本發(fā)明涉及客流管理的技術(shù)領(lǐng)域，特別是一種站外車(chē)流統(tǒng)計(jì)分析方法。

背景技術(shù)：

近年來(lái)，隨著私人汽車(chē)的增多，加油站的客流量也隨之增大。傳統(tǒng)的加油站、車(chē)站等無(wú)法對(duì)每日客流量進(jìn)行監(jiān)控，由于加油站、車(chē)站的車(chē)輛進(jìn)出時(shí)間短，車(chē)輛多，很多時(shí)間僅僅只能通過(guò)攝像頭捕捉一個(gè)車(chē)輛車(chē)牌，無(wú)法準(zhǔn)確對(duì)單位時(shí)間段內(nèi)的車(chē)輛進(jìn)行統(tǒng)計(jì)計(jì)數(shù)。由此造成加油站無(wú)法對(duì)車(chē)流量進(jìn)行精準(zhǔn)化管理。

現(xiàn)有的加油站、車(chē)站無(wú)法對(duì)站外進(jìn)行監(jiān)控，特別是站外車(chē)輛的停留和進(jìn)入站內(nèi)的比率等無(wú)法統(tǒng)計(jì)，因此，就造成很多客源的流失或站內(nèi)外管理遺漏等情況發(fā)生。

專(zhuān)利申請(qǐng)?zhí)枺?01520379515.7公開(kāi)了一種加油（氣）站視頻監(jiān)控系統(tǒng)，包括前端監(jiān)控裝置、通信網(wǎng)絡(luò)、視頻綜合平臺(tái)和顯示模塊。該實(shí)用新型一種加油（氣）站視頻監(jiān)控系統(tǒng)，實(shí)現(xiàn)了對(duì)加油（氣）站進(jìn)出車(chē)輛情況、車(chē)輛加油或加氣情況、設(shè)備運(yùn)行情況以及加油加氣站工作情況進(jìn)行實(shí)時(shí)監(jiān)視和記錄，保障了各加油加氣站的安全運(yùn)轉(zhuǎn)。

上述專(zhuān)利僅僅提供車(chē)輛進(jìn)出監(jiān)控的作用，在現(xiàn)有的加油站進(jìn)出通道均安裝有該類(lèi)設(shè)置，但該類(lèi)裝置無(wú)法對(duì)車(chē)輛數(shù)量進(jìn)行統(tǒng)計(jì)，也無(wú)法捕捉獲取盜牌、污牌或警方提供的可疑車(chē)輛。

技術(shù)實(shí)現(xiàn)要素：

基于此，針對(duì)上述問(wèn)題，本發(fā)明提供一種站外車(chē)流統(tǒng)計(jì)分析方法，該方法能對(duì)視頻區(qū)域內(nèi)的車(chē)輛進(jìn)行定位和追蹤，有利于掌握站外車(chē)輛的情況，并能大數(shù)據(jù)分析，統(tǒng)計(jì)成報(bào)表，有利于進(jìn)行可靠性和精準(zhǔn)性的車(chē)流量管理。

本發(fā)明的技術(shù)方案是：一種站外車(chē)流統(tǒng)計(jì)分析方法，其包括以下步驟：

建立背景數(shù)據(jù)庫(kù)和動(dòng)態(tài)圖像數(shù)據(jù)庫(kù)，從采集的監(jiān)控區(qū)域內(nèi)的視頻圖像信息中提取背景圖像信息和運(yùn)動(dòng)目標(biāo)信息；

并將背景圖像信息和運(yùn)動(dòng)目標(biāo)信息以背景差分法和程序計(jì)算法分別得到一個(gè)時(shí)間段內(nèi)的車(chē)輛數(shù)量；

將統(tǒng)計(jì)的車(chē)輛數(shù)量錄入數(shù)據(jù)庫(kù)，并制成便于查詢(xún)的車(chē)輛統(tǒng)計(jì)表和車(chē)流量統(tǒng)計(jì)報(bào)表。

