[發(fā)明專利]一種基于軌道交通列車的客流密度檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 201810917522.6
• 申請日: 2018-08-13
• 公開（公告）號: CN109241858A
• 公開（公告）日: 2019-01-18
• 發(fā)明（設(shè)計）人: 宋旭軍;楊智;陳明;李騰;喻堅華;文小勇;董卓
• 申請（專利權(quán)）人: 湖南信達(dá)通信息技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京輕創(chuàng)知識產(chǎn)權(quán)代理有限公司 11212
• 代理人: 吳東勤

本發(fā)明涉及一種基于軌道交通列車的客流密度檢測方法及裝置，所述方法包括：S1：從不同的車廂內(nèi)收集車廂圖像；S2：將收集到的圖像分成訓(xùn)練集和測試集，并通過像素點對所述訓(xùn)練集和所述測試集中的每張圖像的人體面部/頭部信息進行標(biāo)注；S3：通過高斯核函數(shù)對標(biāo)注后的圖像中的人體面部/頭部信息進行高斯濾波，得到人體面部/頭部特征數(shù)據(jù)；S4：向由卷積神經(jīng)網(wǎng)絡(luò)模型組成的深度學(xué)習(xí)模型中輸入所述訓(xùn)練集中的所述人體面部/頭部特征數(shù)據(jù)，經(jīng)過訓(xùn)練得到訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型；S5：將所述測試集中的人體面部/頭部特征數(shù)據(jù)輸入到所述訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型，以輸出車廂圖像的客流密度圖。

技術(shù)領(lǐng)域

本發(fā)明涉及密度數(shù)據(jù)檢測技術(shù)領(lǐng)域，尤其涉及一種基于軌道交通列車的客流密度檢測方法及裝置。

背景技術(shù)

地鐵大大方便了人們的出行，針對上下班時間段及節(jié)假日乘客流量劇增，為了合理利用地鐵車廂的資源，提高乘客的出行體驗感，應(yīng)實時檢測出每一節(jié)車廂的客流人數(shù)，方便提示乘客在哪一節(jié)車廂站臺候車更合理更舒適。目前，針對行人檢測主要由傳統(tǒng)局部特征比如方向梯度直方圖(HOG)、局部二值特征(LBP)、harr小波等與傳統(tǒng)的分類器相結(jié)合，比如支持向量機(SVM)。HOG與SVM相結(jié)合在行人檢測方面已經(jīng)取得巨大成功，但在地鐵車廂環(huán)境下，乘客身體的遮擋嚴(yán)重影響乘客身體的局部特征提取，進而導(dǎo)致分類器無法訓(xùn)練。另外一種區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(RCNN、Fast-Rcnn、Faster-Rcnn)系列，這種算法大致是通過提取并學(xué)習(xí)圖像的區(qū)域特征對圖像進行檢測識別，在車廂不是很擁擠的情況下，這種算法通過小方框?qū)θ梭w面部/頭部檢測計算人數(shù)有較好的精度。但是，當(dāng)車廂很擁擠時，部分人體面部/頭部被遮擋時，RCNN中的區(qū)域框會容易漏檢被遮擋的部分人體面部/頭部，造成算法的精度急劇下降，并且RCNN算法效率較低，不易用于實際應(yīng)用。YOLO算法由于其測試速度已經(jīng)用于生產(chǎn)應(yīng)用，但在人體面部/頭部檢測方面精度過低。

發(fā)明內(nèi)容

本發(fā)明針對目前的技術(shù)問題，提供了一種基于軌道交通列車的客流密度檢測方法及裝置。該方法解決了采用現(xiàn)有技術(shù)的算法精度較低，效率低不易于實際應(yīng)用的技術(shù)問題。

第一方面，本發(fā)明提供了一種基于軌道交通列車的客流密度檢測方法，包括：

S1：從不同的車廂內(nèi)收集車廂圖像；

S2：將收集到的圖像分成訓(xùn)練集和測試集，并通過像素點對所述訓(xùn)練集和所述測試集中的每張圖像的人體面部/頭部信息進行標(biāo)注；

S3：通過高斯核函數(shù)對標(biāo)注后的圖像中的人體面部/頭部信息進行高斯濾波，得到人體面部/頭部特征數(shù)據(jù)；

S4：向由卷積神經(jīng)網(wǎng)絡(luò)模型組成的深度學(xué)習(xí)模型中輸入所述訓(xùn)練集中的所述人體面部/頭部特征數(shù)據(jù)，經(jīng)過訓(xùn)練得到訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型；

S5：將所述測試集中的人體面部/頭部特征數(shù)據(jù)輸入到所述訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型，以輸出車廂圖像的客流密度圖。

進一步，所述步驟S1之后還包括：

對收集到的所述車廂圖像進行像素調(diào)整的預(yù)處理。

進一步，經(jīng)過所述預(yù)處理后的所述車廂圖像為1280*720像素的車廂圖像。

進一步，所述步驟S5之后還包括：

通過回歸統(tǒng)計得到車廂中的總?cè)藬?shù)。

第二方面，本發(fā)明公開了一種基于軌道交通列車的客流密度檢測裝置，包括：

收集模塊，用于從不同的車廂內(nèi)收集車廂圖像；

標(biāo)注模塊，用于將收集到的圖像分成訓(xùn)練集和測試集，并通過像素點對所述訓(xùn)練集和所述測試集中的每張圖像的人體面部/頭部信息進行標(biāo)注；

高斯濾波模塊，用于通過高斯核函數(shù)對標(biāo)注后的圖像中的人體面部/頭部信息進行高斯濾波，得到人體面部/頭部特征數(shù)據(jù)；