本發(fā)明屬于公共交通工具客流統(tǒng)計(jì)管理技術(shù)領(lǐng)域，具體設(shè)計(jì)一種邊沿連通分割客流統(tǒng)計(jì)方法。

背景技術(shù)：

目前，公交車(chē)多數(shù)仍沿用傳統(tǒng)的客流統(tǒng)計(jì)方法，通常采用人工統(tǒng)計(jì)的方法來(lái)取得客流量數(shù)據(jù)，雖然精度可以滿(mǎn)足要求，但是消耗人力、財(cái)力，且不具備系統(tǒng)性和全面性。刷卡機(jī)、投幣機(jī)等接觸式設(shè)備，雖然脫離了人工，但是一般只能一次通過(guò)一人，且無(wú)法滿(mǎn)足較高的精度和同時(shí)統(tǒng)計(jì)上、下車(chē)人數(shù)的要求。而現(xiàn)在應(yīng)用最廣泛的紅外線檢測(cè)系統(tǒng)，此類(lèi)系統(tǒng)為非接觸式，相比接觸式設(shè)備，有了很大的提高。但在實(shí)際運(yùn)行中，當(dāng)多個(gè)乘客連續(xù)或同時(shí)通過(guò)紅外裝置時(shí)，就會(huì)出現(xiàn)遮擋，單個(gè)乘客在檢測(cè)目標(biāo)區(qū)域暫時(shí)的停留，或者軀體和攜帶物品的干擾，也會(huì)對(duì)統(tǒng)計(jì)的精準(zhǔn)度產(chǎn)生影響。

近幾年，隨著政府對(duì)智能公交事業(yè)投入力度的加大，我國(guó)智能公交系統(tǒng)已經(jīng)初部發(fā)展，而客流計(jì)數(shù)系統(tǒng)是重要組成部分，如何能夠?yàn)楣还咎峁└訉?shí)時(shí)、清楚、準(zhǔn)確的乘客交通統(tǒng)計(jì)數(shù)據(jù)已成為運(yùn)營(yíng)商的準(zhǔn)求目標(biāo)。

與智能公交系統(tǒng)相結(jié)合的客流計(jì)數(shù)系統(tǒng)中，有一種在車(chē)門(mén)門(mén)頭位置安裝客流統(tǒng)計(jì)終端單獨(dú)進(jìn)行統(tǒng)計(jì)分析，這些統(tǒng)計(jì)方式或者設(shè)備成本較高、安裝難度大，或者只能針對(duì)單人次統(tǒng)計(jì)的簡(jiǎn)單情況，而在各種技術(shù)各自為戰(zhàn)的情況下，這些缺點(diǎn)總會(huì)不可避免。對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)，傳統(tǒng)方法主要有背景差法、幀差法和光流法。背景法主要應(yīng)用于背景變化不大或者變化較為緩慢的環(huán)境，在目標(biāo)進(jìn)入攝像機(jī)范圍之前，提取背景圖，目標(biāo)進(jìn)入之后，用當(dāng)前圖像減去背景圖，得到運(yùn)動(dòng)目標(biāo)。背景更新是背景法的重點(diǎn)，目前主要有單高斯和混合高斯背景模型法。公交車(chē)上由于每個(gè)站臺(tái)環(huán)境不一樣，而且受光線和遮擋影響非常大，所以不適于采用背景差法。幀差法雖然受光線影響不大，但是在擁擠的時(shí)候，多個(gè)乘客容易粘連在一起，如何將單獨(dú)乘客分割出來(lái)是一個(gè)難題。考慮到即使擁擠的時(shí)候，乘客的頭部也很少靠在一起，所以以頭部作為計(jì)數(shù)目標(biāo)易于實(shí)現(xiàn)。目前有許多學(xué)者采用邊緣提取和hough變化尋找人頭，該方法計(jì)算量大，占用存儲(chǔ)空間也較大。另外，目前的形態(tài)學(xué)客流統(tǒng)計(jì)方法對(duì)人員的頭部特征要求比較高。出現(xiàn)馬尾辮，戴帽子，彎腰形成的頭部橢圓的形狀都有較高的誤差率。

