先
【技术保护点】
一种公交车辆客流统计方法，其特征在于，步骤如下：S1、通过第一摄像头和第二摄像头分别获取对应公交车前车门和后车门位置的图像；S2、对车门出入线进行确定：包括对第一摄像头获取的图像中公交车的前车门出入线进行确定和对第二摄像头获取的图像中公交车的后车门出入线进行确定；S3、获取摄像头安装高度和人头大小的拟合函数：包括获取到第一摄像头安装高度和人头大小的拟合函数以及第二摄像头安装高度和人头大小的拟合函数；S4、分别检测公交车前车门和后车门的开关信号，若检测到公交车前车门开信号，则对第一摄像头当前获取到的图像进行步骤S5～S9的图像处理，若检测到公交车后车门开信号，则对第二摄像头当前获取到的图像进行步骤S5～S9的图像处理；若检测到公交车前车门关信号，则停止对第一摄像头获取到的图像进行步骤S5～S9的处理，若检测到公交车后车门关信号，则停止对第二摄像头获取到的图像进行步骤S5～S9的处理；S5、对图像进行预处理，然后根据步骤S3中获取到的摄像头安装高度和人头大小的拟合函数，使用圆检测方法对图像进行人头检测，获取到图像中的头部特征向量；S6、获取到图像中的头部特征向量后，对人头进行跟踪；S7、根...
【技术特征摘要】
1.一种公交车辆客流统计方法，其特征在于，步骤如下：
S1、通过第一摄像头和第二摄像头分别获取对应公交车前车门和后车门位
置的图像；
S2、对车门出入线进行确定：包括对第一摄像头获取的图像中公交车的前
车门出入线进行确定和对第二摄像头获取的图像中公交车的后车门出入线进行
确定；
S3、获取摄像头安装高度和人头大小的拟合函数：包括获取到第一摄像头
安装高度和人头大小的拟合函数以及第二摄像头安装高度和人头大小的拟合函
数；
S4、分别检测公交车前车门和后车门的开关信号，若检测到公交车前车门
开信号，则对第一摄像头当前获取到的图像进行步骤S5～S9的图像处理，若检测
到公交车后车门开信号，则对第二摄像头当前获取到的图像进行步骤S5～S9的图
像处理；若检测到公交车前车门关信号，则停止对第一摄像头获取到的图像进
行步骤S5～S9的处理，若检测到公交车后车门关信号，则停止对第二摄像头获取
到的图像进行步骤S5～S9的处理；
S5、对图像进行预处理，然后根据步骤S3中获取到的摄像头安装高度和人
头大小的拟合函数，使用圆检测方法对图像进行人头检测，获取到图像中的头
部特征向量；
S6、获取到图像中的头部特征向量后，对人头进行跟踪；
S7、根据步骤S6中对人头的跟踪确定人头运动轨迹；
S8、结合车门出入线对人头运动轨迹矢量进行分析，判断出乘客行为；
S9、根据乘客行为，统计出双向客流数量；
S10、第一摄像头获取到的图像经过步骤S5～S9处理后，统计出前车门双向
客流数量，第二摄像头获取到的图像经过步骤S5～S9处理后，统计出后车门双向
客流数量，对前车门双向客流数量和后车门双向客流数量进行合计，得出整车
双向客流数量。
2.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤
S2中对公交车车门出入线确定过程如下：
S21、视频图像：采集公交车在停止且对应车门关闭状态下的视频图像；
S22、帧差法第一帧：对获取的公交车车门视频图像进行帧差法处理，取帧
差法第一帧图像并二值化；
S23、梯度Hough直线检测：对二值化图像进行梯度Hough直线检测；
S24、筛选直线：根据摄像头安装高度以及车门特性找出倒梯形，并且确定
靠近底部的横线为下底，将该下底作为自动识别出的车门出入线；
S25、确定出入线：对自动识别出的车门出入线进行校准后确定为车门出入
线；
所述步骤S2中当对公交车前车门出入线进行自动识别时，则步骤S21中通过
第一摄像头采集公交车在停止且公交车前车门关闭状态下的视频图像，步骤S24
中根据第一摄像头安装高度以及公交车前车门特性找出倒梯形；
所述步骤S2中当对公交车后车门出入线进行自动识别时，则步骤S21中通过
第二摄像头采集公交车在停止且公交车后车门关闭状态下的视频图像，步骤S24
