[发明专利]基于图像分析的地铁车厢清客判断方法及电子设备

说明书

本发明涉及一种基于图像分析的地铁车厢清客判断方法及电子设备，方法包括：根据清客命令，获取地铁车厢的实时视频流，并解码生成第二图像序列；将所述第二图像序列中的当前帧图像分割为座椅区域和地面区域；对基准图像和所述第二图像序列中的当前帧图像进行差分处理，并对差分处理结果进行像素分析来检测所述座椅区域和地面区域是否存在异常，若所述座椅区域和地面区域至少一个存在异常，表明清客未完成，并反馈异常数据；若所述座椅区域和地面区域均不存在异常，表明清客完成；其中，所述基准图像通过获取无人条件下的地铁车厢视频流，并解码生成第一图像序列得到。本发明能够对地铁车厢是否存在乘客进行有效识别，并高效完成地铁车厢清客。

技术领域

本发明涉及目标检测技术领域，尤其是指一种基于图像分析的地铁车厢清客判断方法及电子设备。

背景技术

在轨道交通行业信息化建设的大背景下，实现乘客行为的实时监控，不仅有助于提高运营效率、保障人民群众生命财产安全，同时也对提升轨道公司解决突发事件的能力具有重要意义。在列车正常或应急运营过程中，清客和疏散都是必不可少的重要流程。然而，目前地铁车厢清客的判断仍由人工完成，效率低且无法适应智能化发展。

在地铁列车到达终点站时，通常会进行计划性清客处理，地铁广播会在列车即将到达终点站时提醒乘客下车，站务员也会对车厢内滞留的乘客进行提醒，以便进行车辆的折返、入库等计划。在地铁列车遇到突发情况需要停站时，也会进行非计划性清客，同样采用传统的广播加人工的清客方法。

基于列车车厢内装配的摄像机，可以实现对车厢情况的远程视频监控，为滞留人员的识别自动化提供了硬件基础。通过目标检测技术实现特定物体的识别，是视频监控领域中备受关注的一个热点。常用的算法主要有背景差分法、帧间差分法以及光流法。背景差分法和帧差法较光流法来说比较简单、易于实现，并且对硬件的要求不高。背景差分法是将图像序列中的当前帧和固定或实时获取的背景参考模型做差，计算出与背景图像像素差异超过一定阈值值的区域作为运动区域，从而来确定运动物体位置、轮廓、大小等特征，该方法能够准确地提取运动乃至静止的目标，但容易受外界环境的影响。帧差法类似于背景差分，通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓，该方法对运动目标较为灵敏，而且不易受自然环境的干扰。光流法是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性，来推断出物体移动速度及方向的方法，该方法无须了解场景信息就可以准确地检测识别运动目标位置。

传统的清客方式需要站务员逐一对每节车厢进行检查，耗时长且存在不确定性，容易造成延误；同时，对于全自动运行的地铁线路，传统的人工清客方法效率低，并且降低了线路的自动化水平。基于目标检测技术的方法也存在不足：光流法计算复杂度高、时效性差，在车厢清客判断任务中功能性不强。帧差法对慢速运动或静止的物体容易产生漏检。背景差分法容易受外界环境的影响，需要基于良好的背景建模。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中地铁车厢清客效率低的问题。

为解决上述技术问题，本发明提供了一种基于图像分析的地铁车厢清客判断方法，包括：

步骤S1:根据清客命令，获取地铁车厢的实时视频流，并解码生成第二图像序列；

步骤S2:将所述第二图像序列中的当前帧图像分割为座椅区域和地面区域；

步骤S3:对基准图像和所述第二图像序列中的当前帧图像进行差分处理，并对差分处理结果进行像素分析来检测所述座椅区域和地面区域是否存在异常，若所述座椅区域和地面区域至少一个存在异常，表明清客未完成，并反馈异常数据；若所述座椅区域和地面区域均不存在异常，表明清客完成；其中，所述基准图像通过获取无人条件下的地铁车厢视频流，并解码生成第一图像序列得到。

在本发明的一个实施例中，所述步骤S3中的对基准图像和所述第二图像序列中的当前帧图像进行差分处理，并对差分处理结果进行像素分析来检测所述座椅区域是否存在异常，包括：