[發(fā)明專利]一種基于無(wú)線信號(hào)的區(qū)域人群密度估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111472128.4
• 申請(qǐng)日: 2021-12-06
• 公開(kāi)（公告）號(hào): CN113887537B
• 公開(kāi)（公告）日: 2022-02-22
• 發(fā)明（設(shè)計(jì)）人: 陳垣毅
• 申請(qǐng)（專利權(quán)）人: 浙大城市學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06V40/20;G06V40/10
• 代理公司: 杭州九洲專利事務(wù)所有限公司 33101
• 代理人: 張羽振

本發(fā)明涉及一種基于無(wú)線信號(hào)的區(qū)域人群密度估計(jì)方法，包括步驟：收集區(qū)域內(nèi)無(wú)線信號(hào)的信道狀態(tài)信息，選擇無(wú)線信號(hào)信道狀態(tài)信息子載波，計(jì)算任意兩個(gè)子載波信道狀態(tài)信息的相位差；根據(jù)區(qū)域人群處于安靜狀態(tài)或小幅運(yùn)動(dòng)狀態(tài)的持續(xù)時(shí)間，利用排隊(duì)理論建立區(qū)域內(nèi)人數(shù)與狀態(tài)持續(xù)時(shí)間概率密度函數(shù)的相關(guān)性模型；采用基于通用無(wú)線網(wǎng)絡(luò)信號(hào)的區(qū)域人數(shù)及密度系統(tǒng)及構(gòu)建的區(qū)域內(nèi)人數(shù)與狀態(tài)持續(xù)時(shí)間概率密度函數(shù)的相關(guān)性模型來(lái)估計(jì)區(qū)域內(nèi)待計(jì)數(shù)的人群密度。本發(fā)明的有益效果是：利用現(xiàn)有的無(wú)線網(wǎng)絡(luò)設(shè)施，無(wú)需被統(tǒng)計(jì)人群攜帶任何設(shè)備或部署額外設(shè)施。對(duì)城市各類場(chǎng)景下區(qū)域人群實(shí)時(shí)精準(zhǔn)統(tǒng)計(jì)，在預(yù)防過(guò)度擁擠和檢測(cè)潛在安全問(wèn)題上有著極其重要的價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明屬于區(qū)域人群密度估計(jì)領(lǐng)域，尤其涉及一種基于無(wú)線網(wǎng)絡(luò)信號(hào)的區(qū)域人群密度估計(jì)方法。

背景技術(shù)

近來(lái)隨著人口的增長(zhǎng)以及城市人群活動(dòng)的多樣化，人群擁擠的場(chǎng)景隨處可見(jiàn)，如機(jī)場(chǎng)、車站、景點(diǎn)等，區(qū)域精準(zhǔn)人群密度估計(jì)對(duì)公共管理以及公共安全的重要性日益凸顯；區(qū)域精準(zhǔn)人群密度估計(jì)在智能監(jiān)控、智慧城市建設(shè)及社會(huì)安全等領(lǐng)域都有廣泛應(yīng)用，特別是當(dāng)下由于新冠肺炎全球流行，急需對(duì)公共場(chǎng)所的人群流量進(jìn)行監(jiān)管。例如，隨著地鐵乘客的增多，地鐵部分車廂經(jīng)常處于一種十分擁擠的狀態(tài)，而車廂上的攝像頭又無(wú)法分辨出車廂內(nèi)的人群密度，不能智能分流引導(dǎo)各個(gè)站臺(tái)上的候車乘客前往部分非擁擠車廂候車，改善乘客的乘坐體驗(yàn)，而車廂長(zhǎng)時(shí)間處于高度擁擠的狀態(tài)也容易發(fā)生安全事故；室內(nèi)人員移動(dòng)的隨機(jī)性和不確定性使得建筑空間人員負(fù)荷難以準(zhǔn)確估計(jì)，導(dǎo)致現(xiàn)有空調(diào)負(fù)荷控制策略效果欠佳，系統(tǒng)響應(yīng)不及時(shí)且滯后性大，造成能源浪費(fèi)以及建筑內(nèi)部環(huán)境熱舒適性降低；而景區(qū)人群密度與人群安全密切相關(guān)，當(dāng)人群密度過(guò)高時(shí)，容易引起恐慌、擁擠以及踩踏，很多場(chǎng)合都曾因人群密度過(guò)高而引發(fā)災(zāi)禍。

