CN106778632A - 轨道交通大客流识别预警系统和方法 - Google Patents

轨道交通大客流识别预警系统和方法 Download PDF

Info

Publication number
CN106778632A
CN106778632A CN201611196880.XA CN201611196880A CN106778632A CN 106778632 A CN106778632 A CN 106778632A CN 201611196880 A CN201611196880 A CN 201611196880A CN 106778632 A CN106778632 A CN 106778632A
Authority
CN
China
Prior art keywords
area
passenger flow
video image
camera
early warning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611196880.XA
Other languages
English (en)
Inventor
任刚
卢佳
徐凌慧
薛辉
姜秋耘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201611196880.XA priority Critical patent/CN106778632A/zh
Publication of CN106778632A publication Critical patent/CN106778632A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种轨道交通大客流识别预警系统和方法，包括识别判断预警区域模块，用于识别车站预警区域、设定监控摄像机以及确定监控面积；数据采集模块，用于根据所设定的监控摄像机采集视频图像数据；数据处理模块，用于根据视频图像数据，采用人数识别算法，生成轨道交通车站内部站厅站台各局部区域客流数据；监控预警模块，用于识别客流预警状态和确定阈值，监控客流数据，当实时客流量超过某一阈值时，发出预警信号。本发明提高了轨道交通相关部门应对客流高峰时段和突发事件大客流的能力，为轨道交通运营安全提供有力的数据决策支撑。

Description

轨道交通大客流识别预警系统和方法
技术领域
本发明涉及轨道交通安全和应急管理技术领域，尤其涉及一种轨道交通大客流识别预警系统和方法。
背景技术
城市轨道交通以其运量大、速度快、时间准、污染少和安全舒适的特点，在缓解城市交通拥堵方面具有独特的优越性，我国城市轨道交通的建设和运营正进入规模化、网络化的运营时期。然而随着国内轨道交通运营规模的不断扩大，客流量急剧增加，城市轨道交通系统的运营安全面临着新的挑战，高强度客流冲击带来列车延误、乘客滞留、人群踩踏等威胁着轨道交通的安全运营。
城市轨道交通车站往往是大客流聚集与换乘的场所，及时准确地掌握客流信息，了解客流状态，有针对性地对高强度客流进行预警，能够有效的改善车站的乘车环境，提高乘客在车站中的通行速度，缓解高强度客流带来的运输压力，保障乘客的出行安全。
目前，轨道交通大客流识别研究处于起步阶段，尤其是客流人头识别与统计技术近几年才进入国内，安全状态的判断还停留在人工监控方式，主要还是依靠工作人员对特定区域的监控图像进行观察及依靠工作人员进行巡视。对大客流预警研究主要是利用自动售检票系统的数据统计，虽然可以统计分析实时客流信息，但是这个信息总是有一定的延迟和不准确，并且不能获得车站内部的具体客流信息分布情况。
发明内容
发明目的：针对以上问题，本发明提出一种轨道交通大客流识别预警系统和方法。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种轨道交通大客流识别预警方法，包括以下步骤：
