CN103021059A - 一种基于视频监控的公交客流计数方法 - Google Patents

Abstract

本发明提出一种基于视频监控的公交客流计数方法。该方法首先对上下客门拍摄图像设置计数线，然后采用基于头肩部特征的人体检测及跟踪方法，判断乘客是否跨越计数线和乘客的运动方向，进而统计各个时段的上下客流量，并计算出车厢乘客总人数。当检测到异常情况时，向系统发送报警信号，司机可以根据该信号做出相应决策。该方法能够适应车载端的复杂环境，在单摄像头方式下，有效地实现公交客流计数。

Description

一种基于视频监控的公交客流计数方法

技术领域

本发明总体上涉及一种公交客流计数方法，更具体地涉及一种车载视频监控系统中，通过基于头肩部特征的人体检测及跟踪，判定运动目标是否越过计数线，来实现公交客流计数的方法。

背景技术

随着城市公共交通的不断发展，如何合理有效地制定公交车运营计划，成为每个公交公司的头等大事，而客流计数又是公交公司制定所有运营计划的基础。

目前常用的客流计数方法有红外客流计数方法，通过红外光电传感器连续监测双向客流量。在人流密集的情况下，该方法由于无法分割位置紧邻的人群，容易导致统计精度下降。而且该方法需要在公交车上安装相应的红外设备，成本较高，难以广泛应用。

欧洲一些地方也在使用多摄像头立体视觉式客流计数方法，该方法要使用至少两个事先标定好的并排放置的摄像头，通过立体深度算法，将场景的深度图计算出来，在深度图中分割出每一个行人，从而达到数人的目的。由于使用三维深度信息，所以该方法对图像中行人的分割比较准确，受行人相互遮挡等的影响较小，但是由于使用多个摄像头，并需要准确标定，体积较大，成本也较高。近两年，人们开始关注单摄像头式的客流计数方法。

发明内容

本发明旨在克服现有技术的上述不足，提供一种成本较低，实现容易，基于单摄像头式视频监控的客流计数方法。该方法采用基于头肩部特征的人体检测及跟踪方法，通过判断乘客是否跨越计数线和乘客的运动方向，统计各个时段的上下客流量，计算出车厢内乘客总人数。当检测到异常情况时，向系统发送报警信号。本发明的技术方案如下：

一种基于视频监控的公交客流计数方法，在进行公交客流计数之前，先设置两种计数线：上客门图像的计数线记为计数线1，下客门图像的计数线记为计数线2，该公交客流计数方法如下：

1)对每帧目标图像用头肩轮廓形状作为参考特征，训练头肩分类器，采用分枝定界的搜索算法实现人体检测；

2)将目标图像从RGB色彩空间转化到LUV色彩空间；

3)对转换到LUV色彩空间的目标图像内的行人头肩区域进行颜色聚类，建立行人个体的标识特征；

4)设定相似度阈值，对相邻帧的行人个体的标识特征进行相似度计算，当两个相邻帧的目标图像的相似度小于一定阈值时，认为是同一个目标，实现相邻帧之间的行人头肩部匹配;

5)根据行人个体的标识特征，获得目标头肩部中心点的位置；

6)根据前后两帧图像中目标头肩部中心点的位置变化，判断目标是否跨越某种计数线；

7)如果目标跨越计数线，则通过目标的运动方向，判断目标是上车还是下车，进而统计出设公交在某时刻到站时上下客流量，乘客总人数由该时刻之前所有时段的上车人数减去下车人数求和获得；

8)当检测到异常情况，就向系统发送报警信号。

作为优选实施方式，步骤3）中，行人个体的标识特征包括，头肩部的位置、尺度、K颜色中心位置、K颜色值、K区域在行人总区域的比例；

步骤7）的具体步骤如下，以每帧目标图像的左下顶点作为坐标原点，y₁和y₂分别表示计数线1和计数线2的纵坐标，y_i表示第i帧图像目标中心点的纵坐标，用t_n(n=1,2,3,…)表示公交到站的时刻，该时刻上车人数记为U_n，下车人数记为D_n，乘客总人数记为N_n；

公交在某时刻到站时，在车门打开期间，如果上客门图像满足y_i-1>y₁，y_i<y₁，则判定运动目标上车，U_n+1，N_n+1；如果下客门图像满足y_i-1<y₂，y_i>y₂，则判定运动目标下车，D_n+1，N_n-1；如果上客门图像满足y_i=y₁或者下客门图像满足y_i=y₂，则不做计数；通过对该时刻所有运动目标进行判断，对U_n和D_n进行计算，实现上下客流量计数。

