[發明專利]軌道交通車廂客流估計方法

有效

• 申請號: 202110583990.6
• 申請日: 2021-05-27
• 公開（公告）號: CN113159004B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 陶硯蘊;劉書廷;岳國旗;盛潔;金天虎;吳澄;汪一鳴
• 申請（專利權）人: 蘇州大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/59;G06V10/40;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06N20/00
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 李艾

本發明涉及軌道交通車廂客流估計方法，包括如下步驟：利用多種檢測算法分別對多種數據源中包含的人體特征進行訓練得出檢測模型；車廂內攝像頭拍攝車廂內圖像，采用上述訓練后的各檢測模型分別對各攝像頭拍攝的圖像進行檢測并對檢測結果進行集成；將車廂內的多個座位位置和空白位置分別劃分為座位區域和空白區域；根據車廂內多個攝像頭的視覺范圍，對視覺重疊部分中空白區域的站立人數和座位區域的站立人數及座位人數進行統計；根據視覺重疊部分中空白區域和座位區域人數推導視覺遠端部分中空白區域和座位區域人數；估計全車廂乘客數量。本發明充分利用了現有設備，實現實時獲取車廂內客流特征信息。

技術領域

本發明涉及智慧交通技術領域，尤其是指軌道交通車廂客流估計方法。

背景技術

隨著城市軌道交通系統的不斷擴展，擴充了乘客出行的備選路徑集合，出行的隨機性增強。各車站的空間時間上，客流狀況更加多變。軌道交通區間客流量估計是未來軌道交通大客流量準確預測和影響評估的基礎，對未來車站合理安排客流組織、運輸組織、協調列車運能需求與供給有重要意義。目前軌道交通的客流量統計主要通過票務系統進行，這種方法尚無法統計運行過程中車廂內的客流量，也無法測定區間客流量。國內軌道交通車廂客流的測定技術是空氣彈簧壓力測定方法，它通過平均體重估算出廂內大致人數，誤差較大，無法達到精確統計的要求。除此以外，紅外成像技術可以通過頭部識別乘客數量，但設備價格較高，安裝在車廂中的成本過高，而紅外成像技術提取的特征較為單一，精度不高。

隨著計算機視覺技術的不斷發展，以及硬件計算和處理性能的提高，基于計算機視覺的智能視頻處理分析方法以及與之相關的應用系統已經開始運用到包括人員運動檢測在內的各種領域中去。視頻圖像包含的信息最為真實和豐富對于我們獲取客流特征數據，為客流誘導和突發事件下的緊急疏散提供依據十分重要。視頻圖像中所包含的信息具有實時動態特性，利于根據事態的發展對處置措施進行科學合理的動態調整，這對于客流組織，尤其是突發事件下的動態應急管理具有極其重要的現實意義。對于城市軌道交通來說，實現智能視頻監控成本較低，避免了重復投資建設，節約了成本。

發明內容

為此，本發明所要解決的技術問題在于克服現有技術中對車廂客流量統計不足的缺陷，提供一種充分利用現有的視頻監控、避免了充分投資建設、能夠實時獲取客流信息的軌道交通車廂客流估計方法。

為解決上述技術問題，本發明提供了軌道交通車廂客流估計方法，包括如下步驟：

利用多種檢測算法分別對多種數據源中包含的人體特征進行訓練得出檢測模型；

車廂內攝像頭拍攝車廂內圖像，采用上述訓練后的各檢測模型分別對各攝像頭拍攝的圖像進行檢測并對檢測結果進行集成；

將車廂內的多個座位位置和空白位置分別劃分為座位區域和空白區域；

根據車廂內多個攝像頭的視覺范圍，對視覺重疊部分中空白區域的站立人數和座位區域的站立人數及座位人數進行統計；

根據視覺重疊部分中空白區域和座位區域人數推導視覺遠端部分中空白區域和座位區域人數；

估計全車廂乘客數量。

在本發明的一個實施例中，檢測的人體特征包括頭部特征和手部特征，且檢測算法對數據源進行橫向聯邦學習和縱向聯邦學習，其中橫向聯邦學習用于提取人的頭部特征數據，縱向聯邦學習用于提取人的頭部特征數據和手部特征數據。

在本發明的一個實施例中，多種檢測算法包括FCHD算法、Faster-RCNN算法和YOLOv3算法。

在本發明的一個實施例中，視覺重疊部分中各區域的站立人數分別統計為各攝像頭檢測的站立人數的均值進位取整。

在本發明的一個實施例中，視覺重疊部分中，將座位區域的座位平均劃分在多個網格內，單個座位區域的座位人數統計為：