基于安全门的客流监测方法及系统技术方案

本申请涉及轨道交通领域，提供一种基于安全门的客流监测方法及系统。所述基于安全门的客流监测方法包括：通过布设于安全门的图像采集装置采集上下车乘客的图像；通过对采集的图像进行动态路径识别区分上车乘客和下车乘客，利用神经网络模型识别图像中的上车乘客人数和下车乘客人数；将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，对断面客流进行实时统计。本申请采用动态路径识别区分上车乘客和下车乘客，利用神经网络模型进行图像识别计数得到上、下车乘客人数，通过将图像识别计数结果与时间进行关联，实时统计各断面客流情况，可以对轨道交通的运输组织策划和调度指挥提供支持。输组织策划和调度指挥提供支持。输组织策划和调度指挥提供支持。

【技术实现步骤摘要】
基于安全门的客流监测方法及系统


[0001]本申请涉及轨道交通领域，具体地涉及一种基于安全门的客流监测方法、一种基于安全门的客流监测系统。

技术介绍

[0002]随着城市轨道交通建设的发展和普及，轨道交通的客流量日益增大，需要对客流状况以及客流变化规律进行统计，以对城市轨道交通的运输组织和行车组织的设计规划提供指导数据。
[0003]在客流计数方面曾出现压力传感器、红外线传感器、热成像仪等统计技术，但是这些客流统计方法存在很多缺陷，不适用于复杂拥挤的轨道交通场景。
[0004]随着智能化物联网时代的到来，智能识别技术开始应用于轨道交通运营领域。目前，急需研究智能图像识别技术在轨道交通客流统计方面的应用。