光流法在檢測(cè)運(yùn)動(dòng)目標(biāo)中具有其優(yōu)勢(shì)：可以在不知道任何場(chǎng)景信息的情況下，檢測(cè)出運(yùn)動(dòng)目標(biāo)。目前基于梯度的光流計(jì)算方法得到了廣泛的應(yīng)用。采用光流法進(jìn)行運(yùn)動(dòng)物體檢測(cè)的問(wèn)題主要在于光流法計(jì)算耗時(shí)，實(shí)時(shí)性和實(shí)用性都較差，純粹采用光流法檢測(cè)運(yùn)動(dòng)目標(biāo)不太實(shí)際，但是可以將光流計(jì)算方法和其他方法相結(jié)合來(lái)檢測(cè)運(yùn)動(dòng)目標(biāo)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)目前公交車(chē)客流統(tǒng)計(jì)的現(xiàn)狀和問(wèn)題，提供一種邊沿連通分割客流統(tǒng)計(jì)方法，使用kinect深度攝像頭，采用形態(tài)學(xué)分層原理分割人體，記錄人數(shù)，達(dá)到客流統(tǒng)計(jì)的目的。

采用的技術(shù)方案：一種邊沿連通分割客流統(tǒng)計(jì)方法，深度攝像頭放置在公交車(chē)進(jìn)出門(mén)正上方，乘客上下車(chē)通過(guò)攝像頭；其特征在于，包括以下步驟：

第1步驟：安裝并調(diào)整使攝像頭距離車(chē)門(mén)底部2-2.5米，截取每個(gè)乘客從車(chē)底部向上120-190cm高度范圍形成的圖像。

第2步驟：根據(jù)所截取的圖像高度落差梯度變化情況進(jìn)行邊緣檢測(cè)，得出邊緣圖像。

第3步驟：由圖像高度落差形成的邊緣圖像，進(jìn)行圖像形態(tài)學(xué)處理，處理后的邊緣圖像和原深度圖像進(jìn)行融合（原深度圖像就是原有的圖像，沒(méi)有進(jìn)行過(guò)處理的圖像）；圖像邊緣是二值化后的圖像，數(shù)據(jù)大小為0和1。又進(jìn)行了形態(tài)學(xué)處理，邊緣為0，和原圖像進(jìn)行與操作。最終得到各個(gè)目標(biāo)物清晰邊緣的分割圖像，由于邊緣圖像進(jìn)行了形態(tài)學(xué)處理，故而融合后的處理，主要突出了主體部分，細(xì)枝末節(jié)都得到了弱化。

第4步驟：求取融合后圖像的連通域t；

第5步驟：篩選出面積大于特定閾值t0的連通域區(qū)域t’（即為目標(biāo)物），針對(duì)每個(gè)連通域進(jìn)行邊緣距離弱化；（邊緣距離：連通域中每個(gè)邊緣在x方向和y方向到另一個(gè)邊緣點(diǎn)的個(gè)數(shù)。將滿(mǎn)足（sumx<thrxsumy<thry）的方向上的所有點(diǎn)置為0；依據(jù)變化后的每個(gè)圖像的連通域t’的形狀，面積，落差比來(lái)判斷是否是一個(gè)人；

第6步驟：根據(jù)第5步驟的判斷結(jié)果，若是一個(gè)人，記錄一個(gè)人的形狀中心點(diǎn)，作為標(biāo)記pi；

第7步驟：根據(jù)第5步驟的判斷結(jié)果，若不是一個(gè)人的情況，則跳過(guò)，進(jìn)行分割區(qū)域處理：根據(jù)灰度均值，進(jìn)行問(wèn)題連通域t1分層處理，然后再進(jìn)行第4步驟處理；（一般情況下，會(huì)出現(xiàn)兩人身高類(lèi)似，行走并行的情況）。

第8步驟：記錄以上被檢測(cè)人員的坐標(biāo)點(diǎn)m和幀序號(hào)n，依據(jù)歐式距離分析判別是否為同一人，并得出每個(gè)人的行走路徑；