(1)研究预警区域范围，确定预警区域面积和摄像机的设置位置；
(2)采集摄像机视频图像，确定视频图像的采集时间间隔；
(3)基于人数识别算法，得到轨道交通车站内不同区域的客流信息；
(4)对客流状态进行分级，确定不同客流状态的阈值，最后确定不同区域客流的预警级别，发出预警信号。
步骤(1)具体包括以下步骤：
步骤1.1：确定能够且必须检测的站厅和站台区域：
步骤1.1.1：乘客可流动的站厅区域面积：
Ati＝Sti-Fti-Nti
其中，Ati是乘客可流动的站厅区域面积，Sti是站厅总面积，Fti是站厅设施占用面积，Nti是乘客不能进入的站厅区域面积；
步骤1.1.2：乘客可流动的站台区域面积：
Ata＝Sta-Fta-Nta
其中，Ata是乘客可流动的站台区域面积，Sta是站台总面积，Fta是站台设施占用面积，Nta是乘客不能进入的站台区域面积；
步骤1.2：确定摄像机可监控到的实际区域面积：
Asp＝W*L
其中，Asp是摄像机可监控到的实际区域面积，W是摄像机可监控区域矩形的宽度，L是摄像机可监控区域矩形的长度；
步骤1.3：确定摄像机的个数以及安装位置；
步骤1.3.1：在车站平面图上画出站厅、站台能够且必须监测的区域，标注尺寸，将Ati、Ata除以Asp，得到站厅、站台需要的监控摄像机的数量；
步骤1.3.2：根据站厅、站台摄像机可监控到的实际区域面积，结合监控摄像机的数量，将站厅、站台能够且必须监测的区域划分成多个小区域，小区域被单个摄像机所覆盖；
步骤1.3.3：在每个小区域选择合适的位置安放监控摄像机，使其覆盖整个小区域。
步骤(2)具体包括以下步骤：
步骤2.1：每隔一段视频图像的采集时间间隔，监控摄像机将视频图像传输到中央控制室，视频图像的采集时间间隔计算步骤如下：
步骤2.1.1：计算视频图像的数据量：
D＝SF*CF*XS
其中，D是图像数据量，SF是水平分辨率，CF是垂直分辨率，XS是像素深度；
步骤2.1.2：计算数字图像传输时间：
CF＝D/CS
其中，CF是传输时间，CS是传输速率；
步骤2.1.3：计算单帧视频图像的客流人数自动识别处理时间y；
步骤2.1.4：计算视频图像采样间隔时间：
T＝(x+y)*z
其中，T是全部监控摄像头单帧视频数字图像的处理时间，x是单帧视频数字图像传输时间，y是单帧视频数字图像的客流人数自动识别处理时间，z是监控摄像头数；
步骤2.2：中央控制室将视频图像存储到硬盘录像机，供远端用户进行视频图像访问和分析；
步骤2.3：中央控制室将视频图像从硬盘录像机提取送至数据处理服务器。
步骤(3)中的人数识别算法包括以下步骤：
步骤3.1：每隔一段时间获取一次视频图像，智能去除视频图像中的无效区域，对视频图像进行分割处理；
步骤3.2：根据摄像头角度、高度以及照射区域识别出视频图像中不同分割区域的人头像素比例；
步骤3.3：考虑亮度、对比度等参数，获取视频图像区域的人头的像素灰度范围；
步骤3.4：结合视频图像区域的人体投影面积因素，通过统一算法计算出视频图像中总的人数。
步骤(4)具体包括以下步骤：
步骤4.1：将客流预警状态分为三级：I、II、III级；
步骤4.2：确定不同客流预警状态级别的阈值Y：
步骤4.2.1：计算客流滞留比例Ra；
步骤4.2.2：计算摄像机可监控到的实际区域面积Asp；
步骤4.2.3：计算个人所占的地面面积Sp；
步骤4.2.4：计算不同客流预警状态级别的阈值Yi：
其中，Yi是第i级预警状态的实时客流量阈值，Rai是第i级预警状态的客流滞留比例，Asp是摄像机可监控到的实际区域面积，Sp是个人所占的地面面积；