中根据第二摄像头安装高度以及公交车后车门特性找出倒梯形。
3.根据权利要求2所述的公交车辆客流统计方法，其特征在于，所述步骤
S23中梯度Hough直线检测过程如下，在二值化图像中找到所有符合以下极坐标
公式的所有像素点：
ρ＝xcosθ+ysinθ；
其中(x,y)为二值化图像空间坐标，(ρ,θ)为参数空间坐标，θ是X轴到直线
的发现的逆时针转角，ρ是坐标原点到直线的代数距离；
若当前车门出入线被确定的同类型车辆的数目未超过X1台，则所述步骤S25
中，针对公交车的车门出入线进行确定时采用人工通过网络进行校准，即将步
骤S24获取的公交车自动识别出的车门出入线通过人工网络校准后作为公交车
的车门出入线；
若当前车门出入线被确定的同类型车辆的数目超过X1台，则根据车门出入
线被确定的同类型公交车车辆人工网络校准后的车门出入线和对应其自动识别
出的车门出入线确定出后续校准函数，在步骤S25中通过后续校准函数对公交车
自动识别出的公交车车门出入线进行校准，确定出公交车的车门出入线。
4.根据权利要求3所述的公交车辆客流统计方法，其特征在于，根据车门
出入线被确定的同类型公交车车辆人工网络校准后的车门出入线和对应其自动
识别出的车门出入线确定出的后续校准函数为直线校准函数，其误差校正公式
为：
e=1nΣk=1n(y(k)-y′(k));]]>其中e是统计的差值，y(k)是第k辆公交车人工通过网络校准时标定的车门
出入线直线函数，y′(k)是第k辆公交车自动识别的车门出入线函数，n是车门出
入线被确定的同类型公交车车辆数目；
经过误差校准后，第n+i辆公交车车门出入线函数为：
y(n+i)＝y′(n+i)+e,i∈(1,2,3,..)；
y′(n+i)是第n+i辆公交车自动识别的车门出入线函数。
5.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤
S3摄像头安装高度和人头大小的拟合函数获取过程如下：
S31、获取摄像头的安装高度：统计好各类车型中摄像头的安装高度；
S32、获取人头样例：通过摄像头分别对各类车型中各种身高人头进行采集；
S33、人头标定参数：统计出通过各类车型中摄像头分别采集到的人头大小；
S34、对各类车型中摄像头安装高度、摄像头采集到的各种人头对应身高、
摄像头采集到的人头大小进行最小二乘法运算获取到摄像头安装高度和人头大
小的拟合函数；
其中上述步骤中当摄像头为第一摄像头时，则通过上述步骤获取到的是摄
像头安装高度和人头大小的拟合函数，当上述步骤中当摄像头为第二摄像头时，
则通过上述步骤获取到的是第二摄像头安装高度和人头大小的拟合函数。
6.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤
S5中用圆检测方法对图像进行人头检测的过程如下：
S51、对获取的图像进行帧差法处理；
S52、从帧差法处理后的图像中提取前景图像并进行二值化处理；
S53、从二值化处理后的前景图像中提取到运动目标区域；
S54、对运动目标区域的灰度图像进行Canny边缘检测，得到运动目标区域
灰度图像的边缘特征；
S55、将运动目标区域灰度图像的边缘特征与二值化处理后的前景图像进行
合并，将处于二值图像外轮廓内的边缘全部保留，其余全部舍弃；
S56、通过梯度Hough圆检测算法从步骤S55处理后的图像中检测出圆；
S57、根据步骤S3中获取到的摄像头安装高度和人头大小的拟合函数，设定
人头半径阈值范围，然后进行阈值范围，将步骤S56中检测出的圆中半径处于阈
值范围内的圆保留，其他的圆去掉；同时对所有人头轮廓进行分组，选择距离
相似测量度的最大最小距离法分组，并将人头轮廓的共圆置信度作为评价拟合
\t优劣的标准，即从多个候选匹配人头轮廓中选出最佳人头轮廓，作为图像中的
人头；
S58、提取...
【专利技术属性】
技术研发人员：邢映彪，
申请(专利权)人：广州通达汽车电气股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。