第9步驟：依據(jù)第8步驟得出來(lái)的每個(gè)人的行走路徑來(lái)判斷每個(gè)人是否上下車(chē)。

有益效果：本發(fā)明利用kinect深度攝像頭使用形態(tài)學(xué)分層原理分割人體，記錄人數(shù)，該方法簡(jiǎn)單實(shí)用，在公交車(chē)客流統(tǒng)計(jì)實(shí)踐中，得到了較好的準(zhǔn)確度。并且保持了實(shí)時(shí)性。依據(jù)目前的形態(tài)學(xué)客流統(tǒng)計(jì)方法，對(duì)人員的頭部特征要求比較高。出現(xiàn)馬尾辮，戴帽子，彎腰形成的頭部橢圓的形狀都有較高的誤差率。而此方法完全規(guī)避了這些問(wèn)題的形成。提高了準(zhǔn)確度。

具體實(shí)施方式

本發(fā)明所采用的邊緣連通分割客流統(tǒng)計(jì)方法需要將kinect深度攝像頭放置在公交車(chē)進(jìn)出門(mén)正上方，根據(jù)乘客上下車(chē)通過(guò)攝像頭的過(guò)程，通過(guò)深度攝像頭采集的圖像進(jìn)行分析后確定統(tǒng)計(jì)人數(shù)。利用深度攝像頭采集圖像后進(jìn)行分析的具體步驟如下：

第1步驟：安裝并調(diào)整使攝像頭距離車(chē)門(mén)底部約2.3米，截取每個(gè)經(jīng)過(guò)門(mén)口的乘客由車(chē)底部向上120-190cm高度范圍形成的圖像集sn=a1，a2,......,an；

第2步驟：根據(jù)每個(gè)圖像的高度落差梯度變化情況分別進(jìn)行邊緣檢測(cè)，得出邊緣圖像集qn。

gx=(-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)

+(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)

+(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)

=[f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]

gy=1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)

+0*f(x-1,y)0*f(x,y)+0*f(x+1,y)

+(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1)

=[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)]

其中g(shù)x及gy分別代表經(jīng)橫向及縱向邊緣檢測(cè)的圖像灰度值，f(a,b),表示圖像(a,b)點(diǎn)的灰度值。

圖像的每一個(gè)像素的橫向及縱向灰度值通過(guò)以下公式結(jié)合，來(lái)計(jì)算該點(diǎn)灰度的大?。?/p>

通常，為了提高效率使用不開(kāi)平方的近似值：

如果梯度g大于某一閥值則認(rèn)為該點(diǎn)(x,y)為邊緣點(diǎn)。對(duì)應(yīng)該點(diǎn)的圖像為邊緣圖像。

第3步驟：由圖像高度落差形成的邊緣圖像集qn，分別進(jìn)行圖像形態(tài)學(xué)處理，和原深度圖像進(jìn)行融合；wn=~qn&&sn.將邊緣圖像取反后和原圖像進(jìn)行與運(yùn)算。融合后的圖像wn根據(jù)大于0為1的原則進(jìn)行二值化處理，接著將wn進(jìn)行腐蝕操作。qn進(jìn)行形態(tài)學(xué)腐蝕運(yùn)算erosion。

第4步驟：求取融合后圖像的連通域t；

第5步驟：篩選出面積大于特定閾值的連通域區(qū)域（即為目標(biāo)物），針對(duì)每個(gè)連通域進(jìn)行邊緣距離弱化；（邊緣距離：連通域中每個(gè)邊緣在x方向和y方向到另一個(gè)邊緣點(diǎn)的個(gè)數(shù)。將滿(mǎn)足（sumx<thrxsumy<thry）的方向上的所有點(diǎn)置為0；

第6步驟：根據(jù)第5步驟的判斷結(jié)果，若是一個(gè)人，記錄一個(gè)人的形狀中心點(diǎn)，作為標(biāo)記；

第7步驟：根據(jù)第5步驟的判斷結(jié)果，如果不是目標(biāo)物，則跳過(guò)分析判斷；

第8步驟：記錄以上記錄人員的坐標(biāo)點(diǎn)和幀序號(hào)，依據(jù)歐式距離分析判別是否為同一人；

第9步驟：依據(jù)第8步驟得出來(lái)的每個(gè)人的行走路徑來(lái)判斷每個(gè)人是否上下車(chē)。