基于深度图像的公交车客流实时统计方法技术

本发明专利技术涉及一种基于深度图像信息的公交车客流量实时统计方法。所述统计方法包括以下步骤：深度数据采集，采集前后门乘客上下车深度视频信息；深度视频信息预处理，深度信息格式转换，图像平滑去噪；深度视频背景建模提取前景帧；极值点检测；筛选符合人头的极值点；对检测到的目标进行跟踪，提取轨迹信息；目标轨迹方向判断；客流计数统计。本发明专利技术克服了传统客流仪在乘客客流量较大、光照不良时准确率低的缺点，而且克服了对数据依赖性强，对硬件要求较高的不足。

Real time statistics method of bus passenger flow based on depth image

【技术实现步骤摘要】
基于深度图像的公交车客流实时统计方法
：本专利技术涉及图像的模式识别
，具体涉及基于深度图像的公交车客流量实时统计方法。
技术介绍
：目前市场上大部分智能视频客流量统计方法涉及的技术包括视频预处理、图像处理、模式识别以及机器学习和深度学习等，利用垂直向下的摄像头来对视频中人的头部或者肩部进行检测识别和跟踪，最后跟踪运动轨迹判断客流量。目前国内公交客流统计方法主要包括：公交IC卡统计方法，存在的问题是公交车IC卡计费方式不同会导致客流仪计数与实际客流误差较大；公交踏板接触式方法，存在的问题是在上下车人数较多时，多人踩踏导致客流仪误差大，并且该类接触式检测设备易出现故障，维修成本较高；红外传感式方法，存在的问题是同时上下车漏检率高，标定复杂，并且红外易受到光照影响；视频图像分析方法，该方法中根据不同摄像机类型，采用不同的算法。该方法通过“点人头”的方式视频图像采集使用传统二维摄像机，在光照不良的情况下，视频数据质量较差，导致客流仪准确度大大下降。而采用RGB-D的三维数据，存在视频数据大，占用资源多，实时性对硬件要求较高等问题本文档来自技高网...

【技术保护点】
1.基于深度图像的公交车客流量实时统计方法，其特征在于，所述方法的视频数据是利用深度摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，统计方法包括以下步骤：/n步骤1：深度数据预采集：/n在公交车车门上方垂直安装标定好深度摄像头，并且获得摄像头的内参；采集公交车乘客上下车的深度视频数据信息；/n步骤2：深度数据预处理：/n按照相机安装的高度距离地面的距离为阈值，对深度值大于阈值的值赋值为0；/n步骤3：深度数据背景建模：/n利用帧差法对深度视频数据进行背景建模，最终只对提取的前景进行进一步处理；背景建模帧差法直接在16bit的深度图像上计算，其阈值根据相机安装的高度进行调整；/n步骤4：...

【技术特征摘要】
1.基于深度图像的公交车客流量实时统计方法，其特征在于，所述方法的视频数据是利用深度摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，统计方法包括以下步骤：
步骤1：深度数据预采集：
在公交车车门上方垂直安装标定好深度摄像头，并且获得摄像头的内参；采集公交车乘客上下车的深度视频数据信息；
步骤2：深度数据预处理：
按照相机安装的高度距离地面的距离为阈值，对深度值大于阈值的值赋值为0；
步骤3：深度数据背景建模：
利用帧差法对深度视频数据进行背景建模，最终只对提取的前景进行进一步处理；背景建模帧差法直接在16bit的深度图像上计算，其阈值根据相机安装的高度进行调整；
步骤4：极值点检测及筛选：
背景建模得到的前景帧为原始16bit的深度图像，将其转换为8bit，即0-255的灰度图像；对灰度图像进行缩放，采用邻域检测极大值的方法进行极大值点检测，并对检测到的极大值点进行修正、判断和筛选；
前景帧的灰度图是640x400，将其缩放为80x50的尺寸，并用人头为极值点的召回率为100％，并且能够区分不同的人头；缩放过的图像首先依次进行高斯滤波和中值滤波，并用中值滤波的结果对图像补空洞；接着采用3x3的卷积核对补过空洞的图像进行极大值检测；
步骤5：筛选符合人头的极值点：
对上一步得到的极值点邻域像素进行分析，以筛选出符合人头的极值点，并根据相机实际的安装高度给出人头检测框；
步骤6：人头轨迹跟踪
根据检测框信息，利用卡尔曼滤波器跟踪检测框信息，不同帧之间的匹配检测框的中心点连接起来，形成目标的轨迹信息；
调整卡尔曼的参数使得跟踪速度符合人的行驶速度，并且设置参数，在连续匹配n帧的情况下给出轨迹的ID，在连续n帧没有检测的时候轨迹跟踪结束，计算并判断该ID是否符合上下车计数规则(例如，在卡尔曼跟踪中设置...

【专利技术属性】
技术研发人员：李梁燕，靳展，王鹏，李广，
申请(专利权)人：天津通卡智能网络科技股份有限公司，
类型：发明
国别省市：天津;12