步骤8）可以包括下列异常情况：

A、当公交车到站时，如果下客门拍摄图像中没有检测到人体，则向监控系统发送无人下车信号；

B、如果公交车某次到站后，乘客总人数大于系统设定的最大承载量，则向系统发送超载信号；

C、车门打开时，如果判定运动目标从上客门下车，则向系统发送上客门下车信号；

D、车门打开时，如果判定运动目标从下客门上车，则向系统发送下客门上车信号。

本发明具有下列优点：

（1）本发明与现有监控系统无缝兼容。无需在公交车上添加新的设备就可以被简易应用在现有车载视频监控系统中，成本低，效果理想。

（2）本发明采用基于人体头肩部特征的检测方法，有效地解决了车厢人体相互遮挡、摄像头距离较近、车厢环境狭小的问题。

（3）本发明对阴影光照的影响有更好的鲁棒性，并解决了传统方式采用颜色直方图模式容易产生错误跟踪的问题，并具有较高的计算速率，能够满足实时性的需要。

（4）本发明对车厢内异常情况产生报警信号，方便司机及时了解车厢情况，并做出决策，可以更好地维护公交车秩序和安全。

附图说明

图1是本发明的基本流程图。

图2是本发明的人体检测及跟踪原理示意图。

具体实施方式

为使本发明的目的、实现方案和优点更为清晰，下面对本发明的具体实施作进一步的详细描述，本发明的基本流程如图1和图2所示。

（1）本发明的图像捕获部分由安装在公交车上下客门位置的摄像头和图像采集设备获得。在摄像头的安装上，本发明采取了垂直向下的方式，尽可能减小人体相互遮挡所带来的问题。

（2）基于人体头肩部特征的行人检测及跟踪过程，如图2所示。用头肩轮廓类似“Ω”形状作为参考特征，训练头肩分类器。采用分枝定界的搜索算法，这样不仅能够加速分类器的检测速度，并且能够增加行人位置的检测精度。将图像从RGB色彩空间转化到LUV色彩空间，进行颜色聚类时的K值选择为5，实际使用中以5~10为宜，聚类数量的增加会加大计算的开销。聚类结束以后，获取目标的个体标识特征F。每开始一个新个体时，将新建一个链表，用于存储其个体标识。随着跟踪的进行，个体的新的状态作为链表的末节点插入链表，从而形成目标的连续的跟踪。有关颜色聚类算法的详细实现，可参见“李曼，赵松林，K-means聚类算法分析应用研究，《魅力中国》，2011年第7期”一文。

（3）设置计数线时，首先要对大量上下客门拍摄图像进行分析，计算出车厢内人体在图像上可能出现的区域，并以该区域的边界作为计数线，通过判断运动目标是否跨越计数线和运动方向，统计上下客门客流量。乘客总人数由该时段之前所有时段的上车人数减去下车人数求和获得。

本发明的公交客流计数方法的具体步骤如下：

（1）首先设置计数线。通过对上下客门摄像头所拍摄图像进行分析，找出车厢内和车厢外的分界线，并用该分界线作为计数线。上客门图像的计数线记为计数线1，下客门图像的计数线记为计数线2。

（2）对每帧目标图像进行基于头肩部特征的行人检测及跟踪，步骤如下：

A、用头肩轮廓类似“Ω”形状作为参考特征，采用支持向量机的方法实现人体检测，检测时采用分枝定界的方式，加速收敛；

B、将图像从RGB色彩空间转化到LUV色彩空间。

C、对转换后的LUV色彩图像内的行人头肩区域进行K中心点颜色聚类，建立行人个体的标识特征。行人的个体特征包括，头肩部的位置、尺度、K颜色中心位置、K颜色值、K区域在行人总区域的比例。

D、相邻帧之间的行人头肩部匹配。采用获得的行人头肩区域特征F进行相似度计算，相似度计算综合考虑到F中的各个特征及其特点，当两个目标的相似度小于一定阈值时，认为是同一个目标。

（3）通过（2）中构建的行人个体的标识特征，获得运动目标头肩部中心点的位置，根据前后两帧图像中运动目标头肩部中心点的位置变化，判断运动目标是否跨越计数线。并通过目标的运动方向，判断目标是上车还是下车，进而统计出该时段的上下客流量。乘客总人数由该时段之前所有时段的上车人数减去下车人数求和获得。

