门开闭状态检测方法和装置、以及人流检测系统制造方法及图纸

本发明专利技术提供一种门开闭状态检测方法和装置、以及使用其的人流检测系统。实时取得当前帧和当前帧的规定时间之前的对照帧，将当前帧缩小到预先设定的大小并将对其划分图像块提取各图像块的梯度特征，根据当前帧和对照帧，利用光流法计算当前帧的像素速度图并将其缩小到与当前帧缩小图相同大小，然后计算当前帧的各图像块的权重值，与梯度特征结合而获得带权重的特征，对带权重的特征进行分类，将特征分类结果与通过门状态样本库自学习训练得到的门状态检测器中的特征分类进行比对，得到当前的门状态并输出门状态检测结果，其中，门状态样本库具有各样本图像与门状态的对应关系，门状态检测器的自学习训练通过与上述类似的步骤进行。

【技术实现步骤摘要】
门开闭状态检测方法和装置、以及人流检测系统
本专利技术涉及一种门开闭状态检测方法和门开闭状态检测装置，尤其是涉及检测公交车门开闭状态的门开闭状态检测方法和门开闭状态检测装置、以及结合该门开闭状态检测方法和门开闭状态检测装置得到的门状态信息检测人流的人流检测系统。
技术介绍
当前，随着城镇化的推进，城市面积逐年增长，城镇人口基数大量增大，民众出行距离不断增加，导致城市交通压力剧增。作为缓解城市交通压力的重要手段，大力发展、优化公共交通事业已迫在眉睫。通过发展城市公共交通来提高城市交通资源利用效率、有效缓解城市交通拥堵，需要基于大规模的市民出行和客流基础数据进行公共交通的规划优化、设计和调整。在公共交通人流量调查统计方面，过去主要采用人工调查法、压力传感技术统计法、红外传感技术统计法等。但这些方法在实效性、准确性、抗干扰性、普适性以及成本上都或多或少存在一些问题。近年来，随着计算机图像分析技术的迅猛发展，在公共交通工具车门附近安装摄像元件，采集乘客上下车行为视频，然后通过视频图像技术检测乘客流量计数的方法得到实现。这样的方法在实效性、准确性、抗干扰性、普适性等方面相对于现有方法均得到大幅提高。不过，由于交通工具内环境复杂，处理的信息量较大，对整个系统内的位于交通工具内的前端设备的硬件要求较高。对此，考虑到乘客只会在车门打开时上下车，为进一步降低成本，可以对交通工具的车门的开关进行检测，在检测到车门打开时进行人流分析用视频数据的采集，而在检测到车门关闭的期间停止人流分析用视频数据的采集。这样，能够减小前端设备处理的数据量，并且前端设备在车门关闭期间能够调用更多的资源进行图像分析，提高人流量分析的处理效率，降低前端设备的成本。此外，车门开闭状态信息也能够用于公交安全管理上，例如避免在车门未关闭或关紧的状态下公交车行驶等。针对车门开闭状态的检测，中国专利文献CN104899880A公开了一种基于监控视频的公交车辆车门开闭状态自动检测方法。该方法利用视频采集设备采集的车门图像数据，将车辆在发车前的图像帧保存为背景图，并标定检测区域，在标定区域内将采集的实时图像帧和背景图进行对比分析，当图像帧和背景图的灰度差异度和对比差异度均较大时，认为车门处于开启状态；否则判断车门为关闭状态。
技术实现思路
但是，CN104899880A这样的现有技术存在如下问题：(1)需要选定一个局部区域进行检测，而当该区域例如被乘客等遮挡时，无法准确检测车门开闭状态。(2)一般来说，选定检测区域时往往会利用车门边缘的黑条，也就是说，一般会在该黑条上选择检测区域，但是公交车型多种多样，有些公交车的车门上未必有这样黑条，此时选择合适的检测区域就变得较为困难，而且同一公交车上后门和前门的情况也大为不同，有时现有技术用在后门能准确检测，但是用到前门就无法准确检测。(3)现有技术对光照变化较为敏感，而公交车在白天和晚上光照大为不同，但是现有技术中用一种模式去应对多种情况，经常会发生误检测。本专利技术鉴于上述现有技术中的问题，目的在于提供一种不需要费劲选择检测区域、能够应对各种应用场景的准确的门开闭状态检测方法和门开闭状态检测装置、以及结合该门开闭状态检测方法和门开闭状态检测装置得到的门状态信息检测人流的人流检测系统。上述目的可通过以下技术方案实现。本专利技术的第一方面是一种门开闭状态检测方法，其根据从摄像机输入的由上述摄像机对门进行拍摄来检测门开闭状态，上述门开闭状态检测方法的特征在于，包括：实时取得待测的当前帧图像的当前帧图像取得步骤；将上述当前帧图像缩小到预先设定的大小的当前帧缩小图的当前帧图像缩小步骤；对上述当前帧缩小图划分图像块并提取各图像块的梯度特征的当前帧图像梯度特征提取步骤；对提取出的上述当前帧图像的上述梯度特征进行分类的当前帧图像特征分类步骤；和将上述当前帧图像特征分类步骤中得到的特征分类结果与预先存储在存储器中的通过门状态样本库自学习训练得到的门状态检测器中的特征分类进行比对，得到当前的门状态并输出门状态检测结果的门状态检测步骤，其中，上述门状态样本库具有各样本图像与门状态的对应关系，上述门状态检测器的自学习训练通过如下步骤进行：输入上述样本图像的样本图像输入步骤；将上述样本图像缩小到预先设定的大小的样本缩小图的样本图像缩小步骤；对上述样本缩小图划分图像块并提取各图像块的梯度特征的样本图像梯度特征提取步骤；和对提取出的上述样本图像的上述梯度特征进行分类，参照上述门状态样本库中的样本图像与门状态的对应关系得到上述门状态检测器的样本图像特征分类步骤。本专利技术的第二方面是一种门开闭状态检测方法，其根据从摄像机输入的由上述摄像机对门进行拍摄来检测门开闭状态，上述门开闭状态检测方法的特征在于，包括：实时取得当前帧图像和当前帧的规定时间之前的对照帧图像的图像取得步骤；将上述当前帧图像缩小到预先设定的大小的当前帧缩小图的当前帧图像缩小步骤；对上述当前帧缩小图划分图像块并提取各图像块的梯度特征的当前帧图像梯度特征提取步骤；根据上述当前帧图像和上述对照帧图像，计算上述当前帧图像的各图像块的权重值的特征权重计算步骤；结合上述当前帧缩小图的各图像块的上述梯度特征和上述权重值，获得带权重的特征的带权重特征提取步骤；对提取出的上述当前帧图像的上述带权重的特征进行分类的当前帧图像带权重特征分类步骤；和将上述当前帧图像带权重特征分类步骤中得到的特征分类结果与预先存储在存储器中的通过门状态样本库自学习训练得到的门状态检测器中的特征分类进行比对，得到当前的门状态并输出门状态检测结果的门状态检测步骤，其中，上述门状态样本库具有各样本图像与门状态的对应关系，上述门状态检测器的自学习训练通过如下步骤进行：输入上述样本图像和该样本图像规定时间之前的样本对照图像的样本图像输入步骤；将上述样本图像缩小到预先设定的大小的样本缩小图的样本图像缩小步骤；对上述样本缩小图划分图像块并提取各图像块的梯度特征的样本图像梯度特征提取步骤；根据上述样本图像和上述样本对照图像，计算上述样本图像的各图像块的权重值的样本特征权重计算步骤；结合上述样本缩小图的各图像块的上述梯度特征和上述权重值，获得带权重的特征的样本带权重特征提取步骤；和对提取出的上述样本图像的上述带权重的特征进行分类，参照上述门状态样本库中的样本图像与门状态的对应关系得到上述门状态检测器的样本图像特征分类步骤。本专利技术的第三方面的门开闭状态检测方法，其特征在于：上述特征权重计算步骤包括：根据上述当前帧图像和上述对照帧图像，利用光流法计算得到表示上述当前帧图像中各像素点的运动速度的像素速度图的速度图计算步骤；将上述像素速度图缩小到与上述当前帧缩小图相同大小的上述规定大小的速度图缩小步骤；和根据缩小后的上述速度图计算上述当前帧图像的各图像块的权重值的权重值计算步骤，并且上述样本特征权重计算步骤包括：根据上述样本图像和上述样本对照图像，利用光流法计算得到表示上述样本图像中各像素点的运动速度的样本图像像素速度图的样本速度图计算步骤；将上述样本图像像素速度图缩小到与上述样本缩小图相同大小的上述规定大小的样本速度图缩小步骤；和根据缩小后的上述样本速度图计算上述样本图像的各图像块的权重值的样本权重值计算步骤。本专利技术的第四方面是一种门开闭状态检测装置，其本文档来自技高网...

