[发明专利]一种公交车乘客再识别方法

说明书

本发明涉及一种公交车乘客再识别方法。所述方法的视频数据是利用摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，识别方法包括以下步骤：检测乘客的人头和肩部区域；检测乘客的人头和肩部关键点位置；对公交车前门、后门的乘客进行识别；本发明相对于现有技术的进步在于：本发明方法具有实时性，且能够高效精确地区分出前门、后门的乘客是否为同一个人。

技术领域：

本发明涉及数字图像处理和识别领域，尤其是涉及一种公交乘客再方法。

背景技术：

近几年，随着政府对智能公交事业投入力度的加大，我国智能公共交通系统已初现端倪，公交乘客再识别系统是公共交通系统的重要组成部分，此系统能给公交公司提供实时、清楚、准确的乘客交通统计数据，以此带来经济和社会效益。

传统的公交乘客再识别系统主要采用经典的机器学习方法对图像数据进行公交乘客再识别。在客流拥挤时识别的精度明显下降，所以基于经典的机器学习的乘客再识别方法逐渐地被摒弃。近几年来，随着大数据、人工智能、GPU并行计算等领域的不断发展，基于深度学习的乘客再识别技术也取得了长足的进步。在公交领域中乘客再识别是一个重要的应用领域，也是一个新的研究方向。

近年来公交领域的乘客再识别的方法主要基于经典的机器学习和深度学习技术。前一种方法多是采用诸如adaboost、svm、random forest等传统的机器学习算法对乘客进行识别，但是由于算法的本身的缺陷导致准确性有待提高，本发明采用的是最新的深度学习技术进行乘客再识别，算法的准确性和效率都得到有效的提高。

发明内容：

本发明目的是提供一种利用视频图像对乘客进行再识别的方法。这种方法能够高效精确地识别前门和后门的乘客是否为同一个人。具体技术方案如下：

所述方法的视频数据是利用摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，具体的方法包括以下步骤：

步骤1：乘客人头和肩部目标检测：

步骤1.1:在公交车车门上方设置摄像头，采集乘客上下车的图像视频；

步骤1.2:将获得的图像视频帧转化为RGB格式；

步骤1.3：采集上、下车的乘客视频作为训练乘客头部检测模型的数据集，对每一帧图像标定乘客的头部位置并将其视为检测模型的正样本图像数据集，将所述视频帧不含乘客头部的区域视为训练检测模型的负样本训练图像数据集，将所述的正样本训练图像数据集和负样本训练图像数据集进行图像尺度归一化处理，形成相同大小的训练输入图像；

步骤1.4：使用采集的乘客头部数据集并采用轻量型的卷积神经网络进行训练，主要使用5x5的深度可分离卷积和1x1的点对卷积，搭建深度学习网络，使用多层feature map进行分类和回归，使用交叉熵损失函数进行分类，IOU损失函数进行回归，得到乘客头部检测模型；

步骤1.5：实际使用时输入采集的图像序列，输出图像中的乘客人头的位置和置信度；

步骤1.6：根据肩部在头部两侧的先验知识，将头部区域向外扩充边界，得到乘客头部和肩部的位置信息；

步骤2：乘客头部和肩部关键点检测：

步骤2.1：采集乘客的人头和肩部的图像数据，对乘客的头部的最左边和最右边、左肩的最左边、右肩的最右边画点进行标注，共4个关键点，将标注的关键点和图像作为训练集；

步骤2.2：采用基于回归算法的深度卷积网络对乘客的人头和肩部进行训练，将训练数据集经过深度神经网络转化成特征向量,然后再分成两个分支分别预测每个点的关键点置信度和亲和度向量，将关键点进行聚类，最终得到乘客头部检测模型；

步骤2.3：实际使用时输入检测到的头部和肩部的图像，输出为乘客人头和肩部的关键点位置；