本發(fā)明涉及智能交通統(tǒng)計(jì)方法技術(shù)領(lǐng)域，尤其涉及一種基于視神經(jīng)機(jī)制的高動(dòng)態(tài)范圍圖像統(tǒng)計(jì)客流的方法。

背景技術(shù)：

城市公交人流量調(diào)查統(tǒng)計(jì)的方法眾多，根據(jù)公交線路，城市化發(fā)展進(jìn)程、城市經(jīng)濟(jì)區(qū)域分布等特點(diǎn)的不同，一般采用的方法有：人工調(diào)查法、IC卡信息提取法、壓力傳感技術(shù)統(tǒng)計(jì)法、紅外傳感技術(shù)統(tǒng)計(jì)法、自動(dòng)數(shù)據(jù)采集法、傳統(tǒng)圖像技術(shù)處理法等。

其中傳統(tǒng)圖像處理法檢測(cè)的準(zhǔn)確率相對(duì)于其他方法比較高，同時(shí)使用成本低且使用周期也較長(zhǎng)，是現(xiàn)在主要應(yīng)用于客流統(tǒng)計(jì)的方法之一。但是傳統(tǒng)圖像處理法使用二值圖像差值計(jì)算得到人像與背景的分離，但由于二值圖像只有黑白兩種色彩定義輪廓，遇到光線不足及局部陰影或者是乘客擁擠造成的背景差別比較小的情況，便無(wú)法獲得準(zhǔn)確的分離圖像用于識(shí)別客流，從而影響客流統(tǒng)計(jì)的準(zhǔn)確性。據(jù)市場(chǎng)統(tǒng)計(jì)當(dāng)前已知的客流統(tǒng)計(jì)方法在穩(wěn)定的環(huán)境下準(zhǔn)確率最高可達(dá)到90%，可在城市公共交通中使用卻只有80%左右。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于視神經(jīng)機(jī)制的高動(dòng)態(tài)范圍圖像統(tǒng)計(jì)客流的方法。以解決傳統(tǒng)客流統(tǒng)計(jì)在乘客擁擠和環(huán)境光線較差造成的局部光線明暗差別較大時(shí)計(jì)數(shù)不準(zhǔn)確的缺點(diǎn)，達(dá)到提高客流統(tǒng)計(jì)精準(zhǔn)的目的。

本發(fā)明所采用的技術(shù)方案為：一種基于視神經(jīng)機(jī)制的高動(dòng)態(tài)范圍圖像統(tǒng)計(jì)客流的方法，包括以下步驟：

S1、TOF深度攝像頭采集圖像；

S2、對(duì)圖像進(jìn)行高動(dòng)態(tài)的映射處理獲得最優(yōu)判斷圖像；

S3、對(duì)RGB分別深度分層處理，差值計(jì)算后綜合結(jié)果得到人員頭部及其他部位與背景的分離判斷；

S4、差值法跟蹤步驟3獲得人體軌跡；

S5、采集圖像區(qū)域內(nèi)的運(yùn)動(dòng)軌跡的綜合判斷，滿足計(jì)數(shù)條件后統(tǒng)計(jì)計(jì)數(shù)；

S6，獲得客流統(tǒng)計(jì)結(jié)果。

本申請(qǐng)實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

1、在非理想光線下（環(huán)境光線較差造成的局部光線明暗差別較大）現(xiàn)有二值圖像無(wú)法準(zhǔn)確識(shí)別判斷人體；

2，在背景與人體對(duì)比差別較小或者基本沒有差別時(shí)，現(xiàn)有方法無(wú)法通過(guò)對(duì)比差值獲得二值的圖像，本發(fā)明通過(guò)TOF深度攝像頭采集圖像可以獲得三維的深度圖像，從而可以從距離上判斷出人體與背景的高度差別，再通過(guò)分層分離判斷就可以輕易獲得圖像的差別并準(zhǔn)確的對(duì)人體做出判斷；

3、在客流人員比較擁擠的時(shí)候，現(xiàn)有統(tǒng)計(jì)方法無(wú)法準(zhǔn)確的定位出人體與背景的差別，從而導(dǎo)致計(jì)數(shù)的精度下降，但本發(fā)明利用視覺機(jī)制增強(qiáng)局部對(duì)比信息，可以輕易獲得圖像的差別并準(zhǔn)確的對(duì)人體做出判斷。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹， 顯而易見地， 下面描述中的附圖僅是本發(fā)明的一些實(shí)施例， 對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講， 在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本申請(qǐng)實(shí)施例的映射處理圖；