【技术保护点】
1.一种门开闭状态检测方法，其根据从摄像机输入的由所述摄像机对门进行拍摄来检测门开闭状态，所述门开闭状态检测方法的特征在于，包括：实时取得待测的当前帧图像的当前帧图像取得步骤；将所述当前帧图像缩小到预先设定的大小的当前帧缩小图的当前帧图像缩小步骤；对所述当前帧缩小图划分图像块并提取各图像块的梯度特征的当前帧图像梯度特征提取步骤；对提取出的所述当前帧图像的所述梯度特征进行分类的当前帧图像特征分类步骤；和将所述当前帧图像特征分类步骤中得到的特征分类结果与预先存储在存储器中的通过门状态样本库自学习训练得到的门状态检测器中的特征分类进行比对，得到当前的门状态并输出门状态检测结果的门状态检测步骤，其中，所述门状态样本库具有各样本图像与门状态的对应关系，所述门状态检测器的自学习训练通过如下步骤进行：输入所述样本图像的样本图像输入步骤；将所述样本图像缩小到预先设定的大小的样本缩小图的样本图像缩小步骤；对所述样本缩小图划分图像块并提取各图像块的梯度特征的样本图像梯度特征提取步骤；和对提取出的所述样本图像的所述梯度特征进行分类，参照所述门状态样本库中的样本图像与门状态的对应关系得到所述门状态检测器的样本图像特征分类步骤。...

