專利名稱：一種基于視頻監(jiān)控的公交客流計(jì)數(shù)方法
技術(shù)領(lǐng)域：
本發(fā)明總體上涉及一種公交客流計(jì)數(shù)方法，更具體地涉及一種車載視頻監(jiān)控系統(tǒng)中，通過基于頭肩部特征的人體檢測及跟蹤，判定運(yùn)動(dòng)目標(biāo)是否越過計(jì)數(shù)線，來實(shí)現(xiàn)公交客流計(jì)數(shù)的方法。
背景技術(shù)：
隨著城市公共交通的不斷發(fā)展，如何合理有效地制定公交車運(yùn)營計(jì)劃，成為每個(gè)公交公司的頭等大事，而客流計(jì)數(shù)又是公交公司制定所有運(yùn)營計(jì)劃的基礎(chǔ)。目前常用的客流計(jì)數(shù)方法有紅外客流計(jì)數(shù)方法，通過紅外光電傳感器連續(xù)監(jiān)測雙向客流量。在人流密集的情況下，該方法由于無法分割位置緊鄰的人群，容易導(dǎo)致統(tǒng)計(jì)精度下降。而且該方法需要在公交車上安裝相應(yīng)的紅外設(shè)備，成本較高，難以廣泛應(yīng)用。歐洲一些地方也在使用多攝像頭立體視覺式客流計(jì)數(shù)方法，該方法要使用至少兩個(gè)事先標(biāo)定好的并排放置的攝像頭，通過立體深度算法，將場景的深度圖計(jì)算出來，在深度圖中分割出每一個(gè)行人，從而達(dá)到數(shù)人的目的。由于使用三維深度信息，所以該方法對(duì)圖像中行人的分割比較準(zhǔn)確，受行人相互遮擋等的影響較小，但是由于使用多個(gè)攝像頭，并需要準(zhǔn)確標(biāo)定，體積較大，成本也較高。近兩年，人們開始關(guān)注單攝像頭式的客流計(jì)數(shù)方法。

發(fā)明內(nèi)容
本發(fā)明旨在克服現(xiàn)有技術(shù)的上述不足，提供一種成本較低，實(shí)現(xiàn)容易，基于單攝像頭式視頻監(jiān)控的客流計(jì)數(shù)方法。該方法采用基于頭肩部特征的人體檢測及跟蹤方法，通過判斷乘客是否跨越計(jì)數(shù)線和乘客的運(yùn)動(dòng)方向，統(tǒng)計(jì)各個(gè)時(shí)段的上下客流量，計(jì)算出車廂內(nèi)乘客總?cè)藬?shù)。當(dāng)檢測到異常情況時(shí)，向系統(tǒng)發(fā)送報(bào)警信號(hào)。本發(fā)明的技術(shù)方案如下一種基于視頻監(jiān)控的公交客流計(jì)數(shù)方法，在進(jìn)行公交客流計(jì)數(shù)之前，先設(shè)置兩種計(jì)數(shù)線上客門圖像的計(jì)數(shù)線記為計(jì)數(shù)線1，下客門圖像的計(jì)數(shù)線記為計(jì)數(shù)線2，該公交客流計(jì)數(shù)方法如下I)對(duì)每幀目標(biāo)圖像用頭肩輪廓形狀作為參考特征，訓(xùn)練頭肩分類器，采用分枝定界的搜索算法實(shí)現(xiàn)人體檢測；2)將目標(biāo)圖像從RGB色彩空間轉(zhuǎn)化到LUV色彩空間；3)對(duì)轉(zhuǎn)換到LUV色彩空間的目標(biāo)圖像內(nèi)的行人頭肩區(qū)域進(jìn)行顏色聚類，建立行人個(gè)體的標(biāo)識(shí)特征；4)設(shè)定相似度閾值，對(duì)相鄰幀的行人個(gè)體的標(biāo)識(shí)特征進(jìn)行相似度計(jì)算，當(dāng)兩個(gè)相鄰幀的目標(biāo)圖像的相似度小于一定閾值時(shí)，認(rèn)為是同一個(gè)目標(biāo)，實(shí)現(xiàn)相鄰幀之間的行人頭肩部匹配；5)根據(jù)行人個(gè)體的標(biāo)識(shí)特征，獲得目標(biāo)頭肩部中心點(diǎn)的位置；6)根據(jù)前后兩幀圖像中目標(biāo)頭肩部中心點(diǎn)的位置變化，判斷目標(biāo)是否跨越某種計(jì)數(shù)線；
