[发明专利]基于机器视觉的车厢拥挤度确定方法、系统、装置及介质

说明书

本发明公开了一种基于机器视觉的车厢拥挤度确定方法、系统、装置及介质，方法包括：获取车厢内的第一图像信息；获取车厢内的背景图像信息，根据第一图像信息和背景图像信息得到车厢内的前景图像信息，进而对前景图像信息进行图像二值化处理、先开后闭运算以及滤波处理，得到第二图像信息；对第二图像信息进行边缘检测得到多个连续轮廓，进而对连续轮廓进行随机霍夫变换，筛选出符合预设的阈值条件的连续轮廓作为头部轮廓；根据头部轮廓的数量确定车厢内的乘客数量，进而根据乘客数量和车厢面积确定车厢拥挤度。本发明提高了车厢拥挤度检测的准确度和效率，提高了地铁车厢的空间资源利用率以及乘客的乘车舒适度，可广泛应用于图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，尤其是一种基于机器视觉的车厢拥挤度确定方法、系统、装置及介质。

背景技术

地铁作为一种城市轨道交通工具，能达到减少城市交通堵塞、降低交通污染的效果，其具有运行速度快、运行时间准、列车间隔短、载客量大等优势，已成为大多数市民的首选出行工具。但是由于目前大多城市的地铁线路没有完全覆盖到城市的各个角落，在早晚高峰时段地铁线路客流较大，地铁车厢和站台内部会出现拥挤现象，因此也存在着一定的公共安全隐患。在长期的地铁运行过程中可以发现，由于地铁的车厢数较多，其站台也较长，乘客上下车厢的门位随机，且乘客事先无法预估各节车厢的具体人数，因此常常会出现部分车厢比较拥挤、而有些车厢存有空位的现象，导致车厢人数分布不均，无法合理地利用地铁车厢的空间资源，影响了乘客的乘车舒适度。

相关技术中公开了一种轨道交通车厢内实时人数统计方法和装置，其通过设置在车厢内的摄像头获取图像帧数据，然后将图像帧数据输入人数检测模型中，得到各个摄像头所拍摄的车厢区域的预测人数，然而这种方法一方面需要预先训练人数检测模型，需要较多的训练样本和较长的训练时间才能得到符合要求的人数检测模型，效率不高，另一方面当车厢内部人数较多时，会存在遮挡现象，导致人数检测模型并不能准确地检测出车厢内的人数。

发明内容

本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

为此，本发明实施例的一个目的在于提供一种基于机器视觉的车厢拥挤度确定方法，该方法通过车厢内俯视图的获取以及头部轮廓的检测，克服了车厢内人数较多、存在遮挡现象对乘客数量检测的影响，提高了乘客数量检测的准确度，从而提高了车厢拥挤度检测的准确度，且无需预先训练模型，提高了车厢拥挤度检测的效率，可以提醒乘客合理选择候车车厢，提高了地铁车厢的空间资源利用率以及乘客的乘车舒适度。

本发明实施例的另一个目的在于提供一种基于机器视觉的车厢拥挤度确定系统。

为了达到上述技术目的，本发明实施例所采取的技术方案包括：

第一方面，本发明实施例提供了一种基于机器视觉的车厢拥挤度确定方法，包括以下步骤：

获取车厢内的第一图像信息，所述第一图像信息为车厢内的俯视图；

获取车厢内的背景图像信息，根据所述第一图像信息和所述背景图像信息得到车厢内的前景图像信息，进而对所述前景图像信息进行图像二值化处理、先开后闭运算以及滤波处理，得到第二图像信息；

对所述第二图像信息进行边缘检测得到多个连续轮廓，进而对所述连续轮廓进行随机霍夫变换，筛选出符合预设的阈值条件的连续轮廓作为头部轮廓；

根据所述头部轮廓的数量确定车厢内的乘客数量，进而根据所述乘客数量和车厢面积确定车厢拥挤度。

进一步地，在本发明的一个实施例中，所述根据所述第一图像信息和所述背景图像信息得到车厢内的前景图像信息这一步骤，其具体为：

对所述第一图像信息和所述背景图像信息进行差分处理，得到车厢内的前景图像信息。

进一步地，在本发明的一个实施例中，所述对所述前景图像信息进行图像二值化处理这一步骤，其具体包括：