步骤4.3：根据数据处理模块所得的实时客流量，以及步骤4.1、步骤4.2，确定实时客流量所属客流预警级别，发出预警信号。
轨道交通大客流识别预警系统，包括识别判断预警区域模块、数据采集模块、数据处理模块和监控预警模块；识别判断预警区域模块，用于判断预警区域范围，确定监控区域面积以及确定监控摄像机的位置；数据采集模块，每隔一段固定时间间隔采集监控区域内的视频图像，将摄像机的视频图像传送至数据处理模块；数据处理模块，根据视频图像的数据，利用人数识别算法，计算监控摄像机覆盖区域的实时客流量；监控预警模块，用于确定客流预警状态和预警阈值，当实时客流量超过阈值时，发出预警信号。
有益效果：本发明可实现全车站无死角监控，不遗漏任何可能发生高强度客流的区域；可以准确根据车站的设备性能，合理的采集视频图像，提高效率；可以最准确的获取客流信息，为下一个监控预警模块做好准备；可以辅助站内工作人员对客流安全进行有效的管理，并且在出现突发状况时，可以快速制定疏散方案，为运营管理人员监视线网运营状况，及时预防突发事件和组织运营提供决策支持。
附图说明
图1是本发明所述的轨道交通大客流识别预警系统；
图2是数据采集示意图；
图3是人数识别算法流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示是本发明所述的轨道交通大客流识别预警系统，包括识别判断预警区域模块、数据采集模块、数据处理模块和监控预警模块。
识别判断预警区域模块，用于判断车站预警区域范围，确定需要监控的区域面积以及设定监控摄像机的位置，车站预警区域可以分为两大部分：站台区域与站厅区域，楼梯、电扶梯均属于站厅区域；数据采集模块，用于根据设定的监控摄像机，每隔一段固定时间间隔采集特定监控区域规定方向上的视频图像，摄像机将所抓取的视频图像传送至数据处理模块中；数据处理模块，用于根据抓取的视频图像数据，利用特制的人数识别算法，计算不同监控摄像机覆盖区域的实时客流量；监控预警模块，用于划分客流预警状态和确定阈值，监控客流数据，当实时客流量超过某一阈值时，发出预警信号。
基于轨道交通大客流识别预警系统的预警方法，具体包括以下步骤：
(1)首先是通过研究预警区域范围，确定可预警区域面积及摄像机的设置位置。
a、步骤1.1：确定能够且必须检测的站厅和站台区域，能够且必须监测的站厅区域是站厅区域减去站厅设施所占区域和乘客不能进入的区域，能够且必须监测的站台区域与上面类似，具体计算如下：
步骤1.1.1：乘客可流动的站厅区域面积：
Ati＝Sti-Fti-Nti
其中，Ati是乘客可流动的站厅区域面积，Sti是站厅总面积，Fti是站厅设施占用面积，Nti是乘客不能进入的站厅区域面积。
步骤1.1.2：乘客可流动的站台区域面积：
Ata＝Sta-Fta-Nta
其中，Ata是乘客可流动的站台区域面积，Sta是站台总面积，Fta是站台设施占用面积，Nta是乘客不能进入的站台区域面积。
乘客可流动的站厅区域面积和站台区域面积根据车站实际的站台总面积、站台设施占用面积、乘客不能进入的区域面积计算。
b、步骤1.2：确定视频监控设备可监控到的实际区域面积，为了计算方便，定义视频监控设备可监控区域为矩形。
Asp＝W*L
其中，Asp是视频监控设备可监控到的实际区域面积，W是视频监控设备可监控区域矩形的宽度，L是视频监控设备可监控区域矩形的长度。
根据地铁设计规范以及视频安防监控系统工程设计规范，定义站厅、站台按照标准摄像头部署，考虑站厅、站台的局限条件和实际调查情况，站厅平均单个摄像头可监控到的实际区域面积为3m*12m＝36m2，站台平均单个摄像头可监控到的实际区域面积4m*10m＝40m2。平均单个摄像头可监控到实际区域，站台长度为10m，宽度为4m，站厅长度为12m，宽度为3m。平角度是指监控摄像头安装高度接近常人面部高度，是建筑出入口监控摄像头安装时的首选角度；仰角度需考虑各种光源的影响，避免光线干扰，最好是安装带护罩的监控摄像机。站厅(楼梯和电扶梯)一般使用仰角度或者俯角度，站台设置摄像机角度一般是平角度。