7)如果目標(biāo)跨越計(jì)數(shù)線，則通過目標(biāo)的運(yùn)動(dòng)方向，判斷目標(biāo)是上車還是下車，進(jìn)而統(tǒng)計(jì)出設(shè)公交在某時(shí)刻到站時(shí)上下客流量，乘客總?cè)藬?shù)由該時(shí)刻之前所有時(shí)段的上車人數(shù)減去下車人數(shù)求和獲得；8)當(dāng)檢測到異常情況，就向系統(tǒng)發(fā)送報(bào)警信號(hào)。作為優(yōu)選實(shí)施方式，步驟3)中，行人個(gè)體的標(biāo)識(shí)特征包括，頭肩部的位置、尺度、K顏色中心位置、K顏色值、K區(qū)域在行人總區(qū)域的比例；步驟7)的具體步驟如下，以每幀目標(biāo)圖像的左下頂點(diǎn)作為坐標(biāo)原點(diǎn)，yjPy2分別表示計(jì)數(shù)線I和計(jì)數(shù)線2的縱坐標(biāo)，yi表示第i幀圖像目標(biāo)中心點(diǎn)的縱坐標(biāo)，用tn(n=l, 2，3，…)表示公交到站的時(shí)刻，該時(shí)刻上車人數(shù)記為Un，下車人數(shù)記為Dn，乘客總?cè)藬?shù)記為Nn ；
公交在某時(shí)刻到站時(shí)，在車門打開期間，如果上客門圖像滿足yη>yi，yi<yi，則判定運(yùn)動(dòng)目標(biāo)上車，Un+1，Nn+1 ;如果下客門圖像滿足Yi^y2, yi>y2，則判定運(yùn)動(dòng)目標(biāo)下車，Dn+l，Nn-l ;如果上客門圖像滿足yi=yi或者下客門圖像滿足yi=y2，則不做計(jì)數(shù)；通過對(duì)該時(shí)刻所有運(yùn)動(dòng)目標(biāo)進(jìn)行判斷，對(duì)Un和Dn進(jìn)行計(jì)算，實(shí)現(xiàn)上下客流量計(jì)數(shù)。步驟8)可以包括下列異常情況A、當(dāng)公交車到站時(shí)，如果下客門拍攝圖像中沒有檢測到人體，則向監(jiān)控系統(tǒng)發(fā)送無人下車信號(hào)；B、如果公交車某次到站后，乘客總?cè)藬?shù)大于系統(tǒng)設(shè)定的最大承載量，則向系統(tǒng)發(fā)送超載信號(hào)；C、車門打開時(shí)，如果判定運(yùn)動(dòng)目標(biāo)從上客門下車，則向系統(tǒng)發(fā)送上客門下車信號(hào);D、車門打開時(shí)，如果判定運(yùn)動(dòng)目標(biāo)從下客門上車，則向系統(tǒng)發(fā)送下客門上車信號(hào)。本發(fā)明具有下列優(yōu)點(diǎn)(I)本發(fā)明與現(xiàn)有監(jiān)控系統(tǒng)無縫兼容。無需在公交車上添加新的設(shè)備就可以被簡易應(yīng)用在現(xiàn)有車載視頻監(jiān)控系統(tǒng)中，成本低，效果理想。(2)本發(fā)明采用基于人體頭肩部特征的檢測方法，有效地解決了車廂人體相互遮擋、攝像頭距離較近、車廂環(huán)境狹小的問題。(3)本發(fā)明對(duì)陰影光照的影響有更好的魯棒性，并解決了傳統(tǒng)方式采用顏色直方圖模式容易產(chǎn)生錯(cuò)誤跟蹤的問題，并具有較高的計(jì)算速率，能夠滿足實(shí)時(shí)性的需要。(4)本發(fā)明對(duì)車廂內(nèi)異常情況產(chǎn)生報(bào)警信號(hào)，方便司機(jī)及時(shí)了解車廂情況，并做出決策，可以更好地維護(hù)公交車秩序和安全。


圖1是本發(fā)明的基本流程圖。圖2是本發(fā)明的人體檢測及跟蹤原理示意圖。
具體實(shí)施例方式為使本發(fā)明的目的、實(shí)現(xiàn)方案和優(yōu)點(diǎn)更為清晰，下面對(duì)本發(fā)明的具體實(shí)施作進(jìn)一步的詳細(xì)描述，本發(fā)明的基本流程如圖1和圖2所示。
