[发明专利]一种公交车乘客再识别方法

摘要

本发明涉及一种公交车乘客再识别方法。所述方法的视频数据是利用摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，识别方法包括以下步骤：检测乘客的人头和肩部区域；检测乘客的人头和肩部关键点位置；对公交车前门、后门的乘客进行识别；本发明相对于现有技术的进步在于：本发明方法具有实时性，且能够高效精确地区分出前门、后门的乘客是否为同一个人。

主权项

1.一种公交车乘客再识别方法，其特征在于，识别方法包括如下过程：/n步骤1：乘客人头和肩部目标检测：/n步骤1.1:在公交车车门上方设置摄像头，采集乘客上下车的图像视频；/n步骤1.2:对获得的图像视频帧转化为RGB格式；/n步骤1.3：采集上、下车的乘客视频作为训练乘客头部检测模型的数据集，对每一帧图像标定乘客的头部位置并将其视为检测模型的正样本图像数据集，将所述视频帧不含乘客头部的区域视为训练检测模型的负样本训练图像数据集，将所述的正样本训练图像数据集和负样本训练图像数据集进行图像尺度归一化处理，形成相同大小的训练输入图像；/n步骤1.4：使用采集的乘客头部数据集并采用轻量型的卷积神经网络进行训练，得到乘客头部检测模型；/n步骤1.5：实际使用时输入采集的图像序列，输出图像中的乘客人头的位置和置信度；/n步骤1.6：根据肩部在头部两侧的先验知识，将头部区域向外扩充边界，得到乘客头部和肩部的位置信息；/n步骤2：乘客头部和肩部关键点检测：/n步骤2.1：采集乘客的人头和肩部的图像数据，对乘客的头部的最左边和最右边、左肩的最左边、右肩的最右边画点进行标注，共4个关键点，将标注的关键点和图像作为训练集；/n步骤2.2：采用基于回归算法的深度卷积网络对乘客的人头和肩部进行训练，得到乘客头部检测模型；/n步骤2.3：实际使用时输入检测到的头部和肩部的图像，输出为乘客人头和肩部的关键点位置；/n步骤3：乘客再识别：/n步骤3.1：收集前门和后门的乘客的头部和肩部图像数据，为每组数据标定对应的摄像头标签和乘客标签；/n步骤3.2：采用基于分类算法的深度卷积网络对用乘客人头和肩部数据进行训练，得到乘客再识别模型；/n步骤3.3：实际使用时输入检测到的头部和肩部的图像和关键点位置信息，输出为乘客头部和肩部的特征向量；/n步骤3.4：使用乘客再识别模型计算前门和后门每位乘客的头部和肩部图像的特征向量，将后门下车的每个乘客与前门上车的每个乘客的特征向量进行比对，得到距离最小值的特征向量所对应的标签即为所对应的前门乘客。/n