[发明专利]一种检测轨道交通车厢内乘客密度异常的方法和装置

权利要求书

1.一种检测轨道交通车厢内乘客密度异常的方法，其特征在于，包括，

实时采集当前车厢内的监控视频中的图像帧数据，并对所述图像帧数据进行预处理；

将已完成预处理的图像帧数据输入获取的图像识别模型进行人数检测，得到当前时刻的当前车厢的人数，并将所述当前时刻的当前车厢的人数保存；

获取前一时刻的当前车厢的人数，根据所述前一时刻的当前车厢的人数和当前时刻的当前车厢的人数，判断当前车厢内乘客密度是否异常；

所述根据所述前一时刻的当前车厢的人数和当前时刻的当前车厢的人数，判断当前车厢内乘客密度是否异常，具体包括：

计算当前时刻的当前车厢的人数与前一时刻的当前车厢的人数的差值；

比较所述差值与第一阈值的大小；

若所述差值 第一阈值，判定当前车厢内乘客密度异常；

若所述差值 第一阈值，获取一段时间内每一时刻的当前车厢的人数；

根据一段时间内每一时刻的当前车厢的人数，计算得到一段时间内当前车厢的人数增速；

比较所述当前车厢的人数增速与第二阈值的大小；

若所述当前车厢的人数增速 第二阈值，判定当前车厢内乘客密度异常。

2.根据权利要求1所述的方法，其特征在于，所述判定当前车厢内乘客密度异常之后，

获取从当前时刻起向前的一段时间内每一时刻的相邻车厢的人数；

根据所述从当前时刻起向前的一段时间内每一时刻的相邻车厢的人数，计算得到一段时间内相邻车厢的人数增速；

比较所述一段时间内相邻车厢的人数增速与第二阈值的大小；

若所述一段时间内相邻车厢的人数增速 第二阈值，则比较当前时刻的相邻车厢的人数与当前时刻的当前车厢的人数；

若所述当前时刻的相邻车厢的人数 当前时刻的当前车厢人数，提示乘客从当前车厢转移至相邻车厢。

3.根据权利要求2所述的方法，其特征在于，

若所述一段时间内相邻车厢的人数增速 第二阈值，判定相邻车厢内乘客密度异常。

4.根据权利要求1所述的方法，其特征在于，所述图像识别模型通过以下具体步骤得到，

从车厢内的监控视频中抽取单帧的图像数据，对图像数据进行人工标注头肩信息，保存所述图像数据和对应的人工标注信息作为训练集；

通过所述训练集训练深度学习YOLOv3算法，得到所述图像识别模型。

5.根据权利要求4所述的方法，其特征在于，所述通过所述训练集训练深度学习YOLOv3算法，得到所述图像识别模型，具体包括：

采用网络结构Darknet-53模型提取所述训练集中图像数据的特征，得到特征图；

将所述特征图输入多尺度金字塔算法进行头肩检测，生成预测目标框；

采用交叉熵函数计算所述预测目标框的头肩概率，得到所述预测目标框的头肩概率分值；

根据所述预测目标框的头肩概率分值，判定需要保留或删除所述预测目标框；

将判定需要删除的所述预测目标框删除；

利用非极大值抑制算法计算预测目标框与所述预测目标框所在区域内其他预测目标框的交叠率；

根据所述交叠率，判定需要保留或删除所述预测目标框所在区域内其他预测目标框；

将判定需要删除的所述预测目标框所在区域内其他预测目标框删除；

通过计算剩余的预测目标框的数量，得到预测的人数。