圖2是本申請(qǐng)實(shí)施例的jobson 圖像定量評(píng)價(jià)坐標(biāo)圖；

圖3是本申請(qǐng)實(shí)施例的最優(yōu)判斷的圖像。

具體實(shí)施方式

本發(fā)明提供了一種基于視神經(jīng)機(jī)制的高動(dòng)態(tài)范圍圖像統(tǒng)計(jì)客流的方法。以解決傳統(tǒng)客流統(tǒng)計(jì)在乘客擁擠和環(huán)境光線較差造成的局部光線明暗差別較大時(shí)計(jì)數(shù)不準(zhǔn)確的缺點(diǎn)，達(dá)到提高客流統(tǒng)計(jì)精準(zhǔn)的目的。

為了更好的理解上述技術(shù)方案，下面將結(jié)合說(shuō)明書附圖以及具體的實(shí)施方式對(duì)上述技術(shù)方案進(jìn)行詳細(xì)的說(shuō)明。

如圖1-圖3所示，本實(shí)施例所述的基于視神經(jīng)機(jī)制的高動(dòng)態(tài)范圍圖像統(tǒng)計(jì)客流的方法，包括以下步驟：

S1、TOF深度攝像頭采集圖像；

S2、對(duì)圖像進(jìn)行高動(dòng)態(tài)的映射處理獲得最優(yōu)判斷圖像；

S3、對(duì)RGB分別深度分層處理，差值計(jì)算后綜合結(jié)果得到人員頭部及其他部位與背景的分離判斷；

S4、差值法跟蹤步驟3獲得人體軌跡；

S5、采集圖像區(qū)域內(nèi)的運(yùn)動(dòng)軌跡的綜合判斷，滿足計(jì)數(shù)條件后統(tǒng)計(jì)計(jì)數(shù)；

S6，獲得客流統(tǒng)計(jì)結(jié)果。

本系統(tǒng)的具體工作流程如下：

由客源出入口安裝TOF深度攝像頭采集客流圖像，獲得三維的彩色立體圖像。

利用馬赫帶原理（如圖1），視網(wǎng)膜上的多層細(xì)胞網(wǎng)絡(luò)增強(qiáng)場(chǎng)景信息的局部對(duì)比度，對(duì)圖像進(jìn)行高動(dòng)態(tài)（HDR）的映射處理，獲得最優(yōu)判斷的圖像，如圖3。

注：馬赫帶一種明度對(duì)比的視覺效應(yīng)。是一種主觀的邊緣對(duì)比效應(yīng)。當(dāng)觀察兩塊亮度不同的區(qū)域時(shí)，邊界處亮度對(duì)比加強(qiáng)，使輪廓表現(xiàn)得特別明顯。

在此我們引入Daniel J.Jobson提出的評(píng)價(jià)體系。假設(shè)圖像亮度、對(duì)比度為均勻變化， 在換算法內(nèi)圈定標(biāo)準(zhǔn)區(qū)域（即最優(yōu)判斷區(qū)），把獲得圖像的局部進(jìn)行高動(dòng)態(tài)（HDR）的映射處理后，得到一張最優(yōu)判斷圖像。

對(duì)獲得的圖片首先對(duì)局部極大值進(jìn)行檢測(cè)，滿足條件后進(jìn)行RGB三色分別進(jìn)行深度分層，判斷人員頭部及其他部位與背景的差值，從而獲得對(duì)人體的判斷。

計(jì)算區(qū)域的相鄰2幀的幀差，對(duì)判斷出的人體進(jìn)行跟蹤獲得運(yùn)動(dòng)軌跡，根據(jù)運(yùn)動(dòng)軌跡在采集區(qū)域內(nèi)的運(yùn)動(dòng)情況進(jìn)行分析判斷，如果滿足計(jì)數(shù)條件，再判斷上行下行情況后計(jì)入數(shù)據(jù)。

最終在穩(wěn)定的環(huán)境中的統(tǒng)計(jì)準(zhǔn)確率可以達(dá)到96%以上，在城市公共交通的復(fù)雜環(huán)境中的準(zhǔn)確率可以達(dá)到92%以上。

以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非對(duì)本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實(shí)施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容作出些許更動(dòng)或修飾為等同變化的等效實(shí)施例，但凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所作的任何簡(jiǎn)單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。