( I)本發(fā)明的圖像捕獲部分由安裝在公交車上下客門位置的攝像頭和圖像采集設(shè)備獲得。在攝像頭的安裝上，本發(fā)明采取了垂直向下的方式，盡可能減小人體相互遮擋所帶來的問題。(2)基于人體頭肩部特征的行人檢測及跟蹤過程，如圖2所示。用頭肩輪廓類似“ Ω ”形狀作為參考特征，訓(xùn)練頭肩分類器。采用分枝定界的搜索算法，這樣不僅能夠加速分類器的檢測速度，并且能夠增加行人位置的檢測精度。將圖像從RGB色彩空間轉(zhuǎn)化到LUV色彩空間，進(jìn)行顏色聚類時(shí)的K值選擇為5，實(shí)際使用中以5 10為宜，聚類數(shù)量的增加會(huì)加大計(jì)算的開銷。聚類結(jié)束以后，獲 取目標(biāo)的個(gè)體標(biāo)識(shí)特征F。每開始一個(gè)新個(gè)體時(shí)，將新建一個(gè)鏈表，用于存儲(chǔ)其個(gè)體標(biāo)識(shí)。隨著跟蹤的進(jìn)行，個(gè)體的新的狀態(tài)作為鏈表的末節(jié)點(diǎn)插入鏈表，從而形成目標(biāo)的連續(xù)的跟蹤。有關(guān)顏色聚類算法的詳細(xì)實(shí)現(xiàn)，可參見“李曼，趙松林，K-means聚類算法分析應(yīng)用研究，《魅力中國》，2011年第7期” 一文。(3)設(shè)置計(jì)數(shù)線時(shí)，首先要對(duì)大量上下客門拍攝圖像進(jìn)行分析，計(jì)算出車廂內(nèi)人體在圖像上可能出現(xiàn)的區(qū)域，并以該區(qū)域的邊界作為計(jì)數(shù)線，通過判斷運(yùn)動(dòng)目標(biāo)是否跨越計(jì)數(shù)線和運(yùn)動(dòng)方向，統(tǒng)計(jì)上下客門客流量。乘客總?cè)藬?shù)由該時(shí)段之前所有時(shí)段的上車人數(shù)減去下車人數(shù)求和獲得。本發(fā)明的公交客流計(jì)數(shù)方法的具體步驟如下(I)首先設(shè)置計(jì)數(shù)線。通過對(duì)上下客門攝像頭所拍攝圖像進(jìn)行分析，找出車廂內(nèi)和車廂外的分界線，并用該分界線作為計(jì)數(shù)線。上客門圖像的計(jì)數(shù)線記為計(jì)數(shù)線1，下客門圖像的計(jì)數(shù)線記為計(jì)數(shù)線2。(2)對(duì)每幀目標(biāo)圖像進(jìn)行基于頭肩部特征的行人檢測及跟蹤，步驟如下A、用頭肩輪廓類似“Ω”形狀作為參考特征，采用支持向量機(jī)的方法實(shí)現(xiàn)人體檢測，檢測時(shí)采用分枝定界的方式，加速收斂；B、將圖像從RGB色彩空間轉(zhuǎn)化到LUV色彩空間。C、對(duì)轉(zhuǎn)換后的LUV色彩圖像內(nèi)的行人頭肩區(qū)域進(jìn)行K中心點(diǎn)顏色聚類，建立行人個(gè)體的標(biāo)識(shí)特征。行人的個(gè)體特征包括，頭肩部的位置、尺度、K顏色中心位置、K顏色值、K區(qū)域在行人總區(qū)域的比例。D、相鄰幀之間的行人頭肩部匹配。采用獲得的行人頭肩區(qū)域特征F進(jìn)行相似度計(jì)算，相似度計(jì)算綜合考慮到F中的各個(gè)特征及其特點(diǎn)，當(dāng)兩個(gè)目標(biāo)的相似度小于一定閾值時(shí)，認(rèn)為是同一個(gè)目標(biāo)。(3)通過(2)中構(gòu)建的行人個(gè)體的標(biāo)識(shí)特征，獲得運(yùn)動(dòng)目標(biāo)頭肩部中心點(diǎn)的位置，根據(jù)前后兩幀圖像中運(yùn)動(dòng)目標(biāo)頭肩部中心點(diǎn)的位置變化，判斷運(yùn)動(dòng)目標(biāo)是否跨越計(jì)數(shù)線。并通過目標(biāo)的運(yùn)動(dòng)方向，判斷目標(biāo)是上車還是下車，進(jìn)而統(tǒng)計(jì)出該時(shí)段的上下客流量。