現(xiàn)有區(qū)域人群密度估計(jì)方法主要利用計(jì)算機(jī)視覺(jué)技術(shù)分析監(jiān)控?cái)z像頭拍攝的圖像，主要分為通過(guò)動(dòng)態(tài)視頻流估計(jì)人群密度的光流法、通過(guò)特征和分類器來(lái)進(jìn)行靜態(tài)人群密度估算的特征分類法或者基于深度卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計(jì)等。然而，與其他計(jì)算機(jī)視覺(jué)任務(wù)類似，基于計(jì)算機(jī)視覺(jué)的人群計(jì)數(shù)和密度估計(jì)也面臨諸多挑戰(zhàn)，如人群間遮擋、復(fù)雜背景、尺度變化、人員非均勻分布、透視失真和照明變化及天氣變化等。此外，基于視覺(jué)的人群計(jì)數(shù)方法會(huì)收集包括人臉等敏感信息，不利于用戶隱私保護(hù)。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)中的不足，提供一種基于無(wú)線信號(hào)的區(qū)域人群密度估計(jì)方法。

這種基于無(wú)線信號(hào)的區(qū)域人群密度估計(jì)方法，包括以下步驟：

S1、利用無(wú)線網(wǎng)絡(luò)接口卡收集區(qū)域內(nèi)無(wú)線信號(hào)的信道狀態(tài)信息，選擇無(wú)線信號(hào)信道狀態(tài)信息子載波，計(jì)算任意兩個(gè)子載波信道狀態(tài)信息的相位差；對(duì)相位差進(jìn)行預(yù)處理，預(yù)處理包括利用高通濾波選擇無(wú)線信號(hào)信道狀態(tài)信息子載波的子集和基于主成分分析去除無(wú)線信號(hào)噪聲；計(jì)算去除噪聲的無(wú)線信號(hào)空間譜在固定時(shí)間窗口內(nèi)的方差，確定區(qū)域內(nèi)人群處于安靜狀態(tài)還是小幅運(yùn)動(dòng)狀態(tài)，并估計(jì)處于每種狀態(tài)的持續(xù)時(shí)間；

S2、根據(jù)區(qū)域人群處于安靜狀態(tài)或小幅運(yùn)動(dòng)狀態(tài)的持續(xù)時(shí)間，利用排隊(duì)理論建立區(qū)域內(nèi)人數(shù)與狀態(tài)持續(xù)時(shí)間概率密度函數(shù)的相關(guān)性模型；

S3、采用基于通用無(wú)線網(wǎng)絡(luò)信號(hào)的區(qū)域人數(shù)及密度系統(tǒng)及步驟S2構(gòu)建的區(qū)域內(nèi)人數(shù)與狀態(tài)持續(xù)時(shí)間概率密度函數(shù)的相關(guān)性模型來(lái)估計(jì)區(qū)域內(nèi)待計(jì)數(shù)的人群密度；提出區(qū)域人群動(dòng)作的時(shí)序信息，利用最大后驗(yàn)概率估計(jì)區(qū)域人數(shù)并計(jì)算區(qū)域人群密度。

作為優(yōu)選，步驟S1中區(qū)域內(nèi)人群處于安靜狀態(tài)表示區(qū)域內(nèi)所有人除了呼吸外無(wú)其他任何活動(dòng)，區(qū)域內(nèi)人群處于小幅運(yùn)動(dòng)狀態(tài)表示區(qū)域內(nèi)有人調(diào)整坐姿、看手機(jī)、拉伸或咳嗽。

作為優(yōu)選，步驟S1具體包括如下步驟：

S102、對(duì)無(wú)線網(wǎng)絡(luò)接口卡收集的子載波信道狀態(tài)信息，計(jì)算任意兩個(gè)子載波信道狀態(tài)信息的相位差：