以每帧图像的左下顶点作为坐标原点，y₁和y₂分别表示计数线1和计数线2的纵坐标，y_i表示第i帧图像目标中心点的纵坐标。用t_n(n=1,2,3,…)表示公交到站的时刻，该时刻上车人数记为U_n，下车人数记为D_n，总人数记为N_n。

某时刻公交到站，车门打开期间，如果上客门图像满足y_i-1>y₁，y_i<y₁，则判定运动目标上车，U_n+1，N_n+1；如果下客门图像满足y_i-1<y₂，y_i>y₂，则判定运动目标下车，D_n+1，N_n-1；如果上客门图像满足y_i=y₁或者下客门图像满足y_i=y₂，则不做计数。通过对该时刻所有运动目标进行判断，对U_n和D_n进行计算，实现上下客门客流量计数。乘客总人数N_n由该时刻之前所有时段的上车人数减去下车人数求和获得。

（4）当检测到异常情况，就向系统发送报警信号。具体包括以下几点：

A、当公交车到站时，如果下客门拍摄图像中没有检测到人体，则向监控系统发送无人下车信号。

B、如果公交车某次到站后，乘客总人数N_n大于系统设定的最大承载量N₀，则向系统发送超载信号。

C、车门打开时，如果上客门图像满足y_i-1<y₁，y_i>y₁，则判定运动目标从上客门下车，向系统发送上客门下车信号。

D、车门打开时，如果下客门图像满足y_i-1>y₂，y_i<y₂，则判定运动目标从下客门上车，向系统发送下客门上车信号。

Claims (4)

1.一种基于视频监控的公交客流计数方法，在进行公交客流计数之前，先设置两种计数线：上客门图像的计数线记为计数线1，下客门图像的计数线记为计数线2，该公交客流计数方法如下：

1)对每帧目标图像用头肩轮廓形状作为参考特征，训练头肩分类器，采用分枝定界的搜索算法实现人体检测；

2)将目标图像从RGB色彩空间转化到LUV色彩空间；

3)对转换到LUV色彩空间的目标图像内的行人头肩区域进行颜色聚类，建立行人个体的标识特征；

4)设定相似度阈值，对相邻帧的行人个体的标识特征进行相似度计算，当两个相邻帧的目标图像的相似度小于一定阈值时，认为是同一个目标，实现相邻帧之间的行人头肩部匹配;

5)根据行人个体的标识特征，获得目标头肩部中心点的位置；

6)根据前后两帧图像中目标头肩部中心点的位置变化，判断目标是否跨越某种计数线；

7)如果目标跨越计数线，则通过目标的运动方向，判断目标是上车还是下车，进而统计出设公交在某时刻到站时上下客流量，乘客总人数由该时刻之前所有时段的上车人数减去下车人数求和获得；

8)当检测到异常情况，就向系统发送报警信号。

2.根据权利要求1所述的基于视频监控的公交客流计数方法，其特征在于，步骤3）中，行人个体的标识特征包括，头肩部的位置、尺度、K颜色中心位置、K颜色值、K区域在行人总区域的比例。

3.根据权利要求1所述的基于视频监控的公交客流计数方法，其特征在于，步骤7）的具体步骤如下：以每帧目标图像的左下顶点作为坐标原点，y₁和y₂分别表示计数线1和计数线2的纵坐标，y_i表示第i帧图像目标中心点的纵坐标，用t_n(n=1,2,3,…)表示公交到站的时刻，该时刻上车人数记为U_n，下车人数记为D_n，乘客总人数记为N_n；

公交在某时刻到站时，在车门打开期间，如果上客门图像满足y_i-1>y₁，y_i<y₁，则判定运动目标上车，U_n+1，N_n+1；如果下客门图像满足y_i-1<y₂，y_i>y₂，则判定运动目标下车，D_n+1，N_n-1；如果上客门图像满足y_i=y₁或者下客门图像满足y_i=y₂，则不做计数；通过对该时刻所有运动目标进行判断，对U_n和D_n进行计算，实现上下客流量计数。

4.根据权利要求3所述的基于视频监控的公交客流计数方法，其特征在于，步骤8）包括下列异常情况：

A、当公交车到站时，如果下客门拍摄图像中没有检测到人体，则向监控系统发送无人下车信号；

B、如果公交车某次到站后，乘客总人数大于系统设定的最大承载量，则向系统发送超载信号；

C、车门打开时，如果判定运动目标从上客门下车，则向系统发送上客门下车信号；

D、车门打开时，如果判定运动目标从下客门上车，则向系统发送下客门上车信号。

Images