[发明专利]基于深度学习的公交车客流量统计方法和系统

说明书

本发明公开了一种基于深度学习的公交车客流量统计方法，包括离线采集客流样本数据，并进行格式转化；搭建深度学习模型进行训练；对训练得到的模型利用测试样本进行测试，保存学习到的模型参数；采用学习到的模型对实时视频流进行检测，并存储检测到的人头信息；对连续多帧检测到的人头信息进行跟踪，确定多个运动目标；将确定的运动目标与预先设定的计数阈值进行比较，当运动目标达到计数阈值时计数。在人头检测时，对检测到的目标框进行二次验证，输入到提前训练好的分类网络中，对该目标框进行分类确认，得到是否为人头，极大的提高了人头的检出率和降低了人头的漏检、误检率，很好的解决了拥堵、背包、带帽等问题。

技术领域

本发明涉及一种公交车客流量统计系统，具体地涉及一种基于深度学习的公交车客流量统计方法和系统。

背景技术

目前常见的客流量统计技术主要有以下3种：

（1）人工统计方法

人工统计主要通过随车工作人员对每一个站点的上下客人数进行手动记录，并在终点站进行手动汇总统计，该方法优点是准确率高，但是人员工作量比较大且无法实时联网在线统计各个站点的实时上下客人数。

（2）基于IC卡方法

IC卡存储乘客大量的个人信息，该方法记录每个刷卡乘客的ID进行客流统计，优点是无需随车安排额外的工作人员进行计数，但是准确率受到IC卡使用率的影响比较大，且IC卡没有联网，无法实现车载客流的在线实时统计。

（3）基于图像视觉的客流量自动计数方法

该方法通过GPS定位技术、网络传输技术和图像视觉处理技术相结合实现公交车辆各个站点乘客上下车时间和人数的实时自动统计。其中图像视觉处理技术主要对上下车人头进行检测跟踪，实现客流量的自动计数，但是传统的机器学习图像处理方法的准确率受到光线影响比较大，且无法解决拥挤、带帽、背包等问题。本发明因此而来。

发明内容

为了解决上述技术问题，本发明提出了一种基于深度学习的公交车客流量统计方法和系统，在人头检测时，对检测到的目标框进行二次验证，输入到提前训练好的分类网络中，对该目标框进行分类确认，得到是否为人头，极大的提高了人头的检出率和降低了人头的漏检、误检率，很好的解决了拥堵、背包、带帽等问题。

本发明所采用的技术方案是：

一种基于深度学习的公交车客流量统计方法，包括以下步骤：

S01：离线采集客流样本数据，并将样本数据分成训练和测试样本两部分，并转化成用于caffe深度学习框架的格式；

S02：搭建客流人头深度学习模型，利用样本数据通过caffe深度学习框架进行训练；

S03：对训练得到的模型利用测试样本进行测试，若模型测试的检出率低于设定阈值，则继续训练模型，反之，得到最终的模型参数；

S04：采用学习得到的模型对实时视频流进行检测，得到目标框图像，并存储检测到的人头信息；

S05：对连续多帧检测到的人头信息进行跟踪，确定多个运动目标；

S06：将确定的人体目标与预先设定的计数阈值进行比较，当运动目标达到计数阈值时计数。

优选的技术方案中，所述步骤S04还包括对得到的目标框图像进行二次分类验证，包括：

S41：构建轻量级的卷积神经网络，使用端到端的单阶段训练方法；

S42：对预处理后的目标框图像进行卷积池化神经网络处理，得到特征向量图；

S43：在人头目标检测的特征图层上，分别在每一个点构造多个不同尺度大小的目标候选框；