本申请提供一种智能运输管理系统、方法、电子设备及存储介质。系统中，第一摄像机组被定位为捕获通过站台的入口或出口进入或离开的乘客的第一视频数据；第二摄像机组被定位为捕获在站台内上车或下车的乘客的第二视频数据；数据处理中心用于分析各站台对应的第一视频数据和第二视频数据以确定对应站台内上下车的乘客数量以及出入站台的乘客数量；根据以上数据得到管理数据，管理数据包括：车辆的乘客容量信息、站台上的平均乘客数量、站台上的乘客平均等待时间和站台之间的乘客转移概率，相较于现有技术，本申请能够使用在有限数量的几个允许的位置的摄像机数据，模拟来自无处不在覆盖的虚拟摄像头的数据，以对运输系统进行有效管理。有效管理。有效管理。
【技术实现步骤摘要】
一种智能运输管理系统、方法、电子设备及存储介质
[0001]本申请涉及运输管理
，具体涉及一种智能运输管理系统、方法、电子设备及存储介质。
技术介绍
[0002]对于智能运输系统(像公共汽车、火车、地铁等，也包括车站、中转枢纽等基础设施)的管理，需要管理方掌握车辆的实时位置和移动状态，也包括车辆和站台上的乘客的实时计数及其移动状态。此类信息主要可以通过摄像机或摄像头获得。理想的情况是在车辆上和车站上尽可能多的地方部署摄像头，以便对各区域都成像并加以分析。但是，部署大量的摄像头十分昂贵，并且可能仍无法覆盖每个位置。特别地，由于法规、隐私问题和其他的要求，摄像头的部署位置通常也会受到限制。
[0003]因此，如何在允许的位置部署少数的摄像头来对运输系统进行有效管理，是本领域亟需解决的技术问题。
技术实现思路
[0004]有鉴于此，本申请提供一种智能运输管理系统、方法、电子设备及存储介质，能够使用在有限数量的几个允许的位置的摄像机数据，模拟来自无处不在覆盖的虚拟摄像头的数据，以对运输系统进行有效管理。
[0005]本申请第一方面提供一种智能运输管理系统，其特征在于，包括：数据处理中心以及在车辆途经的各站台安装的第一摄像机组和第二摄像机组；
[0006]所述第一摄像机组，其被定位为捕获通过站台的入口或出口进入或离开的乘客的第一视频数据；
[0007]所述第二摄像机组，其被定位为捕获在所述站台内上车或下车的乘客的第二视频数据；
[0008]所述数据处理中心，包括：<br/>[0009]第一处理模块，用于分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量；
[0010]第二处理模块，用于根据各站台对应的所述站台内上下车的乘客数量以及出入所述站台的乘客数量得到管理数据，所述管理数据包括：车辆的乘客容量信息、站台上的平均乘客数量、站台上的乘客平均等待时间和站台之间的乘客转移概率。
[0011]一种可能的实现方式中，所述第一处理模块分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量，包括：
[0012]基于深度学习模型分析跟踪所述第一视频数据和所述第二视频数据中的乘客，并对穿越特定的感兴趣线或感兴趣区域的乘客进行计数，得到站台内上下车的乘客数量以及出入所述站台的乘客数量。
[0013]一种可能的实现方式中，所述第一处理模块基于深度学习模型分析跟踪所述第一视频数据和所述第二视频数据中的乘客，包括：
[0014]所述第一处理模块，具体用于：
[0015]基于深度学习模型对所述第一视频数据和所述第二视频数据中的乘客进行人体检测或头部检测，以识别指定位置或区域中的所有第一乘客；
[0016]根据重新识别算法分配的标识连续跟踪检测到的第一乘客，利用在线算法验证第一乘客是否已经越过感兴趣线或感兴趣区域。
[0017]一种可能的实现方式中，所述第一处理模块根据重新识别算法分配的标识连续跟踪检测到的第一乘客，包括：
[0018]所述第一处理模块，具体用于
[0019]基于时间切片或人群热图，根据重新识别算法分配的标识连续跟踪检测到的第一乘客。
[0020]一种可能的实现方式中，所述系统还包括：在车辆途经的各站台安装的乘客指示牌；
[0021]所述乘客指示牌，用于接收并显示所述数据处理中心发送的管理数据。
[0022]本申请第二方面提供一种智能运输管理方法，包括：
[0023]获取各站台对应的通过站台的入口或出口进入或离开的乘客的第一视频数据；
[0024]获取各站台对应的在站台内上车或下车的乘客的第二视频数据；
[0025]分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量；
[0026]根据各站台对应的所述站台内上下车的乘客数量以及出入所述站台的乘客数量得到管理数据，所述管理数据包括：车辆的乘客容量信息、站台上的平均乘客数量、站台上的乘客平均等待时间和站台之间的乘客转移概率。
