[发明专利]一种公共交通异常客流检测方法

说明书

本发明涉及视频检测的技术领域，公开了一种公共交通异常客流检测方法，包括：利用改进的目标检测算法对所采集视频数据中的视频帧进行目标检测；利用LSTM模型构建基于目标检测结果的客流预测模型；利用共轭梯度算法对所构建的客流预测模型进行参数优化；客流预测模型预测下一时刻的客流量，将所预测的客流量与设定的客流量阈值进行对比，若预测的客流量大于客流量阈值，则说明存在公共交通客流异常，需要进行客流疏导。本发明所述方法通过利用目标检测算法对公共交通中的客流量进行实时监测，并根据实时监测结果对未来时刻的客流量进行预测，从而在发生公共交通客流异常前进行客流疏导。

技术领域

本发明涉及视频检测的技术领域，尤其涉及一种公共交通异常客流检测方法。

背景技术

随着城市化进程推进与机动车保有量快速增长，出行需求的迅速增加使得城市交通系统供不应求的现象日趋严重。如何从海量的动态交通流数据中提取直观、准确、实时的交通流信息，通过建立合理模型进行科学快速的客流量来降低出行者出行耗费时间，对交通管理者实现交通控制和公共交通系统的有效发挥有决定性影响。

鉴于此，本发明提出一种公共交通异常客流检测方法，通过利用目标检测算法对公共交通中的客流量进行实时监测，并根据实时监测结果对未来时刻的客流量进行预测，从而在发生公共交通客流异常前进行客流疏导。

发明内容

本发明提供一种公共交通异常客流检测方法，目的在于(1)实现公共交通中客流量的实时检测；(2)实现公共交通客流量预测。

实现上述目的，本发明提供的一种公共交通异常客流检测方法，包括以下步骤：

S1：采集公共交通视频数据，并利用改进的目标检测算法对所采集视频数据中的视频帧进行目标检测；

S2：根据采集视频数据中的目标检测结果，利用LSTM模型构建基于目标检测结果的客流预测模型；

S3：利用共轭梯度算法对所构建的客流预测模型进行参数优化，得到参数调优后的客流预测模型；

S4：对实时的公共交通视频进行目标检测，将目标检测结果作为客流预测模型的输入，客流预测模型预测下一时刻的客流量，将所预测的下一时刻客流量与设定的客流量阈值进行对比，若预测的客流量大于客流量阈值，则说明存在公共交通客流异常，需要进行客流疏导。

作为本发明的进一步改进方法：

所述S1步骤中，采集公共交通视频数据后，将所采集的公共交通视频数据切分为若干视频帧，包括：

采集公共交通视频数据，并将所采集的公共交通视频数据切分未若干视频帧，所切分的视频帧集合为：

其中：

表示t_i时刻的视频帧；在本发明一个具体实施例中，任意相邻时刻t_i,t_i+1的视频帧时间差为10秒钟；

n表示将公共交通视频数据切分的视频帧总数。

所述S1步骤中利用改进的目标检测算法对所采集视频数据中的视频帧进行目标检测，包括：

利用改进的目标检测算法对所采集视频数据中的视频帧进行目标检测，所述改进的目标检测算法流程为：

1)依次输入视频帧集合中的视频帧，对输入t_k时刻的视频帧利用卷积神经网络提取视频帧的特征图，其中k＝0,1,2,…,n-1，所述特征图的提取公式为：

其中：

Conv(·)表示对输入图像进行卷积处理；在本发明一个具体实施例中，卷积处理所采用的卷积核大小为5*5像素；