優(yōu)選的，所述背景差分法包括以下步驟：

從采集的視頻圖像信息中預(yù)先抽取不含前景運(yùn)動(dòng)物體的一幀圖像作為背景；

利用該幀圖像與背景圖像中的像素點(diǎn)進(jìn)行差分分析，得到新的差分圖像信息；

將新獲得差分圖像信息中相應(yīng)像素點(diǎn)特征與背景圖像進(jìn)行比較，不符合背景圖像的像素點(diǎn)即認(rèn)定為處于在運(yùn)動(dòng)目標(biāo)區(qū)，即判斷該運(yùn)動(dòng)目標(biāo)區(qū)為運(yùn)動(dòng)物體。

優(yōu)選的，所述程序計(jì)算法包括以下步驟：

分別提取第N周、第N+1周、第N+2周、第N+3周、第N+4周每個(gè)時(shí)間段采集的視頻圖像信息，并提取視頻圖像信息中的運(yùn)動(dòng)目標(biāo)數(shù)據(jù)；

將第N+3周采集的每個(gè)時(shí)間段的視頻圖像信息分別與第N周、第N+1周、第N+2周的每個(gè)時(shí)間段采集的視頻圖像信息進(jìn)行對(duì)比；

將對(duì)比后得到的比例進(jìn)行修正。

優(yōu)選的，設(shè)定采集的視頻圖像信息中還包括時(shí)間信息、經(jīng)緯度信息和攝像機(jī)型號(hào)信息。

優(yōu)選的，還包括通過(guò)獲取的站外車(chē)輛數(shù)量信息和站內(nèi)車(chē)輛數(shù)量信息分析得到進(jìn)店率信息。

優(yōu)選的，設(shè)定查詢(xún)車(chē)輛統(tǒng)計(jì)表和車(chē)流量統(tǒng)計(jì)報(bào)表通過(guò)時(shí)間節(jié)點(diǎn)選定。

本發(fā)明的有益效果是：

（1）能對(duì)站內(nèi)外通道內(nèi)的車(chē)輛進(jìn)行實(shí)時(shí)監(jiān)控，并能對(duì)動(dòng)態(tài)圖像中的車(chē)輛數(shù)量進(jìn)行計(jì)數(shù)，捕捉動(dòng)態(tài)圖像中的車(chē)輛數(shù)量，并對(duì)視頻區(qū)域內(nèi)的車(chē)輛進(jìn)行定位和跟蹤，實(shí)現(xiàn)了車(chē)流量的精準(zhǔn)化管理；

（2）能通過(guò)打印機(jī)定時(shí)打印出每日客流量信息的統(tǒng)計(jì)報(bào)表，以數(shù)據(jù)報(bào)表的形式進(jìn)行分析，增加了加油站車(chē)流量管理的嚴(yán)謹(jǐn)性；

（3）采用背景差分法和程序算法進(jìn)行相互驗(yàn)證，增加了車(chē)輛統(tǒng)計(jì)的精準(zhǔn)性。

附圖說(shuō)明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護(hù)范圍不局限于以下所述。

實(shí)施例：

如圖1所示，一種站外車(chē)流統(tǒng)計(jì)分析方法，其包括以下步驟：

S1、建立背景數(shù)據(jù)庫(kù)和動(dòng)態(tài)圖像數(shù)據(jù)庫(kù)，從采集的監(jiān)控區(qū)域內(nèi)的視頻圖像信息中提取背景圖像信息和運(yùn)動(dòng)目標(biāo)信息；

S2、并將背景圖像信息和運(yùn)動(dòng)目標(biāo)信息以背景差分法和程序計(jì)算法分別得到一個(gè)時(shí)間段內(nèi)的車(chē)輛數(shù)量；

S3、將統(tǒng)計(jì)的車(chē)輛數(shù)量錄入數(shù)據(jù)庫(kù)，并制成便于查詢(xún)的車(chē)輛統(tǒng)計(jì)表和車(chē)流量統(tǒng)計(jì)報(bào)表。

優(yōu)選的，所述背景差分法包括以下步驟：

S21、從采集的視頻圖像信息中預(yù)先抽取不含前景運(yùn)動(dòng)物體的一幀圖像作為背景；

S22、利用該幀圖像與背景圖像中的像素點(diǎn)進(jìn)行差分分析，得到新的差分圖像信息；

S23、將新獲得差分圖像信息中相應(yīng)像素點(diǎn)特征與背景圖像進(jìn)行比較，不符合背景圖像的像素點(diǎn)即認(rèn)定為處于在運(yùn)動(dòng)目標(biāo)區(qū)，即判斷該運(yùn)動(dòng)目標(biāo)區(qū)為運(yùn)動(dòng)物體。

