[发明专利]一种上下车客流量检测方法及系统

权利要求书

1.一种上下车客流量检测方法，其特征在于，包括以下步骤：

S1、采集车辆入门处监控视频流；

S2、判断监控视频流中当前帧图像是否为第一帧图像，若是则根据第一帧图像初始化一个碰撞检测区，并获取客流场景类型，并进入步骤S3；否则直接进入步骤S3；

S3、构建人头检测模型，并利用人头检测模型识别当前帧图像中人头目标；

S4、利用多目标跟踪算法识别当前帧图像中人头目标，得到各帧图像中各目标运动轨迹；

S5、利用MDDC算法根据各帧图像中各目标运动轨迹进行上下车客流检测，具体为：

C1、初始化上下车客流检测参数，包括：

位置信息字典、移动次数字典、上车人数列表以及下车人数列表；

C2、根据预设帧数间隔划分各帧图像，得到划分后的各目标运动轨迹；

C3、根据划分后的各目标运动轨迹获取各目标碰撞检测点，并根据各目标碰撞检测点构建检测点列表；

C4、根据检测点列表对当前目标进行预处理；

C5、统计各目标碰撞检测点的上下车行为，构建第一目标ID列表h_ID，并根据上下车行为的客流场景类型更新移动次数字典；移动次数字典的更新过程表示为：

其中，T为客流场景类型，T＝1为目标向车门位置运动在图像中可描述为横坐标不断变小，T＝2为目标向车门位置运动在图像中可描述为横坐标不断变大；num_i,t为第i个目标截止当前时刻t向车门位置移动的次数；为第i个目标截止上一时刻t-t₀向车门位置移动的次数；x_i,t为第i个目标当前时刻t在图像中的横坐标值；为第i个目标上一时刻t-t₀在图像中的横坐标值，s_thre为预设运动距离；表示并且关系；

C6、判断各目标是否运动到碰撞检测区域，即是否发生碰撞，若是则进入步骤C7；否则进入步骤C8；

C7、判断当前目标向车门移动的次数是否大于第一预设移动次数阈值，则判定该目标为上车行为，并更新上车人数列表，且将该目标的ID添加至第一目标ID列表，删除位置信息字典与移动次数字典中该目标的信息，并进入步骤C9；否则将移动次数字典中该目标的信息置零，并将该目标的ID添加到第二目标ID列表，并进入步骤C9；

C8、判断当前目标向车门移动的次数是否小于第二预设移动次数阈值，若是则判定该目标为下车行为，并更新下车人数列表，将该目标的ID添加至第一目标ID列表，并删除位置信息字典、移动次数字典以及第二目标ID列表中该目标的信息，并进入步骤C9；否则，直接进入步骤C9；

C9、遍历各帧图像中各目标运动轨迹，进行上下车客流量检测。

2.根据权利要求1中所述的上下车客流量检测方法，其特征在于，步骤S3具体为：

A1、构建特征提取网络，并利用特征提取网络提取当前帧图像中图像特征；

A2、利用预设候选框提取图像特征中特征信息，根据特征信息构建模型损失loss，并根据模型损失loss训练特征提取网络，得到人头检测模型；

A3、利用人头检测模型识别当前帧图像中初始人头目标，并利用非极大抑制算法NMS优化初始人头目标，得到当前帧图像中人头目标。

3.根据权利要求2中所述的上下车客流量检测方法，其特征在于，步骤A1中特征提取网络包括：

依次连接的第一卷积层模块、第一卷积池化模块、第二卷积池化模块、第三卷积池化模块、第四卷积池化模块以及第二卷积层模块；

其中，第一卷积层模块、第二卷积层模块均包括不少于一个的卷积层；

第一卷积层模块、第一卷积池化模块、第二卷积池化模块、第三卷积池化模块、第四卷积池化模块均包括一个池化层与不少于一个的卷积层。

4.根据权利要求2中所述的上下车客流量检测方法，其特征在于，步骤A2具体为：

利用预设候选框提取图像特征中特征信息，并根据特征信息生成检测框偏移量，并根据检测框偏移量与真实标签构建定位损失；同时根据特征信息生成类别标签，并根据类别标签与真实标签构建分类损失；并利用定位损失与分类损失构建模型损失loss，同时利用模型损失loss训练特征提取网络，得到优化后的特征提取网络，即人头检测模型。