[發(fā)明專利]一種基于TOF相機(jī)的客流計(jì)數(shù)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710850191.4
• 申請(qǐng)日: 2017-09-20
• 公開（公告）號(hào): CN107563347B
• 公開（公告）日: 2019-12-13
• 發(fā)明（設(shè)計(jì)）人: 李軍;林堅(jiān);曹文強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 南京行者易智能交通科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于TOF相機(jī)的客流計(jì)數(shù)方法，其特征在于包括以下步驟：

(1)獲取深度圖像：將TOF相機(jī)安裝在公交車前后門的正上方，拍攝方向垂直于公交車廂底面，并接入車輛開關(guān)門信號(hào)，接通電源，當(dāng)公交車門開啟時(shí)，TOF相機(jī)拍攝車內(nèi)深度圖像，并通過相機(jī)內(nèi)的CMOS模塊獲取彩色圖像；

(2)將深度圖像中低于高度閾值H的像素全部過濾，將過濾的像素的值置為0，高于高度閾值H的像素保留，并將保留的像素的值置為255，這樣獲取了一幅掩碼圖像；

(3)對(duì)掩碼圖像進(jìn)行形態(tài)學(xué)處理，包括腐蝕和膨脹操作；

(4)對(duì)掩碼圖像進(jìn)行輪廓提取操作，并對(duì)每個(gè)輪廓取出外接矩形，深度圖像對(duì)應(yīng)的彩色圖像中外接矩形區(qū)域?qū)?yīng)的圖像區(qū)域即稱為檢測候選區(qū)域；

(5)使用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的乘客頭部檢測模型，對(duì)彩色圖像的每一塊檢測候選區(qū)域進(jìn)行檢測，定位出乘客頭部的位置，所述乘客頭部檢測模型是通過深度神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練出的模型，訓(xùn)練樣本包括一定數(shù)量的通過將相機(jī)安裝在公交車前后門的正上方，拍攝方向垂直于公交車廂底面，拍攝所得到的彩色圖片；

(6)對(duì)檢測出的每一個(gè)乘客頭部，進(jìn)行跟蹤，對(duì)于當(dāng)前彩色幀，如果在使用KCF跟蹤算法跟蹤到的位置附近，所述乘客頭部檢測模型沒有檢測到乘客的頭部，則使用KCF的跟蹤結(jié)果作為當(dāng)前幀乘客頭部的位置，如果在使用KCF跟蹤算法跟蹤到的位置附近，所述乘客頭部檢測模型檢測到乘客的頭部，則將KCF跟蹤算法所得到的位置作為預(yù)測值，所述乘客頭部檢測模型檢測到的位置作為觀察值，使用卡爾曼濾波算法結(jié)合預(yù)測值和觀察值確定出當(dāng)前幀乘客頭部的位置；

(7)進(jìn)行上下車統(tǒng)計(jì)，實(shí)現(xiàn)客流計(jì)數(shù)，在跟蹤的過程中，對(duì)于一個(gè)乘客頭部目標(biāo)，如果連續(xù)m幀沒有出現(xiàn)觀察值，則放棄此目標(biāo)的跟蹤；對(duì)于跟蹤結(jié)束的乘客頭部，如果其持續(xù)時(shí)間超過n幀，開始和結(jié)束的位置偏移量超過預(yù)先設(shè)定的閾值，則形成了一個(gè)有效的計(jì)數(shù)；根據(jù)開始和結(jié)束的位置，確定出該名乘客是上車還是下車，實(shí)現(xiàn)客流計(jì)數(shù)。

2.如權(quán)利要求1所述的一種基于TOF相機(jī)的客流計(jì)數(shù)方法，所述腐蝕操作，以每一個(gè)像素的坐標(biāo)點(diǎn)(x，y)為中心，計(jì)算5*5窗口中的最小值，公式為：

所述膨脹操作，以每一個(gè)像素的坐標(biāo)點(diǎn)(x，y)為中心，計(jì)算5*5窗口中的最大值，公式為：

其中(x，y)為坐標(biāo)點(diǎn)，(x’，y’)為以(x，y)為中心原點(diǎn)的坐標(biāo)值。

3.如權(quán)利要求1所述的一種基于TOF相機(jī)的客流計(jì)數(shù)方法，所述m為5，所述n為10。

4.如權(quán)利要求1-3任一項(xiàng)所述的一種基于TOF相機(jī)的客流計(jì)數(shù)方法，所述步驟(4)中對(duì)每個(gè)輪廓取出的外接矩形根據(jù)矩形大小首先進(jìn)行篩選。