c、步骤1.3：确定监控摄像机的个数以及安装位置。
步骤1.3.1：在车站平面图上画出站厅、站台能够且必须监测的区域，标注尺寸，将Ati、Ata除以Asp，得到站厅、站台大概需要的相应的监控摄像机的数量。
步骤1.3.2：根据站厅、站台视频监控设备可监控到的实际区域面积，结合相应的监控摄像机的数量，将站厅、站台能够且必须监测的区域划分成多个小区域，小区域可以被单个视频监控设备所覆盖。
步骤1.3.3：在小区域选择合适的位置安放监控摄像机，使其覆盖整个小区域。
(2)其次，通过摄像机采集视频图像，确定视频图像的采集时间间隔。
a、步骤2.1：每隔一段视频图像采样间隔时间，监控摄像机将视频图像传输到中央控制室，视频图像采样间隔时间计算步骤如下：
步骤2.1.1：计算视频图像的数据量：
D＝SF*CF*XS
其中，D是图像数据量，SF是水平分辨率，CF是垂直分辨率，XS是像素深度。
步骤2.1.2：计算数字图像传输时间：
CF＝D/CS
其中，CF是传输时间，CS是传输速率。
步骤2.1.3：计算单帧视频图像的客流人数自动识别处理时间，一帧视频图像的客流人数自动识别处理时间由两个因素确定：一是计算机的性能，二是客流人数自动识别处理程序的量与处理时间，在JAVA中可按如下方式计算得到。
int t1＝system.currentTimeMillis()；
int t2＝system.currentTimeMillis()；
system.out.printin(t2-t1)；
其中，t1是第一个时间节点，t2是第二个时间节点。
步骤2.1.4：计算视频图像采样间隔时间：
T＝(x+y)*z
其中，T是全部监控摄像头一帧视频数字图像的处理时间，x是一帧视频数字图像传输时间，y是一帧视频数字图像的客流人数自动识别处理时间，z是监控摄像头数。
b、步骤2.2：中央控制室将视频图像存储到硬盘录像机，供远端用户进行视频图像访问和分析。
c、步骤2.3：中央控制室将视频图像从硬盘录像机提取送至数据处理服务器。如图2所示的数据采集示意图，监控摄像机1、2、3把采集视频图像数据送入车站的中央控制室，中央控制室一方面将数据存入硬盘录像机，另一方面将数据送至数据处理服务器。
(3)其次，基于特制的人数识别算法，进一步得到轨道交通车站内站厅、站台局部区域的客流信息。人数识别算法如图3所示，包括以下步骤：
a、步骤3.1：每隔一段时间获取一次视频图像，智能去除视频图像中的无效区域，对视频图像进行分割处理。
b、步骤3.2：根据摄像头角度、高度以及照射区域识别出视频图像中不同分割区域的人头像素比例。
c、步骤3.3：考虑亮度参数、对比度等参数，获取视频图像区域的人头的像素灰度范围。
d、步骤3.4：结合视频图像区域的人体投影面积因素，通过统一算法计算出视频图像中总的人数num。
(4)最后，对客流状态进行分级，确定不同客流状态的阈值，最后确定不同区域客流的预警级别。
a、步骤4.1：将客流预警状态分为三级：I、II、III三级，分别对应红色、橙色、黄色。
I级预警状态：站厅、站台区域人流密度大，达到超高负荷水平，极有可能发生大面积拥堵和踩踏情况，站台层列车车门处上、下车乘客疏散时间明显高于列车停靠时间，极有可能发生长时间的拥堵及客流积聚情况。
II级预警状态：部分站厅、站台区域达到超高负荷水平，站台层列车车门处上、下车乘客疏散时间略高于列车停靠时间，站厅人流缓慢移动，可能发生长时间的拥堵及客流积聚情况。
III级预警状态：有可能部分站厅、站台区域达到超高负荷水平，站台层列车车门处上、下车乘客疏散时间小于列车停靠时间，不会发生长时间的拥堵及客流积聚情况。
