[發明專利]一種基于深度學習的地鐵有軌電車人流預測的方法

在審

• 申請號: 202010183398.2
• 申請日: 2020-03-16
• 公開（公告）號: CN113408772A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 常偉;余捷全
• 申請（專利權）人: 廣東毓秀科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06T7/246;G06K9/00;G06N3/08;G06Q50/26;H04N7/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的地鐵有軌電車人流預測的方法，其特征在于：它包括以下步驟：

1)設置至少三組攝像頭，第一組攝像頭拍攝地鐵通道(進站出站通道，由于進出實際都是同一個通道，故用一組攝像頭就能感知一個地鐵通道)，第二組攝像頭拍攝閘機(包括進出閘)，第三組攝像頭拍攝站臺(雙向，可分別設置)；

2)通過行人識別方法識別行人以及計數；

3)通過視覺測速方法識別人流速度；

4)通過深度學習對未來人流進行預測。

2.根據權利要求1所述的一種基于深度學習的地鐵有軌電車人流預測的方法，其特征在于：

其中步驟2包括以下步驟：

S11獲取視頻圖像，具體來說是獲取同一個攝像頭不同時間內的視頻圖像；

S12通過對比相鄰兩幀視頻圖像確定視頻變化確定視頻變化區域，具體來說是將相鄰兩幀視頻圖像進行對比，判斷是否有辯護區域，若有，則說明視頻圖像中有移動物體；

S13對移動物體進行識別，如果移動物體的移動速度符合行人移動速度則對該移動物體的圖像進行學習和識別，確定該移動物體是否為行人，具體來說是先確定該移動物體的一定速度，判斷該移動物體的移動速度是否符合行人移動速度，如果符合則該移動物體可能為行人，則可以對視頻圖像進行學習和識別，進一步判斷該移動物體是否為行人。

3.根據權利要求2所述的一種基于深度學習的地鐵有軌電車人流預測的方法，其特征在于：步驟3包括以下步驟：

S21接收第一幀視頻圖像，并進行存儲；

S22接收第二幀視頻圖像，并進行存儲；其中，第一幀視頻圖像和第二幀視頻圖像是指相鄰兩幀視頻圖像；

S23對比第二幀視頻圖像與第一幀視頻圖像，判斷是否有變化區域，若沒有，則執行步驟s24，若有，執行步驟s25；

S24丟棄第一幀視頻圖像，即將相鄰兩幀視頻圖像中前一幀視頻圖像丟棄，不再執行后續操作；

S25確定行人的移動像素距離；也就是比對行人在兩幀視頻圖像中的位置確定行人的移動像素距離；

S26基于比例參數確定行人的移動真實距離，也就是根據比例尺確定移動像素距離對應的移動真實距離；

S27基于行人的移動真實距離確定行人的移動速度，也就是根據移動真實距離與兩幀視頻圖像拍攝的時間間隔確定行人的移動速度；

S28得到單位時間內所有行人進站的平均速度和出站的平均速度是為人流速度。

4.根據權利要求2所述的一種基于深度學習的地鐵有軌電車人流預測的方法，其特征在于：

步驟3包括以下步驟：

S31在視頻圖像上設置兩條平行橫線，分別為a和b，a→b為進站方向，b→a為出站方向，由于人流只有進和出兩個反向的方向，故行人必然經過兩條橫線；

S32根據每個行人通過a、b線之間的時間測算出每個行人的速度；

S33計算行人的平均速度為人流速度。

5.根據權利要求3或者4任意一項所述的一種基于深度學習的地鐵有軌電車人流預測的方法，其特征在于：其中步驟4包括以下步驟：

構建GLAT模型，以Seq2Seq模型作為模型基礎，引入時間注意力機制對編碼器每個時刻的隱含層向量進行關注，將站點各個攝像頭組前一段時刻的人流速度輸入至GLAT模型中，經計算，輸出未來一段時刻的預測人流速度。