[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

说明书

本发明公开了一种基于目标检测的轨道交通客流密度估计系统及其方法，基于Atlas200开发板实现，获取视频数据进行硬件解码，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；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；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；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。本发明能够真实反映当前地铁站内客流情况，相比于现有技术更加可靠。

技术领域

本发明涉及深度学习、目标检测、人群计数技术，具体涉及一种基于目标检测的轨道交通客流密度估计系统及其方法。

背景技术

城市化的进展使得轨道交通系统的负担越来越大，在地铁站内时常出现人潮拥挤的情况，因此需要地铁工作人员使用人力来维护秩序。但人力的局限性在于不能快速精确判断当前拥挤情况，往往反应会比较慢，造成乘客的体验变差。随着智慧车站的概念被提出，很多智能技术被带入车站，例如人脸识别等技术。于是可利用AI技术来代替人力判断当前的客流情况，即使用人群计数算法来得到客流量。通过得到监控摄像头的视频流数据，使用人群计数算法测出监控区域的行人数量，与额定容纳人数比较以得出当前区域的客流密度。

通常地铁站内摄像头不具有人群计数的功能，客流的估计仅通过AFC(自动售检票系统)得到进站出站人数；或根据地铁工作人员的经验，例如在科技园区附近地铁站，在下午五点半至六点半必然出现大客流。本发明直接采集监控图片得到客流情况，相比AFC系统更真实反映地铁站内滞留人数，相比人力经验判断更加高效准确。

发明内容

本发明的目的在于提供一种基于目标检测的轨道交通客流密度估计系统及其方法。

实现本发明目的的技术解决方案为：一种基于目标检测的轨道交通客流密度估计系统，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。

进一步的，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。

进一步的，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(数字视觉预处理)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，以满足算法对图片的格式、分辨率需求。

进一步的，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。