[发明专利]边沿连通分割客流统计方法

说明书

本发明公开了一种边沿连通分割客流统计方法，深度摄像头放置在公交车进出门正上方，截取重点区域的乘客图像，进行边缘检测得出边缘图像，再进行图像形态学处理和源深度图像进行融合求取融合后图像的连通域；依据每个连通域的形状，面积，落差比来判断是否是一个人；最终记录以上人员的坐标点和帧序号，依据欧式距离分析判别是否为同一人；根据每个人的行走路径来判断每个人是否上下车。本发明利深度摄像头，使用形态学，分层原理分割人体，记录人数，具有计算速度快和精度高的优点，克服了现有统计方法处理速度慢或容易误判的问题，使智能公交系统对乘客的智能化统计更加易于实现。

技术领域

本发明属于公共交通工具客流统计管理技术领域，具体设计一种边沿连通分割客流统计方法。

背景技术

目前，公交车多数仍沿用传统的客流统计方法，通常采用人工统计的方法来取得客流量数据，虽然精度可以满足要求，但是消耗人力、财力，且不具备系统性和全面性。刷卡机、投币机等接触式设备，虽然脱离了人工，但是一般只能一次通过一人，且无法满足较高的精度和同时统计上、下车人数的要求。而现在应用最广泛的红外线检测系统，此类系统为非接触式，相比接触式设备，有了很大的提高。但在实际运行中，当多个乘客连续或同时通过红外装置时，就会出现遮挡，单个乘客在检测目标区域暂时的停留，或者躯体和携带物品的干扰，也会对统计的精准度产生影响。

近几年，随着政府对智能公交事业投入力度的加大，我国智能公交系统已经初部发展，而客流计数系统是重要组成部分，如何能够为公交公司提供更加实时、清楚、准确的乘客交通统计数据已成为运营商的准求目标。

与智能公交系统相结合的客流计数系统中，有一种在车门门头位置安装客流统计终端单独进行统计分析，这些统计方式或者设备成本较高、安装难度大，或者只能针对单人次统计的简单情况，而在各种技术各自为战的情况下，这些缺点总会不可避免。对于运动目标检测，传统方法主要有背景差法、帧差法和光流法。背景法主要应用于背景变化不大或者变化较为缓慢的环境，在目标进入摄像机范围之前，提取背景图，目标进入之后，用当前图像减去背景图，得到运动目标。背景更新是背景法的重点，目前主要有单高斯和混合高斯背景模型法。公交车上由于每个站台环境不一样，而且受光线和遮挡影响非常大，所以不适于采用背景差法。帧差法虽然受光线影响不大，但是在拥挤的时候，多个乘客容易粘连在一起，如何将单独乘客分割出来是一个难题。考虑到即使拥挤的时候，乘客的头部也很少靠在一起，所以以头部作为计数目标易于实现。目前有许多学者采用边缘提取和 Hough 变化寻找人头，该方法计算量大，占用存储空间也较大。另外，目前的形态学客流统计方法对人员的头部特征要求比较高。出现马尾辫，戴帽子，弯腰形成的头部椭圆的形状都有较高的误差率。

光流法在检测运动目标中具有其优势：可以在不知道任何场景信息的情况下，检测出运动目标。目前基于梯度的光流计算方法得到了广泛的应用。采用光流法进行运动物体检测的问题主要在于光流法计算耗时，实时性和实用性都较差，纯粹采用光流法检测运动目标不太实际，但是可以将光流计算方法和其他方法相结合来检测运动目标。

发明内容

本发明针对目前公交车客流统计的现状和问题，提供一种边沿连通分割客流统计方法，使用kinect深度摄像头，采用形态学分层原理分割人体，记录人数，达到客流统计的目的。

采用的技术方案：一种边沿连通分割客流统计方法，深度摄像头放置在公交车进出门正上方，乘客上下车通过摄像头；其特征在于，包括以下步骤：

第1步骤：安装并调整使摄像头距离车门底部2-2.5米，截取每个乘客从车底部向上120-190cm高度范围形成的图像。

第2步骤：根据所截取的图像高度落差梯度变化情况进行边缘检测，得出边缘图像。