【技术实现步骤摘要】
本专利技术涉及城市轨道交通，具体涉及一种基于监控视频的城市轨道交通车站火灾智能疏散方法。
技术介绍
1、城市轨道交通车站内部设施设备较多，结构复杂；并且大部分车站位于地下，空间相对封闭；同时，车站作为客流集散地，承载了大量客流。因此，一旦发生火灾等安全事故，科学合理的快速疏散方案是保证车站乘客出行安全的重要保证。
2、目前关于地铁站火灾疏散技术主要存在以下几个问题：(1)未能在疏散路径规划中综合考虑火灾信息、人群分布信息以及出口通过效率等信息。(2)路径规划算法主要偏向理论研究，针对实际应用考虑较少。目前的地铁站火灾疏散路径规划算法研究大多停留在理论层面，未充分考虑实际应用场景的需求。(3)大部分技术应用成本较高，没有充分利用地铁站现有硬件设施。地铁站通常安装有摄像头、导向标识、安全门等硬件设施，但这些设施在现有的智能疏散技术中很少得到充分利用。
技术实现思路
1、本专利技术旨在提供一种基于监控视频的城市轨道交通车站火灾智能疏散方法，用于解决以上问题。
2、本专利技术的技术方案是：一种基于监控视频的城市轨道交通车站火灾智能疏散方法，包括如下步骤：
3、s1，火场信息获取：使用对象识别技术(you only look once)识别火场信息，使用畸变校正与相机标定原理获取火灾和障碍的位置，据此构建疏散空间拓扑模型；
4、s2，a*和蚁群算法融合：采用a*算法对蚁群的初始信息素浓度进行调整，使寻路模型精细；
5、s3，疏散路径
6、优选地，步骤s1的具体步骤包括：
7、s11，火场信息识别：基于对象识别技术实现对火场内火灾信息以及人员信息的获取，其中，人员信息获取流程包括：首先利用车站摄像头获取视频数据输入，将视频数据进行网格化处理，利用卷积神经网络，建立人群识别先验框和目标分类概率图，然后进行行人检测，同时控制摄像头的移动进行行人跟踪；
8、s12，目标位置获取：基于畸变矫正模型获取火灾的空间位置信息；目标空间位置获取流程是首先对视频成像过程中产生的畸变进行校正，然后利用相机标定原理得到摄像头标定的世界坐标系下的世界坐标，最后构建疏散空间拓扑模型，计算目标在现实场景中的坐标；
9、s13，疏散空间拓扑模型构建：以现实场地的某个地点为坐标原点，将检测目标在摄像头标定坐标中的位置转换成现实场景坐标中的位置，准确地表达出目标在该场景中的位置。
10、优选地，s11具体包括：
11、具体的火场信息识别为：
12、从视频数据中提取个人动态位置和轨迹进行人员检测和跟踪，选用头部检测的方法，与高密度人群场景进行匹配；利用yolo(you only look once)和deep sort(simpleonline and realtime tracking with a deep association metric)技术，建立一个人群头部检测+跟踪框架；
13、具体为：利用头部检测方法和yolo算法进行人群检测，再结合deep sort算法实现人群跟踪，能够从人群图像中提取个体动态信息，实现精准的人员检测与追踪，然后采用畸变校正模型，调整摄像机参数，实现人群图像的投影展示，并根据相机标定原理获取目标的空间位置信息；考虑到视频中人物的移动会导致同一个体的追踪id发生变更，需计算视频中行人轨迹的轨迹向量来预测行人接下来的移动轨迹，以预测轨迹和视频中行人的实际轨迹作为输入，通过io匹配方法，将特征相似度满足预定义阈值的人设置为匹配的人，以此实现对同一个体的连续追踪；
14、将检测到的边框、相应的置信度信息输入到deep sort模块，在下一个时间点，新的检测结果被输入，判断预测的轨迹与新的检测结果是否相匹配；为了进行匹配，根据预测的卡尔曼轨迹和新检测的轨迹之间的运动情况和外观特征的相似性，求得加权相似度；利用匈牙利算法这一组合优化算法，输入加权相似度以得到一个匹配矩阵，有助于提高对因部分遮挡而减弱的鲁棒性。
15、优选地，s12具体包括：
16、s121，畸变校正模型；
17、视频成像过程中会产生图像畸变，在火灾位置坐标换算前先对坐标进行修正；综合考虑相机的切向畸变和径向畸变，得到畸变校正模型见式(1)：
18、
19、其中，等式左侧为修正后的坐标；右侧前半部分为径向畸变模型，右侧后半部分为切向畸变模型；xw、yw为火灾位置坐标，xwcorrected、ywcorrected为修正后坐标，参数k1，k2，k3，p1，p2来自标定的畸变系数；
20、s122，基于相机标定原理反算坐标系，将图像像素坐标转换为世界坐标，以获取目标位置；具体包括：
21、相机标定过程中涉及到四个坐标系：世界坐标系ow、相机坐标系oc、图像物理坐标系和图像像素坐标系；对于针孔相机，使用两个参数集，即相机外部内参和相机内部外参，将实际场景中的一个坐标转化为图像帧中的像素坐标；其中，外部参数实现从世界坐标系到相机坐标系的转换，内部参数实现从相机坐标到图像帧中的像素坐标系的转换；
22、外部参数包括旋转矩阵r和平移向量t；旋转矩阵描述了摄像机相对于世界坐标系的三个坐标轴的旋转信息；平移向量描述了摄像机光学中心相对于世界坐标系原点的平移信息；
23、以世界坐标系中的点pw(xw,yw,zw)为例，利用下式(2)进行转换，到相机坐标系中即为点pc(xc,yc,zc)；
24、
25、点pc投影到二维图像平面中为点p(x,y)，
26、
27、再利用公式(4)，将图像坐标系中的点p转换为具有图像分辨率的pi(u,v)：
28、
29、其中，f是相机焦距；dx，dy是一个像素的长度；u0，v0是以像素为单位的光学中心；
30、将以上方程进行合并整理，即可得到由世界坐标系到像素坐标系的转换公式如下式(5)：
31、
32、其中，公式右侧第一项为相机内参矩阵，右侧第二项为相机外参矩阵，通过相机标定得到。
33、优选地，s13具体包括：
34、摄像头标定的世界坐标系和实际场景的坐标系之间会有尺度、旋转、平移的差别，这需要在坐标系之间进行转换；计算公式(2)：
35、b＝r×a+t (6)
36、其中，a为世界坐标系已知点的集合，b为实际场景已知点集合，r为旋转矩阵，t为平移向量，ai和bi是三行一列的向量，如[x y z]t；找到最佳刚性变换矩阵步骤如式(3)：
37、
38、将两个数据集带到原点，然后找到旋转矩阵r并求出平移向量t；得到协方差矩阵h的计算公式(4)：本文档来自技高网...
【技术保护点】
1.一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，包括如下步骤：
2.根据权利要求1的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，步骤S1的具体步骤包括：
3.根据权利要求2的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，S11具体包括：
4.根据权利要求2的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，S12具体包括：
5.根据权利要求2的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，S13具体包括：
6.根据权利要求1的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，步骤S2中，具体步骤包括：
7.根据权利要求1的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，步骤S3的具体步骤包括：
【技术特征摘要】
1.一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，包括如下步骤：
2.根据权利要求1的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，步骤s1的具体步骤包括：
3.根据权利要求2的一种基于监控视频的城市轨道交通车站火灾智能疏散方法，其特征在于，s11具体包括：
4.根据权利要求2的一种基于监控视频的城市轨道交通车站火灾智能疏...
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。