[发明专利]一种实时公交车客流量统计方法

说明书

技术领域

本发明属于模式识别技术领域，具体涉及一种实时公交车客流量统计 的方法。

背景技术

随着全球经济的快速发展，对交通运输的各种需求明显增长，交通运 输与社会经济生活的联系越来越紧密，因此，研究如何对公共交通设施实 施有效监测、如何为公共交通调度提供有效数据，从而减少公交车的使用， 提高道路交通的安全性，因此开发能够改善当前行车环境的车载移动增值 业务成为我国经济社会和谐发展的迫切需求，公交车客流统计就是其中之 一。公交公司通过实时的获得该路段在此段时间内的客流量的多少可以更 加合理的进行公交车的合理调度，另一方面公交广告投资商也可以据此对 投放的公交广告受众进行详细分析，进而调整广告投资策略以期将其广告 收益最大化。

人体目标的检测识别以及跟踪、统计等问题是计算机视觉领域的一个 研究热点，它具体涉及到了运动目标检测和运动目标跟踪。

在计算机视觉领域中，经典的运动目标检测方法包括：

(1)帧间差分法：该方法是一种对连续的相邻两帧图像采用基于像素 的时间差分并且阈值化来提取图像中的运动区域的方法(参考：J.B.Kim， H.J.Kim.Efficient region-based motion segmentation for video monitoring system[J].Pattern Recognition Letters，2003，24：113～128)。该方法对动态环 境有一定的适应性，但一般不能提取出所有相关的特征像素点，运动时目 标体内部容易产生空洞，并且对于光线强烈变化的场景该方法容易产生很 多噪声；

(2)背景建模：该方法能够自适应的建立输入场景背景图像的模型， 利用当前输入图像与背景模型做差分和阈值化运算即可检测出输入图像中 的前景目标(参考：Stauffer C，Grimson W.E.L.Adaptive background mixture models for real-time tracking.in Proceedings.1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition(Cat.No PR00149). IEEE Comput.Soc.Part Vol.2，1999.)。该方法可以获得较完整的目标特征 数据，对于无光照变化或光线变化缓慢的场景有较好的适用性。但是对于 动态场景或者存在剧烈的光照变化的场景，该方法则比较敏感，同时该算 法运算量较大，难以保证检测的实时性；

(3)光流法：该方法利用运动估计进行分割和跟踪运动目标，采用运 动目标随时间变化的光流特性，从而有效地提取和跟踪运动目标。光流场 的计算一直以来都是计算机视觉领域的一个研究重点，其中最为经典的算 法是L-K(Lucas&Kanade)法和H-S(Horm&Schunck)法。(参考：B.K.P.Horn and B.G.Schunck.Determining optical flow.AI Memo 572.Massachusetts Institue of Technology，1980.和Lucas B and Kanade T.An Iterative Image Registration Technique with an Application to Stereo Vision.Proc.Of 7th International Joint Conference on Artificial Intelligence(IJCAI)，pp.674-679.)。 光流法的优点是能检测出独立运动的对象，而且不需要预先知道场景的任 何信息。但是由于噪声、多光源、阴影、透明性和遮挡性等原因，使得计 算出的光流场分布不是十分可靠和精确。同时光流场的计算也十分耗时。