乘客總?cè)藬?shù)由該時(shí)段之前所有時(shí)段的上車人數(shù)減去下車人數(shù)求和獲得。以每幀圖像的左下頂點(diǎn)作為坐標(biāo)原點(diǎn)，yi和y2分別表示計(jì)數(shù)線I和計(jì)數(shù)線2的縱坐標(biāo)，Ii表示第i巾貞圖像目標(biāo)中心點(diǎn)的縱坐標(biāo)。用tn(n=l, 2，3，…)表示公交到站的時(shí)刻，該時(shí)刻上車人數(shù)記為Un,下車人數(shù)記為Dn,總?cè)藬?shù)記為Nn。某時(shí)刻公交到站，車門打開期間，如果上客門圖像滿Myjy1, yi〈yi，則判定運(yùn)動(dòng)目標(biāo)上車，Un+l,Nn+l ;如果下客門圖像滿足ι ，yi>y2，則判定運(yùn)動(dòng)目標(biāo)下車，Dn+1，Nn-1 ；如果上客門圖像滿足yi=yi或者下客門圖像滿足yi=y2，則不做計(jì)數(shù)。通過對(duì)該時(shí)刻所有運(yùn)動(dòng)目標(biāo)進(jìn)行判斷，對(duì)Un和Dn進(jìn)行計(jì)算，實(shí)現(xiàn)上下客門客流量計(jì)數(shù)。乘客總?cè)藬?shù)Nn由該時(shí)刻之前所有時(shí)段的上車人數(shù)減去下車人數(shù)求和獲得。(4)當(dāng)檢測到異常情況，就向系統(tǒng)發(fā)送報(bào)警信號(hào)。具體包括以下幾點(diǎn)A、當(dāng)公交車到站時(shí)，如果下客門拍攝圖像中沒有檢測到人體，則向監(jiān)控系統(tǒng)發(fā)送無人下車信號(hào)。B、如果公交車某次到站后，乘客總?cè)藬?shù)Nn大于系統(tǒng)設(shè)定的最大承載量Ntl,則向系統(tǒng)發(fā)送超載信號(hào)。C、車門打開時(shí)，如果上客門圖像滿足L1O1, yi>yi，則判定運(yùn)動(dòng)目標(biāo)從上客門下車，向系統(tǒng)發(fā)送上客門下車信號(hào)。D、車門打開時(shí)，如果下客門圖像滿MyiAy2, yi〈y2，則判定運(yùn)動(dòng)目標(biāo)從下客門上車，向系統(tǒng)發(fā)送下客門上車信號(hào)。
權(quán)利要求
1.一種基于視頻監(jiān)控的公交客流計(jì)數(shù)方法，在進(jìn)行公交客流計(jì)數(shù)之前，先設(shè)置兩種計(jì)數(shù)線上客門圖像的計(jì)數(shù)線記為計(jì)數(shù)線1，下客門圖像的計(jì)數(shù)線記為計(jì)數(shù)線2，該公交客流計(jì)數(shù)方法如下 1)對(duì)每幀目標(biāo)圖像用頭肩輪廓形狀作為參考特征，訓(xùn)練頭肩分類器，采用分枝定界的搜索算法實(shí)現(xiàn)人體檢測； 2)將目標(biāo)圖像從RGB色彩空間轉(zhuǎn)化到LUV色彩空間； 3)對(duì)轉(zhuǎn)換到LUV色彩空間的目標(biāo)圖像內(nèi)的行人頭肩區(qū)域進(jìn)行顏色聚類，建立行人個(gè)體的標(biāo)識(shí)特征； 4)設(shè)定相似度閾值，對(duì)相鄰幀的行人個(gè)體的標(biāo)識(shí)特征進(jìn)行相似度計(jì)算，當(dāng)兩個(gè)相鄰幀的目標(biāo)圖像的相似度小于一定閾值時(shí)，認(rèn)為是同一個(gè)目標(biāo)，實(shí)現(xiàn)相鄰幀之間的行人頭肩部匹配； 5)根據(jù)行人個(gè)體的標(biāo)識(shí)特征，獲得目標(biāo)頭肩部中心點(diǎn)的位置； 6)根據(jù)前后兩幀圖像中目標(biāo)頭肩部中心點(diǎn)的位置變化，判斷目標(biāo)是否跨越某種計(jì)數(shù)線. 7)如果目標(biāo)跨越計(jì)數(shù)線，則通過目標(biāo)的運(yùn)動(dòng)方向，判斷目標(biāo)是上車還是下車，進(jìn)而統(tǒng)計(jì)出設(shè)公交在某時(shí)刻到站時(shí)上下客流量，乘客總?cè)藬?shù)由該時(shí)刻之前所有時(shí)段的上車人數(shù)減去下車人數(shù)求和獲得； 8)當(dāng)檢測到異常情況，就向系統(tǒng)發(fā)送報(bào)警信號(hào)。
