【技术实现步骤摘要】
本专利技术涉及智能交通，尤其涉及一种基于图像识别的客运枢纽排队时长预测系统。
技术介绍
1、随着交通运输行业的快速发展，客运枢纽的客流量日益增长，乘客排队等待的问题也愈发突出。其中，对客运枢纽排队时长的预测成为提升服务质量的关键环节。通过预测排队时长，客运枢纽可以更好地进行资源调度，优化服务流程，提高乘客的出行体验。
2、中国专利公开号为cn114565128a的专利文献公开了一种基于图像识别的客运枢纽出租车乘客排队时间预测方法，该方法包括以下步骤：步骤1，将预测的时间划分成t个时间小区间[t1，t2...ti-1，ti]；步骤2，获取第i个时间区间内出租车候车区乘客的平均到达率λi；步骤3，获取第i个时间区间内出租车的平均服务率μi及单位时间内能够提供服务的服务台数量gi；步骤4，判别蓄车场出租车车辆数信息t，计算出租车总运力tt；步骤5，判断出租车运力是否充足；步骤6，依据排队论模型，估计出租车候车区乘客排队时间。
3、现有技术中对于客运枢纽排队时长预测以大量历史数据为基础，通过分析历史数据，预测模型找出排队时长的变化规律，对未来的排队时长进行预测，仅依赖历史数据无法准确预测未来的时长趋势变化，使得时长预测结果滞后。
技术实现思路
1、为此，本专利技术提供一种基于图像识别的客运枢纽排队时长预测系统，通过采集当前排队通道的人员分布和天气信息、实时采集标识人员的移动速度和实时采集目标乘客的移动速度，对历史通过时长进行逐步校准更新可以解决客运枢纽排队时长预测的
2、为实现上述目的，本专利技术提供一种基于图像识别的客运枢纽排队时长预测系统，包括：
3、数据获取模块，用以通过历史数据库获取任一排队通道的历史通过时长；
4、数据分析模块，与所述数据获取模块连接，用以通过对任一所述排队通道的人员分布信息和客运枢纽外部的天气信息进行采集，通过所述人员分布信息和天气信息对所述历史通过时长进行校正，获取第一通过时长；
5、校准模块，与所述数据分析模块连接，用以采集任意排队通道中任意标识人员的实际移动速度，对所述第一通过时长进行校准，获取第二通过时长；
6、确定模块，与所述校准模块连接，根据目标乘客的发车时刻和所述第二通过时长确定推荐通道；
7、更新模块，与所述确定模块连接，用以对所述推荐通道中所述目标乘客的目标移动速度进行实时采集，以根据所述目标移动速度对所述第二通过时长进行更新，获取最终预测时长。
8、进一步地，所述数据分析模块包括人员采集单元、天气采集单元和第一获取单元，其中，
9、所述人员采集单元用以通过图像采集设备获取任意排队通道的人员图像，对若干所述人员图像进行分析，判断人员分布情况，根据所述人员分布情况获取人员校准参数；
10、所述天气采集单元用以确定客运枢纽外部的实际天气恶劣等级，根据所述实际天气恶劣等级获取天气校准参数；
11、所述第一获取单元，与所述人员采集单元和所述天气采集单元连接，用以根据所述人员校准参数和天气校准参数对所述历史通过时长进行校准，获取第一通过时长。
12、进一步地，所述校准模块包括图像采集单元、图像分析单元和速度校准单元，其中，
13、所述图像采集单元用以通过图像采集设备对所述标识人员的移动过程进行采集，获取移动视频，将所述移动视频中连续的帧图像进行提取，获取若干移动图像；
14、所述图像分析单元，与所述图像采集单元连接，用以提取若干所述移动图像中所述标识人员的边缘轮廓特征，确定所述标识人员的边缘轮廓特征上的目标点，根据若干所述目标点对所述标识人员进行运动轨迹拟合；
15、所述速度校准单元，与所述图像分析单元连接，用以根据所述运动轨迹获取所述标识人员的实际移动速度，根据所述实际移动速度计算速度修正系数，根据所述速度修正系数对所述第一通过时长进行校准。
16、进一步地，所述人员采集单元包括人员采集子单元、人员分析子单元和人员计算子单元，其中，
17、所述人员采集子单元用以通过图像采集设备获取任意所述排队通道中的若干形态图像；
18、所述人员分析子单元，与所述人员采集子单元连接，用以对若干所述形态图像进行分析，提取若干所述形态图像中边缘轮廓特征，通过若干所述边缘轮廓特征识别所述排队通道中老人数量、孩童数量和携带大件物品的乘客的数量；
19、所述人员计算子单元，与所述人员分析子单元连接，用以根据所述排队通道中所述老人数量、所述孩童数量和所述携带大件物品的乘客的数量进行计算获取人员校准参数。
20、进一步地，所述人员分析子单元通过判断所述边缘轮廓的弯曲度和高度对老人和孩童进行识别，通过识别所述边缘轮廓中物体边缘轮廓的区域面积对携带大件物品的乘客进行识别。
21、进一步地，所述图像分析单元包括目标确定子单元和拟合子单元，其中，
22、所述目标确定子单元用以通过边缘检测算法获取所述移动图像中所述标识人员的边缘轮廓特征，确定所述标识人员的边缘轮廓特征的中心点作为所述目标点；
23、所述拟合子单元，与所述目标确定子单元连接，用以将相邻的帧图像之间的目标点进行相连，获取所述标识人员的运动轨迹。
