[发明专利]基于目标检测的轨道交通客流密度估计系统及其方法

权利要求书

1.基于目标检测的轨道交通客流密度估计系统，其特征在于，基于Atlas200开发板实现，具体包括：

视频采集模块，用于获取视频数据，一是通过树莓派摄像头采集视频流；二是通过网络摄像头采集视频流；

视频编解码与图像预处理模块，用于对采集的视频进行硬件解码，获取YUV格式的图片，并对图片进行预处理，包括尺寸调整、格式转换；

模型训练与部署模块，用于加载训练好的人群计数模型，对预处理完成的图片完成推理过程，得到图片的特征向量，所述人群计数模型的训练在GPU平台进行，利用开发板提供的MindStudio工具，将训练好的模型转换为开发板支持的离线模型；

后处理模块，用于对模型推理输出的特征向量进行处理，得到图片中行人的数量，再将数量与额定容量相比较，得到当前密度值；

测试模块，用于基于视频采集模块采集的数据，使用MindStudio工具对模型进行测试，测得其在测试集上的精度，若相比GPU平台存在精度下降，且结果不及预期，则利用模型训练与部署模块重新进行模型的训练与部署，否则利用该模型估计实际轨道交通客流密度。

2.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在视频采集模块中，树莓派摄像头直接与开发板相连，且利用开发板操作系统提供的Media媒体库，对视频进行采集；网络摄像头利用交换机和开发板相连，通过以太网接口获取摄像头的rtsp视频流。

3.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在视频编解码与图像预处理模块中，综合了开发板操作系统提供的DVPP接口，作为调用底层硬件解码的接口，对采集的视频调用硬件进行解码，得到YUV格式的图片，并对图片进行格式转换、尺寸调整操作，以满足轨道交通客流密度估计算法对图片的格式、分辨率需求。

4.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在模型训练与部署模块中，利用MindStudio工具集成的ATC工具将GPU平台的人群计数模型转为开发板支持的离线模型。

5.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在后处理模块中，输入的特征向量是模型提取图片的特征，含有可能为行人的坐标信息，在后处理模块中，进一步处理得到行人的数量。

6.根据权利要求1所述的基于目标检测的轨道交通客流密度估计系统，其特征在于，在测试模块中，精度测试中下降5％以内，为可接受的预期。

7.基于目标检测的轨道交通客流密度估计方法，其特征在于，基于权利要求1-6任一项所述系统估计轨道交通客流密度，包括的步骤如下：

步骤1：视频流输入与处理：利用树莓派摄像头采集视频流，或通过以太网接口获取网络摄像头的rtsp视频流；视频流经过芯片的硬解码SDK对视频流进行快速解码，获取YUV格式的图片，经过尺寸调整、标准化操作，以达到轨道交通客流密度估计算法的输入要求；

步骤2：模型的训练与部署：加载训练好的人群计数模型，对预处理完成的图片完成推理过程，得到图片的特征向量，所述人群计数模型的训练在GPU平台进行，利用开发板提供的MindStudio工具，将训练好的模型转换为开发板支持的离线模型；

步骤3，后处理：对图片的特征向量做NMS操作，得到图片中人群数量，将预测的人群与额定容量相比较，得到当前估计密度；

步骤4：精度测试：基于视频采集模块采集的数据，使用MindStudio工具对模型进行测试，测得其在测试集上的精度，若相比GPU平台存在精度下降，且结果不及预期，则利用模型训练与部署模块重新进行模型的训练与部署，否则利用该模型估计实际轨道交通客流密度。

8.根据权利要求7所述的基于目标检测的轨道交通客流密度估计方法，其特征在于，所述人群计数模型的训练框架为caffe，轨道交通客流密度估计算法首先在coco数据集上迭代至收敛，再使用地铁摄像头采集的数据集进行调优，使得轨道交通客流密度估计算法适合在地铁场景下的人群计数。