技术实现思路

[0005]为了解决上述问题，本申请实施例中提供了一种基于安全门的客流监测方法及系统。
[0006]根据本申请实施例的第一个方面，提供了一种基于安全门的客流监测方法，所述方法包括：
[0007]通过布设于安全门的图像采集装置采集上下车乘客的图像；
[0008]通过对采集的图像进行动态路径识别区分上车乘客和下车乘客，利用神经网络模型识别图像中的上车乘客人数和下车乘客人数；
[0009]将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，对断面客流进行实时统计。
[0010]进一步地，所述通过对采集的图像进行动态路径识别区分上车乘客和下车乘客，包括：根据采集的图像进行动态路径识别形成路径拟合曲线，根据路径拟合曲线将图像数据拆分为上车数据集点和下车数据集点，通过回归分析形成区别上车乘客与下车乘客的图像。
[0011]进一步地，所述利用神经网络模型识别图像中的上车乘客人数和下车乘客人数，包括：
[0012]对图像进行特征提取；
[0013]获取各个乘客的标签位置，根据视图场景中所有的标签位置生成标签密度图；
[0014]根据所述标签密度图计算图像中的上车乘客人数和下车乘客人数。
[0015]进一步地，所述对图像进行特征提取，包括：
[0016]通过不同尺度的编码块对图像进行编码，形成内部表示的编码数据；
[0017]对内部表示的编码组进行解码，形成包含尺度信息的特征数据。
[0018]进一步地，所述通过不同尺度的编码块对图像进行编码，形成内部表示的编码数
据，包括：将上层编码块的输出V
i
下采样到与V
i+1
相同的尺度，通过两层卷积编码得到下层编码块的输出V
i+1
；同时，将下层编码块的输出V
i+1
输入到对应尺度的解码块参与解码。
[0019]进一步地，所述对内部表示的编码数据进行解码，形成包含尺度信息的特征数据，包括：
[0020]将下层解码块的输出P
i+1
上采样到与V
i
相同的尺度，将下层解码块的输出P
i+1
与上层编码块的输出V
i
在通道方向上连接，形成新的特征图；
[0021]对新的特征图进行两层卷积解码，得到上层解码块的输出P
i
；
[0022]每层解码块的输出作为一个尺度的特征，所有解码块的输出形成包含各个尺度信息的特征数据。
[0023]进一步地，所述获取各个乘客的标签位置，根据视图场景中所有的标签位置生成标签密度图，包括：
[0024]对乘客人头位置进行标注得到乘客的图片平面坐标；
[0025]通过单应性变换将乘客的图片平面坐标转换为投影平面坐标，将投影平面坐标作为乘客的标签位置；
[0026]将视图场景中所有的标签位置与二维离散高斯核相卷积，生成标签密度图。
[0027]进一步地，所述根据所述标签密度图计算图像中的上车乘客人数和下车乘客人数，包括：计算所述标签密度图中的像素值，对所述标签密度图中所有的像素值进行累加，根据累加的像素值计算图像中的上车乘客人数和下车乘客人数。
[0028]进一步地，所述方法还包括：利用损失函数对所述卷积神经网络模型进行优化；
[0029]所述损失函数由欧式距离公式和局部一致性损失公式加权所得；
[0030]所述欧式距离公式用于计算标签密度图与真实密度图之间的像素损失；
[0031]所述局部一致性损失公式用于平衡所述标签密度图中像素之间关联性带来的误差。
[0032]进一步地，所述将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，对断面客流进行实时统计，包括：
[0033]将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，计算列车通过前一断面时的上车乘客人数和下车乘客人数以及通过本断面的上车乘客人数和下车乘客人数；
[0034]根据通过前一断面时的上车乘客人数和下车乘客人数以及通过本断面的上车乘客人数和下车乘客人数计算本断面的断面客流。
[0035]根据本申请实施例的第二个方面，提供了一种基于安全门的客流监测系统，所述系统包括：
[0036]图像采集装置，布设于站台安全门，用于采集上下车乘客的图像；
[0037]图像识别模块，用于对所述图像采集装置采集的图像进行动态路径识别区分上车乘客和下车乘客，利用神经网络模型识别图像中的上车乘客人数和下车乘客人数；
[0038]客流统计模块，用于将所述图像识别模块识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，对断面客流进行实时统计。
[0039]进一步地，所述图像采集装置有三个，三个所述图像采集装置分别布设于候车站台的安全门的正上方、左上方、右上方。
[0040]进一步地，所述图像识别模块包括路径识别模块和特征识别模块；
[0041]所述路径识别模块用于根据采集的图像进行动态路径识别形成路径拟合曲线，根据路径拟合曲线将图像数据拆分为上车数据集点和下车数据集点，通过回归分析形成区别上车乘客与下车乘客的图像；
[0042]所述特征识别模块用于利用神经网络模型识别图像中的上车乘客人数和下车乘客人数。
[0043]进一步地，所述特征识别模块包括特征提取模块、融合模块以及密度像素计算模块；
[0044]所述特征提取模块用于对所述路径拟合模块形成的区别上车乘客与下车乘客的图像进行特征提取；
[0045]所述融合模块用于获取各个乘客的标签位置，根据视图场景中所有的标签位置生成标签密度图；
[0046]所述密度像素计算模块用于计算所述标签密度图中的像素值，对所述标签密度图中所有的像素值进行累加，根据累加的像素值计算图像中的上车乘客人数和下车乘客人数。
[0047]进一步地，所述将所述图像识别模块识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，对断面客流进行实时统计，包括：
[0048]所述客流统计模块将上车乘客人数和下车乘客人数与通过断面的时间进行关联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于安全门的客流监测方法，其特征在于，所述方法包括：通过布设于安全门的图像采集装置采集上下车乘客的图像；通过对采集的图像进行动态路径识别区分上车乘客和下车乘客，利用神经网络模型识别图像中的上车乘客人数和下车乘客人数；将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联，对断面客流进行实时统计。2.根据权利要求1所述的基于安全门的客流监测方法，其特征在于，所述通过对采集的图像进行动态路径识别区分上车乘客和下车乘客，包括：根据采集的图像进行动态路径识别形成路径拟合曲线，根据路径拟合曲线将图像数据拆分为上车数据集点和下车数据集点，通过回归分析形成区别上车乘客与下车乘客的图像。3.根据权利要求1所述的基于安全门的客流监测方法，其特征在于，所述利用神经网络模型识别图像中的上车乘客人数和下车乘客人数，包括：对图像进行特征提取；获取各个乘客的标签位置，根据视图场景中所有的标签位置生成标签密度图；根据所述标签密度图计算图像中的上车乘客人数和下车乘客人数。4.根据权利要求3所述的基于安全门的客流监测方法，其特征在于，所述对图像进行特征提取，包括：通过不同尺度的编码块对图像进行编码，形成内部表示的编码数据；对内部表示的编码组进行解码，形成包含尺度信息的特征数据。5.根据权利要求4所述的基于安全门的客流监测方法，其特征在于，所述通过不同尺度的编码块对图像进行编码，形成内部表示的编码数据，包括：将上层编码块的输出V
i
下采样到与V
i+1
相同的尺度，通过两层卷积编码得到下层编码块的输出V
i+1
；同时，将下层编码块的输出V
i+1
输入到对应尺度的解码块参与解码。6.根据权利要求5所述的基于安全门的客流监测方法，其特征在于，所述对内部表示的编码数据进行解码，形成包含尺度信息的特征数据，包括：将下层解码块的输出P
i+1
上采样到与V
i
相同的尺度，将下层解码块的输出P
i+1
与上层编码块的输出V
i
在通道方向上连接，形成新的特征图；对新的特征图进行两层卷积解码，得到上层解码块的输出P
i
；每层解码块的输出作为一个尺度的特征，所有解码块的输出形成包含各个尺度信息的特征数据。7.根据权利要求3所述的基于安全门的客流监测方法，其特征在于，所述获取各个乘客的标签位置，根据视图场景中所有的标签位置生成标签密度图，包括：对乘客人头位置进行标注得到乘客的图片平面坐标；通过单应性变换将乘客的图片平面坐标转换为投影平面坐标，将投影平面坐标作为乘客的标签位置；将视图场景中所有的标签位置与二维离散高斯核相卷积，生成标签密度图。8.根据权利要求3所述的基于安全门的客流监测方法，其特征在于，所述根据所述标签密度图计算图像中的上车乘客人数和下车乘客人数，包括：
计算所述标签密度图中的像素值，对所述标签密度图中所有的像素值进行累加，根据累加的像素值计算图像中的上车乘客人...

【专利技术属性】
技术研发人员：赵兴东，赵宗超，包峰，
申请(专利权)人：交控科技股份有限公司，
类型：发明
国别省市：