[发明专利]一种公交车客流量实时统计方法

摘要

本发明涉及一种公交车客流量实时统计方法。目的是提供一种对视频图像中的头部进行检测并跟踪的方法。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，统计方法包括以下步骤：前端数据采集、模型训练、跟踪头部、客流量计数；本发明相对于现有技术的进步在于：利用深度学习方法进行头部检测并具有实时性，同时能够高效精确地检测出客流量。

主权项

1.一种公交车客流量实时统计方法，其特征在于，统计方法包括以下步骤：/n步骤1：前端数据采集：/n步骤1.1：视频采集：在公交车车门正上方垂直安装摄像头，采集乘客上下车的图像视频；/n步骤1.2：视频分帧:对视频进行分帧；/n分成640*480的RGB三通道图像；/n步骤1.3：图像缩放：对每帧图像进行缩放，缩放成224*224的数据；/n步骤2：模型训练：/n步骤2.1：特征计算：利用3*3的卷积核对图像的特征进行提取；随后为了减少特征的计算时间，将原始的卷积操作更改为深度可分离的卷积操作，并利用归一化和非线性激活函数对特征映射进行一系列的数学变换，利用极大值下采样的方法，对特征映射的维度进行成倍地缩小；利用大小为1*1、步长为1的卷积对特征映射进行卷积，随后利用归一化和非线性激活函数对特征映射进行数学变换，保证特征映射的通道数；/n步骤2.2：特征提取：由于目标尺寸不同，需要提取不同维度的特征映射；/n步骤2.3：锚框提取：在维度不同的特征映射上，以每一个特征点为中心，选取四种不同尺度的框，将所有的框作为目标分类和回归的候选框；/n步骤2.4：目标分类：利用深度可分离卷积对特征映射进行卷积，并得出步骤2.3所得到的候选框对每个类别的预测分数，并和地面真值进行计较，计算二者的交叉熵，得出分类损失；利用随机梯度下降的方法对网络的参数进行优化，直至分类损失达到规定的范围以内；/n步骤2.5：目标回归：利用深度可分离卷积对特征映射进行卷积，并得出步骤2.3所得到的候选框的中心点及宽高的预测值，并和地面真值进行计较，计算二者的线性回归函数，得出线性回归损失；利用随机梯度下降的方法对网络的参数进行优化，直至线性回归损失达到规定的范围以内；/n步骤3：头部检测：/n步骤3.1：特征计算：利用3*3的卷积核对图像的特征进行提取；随后为了减少特征的计算时间，将原始的卷积操作更改为深度可分离的卷积操作，并利用归一化和非线性激活函数对特征映射进行一系列的数学变换，利用极大值下采样的方法，对特征映射的维度进行成倍地缩小；利用大小为1*1、步长为1的卷积对特征映射进行卷积，随后利用归一化和非线性激活函数对特征映射进行数学变换，保证特征映射的通道数；/n步骤3.2：特征提取：由于目标尺寸不同，需要提取不同维度的特征映射；/n步骤3.3：锚框提取：在维度不同的特征映射上；以每一个特征点为中心，选取四种不同尺度的框；将所有的框作为目标分类和回归的候选框；/n步骤3.4：目标分类：利用深度可分离卷积对特征映射进行卷积，并得出步骤2.3所得到的候选框对每个类别的预测分数，利用和非极大值抑制的方法对候选框进行筛选；/n步骤3.5：目标回归：利用深度可分离卷积对特征映射进行卷积，并得出步骤2.3所得到的候选框的中心点及宽高的预测值，利用和非极大值抑制的方法对候选框进行筛选/n步骤4：跟踪头部：/n用相关的核滤波器方法对所述的检测窗口进行跟踪，并形成轨迹，若所述轨迹已越过指定的界限，说明该乘客已经完成上车或者下车的动作；/n步骤5：客流量计数：/n如果乘客已经完成上车或者下车的动作，算法会对客流量进行增加1的数据更新，否则，客流量会保持不变。/n