2.根據(jù)權(quán)利要求1所述的基于視頻監(jiān)控的公交客流計(jì)數(shù)方法，其特征在于，步驟3)中，行人個(gè)體的標(biāo)識(shí)特征包括，頭肩部的位置、尺度、K顏色中心位置、K顏色值、K區(qū)域在行人總區(qū)域的比例。
3.根據(jù)權(quán)利要求1所述的基于視頻監(jiān)控的公交客流計(jì)數(shù)方法，其特征在于，步驟7)的具體步驟如下以每幀目標(biāo)圖像的左下頂點(diǎn)作為坐標(biāo)原點(diǎn)，Y1和y2分別表示計(jì)數(shù)線I和計(jì)數(shù)線2的縱坐標(biāo)，Yi表示第i巾貞圖像目標(biāo)中心點(diǎn)的縱坐標(biāo),用tn(n=l, 2，3，…)表示公交到站的時(shí)刻，該時(shí)刻上車人數(shù)記為Un,下車人數(shù)記為Dn,乘客總?cè)藬?shù)記為Nn ； 公交在某時(shí)刻到站時(shí)，在車門打開期間，如果上客門圖像滿足YiJy1，Y^y1，則判定運(yùn)動(dòng)目標(biāo)上車，Un+1，Nn+1 ;如果下客門圖像滿足Yi^y2, yi>y2，則判定運(yùn)動(dòng)目標(biāo)下車，Dn+1，Nn-1 ;如果上客門圖像滿足Yi=Y1或者下客門圖像滿足yi=y2，則不做計(jì)數(shù)；通過對(duì)該時(shí)刻所有運(yùn)動(dòng)目標(biāo)進(jìn)行判斷，對(duì)Un和Dn進(jìn)行計(jì)算，實(shí)現(xiàn)上下客流量計(jì)數(shù)。
4.根據(jù)權(quán)利要求3所述的基于視頻監(jiān)控的公交客流計(jì)數(shù)方法，其特征在于，步驟8)包括下列異常情況 A、當(dāng)公交車到站時(shí)，如果下客門拍攝圖像中沒有檢測到人體，則向監(jiān)控系統(tǒng)發(fā)送無人下車信號(hào)； B、如果公交車某次到站后，乘客總?cè)藬?shù)大于系統(tǒng)設(shè)定的最大承載量，則向系統(tǒng)發(fā)送超載信號(hào)； C、車門打開時(shí)，如果判定運(yùn)動(dòng)目標(biāo)從上客門下車，則向系統(tǒng)發(fā)送上客門下車信號(hào)； D、車門打開時(shí)，如果判定運(yùn)動(dòng)目標(biāo)從下客門上車，則向系統(tǒng)發(fā)送下客門上車信號(hào)。
全文摘要
本發(fā)明提出一種基于視頻監(jiān)控的公交客流計(jì)數(shù)方法。該方法首先對(duì)上下客門拍攝圖像設(shè)置計(jì)數(shù)線，然后采用基于頭肩部特征的人體檢測及跟蹤方法，判斷乘客是否跨越計(jì)數(shù)線和乘客的運(yùn)動(dòng)方向，進(jìn)而統(tǒng)計(jì)各個(gè)時(shí)段的上下客流量，并計(jì)算出車廂乘客總?cè)藬?shù)。當(dāng)檢測到異常情況時(shí)，向系統(tǒng)發(fā)送報(bào)警信號(hào)，司機(jī)可以根據(jù)該信號(hào)做出相應(yīng)決策。該方法能夠適應(yīng)車載端的復(fù)雜環(huán)境，在單攝像頭方式下，有效地實(shí)現(xiàn)公交客流計(jì)數(shù)。
文檔編號(hào)G07C9/00GK103021059SQ20121054078
公開日2013年4月3日 申請日期2012年12月12日 優(yōu)先權(quán)日2012年12月12日
發(fā)明者金志剛, 謝璐 申請人:天津大學(xué)