[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(qián)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

本發(fā)明公開(kāi)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測(cè)方法，所述方法包括將城市軌道交通的整個(gè)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X_IN；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；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；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。

技術(shù)領(lǐng)域

本發(fā)明涉及乘客擁擠程度檢測(cè)方法，具體涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測(cè)方法。

背景技術(shù)

隨著生活水平的提高，城市軌道交通成為城市居民主要的出行手段。由于城市軌道交通通常位于封閉的地下或軌道高架，站廳面積較為有限，在客流高峰到來(lái)時(shí)，大量的客流涌入極易造成站廳擁擠和通道堵塞，容易引起大規(guī)模的群體安全事故，造成不良的社會(huì)影響。因此需要一種便捷、高效的方法實(shí)時(shí)獲取客流分布、監(jiān)測(cè)車站客流狀態(tài)，為客流組織提供強(qiáng)有力的技術(shù)支持，保障乘客的安全和軌道交通的正常運(yùn)營(yíng)。

現(xiàn)階段將圖像識(shí)別技術(shù)與公共場(chǎng)合安裝的視頻監(jiān)控系統(tǒng)結(jié)合起來(lái)，利用計(jì)算機(jī)對(duì)監(jiān)控?cái)z像頭獲取圖像中包含的乘客目標(biāo)進(jìn)行處理，對(duì)客流狀態(tài)進(jìn)行自動(dòng)的檢測(cè)、研判，在發(fā)現(xiàn)異常目標(biāo)和異常場(chǎng)景時(shí)及時(shí)發(fā)出警報(bào)，實(shí)現(xiàn)對(duì)城市軌道交通客流擁擠程度自動(dòng)化、智能化的檢測(cè)監(jiān)控。

傳統(tǒng)的研究方法主要獲取單張監(jiān)控圖像或者連續(xù)幀的監(jiān)控圖像，采用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，識(shí)別城市軌道交通乘客擁擠程度，主要存在三種問(wèn)題：一是針對(duì)單張監(jiān)控圖像或者連續(xù)幀的監(jiān)控圖像進(jìn)行特征提取，不能從時(shí)間維度上精確反應(yīng)城市軌道交通乘客全天的擁擠程度，準(zhǔn)確度較低；二是傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)對(duì)監(jiān)控圖像中全部像素點(diǎn)進(jìn)行特征提取，卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)算量大，城市軌道交通乘客擁擠程度檢測(cè)結(jié)果差，無(wú)法從空間維度上提高檢測(cè)準(zhǔn)確度；三是傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)卷積、池化運(yùn)、損失函數(shù)運(yùn)算慢、特征提取效果差。

因此，設(shè)計(jì)一種效率高、準(zhǔn)確度高的城市軌道交通乘客擁擠程度檢測(cè)方法，成為目前亟需解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明針對(duì)目前的技術(shù)問(wèn)題，提供了一種城市軌道交通乘客擁擠程度檢測(cè)方法。該方法克服了現(xiàn)有技術(shù)中效率低、準(zhǔn)確度低的缺點(diǎn)，進(jìn)而實(shí)現(xiàn)對(duì)城市軌道交通乘客擁擠程度的準(zhǔn)確估計(jì)。

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，將城市軌道交通的整個(gè)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X_IN，N大于4的正整數(shù)，M大于3的正整數(shù)；

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：

其中，conv(·)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：