[0027]一种可能的实现方式中，所述分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量，包括：
[0028]基于深度学习模型分析跟踪所述第一视频数据和所述第二视频数据中的乘客，并对穿越特定的感兴趣线或感兴趣区域的乘客进行计数，得到站台内上下车的乘客数量以及出入所述站台的乘客数量。
[0029]一种可能的实现方式中，所述基于深度学习模型分析跟踪所述第一视频数据和所述第二视频数据中的乘客，包括：
[0030]基于深度学习模型对所述第一视频数据和所述第二视频数据中的乘客进行人体检测或头部检测，以识别指定位置或区域中的所有第一乘客；
[0031]根据重新识别算法分配的标识连续跟踪检测到的第一乘客，利用在线算法验证第一乘客是否已经越过感兴趣线或感兴趣区域。
[0032]本申请第三方面提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现本申请第二方面所述的方法。
[0033]本申请第四方面提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现本申请第二方面所述的方法。
[0034]相较于现有技术，本申请提供的智能运输管理系统、方法、电子设备及存储介质，第一摄像机组被定位为捕获通过站台的入口或出口进入或离开的乘客的第一视频数据；第二摄像机组被定位为捕获在所述站台内上车或下车的乘客的第二视频数据；所述数据处理中心用于分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量；根据各站台对应的所述站台内上下车的乘客数量以及出入所述站台的乘客数量得到管理数据，所述管理数据包括：车辆的乘客容量信息、站台上的平均乘客数量、站台上的乘客平均等待时间和站台之间的乘客转移概率，相较于现有技术，本申请能够使用在有限数量的几个允许的位置的摄像机数据，模拟来自无处不在覆盖的虚拟摄像头的数据，以对运输系统进行有效管理。
附图说明
[0035]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0036]图1示出了泛在虚拟摄像头技术的典型应用场景；
[0037]图2示出了本申请实施例提供的一种智能运输管理系统的示意图；
[0038]图3示出了本申请提供的一个典型站台的部署场景；
[0039]图4示出了本申请提供的整体UVC架构及其与基于AI的视频分析的关系示意图；
[0040]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能运输管理系统，其特征在于，包括：数据处理中心以及在车辆途经的各站台安装的第一摄像机组和第二摄像机组；所述第一摄像机组，其被定位为捕获通过站台的入口或出口进入或离开的乘客的第一视频数据；所述第二摄像机组，其被定位为捕获在所述站台内上车或下车的乘客的第二视频数据；所述数据处理中心，包括：第一处理模块，用于分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量；第二处理模块，用于根据各站台对应的所述站台内上下车的乘客数量以及出入所述站台的乘客数量得到管理数据，所述管理数据包括：车辆的乘客容量信息、站台上的平均乘客数量、站台上的乘客平均等待时间和站台之间的乘客转移概率。2.根据权利要求1所述的智能运输管理系统，其特征在于，所述第一处理模块分析各站台对应的所述第一视频数据和所述第二视频数据以确定对应站台内上下车的乘客数量以及出入所述站台的乘客数量，包括：基于深度学习模型分析跟踪所述第一视频数据和所述第二视频数据中的乘客，并对穿越特定的感兴趣线或感兴趣区域的乘客进行计数，得到站台内上下车的乘客数量以及出入所述站台的乘客数量。3.根据权利要求2所述的智能运输管理系统，其特征在于，所述第一处理模块基于深度学习模型分析跟踪所述第一视频数据和所述第二视频数据中的乘客，包括：所述第一处理模块，具体用于：基于深度学习模型对所述第一视频数据和所述第二视频数据中的乘客进行人体检测或头部检测，以识别指定位置或区域中的所有第一乘客；根据重新识别算法分配的标识连续跟踪检测到的第一乘客，利用在线算法验证第一乘客是否已经越过感兴趣线或感兴趣区域。4.根据权利要求3所述的智能运输管理系统，其特征在于，所述第一处理模块根据重新识别算法分配的标识连续跟踪检测到的第一乘客，包括：所述第一处理模块，具体用于基于时间切片或人群热图，根据重新识别算法分配的标识连续跟踪检测到的第一乘客。5.根据权利要求1所述的智能运输管...
【专利技术属性】
技术研发人员：王勇，谢俊清，李大维，
申请(专利权)人：杭州岱名科技有限公司，
类型：发明
国别省市：
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。