[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010543828.7
• 申請(qǐng)日: 2020-06-15
• 公開(kāi)（公告）號(hào): CN111582251B
• 公開(kāi)（公告）日: 2021-04-02
• 發(fā)明（設(shè)計(jì)）人: 錢智榮;潘蔚;李家洪;王佳毅
• 申請(qǐng)（專利權(quán)）人: 江蘇航天大為科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 淮安睿合知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32372
• 代理人: 劉超

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測(cè)方法，其特征在于，包括以下步驟：

步驟S1，將城市軌道交通的全天運(yùn)行時(shí)間劃分為N個(gè)運(yùn)行時(shí)間段，對(duì)每個(gè)時(shí)間段進(jìn)行M次采樣，獲得總采樣的監(jiān)控圖像XIN，N大于4的正整數(shù)，M大于3的正整數(shù)；通過(guò)城市軌道交通的全天運(yùn)行時(shí)間的劃分，精確反應(yīng)城市軌道交通乘客全天的擁擠程度；

步驟S2，采用第一特征提取模塊和第二特征提取模塊對(duì)監(jiān)控圖像X_IN進(jìn)行特征提取，得到城市軌道交通運(yùn)行時(shí)間內(nèi)的相應(yīng)特征向量，用于指示城市軌道交通乘客擁擠程度；

所述步驟S2包括步驟S21-S22：

步驟S21，采用第一特征提取模塊對(duì)監(jiān)控圖像X_IN進(jìn)行特征提取，第一特征提取模塊包括兩個(gè)卷積層和兩個(gè)池化層；

監(jiān)控圖像X_IN輸入第一卷積層，經(jīng)公式（1）后，產(chǎn)生的特征向量為：

（1）

其中，表示監(jiān)控圖像X_IN與卷積核K₁的卷積運(yùn)算，a為預(yù)設(shè)第一非零常量，b₁表示預(yù)設(shè)第一參數(shù)；

然后采用池化層，通過(guò)公式（2）對(duì)特征向量Y₁進(jìn)行池化操作：

（2）

其中，表示池化函數(shù)，表示預(yù)設(shè)第二非零常量，b₂表示預(yù)設(shè)第二參數(shù)；

再次卷積后，得到

（3）

其中，b₃表示預(yù)設(shè)第三參數(shù)、K₃表示卷積核；

再次采用池化層，對(duì)特征圖Y3進(jìn)行池化操作：

（4）

其中，表示預(yù)設(shè)第三非零常量，b₄表示預(yù)設(shè)第四參數(shù)；

步驟S22，將特征向量Y4按區(qū)域平均劃分為L(zhǎng)個(gè)區(qū)域，L5，通過(guò)公式(5)對(duì)每個(gè)區(qū)域進(jìn)行特征提取；針對(duì)每個(gè)區(qū)域提取的特征，按相似度排序，將相似度最小的作為第二特征提取模塊的輸出；

（5）

其中，K₅表示卷積核，b₅表示預(yù)設(shè)第五參數(shù)；

步驟S3，設(shè)置乘客擁擠程度檢測(cè)模塊，將第二特征提取模塊的輸出輸入到乘客擁擠程度檢測(cè)模塊，估算出乘客擁擠程度，得到P個(gè)擁擠程度等級(jí)，P為正整數(shù)；

步驟S4，定義損失函數(shù)，兼顧相鄰兩個(gè)擁擠程度等級(jí)差距的同時(shí)，優(yōu)化輸出的擁擠程度等級(jí)與實(shí)際擁擠程度等級(jí)的差距，提高檢測(cè)準(zhǔn)確度；

所述損失函數(shù)定義為：

其中，K為擁擠程度等級(jí)個(gè)數(shù)，表示實(shí)際擁擠程度等級(jí)，表示乘客擁擠程度檢測(cè)模塊輸出的擁擠程度等級(jí)，為預(yù)設(shè)權(quán)重，M_i表示對(duì)應(yīng)于第i個(gè)擁擠程度等級(jí)的特征均值；

所述城市軌道交通乘客擁擠程度檢測(cè)方法從時(shí)間維度上全面提取乘客擁擠程度特征，并去除不希望區(qū)域，對(duì)精確指示乘客擁擠程度的區(qū)域進(jìn)行精確特征提取，降低卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)算量，提高后續(xù)檢測(cè)準(zhǔn)確度；

所述N個(gè)運(yùn)行時(shí)間段，至少包括早上、中午、下午、晚上四個(gè)時(shí)間段；所述乘客擁擠程度檢測(cè)模塊主要包括全連接層和分類器，其中全連接層產(chǎn)生相應(yīng)維度的特征向量，輸入到分類器，得到擁擠程度等級(jí)。