[發明專利]基于圖像處理的地鐵車內人群擁擠度檢測方法

在審

• 申請號: 201911321090.3
• 申請日: 2019-12-19
• 公開（公告）號: CN113011228A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 李韻涵
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/40;G06N3/08
• 代理公司: 西安啟誠專利知識產權代理事務所(普通合伙) 61240
• 代理人: 李艷春

本發明公開了一種基于圖像處理的地鐵車內人群擁擠度檢測方法，包括步驟：一、視頻圖像采集及傳輸；二、視頻圖像預處理；三、所述車廂人群擁擠度識別計算機將人群目標圖像輸入預先構建好的基于果蠅算法優化的BP神經網絡模型中，自動輸出人群擁擠度識別結果。本發明方法步驟簡單，實現方便且成本低，采用車廂實景檢測器獲取車廂內動態人群的視頻圖像，再采用采用基于果蠅算法優化的BP神經網絡對地鐵車廂人群擁擠程度進行預測，實現了地鐵車廂人群擁擠程度的實時預警，地鐵車內人群擁擠度檢測效率和精度高，使用效果好，便于推廣使用。

技術領域

本發明屬于圖像處理技術領域，具體涉及一種基于圖像處理的地鐵車內人群擁擠度檢測方法。

背景技術

近幾年來，隨著人們消費水平的提高，商場、超市、公交站和地鐵等地方涌現了大量的人群，對于人群數目的識別也逐漸成為了各個專家學者競相研究的內容。作為人員數目識別的關鍵技術，視頻監控分析技術的目的是利用計算機視覺技術、視頻圖像處理技術和人工智能技術對監控視頻的內容對象進行描述、分析和理解，抽象為可識別的特征，并根據得出的特征進行安全預警、實時控制等。此外，在地鐵站的應用中，實時統計地鐵車廂內等公共場所的人流量，能有效地反饋出各節車廂的擁擠程度，可用于告知下一車站的乘客以便乘客們選擇合適的車廂入口乘車，可有效地減緩車廂內部的擁擠程度。但是，現有技術中還缺乏能夠很好地應用于地鐵車內人群擁擠度檢測的方法。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于圖像處理的地鐵車內人群擁擠度檢測方法，其方法步驟簡單，實現方便且成本低，實現了地鐵車廂人群擁擠程度的實時預警，擁擠度檢測效率和精度高，使用效果好，便于推廣使用。

為解決上述技術問題，本發明采用的技術方案是：一種基于圖像處理的地鐵車內人群擁擠度檢測方法，該方法包括以下步驟：

步驟一、視頻圖像采集及傳輸：多個車廂實景檢測器分別對其所處車廂內的視頻圖像進行實時檢測，圖像采集卡將所采集到的視頻圖像進行模數轉換后實時傳輸給車廂人群擁擠度識別計算機；

步驟二、視頻圖像預處理，具體過程為：

步驟201、圖像去噪處理：所述車廂人群擁擠度識別計算機對其接收到的視頻圖像進行低通濾波處理，獲得消除噪聲后的視頻圖像；

步驟202、圖像增強處理：所述車廂人群擁擠度識別計算機采用直方圖均衡化算法對視頻圖像進行圖像增強處理；

步驟203、圖像二值化處理：所述車廂人群擁擠度識別計算機對視頻圖像進行二值化處理，獲得人群目標圖像；

步驟204、圖像分割處理：所述車廂人群擁擠度識別計算機采用區域生長分割算法對視頻圖像進行圖像分割處理，將人群目標圖像從背景中分離出來；

步驟三、所述車廂人群擁擠度識別計算機將人群目標圖像輸入預先構建好的基于果蠅算法優化的BP神經網絡模型中，自動輸出人群擁擠度識別結果，所述人群擁擠度識別結果包括寬松、較擁擠和非常擁擠；

其中，所述基于果蠅算法優化的BP神經網絡模型的構建方法為：

步驟301、訓練樣本獲?。?/p>

步驟302、BP神經網絡模型構建：使BP神經網絡的輸入節點對應人群目標圖像，使BP神經網絡的輸出節點對應人群擁擠度識別結果，O(k)的取值為O(k)∈[0,1]，其中，當O(k)∈[0.75,1]為“非常擁擠”，當O(k)∈(0.25,0.75)為“較擁擠”，當O(k)∈[0,0.25]為“寬松”，對應BP神經網絡輸出層的節點數k＝1；將BP神經網絡隱含層的節點數設置為10層；

步驟303、所述車廂人群擁擠度識別計算機對三層BP神經網絡進行訓練，且在進行訓練的過程中調用果蠅算法參數優化模塊對三層BP神經網絡的權值W和閾值B進行優化，得到權值W和閾值B最優的訓練好的三層BP神經網絡。