【技术实现步骤摘要】
基于目标检测的轨道交通客流密度估计系统及其方法
本专利技术涉及深度学习、目标检测、人群计数技术，具体涉及一种基于目标检测的轨道交通客流密度估计系统及其方法。
技术介绍
城市化的进展使得轨道交通系统的负担越来越大，在地铁站内时常出现人潮拥挤的情况，因此需要地铁工作人员使用人力来维护秩序。但人力的局限性在于不能快速精确判断当前拥挤情况，往往反应会比较慢，造成乘客的体验变差。随着智慧车站的概念被提出，很多智能技术被带入车站，例如人脸识别等技术。于是可利用AI技术来代替人力判断当前的客流情况，即使用人群计数算法来得到客流量。通过得到监控摄像头的视频流数据，使用人群计数算法测出监控区域的行人数量，与额定容纳人数比较以得出当前区域的客流密度。通常地铁站内摄像头不具有人群计数的功能，客流的估计仅通过AFC(自动售检票系统)得到进站出站人数；或根据地铁工作人员的经验，例如在科技园区附近地铁站，在下午五点半至六点半必然出现大客流。本专利技术直接采集监控图片得到客流情况，相比AFC系统更真实反映地铁站内滞留人数，相比人力经验判断更加高效
【技术保护点】
1.基于目标检测的轨道交通客流密度估计系统，其特征在于，基于Atlas200开发板实现，具体包括：/n视频采集模块，用于获取视频数据，一是通过树莓派摄像头采集视频流；二是通过网络摄像头采集视频流；/n视频编解码与图像预处理模块，用于对采集的视频进行硬件解码，获取YUV格式的图片，并对图片进行预处理，包括尺寸调整、格式转换；/n模型训练与部署模块，用于加载训练好的人群计数模型，对预处理完成的图片完成推理过程，得到图片的特征向量，所述人群计数模型的训练在GPU平台进行，利用开发板提供的MindStudio工具，将训练好的模型转换为开发板支持的离线模型；/n后处理模块，用于对模型...
【技术特征摘要】
20201214 CN 202011469293X1.基于目标检测的轨道交通客流密度估计系统，其特征在于，基于Atlas200开发板实现，具体包括：
视频采集模块，用于获取视频数据，一是通过树莓派摄像头采集视频流；二是通过网络摄像头采集视频流；
视频编解码与图像预处理模块，用于对采集的视频进行硬件解码，获取YUV格式的图片，并对图片进行预处理，包括尺寸调整、格式转换；
模型训练与部署模块，用于加载训练好的人群计数模型，对预处理完成的图片完成推理过程，得到图片的特征向量，所述人群计数模型的训练在GPU平台进行，利用开发板提供的MindStudio工具，将训练好的模型转换为开发板支持的离线模型；
后处理模块，用于对模型推理输出的特征向量进行处理，得到图片中行人的数量，再将数量与额定容量相比较，得到当前密度值；
测试模块，用于基于视频采集模块采集的数据，使用MindStudio工具对模型进行测试，测得其在测试集上的精度，若相比GPU平台存在精度下降，且结果不及预期，则利用模型训练与部署模块重新进行模型的训练与部署，否则利用该模型估计实际轨道交通客流密度。
2.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在视频采集模块中，树莓派摄像头直接与开发板相连，且利用开发板操作系统提供的Media媒体库，对视频进行采集；网络摄像头利用交换机和开发板相连，通过以太网接口获取摄像头的rtsp视频流。
3.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在视频编解码与图像预处理模块中，综合了开发板操作系统提供的DVPP(数字视觉预处理)接口，作为调用底层硬件解码的接口，对采集的视频调用硬件进行解码，得到YUV格式的图片，并对图片进行格式转换、尺寸调整操作，以满足算法对图片的格式、分辨率需求。
4.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在模型训练与部署模块中，利用MindStudio工具集成的ATC工具将GPU平台的人群计数模型转为开发板支持的离线模型。
5.根据权利要求1所述的基于目标检测的轨道交通客流...
【专利技术属性】
技术研发人员：潘尚考，刘光杰，刘伟伟，赵华伟，陆赛杰，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
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。