[發(fā)明專利]基于視頻的雙向客流通道中的單向客流信息檢測方法

在審

• 申請?zhí)枺?/td>: 202011442479.6
• 申請日: 2020-12-11
• 公開（公告）號: CN112560641A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 謝征宇;吳劍凡;秦勇;賈利民
• 申請（專利權(quán)）人: 北京交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;H04N7/18
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

本發(fā)明提供了一種基于視頻的雙向客流通道中的單向客流信息檢測方法。該方法包括：獲取雙向客流通道場景下的視頻圖像，使用目標檢測算法對視頻圖像進行客流目標檢測；利用改進的DeepSort算法對視頻圖像中的客流目標進行目標跟蹤，獲取所述雙向客流通道中的單向客流統(tǒng)計信息。本發(fā)明能夠有效改善遮擋情況下的目標追蹤效果，能夠?qū)Φ罔F場景等雙向通行客流視頻中的某一方向進行精確的客流量統(tǒng)計。同時提高運行速度，保證了客流信息檢測的實時性。

技術(shù)領(lǐng)域

本發(fā)明涉及客流信息檢測技術(shù)領(lǐng)域，尤其涉及一種基于視頻的雙向客流通道中的單向客流信息檢測方法。

背景技術(shù)

地鐵站作為城市軌道交通中的重要節(jié)點，對整個地鐵線網(wǎng)的運營安全和運輸效率意義重大。大客流已成為城市軌道交通的常態(tài)，精確把握進站客流狀態(tài)是客流科學管控的基礎(chǔ)?，F(xiàn)階段視頻監(jiān)控技術(shù)在地鐵場景中的應用已經(jīng)非常廣泛了，但是受現(xiàn)場工程的各方面因素制約，地鐵中的通道客流視頻，特別是換乘通道客流視頻，往往包含了雙向通行的客流。

目前，現(xiàn)有技術(shù)中的基于地鐵視頻監(jiān)控的單向客流信息檢測方法，多為基于神經(jīng)網(wǎng)絡方法，不能準確地在雙向通行客流視頻中實時統(tǒng)計其中的單向客流量。

發(fā)明內(nèi)容

本發(fā)明的實施例提供了一種基于視頻的雙向客流通道中的單向客流信息檢測方法，以實現(xiàn)準確地在雙向通行客流視頻中實時統(tǒng)計其中的單向客流量。

為了實現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案。

一種基于視頻的雙向客流通道中的單向客流信息檢測方法，包括：

獲取雙向客流通道場景下的視頻圖像，使用目標檢測算法對視頻圖像進行客流目標檢測；

利用改進的DeepSort算法對視頻圖像中的客流目標進行目標跟蹤，獲取所述雙向客流通道中的單向客流統(tǒng)計信息。

優(yōu)選地，所述的獲取雙向客流通道場景下的視頻圖像，使用目標檢測算法對視頻圖像進行客流目標檢測，包括：

獲取一段雙向客流通道場景下的視頻圖像，按照設(shè)定的采樣時間間隔提取并保存所述視頻圖像中的連續(xù)幀圖像；

利用Keras-YOLOv3算法對每幀圖像進行客流目標檢測，獲取每幀圖像中的客流目標的檢測框以及檢測框四個頂點的坐標和置信度。

優(yōu)選地，所述的利用改進的DeepSort算法對視頻圖像中的客流目標進行目標跟蹤，獲取所述雙向客流通道中的單向客流統(tǒng)計信息，包括：

將檢測到的每幀圖像中的客流目標的檢測框進行篩選，只保留檢測框的置信度大于最小置信度閾值的檢測框，利用非極大值抑制去除重疊率超過80％的檢測框，利用篩選后的每幀圖像的檢測框來創(chuàng)建每幀圖像中的客流目標對應的初始跟蹤位置；

根據(jù)每幀圖像中的客流目標對應的初始跟蹤位置使用卡爾曼濾波預測前一幀圖像中客流目標的軌跡在當前幀圖像中的狀態(tài)；

根據(jù)前一幀圖像中客流目標的軌跡在當前幀圖像中的狀態(tài)使用匈牙利算法對當前幀圖像與其它幀圖像相繼進行級聯(lián)匹配和交并比匹配，得到當前幀圖像的所有匹配對、未匹配的客流軌跡以及未匹配的跟蹤；對每個匹配成功的客流軌跡，用客流軌跡對應的跟蹤進行更新，并處理未匹配的客流軌跡和跟蹤；

依次選取除當前幀圖像之外的其它幀圖像，對每個其它幀圖像依次循環(huán)迭代執(zhí)行上述檢測框篩選、卡爾曼濾波和匈牙利算法匹配過程，獲取每幀圖像的所有匹配對、未匹配的客流軌跡以及未匹配的跟蹤；

判斷每幀圖像匹配成功的軌跡是否穿過指定的標識線，根據(jù)匹配成功的穿過指定的標識線的個數(shù)統(tǒng)計所述雙向客流通道中的單向客流流量。

優(yōu)選地，所述的利用篩選后的每幀圖像的檢測框來創(chuàng)建每幀圖像中的客流目標對應的初始跟蹤位置，包括：