公交车拥挤度检测方法、装置及系统制造方法及图纸

本申请涉及一种公交车内拥挤度检测方法，包括：获取公交车内的前向通道图像和后向通道图像；将前向通道图像和后向通道图像分别输入到拥挤度检测网络模型中，输出前向通道人数密度分布以及后向通道人数密度分布；根据前向通道人数密度分布以及后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值；基于前向通道人数估计值和后向通道人数估计值，确定公交车内的估计人数；根据估计人数和拥挤度评价标准，确定公交车内的拥挤度。本申请能够在较小的流量费用的情况下实现公交车内拥挤度的准确检测，为公交车辆的调度提供数据支撑，方便公众随时掌握车内拥挤度状况，大大提升出行体验，应用前景广阔。应用前景广阔。应用前景广阔。

【技术实现步骤摘要】
公交车拥挤度检测方法、装置及系统


[0001]本申请涉及图像处理
，具体地，涉及一种公交车拥挤度检测方法、装置及系统。

技术介绍

[0002]公交车具有运载量大、运送效率高、能耗低、污染相对较小、平均运输成本低等优点，大力发展公交车是缓解城市道路交通压力的有效途径。近年来，各个城市都加大了公交智能化系统的投入，通过安装GPS、摄像头等设备，实时采集公交车的运行状态，帮助管理者随时了解车辆状况，提升运维效率，同时能够为乘客提供的车内拥挤度信息，以便合理地选择交通工具，减少盲目等车时间。
[0003]当前，公交车内拥挤度检测从技术上分主要有基于传感器的和基于图像识别的，基于传感器的方法在人少时精度较高，能够准确检测出客流的数量，但在人多时精度较差，并且成本比较高；基于图像的方法在人多时检测准确性较低。

