[发明专利]轨道交通车厢客流估计方法

说明书

本发明涉及轨道交通车厢客流估计方法，包括如下步骤：利用多种检测算法分别对多种数据源中包含的人体特征进行训练得出检测模型；车厢内摄像头拍摄车厢内图像，采用上述训练后的各检测模型分别对各摄像头拍摄的图像进行检测并对检测结果进行集成；将车厢内的多个座位位置和空白位置分别划分为座位区域和空白区域；根据车厢内多个摄像头的视觉范围，对视觉重叠部分中空白区域的站立人数和座位区域的站立人数及座位人数进行统计；根据视觉重叠部分中空白区域和座位区域人数推导视觉远端部分中空白区域和座位区域人数；估计全车厢乘客数量。本发明充分利用了现有设备，实现实时获取车厢内客流特征信息。

技术领域

本发明涉及智慧交通技术领域，尤其是指轨道交通车厢客流估计方法。

背景技术

随着城市轨道交通系统的不断扩展，扩充了乘客出行的备选路径集合，出行的随机性增强。各车站的空间时间上，客流状况更加多变。轨道交通区间客流量估计是未来轨道交通大客流量准确预测和影响评估的基础，对未来车站合理安排客流组织、运输组织、协调列车运能需求与供给有重要意义。目前轨道交通的客流量统计主要通过票务系统进行，这种方法尚无法统计运行过程中车厢内的客流量，也无法测定区间客流量。国内轨道交通车厢客流的测定技术是空气弹簧压力测定方法，它通过平均体重估算出厢内大致人数，误差较大，无法达到精确统计的要求。除此以外，红外成像技术可以通过头部识别乘客数量，但设备价格较高，安装在车厢中的成本过高，而红外成像技术提取的特征较为单一，精度不高。

随着计算机视觉技术的不断发展，以及硬件计算和处理性能的提高，基于计算机视觉的智能视频处理分析方法以及与之相关的应用系统已经开始运用到包括人员运动检测在内的各种领域中去。视频图像包含的信息最为真实和丰富对于我们获取客流特征数据，为客流诱导和突发事件下的紧急疏散提供依据十分重要。视频图像中所包含的信息具有实时动态特性，利于根据事态的发展对处置措施进行科学合理的动态调整，这对于客流组织，尤其是突发事件下的动态应急管理具有极其重要的现实意义。对于城市轨道交通来说，实现智能视频监控成本较低，避免了重复投资建设，节约了成本。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中对车厢客流量统计不足的缺陷，提供一种充分利用现有的视频监控、避免了充分投资建设、能够实时获取客流信息的轨道交通车厢客流估计方法。

为解决上述技术问题，本发明提供了轨道交通车厢客流估计方法，包括如下步骤：

利用多种检测算法分别对多种数据源中包含的人体特征进行训练得出检测模型；

车厢内摄像头拍摄车厢内图像，采用上述训练后的各检测模型分别对各摄像头拍摄的图像进行检测并对检测结果进行集成；

将车厢内的多个座位位置和空白位置分别划分为座位区域和空白区域；

根据车厢内多个摄像头的视觉范围，对视觉重叠部分中空白区域的站立人数和座位区域的站立人数及座位人数进行统计；

根据视觉重叠部分中空白区域和座位区域人数推导视觉远端部分中空白区域和座位区域人数；

估计全车厢乘客数量。

在本发明的一个实施例中，检测的人体特征包括头部特征和手部特征，且检测算法对数据源进行横向联邦学习和纵向联邦学习，其中横向联邦学习用于提取人的头部特征数据，纵向联邦学习用于提取人的头部特征数据和手部特征数据。

在本发明的一个实施例中，多种检测算法包括FCHD算法、Faster-RCNN算法和YOLOv3算法。

在本发明的一个实施例中，视觉重叠部分中各区域的站立人数分别统计为各摄像头检测的站立人数的均值进位取整。

在本发明的一个实施例中，视觉重叠部分中，将座位区域的座位平均划分在多个网格内，单个座位区域的座位人数统计为：