【技术特征摘要】
1.一种门开闭状态检测方法，其根据从摄像机输入的由所述摄像机对门进行拍摄来检测门开闭状态，所述门开闭状态检测方法的特征在于，包括：实时取得待测的当前帧图像的当前帧图像取得步骤；将所述当前帧图像缩小到预先设定的大小的当前帧缩小图的当前帧图像缩小步骤；对所述当前帧缩小图划分图像块并提取各图像块的梯度特征的当前帧图像梯度特征提取步骤；对提取出的所述当前帧图像的所述梯度特征进行分类的当前帧图像特征分类步骤；和将所述当前帧图像特征分类步骤中得到的特征分类结果与预先存储在存储器中的通过门状态样本库自学习训练得到的门状态检测器中的特征分类进行比对，得到当前的门状态并输出门状态检测结果的门状态检测步骤，其中，所述门状态样本库具有各样本图像与门状态的对应关系，所述门状态检测器的自学习训练通过如下步骤进行：输入所述样本图像的样本图像输入步骤；将所述样本图像缩小到预先设定的大小的样本缩小图的样本图像缩小步骤；对所述样本缩小图划分图像块并提取各图像块的梯度特征的样本图像梯度特征提取步骤；和对提取出的所述样本图像的所述梯度特征进行分类，参照所述门状态样本库中的样本图像与门状态的对应关系得到所述门状态检测器的样本图像特征分类步骤。2.一种门开闭状态检测方法，其根据从摄像机输入的由所述摄像机对门进行拍摄来检测门开闭状态，所述门开闭状态检测方法的特征在于，包括：实时取得当前帧图像和当前帧的规定时间之前的对照帧图像的图像取得步骤；将所述当前帧图像缩小到预先设定的大小的当前帧缩小图的当前帧图像缩小步骤；对所述当前帧缩小图划分图像块并提取各图像块的梯度特征的当前帧图像梯度特征提取步骤；根据所述当前帧图像和所述对照帧图像，计算所述当前帧图像的各图像块的权重值的特征权重计算步骤；结合所述当前帧缩小图的各图像块的所述梯度特征和所述权重值，获得带权重的特征的带权重特征提取步骤；对提取出的所述当前帧图像的所述带权重的特征进行分类的当前帧图像带权重特征分类步骤；和将所述当前帧图像带权重特征分类步骤中得到的特征分类结果与预先存储在存储器中的通过门状态样本库自学习训练得到的门状态检测器中的特征分类进行比对，得到当前的门状态并输出门状态检测结果的门状态检测步骤，其中，所述门状态样本库具有各样本图像与门状态的对应关系，所述门状态检测器的自学习训练通过如下步骤进行：输入所述样本图像和该样本图像规定时间之前的样本对照图像的样本图像输入步骤；将所述样本图像缩小到预先设定的大小的样本缩小图的样本图像缩小步骤；对所述样本缩小图划分图像块并提取各图像块的梯度特征的样本图像梯度特征提取步骤；根据所述样本图像和所述样本对照图像，计算所述样本图像的各图像块的权重值的样本特征权重计算步骤；结合所述样本缩小图的各图像块的所述梯度特征和所述权重值，获得带权重的特征的样本带权重特征提取步骤；和对提取出的所述样本图像的所述带权重的特征进行分类，参照所述门状态样本库中的样本图像与门状态的对应关系得到所述门状态检测器的样本图像特征分类步骤。3.如权利要求2所述的门开闭状态检测方法，其特征在于：所述特征权重计算步骤包括：根据所述当前帧图像和所述对照帧图像，利用光流法计算得到表示所述当前帧图像中各像素点的运动速度的像素速度图的速度图计算步骤；将所述像素速度图缩小到与所述当前帧缩小图相同大小的所述规定大小的速度图缩小步骤；和根据缩小后的所述速度图计算所述当前帧图像的各图像块的权重值的权重值计算步骤，并且所述样本特征权重计算步骤包括：根据所述样本图像和所述样本对照图像，利用光流法计算得到表示所述样本图像中各像素点的运动速度的样本图像像素速度图的样本速度图计算步骤；将所述样本图像像素速度图缩小到与所述样本缩小图相同大小的所述规定大小的样本速度图缩小步骤；和根据缩小后的所述样本速度图计算所述样本图像的各图像块的权重值的样本权重值计算步骤。4.一种门开闭状态检测装置，其根据从摄像机输入的由所述摄像机对门进行拍摄来检测门开闭状态，所述门开闭状态检测装置的特征在于，包括：实时取得待测的当前帧图像的当前帧图像取得单元；将所述当前帧图像缩小到预先设定的大小的当前帧缩小图的当前...

【专利技术属性】
技术研发人员：张盼，张杨，谢雨来，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：日本,JP