[发明专利]基于多列异步神经网络的地铁站乘客数量调度系统及方法

权利要求书

1.基于多列异步神经网络的地铁站乘客数量调度系统，其特征在于：它包括车厢视频帧画面实时采集模块、多列异步神经网络模块、各车厢实时人数与安全阈值比较模块、地铁开关门提前制动模块；

所述车厢视频帧画面实时采集模块用于实现车厢人头画面的采集和图像预处理；

所述多列异步神经网络模块用于画面人头计数模型训练及实现实时输出视频画面中人群数目；

所述各车厢实时人数与安全阈值比较模块用于比较车厢实际人数是否达到了安全阈值，能够对车厢人数是否存在安全隐患进行分析判断；

所述地铁开关门提前制动模块用于在车厢人数到达安全阈值时，提前发出关门警报并关闭对应车厢车门，避免车厢内人员过度拥挤。

2.基于多列异步神经网络的地铁站乘客数量调度方法，其特征在于：它包括如下步骤，

(S1)通过各车厢位于车门处的监控摄像头，在地铁到达每一站时采集实时帧的人头画面；

(S2)将采集到的实时帧人头画面进行滤波和图像预处理后，送入多列异步神经网络；

(S3)多列异步神经网络通过模型训练不断优化参数，达到最优模型后，对实时帧人头画面进行深度学习，输出预估人群数目；

(S4)将各车厢输出预估人数与车厢固定区域的人数安全阈值进行比较，若超过安全阈值，则提前控制该节车厢警报响起并关闭车门。

3.根据权利要求2所述的基于多列异步神经网络的地铁站乘客数量调度方法，其特征在于：所述步骤(S2)中对采集到的实时帧人头画面的预处理步骤包括：通过高斯滤波除去白噪声；通过双三次插值进行图像缩放，缩放尺寸统一为500×500；将图像的RGB三通道分量分别进行正则化，即将该分量中所有元素减去均值并除以标准差。

4.根据权利要求2所述的基于多列异步神经网络的地铁站乘客数量调度方法，其特征在于：所述步骤(S3)中搭建的多列异步神经网络模型具有三列结构，每一列包括两个卷积层、两个最大池化层、全连接层及输出层，每一列的第一个卷积层用于图像低级特征的提取，第一个池化层对浅层特征进行降维处理；第二个卷积层将学习图像的更深层更复杂的特征，第二个池化层对提取的特征作进一步特征降维处理，，激活函数选用ELU激活函数，其表达式为：

5.根据权利要求2所述的基于多列异步神经网络的地铁站乘客数量调度方法，其特征在于：所述步骤(S3)中的多列异步神经网络采用的是异步更新每列权重参数的方法，每一列与其他两列都具有交互信息，交互信息能够表征两列之间的关联程度，通过减少交互信息，能够使每列更多地学习图像的不同尺度或分辨率，同时，在更新参数时，每列根据该列与其他列之间最新的交互信息依次进行异步更新每列权重参数。