[发明专利]一种基于TOF相机的客流计数方法和装置

摘要

本发明公开了一种基于TOF相机的客流计数方法和装置，包括步骤1，获取深度图像；步骤2，通过高度阈值，筛选检测区域，获取一幅掩码图像；步骤3，对掩码图像形态学处理；步骤4，根据掩码图获取彩色图像中的人头检测候选区域，步骤5，深度神经网络模型在候选区域内定位乘客头部，步骤6，KCF结合卡尔曼滤波进行跟踪，步骤7，客流计数。本发明解决了仅使用深度图像缺乏模式识别功能的问题，通过深度图像过滤掉图像中的无效区域，从而加快检测速度和检测准确率，综上所述，本发明能够达到快速且精确客流计数的目的。

主权项

1.一种基于TOF相机的客流计数方法，其特征在于包括以下步骤：/n(1)获取深度图像：将TOF相机安装在公交车前后门的正上方，拍摄方向垂直于公交车厢底面，并接入车辆开关门信号，接通电源，当公交车门开启时，TOF相机拍摄车内深度图像，并通过相机内的CMOS模块获取彩色图像；/n(2)将深度图像中低于高度阈值H的像素全部过滤，将过滤的像素的值置为0，高于高度阈值H的像素保留，并将保留的像素的值置为255，这样获取了一幅掩码图像；/n(3)对掩码图像进行形态学处理，包括腐蚀和膨胀操作；/n(4)对掩码图像进行轮廓提取操作，并对每个轮廓取出外接矩形，深度图像对应的彩色图像中外接矩形区域对应的图像区域即称为检测候选区域；/n(5)使用深度神经网络训练的乘客头部检测模型，对彩色图像的每一块检测候选区域进行检测，定位出乘客头部的位置，所述乘客头部检测模型是通过深度神经网络算法训练出的模型，训练样本包括一定数量的通过将相机安装在公交车前后门的正上方，拍摄方向垂直于公交车厢底面，拍摄所得到的彩色图片；/n(6)对检测出的每一个乘客头部，进行跟踪，对于当前彩色帧，如果在使用KCF跟踪算法跟踪到的位置附近，所述乘客头部检测模型没有检测到乘客的头部，则使用KCF的跟踪结果作为当前帧乘客头部的位置，如果在使用KCF跟踪算法跟踪到的位置附近，所述乘客头部检测模型检测到乘客的头部，则将KCF跟踪算法所得到的位置作为预测值，所述乘客头部检测模型检测到的位置作为观察值，使用卡尔曼滤波算法结合预测值和观察值确定出当前帧乘客头部的位置；/n(7)进行上下车统计，实现客流计数，在跟踪的过程中，对于一个乘客头部目标，如果连续m帧没有出现观察值，则放弃此目标的跟踪；对于跟踪结束的乘客头部，如果其持续时间超过n帧，开始和结束的位置偏移量超过预先设定的阈值，则形成了一个有效的计数；根据开始和结束的位置，确定出该名乘客是上车还是下车，实现客流计数。/n