[发明专利]一种地铁列车乘客检测方法及系统

说明书

本发明实施例提供的一种地铁列车乘客检测方法、系统、电子设备和存储介质，涉及城市轨道交通检测技术领域，所述检测方法通过获取乘客图像并进行预处理以提高图像检测的速度；将经过预处理过的图像输入到预先训练的YOLOv5深度学习模型，输出得到目标乘客的位置坐标,再对乘客的头部区域进行跟踪，输出乘客运行轨迹；基于所述乘客运行轨迹与车门区域的相对关系，判断乘客运行状态，是进入车厢还是离开车厢，不仅可以统计乘客上下车的数量，还能计算出车内乘客的数量，精确到个位数，为地铁运营公司合理的分配运力和组织管理起到了数据支撑的作用。

技术领域

本发明涉及城市轨道交通检测技术领域，尤其涉及一种地铁列车乘客检测方法、系统、电子设备和存储介质。

背景技术

地铁作为现代城市中人们出行的重要交通工具，每天承载着巨大的客流量，截止2021年10月底，北京轨道交通路网总客运量为23.5亿人次，日均客运量为778万人次，其中，工作日日均客运量超915万人次，日最高客运量1220.07万人次，已经比2019年同期下降18%。因此为了提升运营水平，提高乘客出行满意度，预测乘客数量，制定完善的乘客进出站方案、换乘的疏导和管理方案，急需获取乘客出行的大数据信息。

目前各城市轨道交通运营公司，主要是依据地铁自动售检票系统（AFC）检测乘客进出站数据和空气弹簧悬挂系统检测地铁列车载客量数据，这两种方式关注的焦点是车站和运营线路，只能体现乘客整体的出行规律，无法检测到乘客个体的出行行为。

发明内容

本发明的实施例提供了一种地铁列车乘客检测方法、系统、电子设备和存储介质，所述检测方法通过对乘客个体的运行轨迹进行检测，可以提供乘客上下车的数据以及车厢内乘客的数量。

第一方面，本发明的实施例提供了一种地铁列车乘客检测方法，所述检测方法包括：

获取乘客图像并进行预处理以提高图像的检测速度；

将经过预处理过的图像输入到预先训练的YOLOv5深度学习模型，输出得到目标乘客的位置坐标；

使用DeepSort算法对乘客的头部进行跟踪，得到乘客运行轨迹；

基于所述乘客运行轨迹判断乘客运行状态，其中，运行状态包括乘客在车厢内移动、乘客从车厢门口进入车厢内、乘客从车厢内移动到车厢外及乘客在车门附近逗留几种情况。

作为一种可能实现的实施方式，所述获取乘客图像并进行预处理以提高图像检测速度包括：

采用RTSP协议获取视频流，通过FFMpeg解码库进行解码，将视频帧率降低到目标范围内，将视频帧的分辨率降低到目标范围内。

作为一种可能实现的实施方式，所述YOLOv5深度学习模型训练的数据集是在列车真实运行环境下的图像上进行标注得到的图片。

作为一种可能实现的实施方式，所述检测方法还包括，基于获取的乘客位置和置信度，通过非极大值抑制的方法得到目标乘客的位置坐标。

作为一种可能实现的实施方式，对跟踪中的乘客使用卡尔曼滤波算法进行预测，通过匈牙利算法对乘客的检测框和跟踪目标的预测框进行级联匹配，得到最优的匹配结果，包括：

使用DeepSort算法，对跟踪目标进行预测，计算乘客检测框和乘客跟踪模块产生的预测框之间的相似度，然后通过级联匹配的算法进行乘客ID匹配，若预测框匹配到了检测框，则对跟踪目标状态进行更新，若预测框没有匹配到检测框，则删除乘客ID，若检测框没有匹配到跟踪预测框，则对检测到的乘客分配一个ID，然后进行跟踪处理。

作为一种可能实现的实施方式，所述检测方法还包括：

检测后的数据保存到数据库，并计算出车内乘客的数量，在显示设备上进行显示，其中，所述检测后的数据包括乘客上下车的数据以及车厢内乘客的数量。

第三方面，本发明的实施例提供了地铁列车乘客检测系统，所述检测系统包括：