24、进一步地，所述速度校准单元包括速度计算子单元和时长校准子单元，其中，
25、所述速度计算子单元用以通过计算所述运动轨迹相邻的帧图像两点间的距离值除以所述相邻的帧图像间的时间间隔，获取所述标识人员的实际运动速度；
26、所述时长校准子单元，与所述速度计算子单元连接，根据所述实际移动速度与预设移动速度进行比较，根据比较结果计算速度修正系数，根据所述速度修正系数对所述第一通过时长进行校准。
27、进一步地，所述确定模块包括时长计算单元和选择单元，其中，
28、所述时长计算单元用以根据所述目标乘客的发车时刻计算预设等待时长；
29、所述选择单元，与所述时长计算单元连接，用以将若干排队通道对应的第二通过时长进行由小到大排序，获取时长序列，将所述时长序列中小于所述预设等待时长的第二通过时长对应的排队通道进行标记，选取排序第一的作为推荐通道。
30、进一步地，所述更新模块包括速度采集单元和更新单元，其中，
31、所述速度采集单元用以通过图像采集设备采集包含目标乘客和目标物体的若干图像，对若干所述图像进行分析，获取若干所述图像中的若干目标乘客轮廓和若干目标物体轮廓，根据若干所述目标乘客轮廓和若干所述目标物体轮廓间的距离变化值计算所述目标乘客的目标移动速度；
32、所述更新单元，与所述速度采集单元连接，用以将所述目标乘客的目标移动速度与所述预设移动速度进行比较，根据比较结果计算更新参数，根据更新参数对所述第二通过时长进行更新，获取最终预测时长。
33、进一步地，所述数据获取模块包括建立单元和历史时长获取单元，其中，
<本文档来自技高网...【技术保护点】
1.一种基于图像识别的客运枢纽排队时长预测系统，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述数据分析模块包括人员采集单元、天气采集单元和第一获取单元，其中，
3.根据权利要求2所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述校准模块包括图像采集单元、图像分析单元和速度校准单元，其中，
4.根据权利要求3所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述人员采集单元包括人员采集子单元、人员分析子单元和人员计算子单元，其中，
5.根据权利要求4所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述人员分析子单元通过判断所述边缘轮廓的弯曲度和高度对老人和孩童进行识别，通过识别所述边缘轮廓中物体边缘轮廓的区域面积对携带大件物品的乘客进行识别。
6.根据权利要求5所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述图像分析单元包括目标确定子单元和拟合子单元，其中，
7.根据权利要求6所述的基于图像识别的客运枢纽排队时长预
8.根据权利要求7所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述确定模块包括时长计算单元和选择单元，其中，
9.根据权利要求8所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述更新模块包括速度采集单元和更新单元，其中，
10.根据权利要求9所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述数据获取模块包括建立单元和历史时长获取单元，其中，
...【技术特征摘要】
1.一种基于图像识别的客运枢纽排队时长预测系统，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述数据分析模块包括人员采集单元、天气采集单元和第一获取单元，其中，
3.根据权利要求2所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述校准模块包括图像采集单元、图像分析单元和速度校准单元，其中，
4.根据权利要求3所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述人员采集单元包括人员采集子单元、人员分析子单元和人员计算子单元，其中，
5.根据权利要求4所述的基于图像识别的客运枢纽排队时长预测系统，其特征在于，所述人员分析子单元通过判断所述边缘轮廓的弯曲度和高度对老人和孩童进行识别，通过识别所述边缘轮廓中物体边缘轮廓的区域...
【专利技术属性】
技术研发人员：柴娇龙，陈肃薇，李歆童，高润鸿，孙宇星，刘治伸，翁剑成，邱刚，郭丹，石少丹，王元龙，王宇，周博宇，董玉强，石佳，陈晓，
申请(专利权)人：北京市运输事业发展中心，
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。