技术实现思路

[0004]为了克服现有技术中的至少一个不足，本申请实施例提供一种公交车拥挤度检测方法、装置及系统。
[0005]第一方面，本申请实施例提供一种公交车内拥挤度检测方法，包括：
[0006]获取公交车内的前向通道图像和后向通道图像；
[0007]将前向通道图像和后向通道图像分别输入到拥挤度检测网络模型中，输出前向通道人数密度分布以及后向通道人数密度分布；
[0008]根据前向通道人数密度分布以及后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值；
[0009]基于前向通道人数估计值和后向通道人数估计值，确定公交车内的估计人数；r/>[0010]根据估计人数和拥挤度评价标准，确定公交车内的拥挤度。
[0011]在一个实施例中，根据前向通道人数密度分布以及后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值，包括：
[0012]对前向通道人数密度分布和后向通道人数密度分布分别进行积分，得到前向通道人数估计值和后向通道人数估计值。
[0013]在一个实施例中，基于前向通道人数估计值和后向通道人数估计值，确定公交车内的估计人数，可以采用以下公式确定：
[0014]R＝αN
a
+βN
b
[0015]其中，N
a
为前向通道人数估计值，N
b
为后向通道人数估计值，R为公交车内的估计人数，α为前向通道估计系数，β为后向通道估计系数。
[0016]在一个实施例中，拥挤度检测网络模型为深度神经网络模型，包括三列不同尺度的卷积网络，每列卷积网络包括依次连接的四个第一卷积层、一个池化层、拼接层和四个第
二卷积层。
[0017]第二方面，本申请实施例提供一种公交车内拥挤度检测装置，包括：
[0018]图像获取模块，用于获取公交车内的前向通道图像和后向通道图像；
[0019]人数密度分布输入模块，用于将前向通道图像和后向通道图像分别输入到拥挤度检测网络模型中，输出前向通道人数密度分布以及后向通道人数密度分布；
[0020]人数估计值确定模块，用于根据前向通道人数密度分布以及后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值；
[0021]估计人数确定模块，用于基于前向通道人数估计值和后向通道人数估计值，确定公交车内的估计人数；
[0022]拥挤度确定模块，用于根据估计人数和拥挤度评价标准，确定公交车内的拥挤度。
[0023]在一个实施例中，人数估计值确定模块，还用于：
[0024]对前向通道人数密度分布和后向通道人数密度分布分别进行积分，得到前向通道人数估计值和后向通道人数估计值。
[0025]第三方面，本申请实施例提供一种公交车内拥挤度检测系统，包括车载端、云平台端、调度端和手机端，其中，
[0026]车载端用于获取公交车内的图像和公交车的运行位置信息，公交车内的图像包括前向通道图像和后向通道图像；车载端还用于将公交车内的图像和公交车的运行位置信息传输到云平台端；
[0027]云平台端用于将前向通道图像和后向通道图像分别输入到拥挤度检测网络模型中，输出前向通道人数密度分布以及后向通道人数密度分布；根据前向通道人数密度分布以及后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值；基于前向通道人数估计值和后向通道人数估计值，确定公交车内的估计人数；根据估计人数和拥挤度评价标准，确定公交车内的拥挤度；云平台端还用于将公交车内的图像、公交车的运行位置信息和公交车内的拥挤度发送至调度端和手机端；
[0028]调度端用于根据公交车内的图像、公交车的运行位置信息和公交车内的拥挤度对车辆进行调度；
[0029]手机端用于查询并显示公交车内的图像、公交车的运行位置信息和公交车内的拥挤度。
[0030]在一个实施例中，云平台端每个设定时间向车载端发送图像采集指令，以获取公交车内的图像。
[0031]相对于现有技术而言，本申请具有以下有益效果：本申请能够在较小的流量费用的情况下实现公交车内拥挤度的准确检测，为公交车辆的调度提供数据支撑，方便公众随时掌握车内拥挤度状况，大大提升出行体验，应用前景广阔。
附图说明
[0032]本申请可以通过参考下文中结合附图所给出的描述而得到更好的理解，附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分。在附图中：
[0033]图1示出了根据本申请实施例的公交车内拥挤度检测系统的结构框图；
[0034]图2示出了根据本申请实施例的公交车内拥挤度检测方法的流程框图；
[0035]图3示出根据本申请实施例的拥挤度检测网络模型的示意图；
[0036]图4示出了根据本申请实施例的公交车内拥挤度检测装置的结构框图。
具体实施方式
[0037]在下文中将结合附图对本申请的示例性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施例的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中可以做出很多特定于实施例的决定，以便实现开发人员的具体目标，并且这些决定可能会随着实施例的不同而有所改变。
[0038]在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本申请，在附图中仅仅示出了与根据本申请的方案密切相关的装置结构，而省略了与本申请关系不大的其他细节。
[0039]应理解的是，本申请并不会由于如下参照附图的描述而只限于所描述的实施形式。在本文中，在可行的情况下，实施例可以相互组合、不同实施例之间的特征替换或借用、在一个实施例中省略一个或多个特征。
[0040]图1示出了根据本申请实施例的公交车内拥挤度检测系统的结构框图。系统包括车载端、云平台端、调度端和手机端，其中，车载端为公交车载智能调度终端，包括有第一车载摄像头A、第二车载摄像头B、车载终端C，第一车载摄像头A安装在公交车前端顶部，从前往后拍摄车内图像，即前向通道图像Pic
a
，第二车载摄像头B安装在公交车后端顶部，从后往前拍摄本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公交车内拥挤度检测方法，其特征在于，包括：获取公交车内的前向通道图像和后向通道图像；将所述前向通道图像和所述后向通道图像分别输入到拥挤度检测网络模型中，输出前向通道人数密度分布以及后向通道人数密度分布；根据所述前向通道人数密度分布以及所述后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值；基于所述前向通道人数估计值和所述后向通道人数估计值，确定所述公交车内的估计人数；根据所述估计人数和拥挤度评价标准，确定所述公交车内的拥挤度。2.如权利要求1所述的方法，其特征在于，其中，根据所述前向通道人数密度分布以及所述后向通道人数密度分布确定前向通道人数估计值和后向通道人数估计值，包括：对所述前向通道人数密度分布和所述后向通道人数密度分布分别进行积分，得到所述前向通道人数估计值和所述后向通道人数估计值。3.如权利要求1所述的方法，其特征在于，其中，基于所述前向通道人数估计值和所述后向通道人数估计值，确定所述公交车内的估计人数，可以采用以下公式确定：R＝αN
a
+βN
b
其中，N
a
为前向通道人数估计值，N
b
为后向通道人数估计值，R为公交车内的估计人数，α为前向通道估计系数，β为后向通道估计系数。4.如权利要求1所述的方法，其特征在于，其中，所述拥挤度检测网络模型为深度神经网络模型，包括三列不同尺度的卷积网络，每列所述卷积网络包括依次连接的四个第一卷积层、一个池化层、拼接层和四个第二卷积层。5.一种公交车内拥挤度检测装置，其特征在于，包括：图像获取模块，用于获取公交车内的前向通道图像和后向通道图像；人数密度分布输入模块，用于将所述前向通道图像和所述后向通道图像分别输入到拥挤度检测网络模型中，输出前向通道人数密度分布以及后向通道人数密度分布；人数估计值确定模...

【专利技术属性】
技术研发人员：颜建强，
申请(专利权)人：西北大学，
类型：发明
国别省市：