[发明专利]车厢拥挤度检测方法、装置及电子设备在审
申请号: | 202210702182.1 | 申请日: | 2022-06-21 |
公开(公告)号: | CN114973146A | 公开(公告)日: | 2022-08-30 |
发明(设计)人: | 宇文天;闾凡兵;吴婷 | 申请(专利权)人: | 长沙海信智能系统研究院有限公司 |
主分类号: | G06V20/52 | 分类号: | G06V20/52;G06V40/10;G06T7/70;G06T5/00;G06T3/00 |
代理公司: | 长沙市岳麓慧专利代理事务所(普通合伙) 43270 | 代理人: | 王中华 |
地址: | 410006 湖南省长沙市岳麓区洋湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车厢 拥挤 检测 方法 装置 电子设备 | ||
1.一种车厢拥挤度检测方法,其特征在于,包括如下步骤:
实时获取由车厢内的多个相机分别拍摄的多张目标图像;
根据预设的透视变换算法将所述多张目标图像转换为多张俯视图;
以车厢的中心点为原点建立局部世界坐标系,根据预设的融合算法将所述多张俯视图融合到所述局部世界坐标系中,得到全景环视图;
将多个车厢的全景环视图输入训练好的目标识别模型中,得到各个车厢中的乘客数量,并根据各个车厢中的乘客数量确定各个车厢的拥挤度以及乘客的乘车指引。
2.如权利要求1所述的车厢拥挤度检测方法,其特征在于,所述预设的透视变换算法为:
其中,为目标图像中的像素坐标,为俯视图中的像素坐标,为预设的变换矩阵。
3.如权利要求1所述的车厢拥挤度检测方法,其特征在于,所述预设的融合算法为:
+
其中,为俯视图中的像素坐标,为当前相机对应的局部旋转矩阵,为当前相机对应的位移矩阵,为全景环视图中的像素坐标;
rxs=sinα,rxc=cosα,rys=sinβ,ryc=cosβ,rzs=cosγ,rzc=cosγ,α为当前相机相对所述局部世界坐标系的x轴的偏移角,β为当前相机相对所述局部世界坐标系的z轴的偏移角,γ为当前相机相对所述局部世界坐标系的x轴的偏移角;xt、yt及zt分别为当前相机在x轴方向、y轴方向及z轴方向距离所述局部世界坐标系的原点的距离。
4.如权利要求1所述的车厢拥挤度检测方法,其特征在于,所述实时获取由车厢内的多个相机分别拍摄的多张目标图像具体包括:
在车厢内每一相机的拍摄范围内选定一标志区;
在车辆静止时,获取所述车厢内各个相机拍摄的第一原始图像,并获取各个相机对应的标志区在第一原始图像中的位置;
在车厢行驶时,实时获取所述车厢内各个相机拍摄的第二原始图像,并获取各个相机对应的标志区在第二原始图像中的位置;
实时计算所述各个相机对应的标志区在第一原始图像中的位置与各个相机对应的标志区在第二原始图像中的位置之间的偏移量;
根据所述偏移量对各个相机拍摄的第二原始图像进行实时修正,得到所述目标图像。
5.如权利要求4所述的车厢拥挤度检测方法,其特征在于,实时计算所述各个相机对应的标志区在第一原始图像中的位置与各个相机对应的标志区在第二原始图像中的位置之间的偏移量的公式为:
Δh=h1-h2;
Δw=w1-w2;
其中,h1和w1所述标志区在第一原始图像中的相对于第一原始图像的上边缘和左边缘距离,h2和w2所述标志区在第二原始图像中的相对于第二原始图像的上边缘和左边缘距离,Δh和Δw为偏移量。
6.如权利要求4所述的车厢拥挤度检测方法,其特征在于,所述根据所述偏移量对各个相机拍摄的第二原始图像进行实时修正具体包括:
xr=x2-Δw;
yr=y2-Δh;
其中,xr和yr为目标图像中的像素坐标,x2和y2为第二原始图像中的像素坐标。
7.如权利要求1所述的车厢拥挤度检测方法,其特征在于,根据预设的透视变换算法将所述多张目标图像转换为多张俯视图后还包括在所述俯视图中过相邻像素插值的方法对所述俯视图中的人头盲点区域进行修复。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙海信智能系统研究院有限公司,未经长沙海信智能系统研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210702182.1/1.html,转载请声明来源钻瓜专利网。