[发明专利]一种公交单目客流统计方法及系统

说明书

本发明属于公共交通客流统计技术领域，具体涉及一种公交单目客流统计方法及系统。该方法通过目标检测模块对上下车乘客进行标记生成目标矩形框，然后对检测到的目标矩形框进行关联并叠加卡尔曼滤波对检测目标进行跟踪和轨迹估计，然后根据目标检测框的中心点Y值与上下两条检测线Y值的关系判断乘客上车还是下车，统计上车和下车乘客数量叠加计算得到客流数。本发明不仅可以减少目标检测模块的计算量，对设备算力要求较小，降低设备成本，而且可根据应用场景进行优化，在保证嵌入式平台算法效率的同时保证准确率。

技术领域

本发明属于公共交通客流统计技术领域，具体涉及一种公交单目客流统计系统及方法。

背景技术

当前视频客流统计多采用深度或双目摄像头获取相关深度数据，判断乘客的上下车轨迹，进一步确定客流情况，此种方法成本较高，因深度成像范围及视场角限制，摄像头安装受限，对位置要求较高。

随着深度学习的不断发展，基于单目视觉的深度学习算法方案，相比行业传统的深度相机或双目视差的传统机器视觉解决方案，深度学习可以从海量数据中进行学习，解决海量数据中存在的高维、冗杂以及高噪等传统机器学习算法难以处理的问题，其目标检测的检出率和准确率都更高，当前深度学习算法开始逐步替代传统机器学习算法，成为主流的计算机视觉算法。

但是深度学习算法较为复杂，对平台的算力要求较高，虽然能够提高准确力，但设备成本高，在实际运用中比较受限。

发明内容

针对目前针对单目视觉深度学习算法较为复杂、对嵌入式平台要求较高，实际运用设备成本高的缺陷和问题，本发明提供一种公交单目客流统计方法。

本发明解决其技术问题所采用的方案是：一种单目客流统计方法，包括以下步骤：

步骤一、通过前门摄像头和后门摄像头分别获取上车乘客和下车乘客的状态，并将视频信息存储；

步骤二、使用鲁棒性高的深度神经网络采集场景下的视频图片建立数据集，以乘客的头部作为检测目标对上、下车乘客进行检测和标记，分别生成上、下车乘客目标检测框；

步骤三、采用相邻帧目标的坐标关联对检测到的目标检测框进行前后帧时序关联，同时叠加卡尔曼滤波对检测目标进行跟踪和轨迹估计；

步骤四、在乘客上车区域以及下车区域分别设置上、下两条检测线，设目标检测框初始位置为(X₁，Y₁)，目标检测框终止位置(X_n，Y_n)，当乘客目标检测框依次通过两条检测线且满足以下条件：

abs(Y_n-Y₁)≥Distance

式中：Distance为目标检测框中心点移动的纵坐标距离，H为图像高度；

若目标检测框先经过上检测线则判断乘客下车；若目标检测框先经过下检测线则判断乘客上车，统计上车和下车乘客数量，叠加计算得到客流数。

上述的单目客流统计方法，步骤二还包括通过目标跟踪算法添加目标的运动属性、尺度属性和颜色属性以对头部检测结果进一步筛选。

上述的单目客流统计方法，步骤三中，采用相邻帧目标的坐标关联对检测到的目标检测框进行前后帧时序关联，同时叠加卡尔曼滤波对检测目标进行跟踪和轨迹估计，修正目标坐标关联的误匹配，包括以下步骤：

S1、通过交并比IOU关联相邻帧中目标检测框的重叠程度，关联同一目标的前后帧关联关系；

S2、叠加卡尔曼滤波对检测目标进行轨迹估计，修正目标坐标关联的误匹配，包括以下步骤：

(1)对第一帧检测到的目标进行初始化并创建新的跟踪器，标注目标ID；