[发明专利]一种列车车厢异常人群密度的检测方法

摘要

本发明公开了一种列车车厢异常人群密度的检测方法，该方法包括以下步骤：采集具有不同人群密度等级的多幅车厢样本图像，并获取其多模态融合特征；训练得到人群密度分类器；获取待检测图像的多模态融合特征；根据人群密度分类器，得到待检测图像对应车厢的人群密度等级，据此判断该车厢的人群密度是否异常；自动记录相关人群密度异常信息。本发明利用多模态融合特征，自动学习和识别异常人群密度场景，从而解决了列车运行过程中实时、自动识别和记录异常人群密度的问题。该方法对列车场景人群遮挡和光照、摄像头轻微畸变不敏感，适用于360摄像头或枪机摄像头的列车异常人群密度检测。 1

主权项

1.一种列车车厢异常人群密度的检测方法，其特征在于，该方法包括以下步骤：步骤1、采集和存储具有不同人群密度等级的多幅列车车厢样本图像，并为所述样本图像标记相应的人群密度等级；步骤2、提取所述样本图像各自的纹理特征，Surf、Fast、Harris特征点特征，前景图像面积比特征和光流密度特征；步骤3、融合提取得到的某一样本图像的纹理特征，Surf、Fast、Harris特征点特征，前景图像面积比特征和光流密度特征，采用依次组合纹理特征向量、特征点特征向量、前景图像面积比特征向量和光流密度特征向量的方法，或增加/减少各特征向量的维度，或增加/减少各特征向量的权重来得到多模态融合特征；步骤4、根据所述多幅样本图像的多模态融合特征，训练得到人群密度分类器；步骤5、从列车车厢的监控视频中截取待检测图像，依次提取所述待检测图像的纹理特征，Surf、Fast、Harris特征点特征，前景图像面积比特征和光流密度特征，并对这些特征进行融合，得到所述待检测图像的多模态融合特征；步骤6、将所述待检测图像的多模态融合特征输入至所述人群密度分类器，得到所述待检测图像对应车厢的人群密度等级；步骤7、根据所述步骤6得到的该车厢的人群密度等级判断该车厢的人群密度是否异常；步骤8、自动记录人群密度异常车厢的人群密度异常信息；其中，所述光流密度特征的提取包括以下步骤：取当前图像与存储的上一帧图像；对于之前提取到的surf特征点，使用KLT算法计算得到发生位移变化的surf特征点的数量；将该数量进行归一化处理，得到所述光流密度特征。