一种基于RGB图像的公交客流检测方法技术

本发明专利技术公开了一种基于RGB图像的公交客流检测方法及系统，该方法包括：获取乘客上下公交的视频流；视频流包括多帧图像；对于第K帧图像，通过预测第K

【技术实现步骤摘要】
一种基于RGB图像的公交客流检测方法


[0001]本专利技术涉及公交客流检测
，特别是涉及一种基于RGB图像的公交客流检测方法及系统。

技术介绍

[0002]精确的客流数据对智能交通具有重大意义，通过精确的量化数据，可以了解每个时间段、每路公交车、每个车站的人流量。这些数据可以帮助公交调度人员进行更加及时、准确的调度，提高用户乘车体验，帮助公交公司进行更加科学、合理的线网规划，让公共资源得到更充分的利用，为城市综合交通体系规划与评价提供基础数据。
[0003]近年来许多学者对如何获取精确的客流数据进行了深入的研究，但在实际应用中仍具有一定局限性。比如：一些学者使用光电开关、压力传感器获取上下车人数，这些方法属于早期作品，光电开关无法判断两人并排上车的情况，压力传感器容易损坏、维护成本高，两种方法在拥挤情况下均不能获得较好的表现，已基本被淘汰；一些学者通过乘客携带电子设备的WIFI、蓝牙或MAC 地址等信息定位乘客大致位置，获取上下车人数，这些技术目前也存在着诸多挑战，包括：有些乘客携带零或多个电子设备，易受公交车外电子设备的干扰，许多设备提供虚假的动态MAC地址等；还有一些学者采用视频图像，有些使用深度图像，但是结构光相机、飞行时间相机成本较高，双目相机图像易受纹理影响，精度的稳定性无法保证；还有些学者使用彩色图像，利用传统的数字图像处理方法例如霍夫变换圆检测识别人头等方法去检测，但由于场景的复杂性，该方法也不能获得较高的准确率。
[0004]随着深度学习的长足发展和目标检测模型准确率的不断提高，出现了许多部署在移动端的网络，这使得使用彩色图像获取较高准确率的客流数据变为可能。而如何利用彩色图像去获取准确的公交客流量仍是一大难题。