運(yùn)用了背景差分法適用于背景靜止保持不變、運(yùn)動(dòng)目標(biāo)與背景的灰度差異較大的情況下，從視頻序列中預(yù)先抽取不含前景運(yùn)動(dòng)物體的一幀圖像作為背景，然后利用當(dāng)前幀與背景圖像直接差分檢測(cè)運(yùn)動(dòng)區(qū)域的方法。這種差分法對(duì)于復(fù)雜背景下的運(yùn)動(dòng)物體檢測(cè)效果較好，實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小，并且能夠完整的分割出運(yùn)動(dòng)目標(biāo)。

但是在實(shí)際應(yīng)用中，背景往往會(huì)由于拍攝時(shí)間的不同，容易受到光照變化、噪聲和外物入侵等各種因素的影響，需要實(shí)時(shí)的更新背景。更先進(jìn)的做法是在處理過(guò)程中不斷更新背景圖像，它的關(guān)鍵問(wèn)題就是如何建立有效的背景模型并進(jìn)行背景模型刷新，基于背景建模的方法是通過(guò)對(duì)圖像中背景與運(yùn)動(dòng)目標(biāo)區(qū)域像素點(diǎn)特性差異的分析，利用一定數(shù)量的訓(xùn)練圖像獲得背景區(qū)域的特征，將新獲得的序列圖像中相應(yīng)像素點(diǎn)特征與背景特征進(jìn)行比較，不符合背景特征的像素點(diǎn)即被認(rèn)定為處在運(yùn)動(dòng)目標(biāo)區(qū)。

背景圖像差分法是運(yùn)動(dòng)目標(biāo)檢測(cè)方法最直接的一種。首先，它將選定的背景圖像存儲(chǔ)下來(lái)，然后將序列圖像當(dāng)前幀與背景圖像做減法運(yùn)算，由于運(yùn)動(dòng)物體和背景在灰度或色彩上存在差別，相減后所得結(jié)果中每一像素的值和一個(gè)預(yù)先設(shè)定的閾值相比較，如果這個(gè)像素的值大于設(shè)定的閾值，則判定被監(jiān)控的場(chǎng)景中存在運(yùn)動(dòng)物體，從而得到運(yùn)動(dòng)的目標(biāo)。

程序算法為提取數(shù)周內(nèi)的數(shù)據(jù)與前幾周的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)對(duì)比，再將得出的比例進(jìn)行修正。例如，通過(guò)第4周攝像頭抓取的每個(gè)時(shí)間段的數(shù)據(jù)與前3周人工統(tǒng)計(jì)的每個(gè)時(shí)間段進(jìn)行對(duì)比，以早上七點(diǎn)到八點(diǎn)為例：第一周大車(chē)95輛，第一周小車(chē)1420倆，第二周大車(chē)110輛，第二周小車(chē)1489輛，第三周大車(chē)100輛，第三周小車(chē)1571輛，第四周大車(chē)82輛，第四周小車(chē)1267輛；

大型車(chē)：

第4周與第1周的比：82÷95=86.31%；

第4周與第2周的比：82÷110=72.72%；

第4周與第3周的比：82÷100=82.00%；

求所得的平均值：（86.31%+72.72%+82.00%）÷3=80.34%；

則第5周如果攝像頭抓取數(shù)據(jù)為90，經(jīng)過(guò)修正后的數(shù)據(jù)為：90÷80.34%=112。

小型車(chē)：

第4周與第1周的比：1267÷1420=89.22%；

第4周與第2周的比：1267÷1489=85.09%；

第4周與第3周的比：1267÷1571=80.64%；

求所得的平均值：（89.22%+85.09%+80.64%）÷3=84.98%；

則第5周如果攝像頭抓取數(shù)據(jù)為1300，經(jīng)過(guò)修正后的數(shù)據(jù)為：1300÷84.98%=1530。

進(jìn)一步地，還能通過(guò)將兩種算法相結(jié)合，從而使得車(chē)輛統(tǒng)計(jì)更加精確。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的具體實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專(zhuān)利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。