技术实现思路

[0005]本专利技术的目的是提供一种基于RGB图像的公交客流检测方法及系统，用以获取准确的公交客流量。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于RGB图像的公交客流检测方法，该方法包括：
[0008]获取乘客上下公交的视频流；视频流包括多帧图像；
[0009]对于第K帧图像，通过预测第K
‑
1帧图像的卡尔曼滤波器的参数预测第 K帧图像中的目标位置，得到卡尔曼滤波器的预测结果；
[0010]对于第K帧图像，基于卡尔曼滤波器的预测结果和第K帧图像生成待预测图像；
[0011]将待预测图像输入至训练好的YOLOX模型中，得到YOLOX模型的检测结果；
[0012]采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和YOLOX模型的检测结果进行匹配；
[0013]根据匹配结果确定公交客流。
[0014]进一步的，对于第一帧图像，直接通过训练好的YOLOX模型进行目标位置的检测。
[0015]进一步的，YOLOX模型包括卷积层、CSPDarknet层、PAFPN层以及HEAD 层；卷积层为卷积核大小为2，步距为2的普通卷积层。
[0016]进一步的，对于第K帧图像，基于卡尔曼滤波器的预测结果和第K帧图像生成待预测图像，具体包括：
[0017]将卡尔曼滤波器的预测结果生成目标位置掩膜；
[0018]将目标位置掩膜和第K帧图像按照不同权重进行叠加生成待预测图像。
[0019]进一步的，采用Kuhn
‑
Munkres算法对于卡尔曼滤波器的预测结果和 YOLOX模型的检测结果进行匹配，具体包括：
[0020]计算卡尔曼滤波器的预测结果和YOLOX模型的检测结果的交并比；
[0021]通过交并比构造代价矩阵；
[0022]基于代价矩阵，采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和 YOLOX模型的检测结果进行匹配，匹配结果为目标轨迹。
[0023]进一步的，根据匹配结果确定公交客流，具体包括：
[0024]设置计数区域；计数区域为乘客上下公交的区域；
[0025]根据目标轨迹与计数区域的位置关系，确定客流量。
[0026]本专利技术还提供了一种基于RGB图像的公交客流检测系统，所述系统包括：
[0027]视频流获取模块，用于获取乘客上下公交的视频流；视频流包括多帧图像；
[0028]预测模块，用于对于第K帧图像，通过预测第K
‑
1帧图像的卡尔曼滤波器的参数预测第K帧图像中的目标位置，得到卡尔曼滤波器的预测结果；
[0029]图像生成模块，用于对于第K帧图像，基于卡尔曼滤波器的预测结果和第K帧图像生成待预测图像；
[0030]检测模块，用于将待预测图像输入至训练好的YOLOX模型中，得到 YOLOX模型的检测结果；
[0031]匹配模块，用于采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和 YOLOX模型的检测结果进行匹配；
[0032]确定模块，用于根据匹配结果确定公交客流。
[0033]进一步的，YOLOX模型包括卷积层、CSPDarknet层、PAFPN层以及HEAD 层；卷积层为卷积核大小为2，步距为2的普通卷积层。
[0034]进一步的，所述图像生成模块包括：
[0035]掩膜生成单元，用于将卡尔曼滤波器的预测结果生成目标位置掩膜；
[0036]叠加单元，用于将目标位置掩膜和第K帧图像按照不同权重进行叠加生成待预测图像。
[0037]进一步的，所述匹配模块包括：
[0038]计算单元，用于计算卡尔曼滤波器的预测结果和YOLOX模型的检测结果的交并比；
[0039]构造单元，用于通过交并比构造代价矩阵；
[0040]匹配单元，用于基于代价矩阵，采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和YOLOX模型的检测结果进行匹配，匹配结果为目标轨迹。
[0041]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0042]本专利技术提出的基于RGB图像的公交客流检测方法，通过获取乘客上下公交的视频流，对于第K帧图像，通过预测第K
‑
1帧图像的卡尔曼滤波器的参数预测第K帧图像中的目标位置，得到卡尔曼滤波器的预测结果；对于第K 帧图像，基于卡尔曼滤波器的预测结果和第K帧图像生成待预测图像；将待预测图像输入至训练好的YOLOX模型中，得到YOLOX模型的检测结果；采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和YOLOX模型的检测结果进行匹配；根据匹配结果确定公交客流。本专利技术使用彩色图像进行客流量的检测，成本低，不需要昂贵的深度相机，甚至可以使用公交车现有的监控视频；本专利技术将卡尔曼滤波器预测的结果叠加原图输入YOLOX模型进行检测，提高了YOLOX模型的检测精度，保证了公交客流量的准确性。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RGB图像的公交客流检测方法，其特征在于，该方法包括：获取乘客上下公交的视频流；视频流包括多帧图像；对于第K帧图像，通过预测第K
‑
1帧图像的卡尔曼滤波器的参数预测第K帧图像中的目标位置，得到卡尔曼滤波器的预测结果；对于第K帧图像，基于卡尔曼滤波器的预测结果和第K帧图像生成待预测图像；将待预测图像输入至训练好的YOLOX模型中，得到YOLOX模型的检测结果；采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和YOLOX模型的检测结果进行匹配；根据匹配结果确定公交客流。2.根据权利要求1的基于RGB图像的公交客流检测方法，其特征在于，对于第一帧图像，直接通过训练好的YOLOX模型进行目标位置的检测。3.根据权利要求1的基于RGB图像的公交客流检测方法，其特征在于，YOLOX模型包括卷积层、CSPDarknet层、PAFPN层以及HEAD层；卷积层为卷积核大小为2，步距为2的普通卷积层。4.根据权利要求1的基于RGB图像的公交客流检测方法，其特征在于，对于第K帧图像，基于卡尔曼滤波器的预测结果和第K帧图像生成待预测图像，具体包括：将卡尔曼滤波器的预测结果生成目标位置掩膜；将目标位置掩膜和第K帧图像按照不同权重进行叠加生成待预测图像。5.根据权利要求1的基于RGB图像的公交客流检测方法，其特征在于，采用Kuhn
‑
Munkres算法对于卡尔曼滤波器的预测结果和YOLOX模型的检测结果进行匹配，具体包括：计算卡尔曼滤波器的预测结果和YOLOX模型的检测结果的交并比；通过交并比构造代价矩阵；基于代价矩阵，采用Kuhn
‑
Munkres算法对卡尔曼滤波器的预测结果和YOLOX模型的检测结果进行匹配，匹配结果为目标轨迹。6.根据权利要求5的基于RGB图像的公交客...

【专利技术属性】
技术研发人员：张维忠，刘晓雷，张弛，张宏峰，袁翠梅，
申请(专利权)人：青岛点之云智能科技有限公司，
类型：发明
国别省市：