b、步骤4.2：确定不同客流预警状态级别的阈值。实时客流量大于阈值Y1，处于I级预警状态；当实时客流量大于阈值Y2，处于II级预警状态；当实时客流量大于阈值Y3，处于III级预警状态。具体计算过程如下：
步骤4.2.1：计算客流滞留比例Ra，客流滞留比例为最大客流滞留量占区域容纳能力比例。根据现场实际调查以及技术手段研究，对于所有地铁车站，Ra达到80％可定为I级预警状态，Ra达到60％可定为II级预警状态，Ra达到40％可定为III级预警状态。
步骤4.2.2：计算视频监控设备可监控到的实际区域面积Asp，由识别判断预警区域模块的步骤1.2可知，站厅为36m2，站台为40m2。
步骤4.2.3：计算个人所占的地面面积Sp，个人所占的地面面积，由肩宽、身体厚度以及心理距离决定，根据中国成年人人体尺寸(GB/T 10000-1988)，人的平均肩宽为0.415m，平均身体厚度为0.261m，根据调查人的心理距离约为0.2m，计算乘客所占面积为0.223m2。
步骤4.2.4：计算客流预警状态级别的阈值Yi：
其中，Yi是第i级预警状态的实时客流量阈值，Rai是第i级预警状态的客流滞留比例，Asp是视频监控设备可监控到的实际区域面积，Sp是个人所占的地面面积。
举例分析，计算站厅的I级预警状态的阈值，由步骤4.2.1可知，Ra为80％，由步骤4.2.2可知，站厅视频监控设备可监控到的实际区域面积为36m2；由步骤4.2.3可知，个人所占的地面面积为0.223m2，由此计算出I级预警状态的阈值为129人，具体如下：
其他客流预警级别计算结果如下所述：对于站厅的摄像头来说，当实时客流量大于129人，处于I级预警状态，当实时客流量大于97人，处于II级预警状态，当实时客流量大于66人，处于III级预警状态；对于站台的摄像头来说，当实时客流量大于143人，处于I级预警状态，当实时客流量大于108人，处于II级预警状态，当实时客流量大于72人，处于III级预警状态。
c、步骤4.3：根据数据处理模块所得的实时客流量num，以及步骤4.1、步骤4.2，确定实时客流量所属客流预警级别，发出预警信号。
举例分析，当识别站厅某监控摄像机传输的视频图像，获取实时客流量为86人，根据步骤4.1和步骤4.2，66＜86＜97，所以该监控摄像机所监控区域处于III级预警状态。

Claims (6)

1.一种轨道交通大客流识别预警方法，其特征在于：包括以下步骤：
(1)研究预警区域范围，确定预警区域面积和摄像机的设置位置；
(2)采集摄像机视频图像，确定视频图像的采集时间间隔；
(3)基于人数识别算法，得到轨道交通车站内不同区域的客流信息；
(4)对客流状态进行分级，确定不同客流状态的阈值，最后确定不同区域客流的预警级别，发出预警信号。
2.根据权利要求1所述的轨道交通大客流识别预警方法，其特征在于：步骤(1)具体包括以下步骤：
步骤1.1：确定能够且必须检测的站厅和站台区域：
步骤1.1.1：乘客可流动的站厅区域面积：
Ati＝Sti-Fti-Nti
其中，Ati是乘客可流动的站厅区域面积，Sti是站厅总面积，Fti是站厅设施占用面积，Nti是乘客不能进入的站厅区域面积；
步骤1.1.2：乘客可流动的站台区域面积：
Ata＝Sta-Fta-Nta
其中，Ata是乘客可流动的站台区域面积，Sta是站台总面积，Fta是站台设施占用面积，Nta是乘客不能进入的站台区域面积；
步骤1.2：确定摄像机可监控到的实际区域面积：
Asp＝W*L
其中，Asp是摄像机可监控到的实际区域面积，W是摄像机可监控区域矩形的宽度，L是摄像机可监控区域矩形的长度；
步骤1.3：确定摄像机的个数以及安装位置；
步骤1.3.1：在车站平面图上画出站厅、站台能够且必须监测的区域，标注尺寸，将Ati、Ata除以Asp，得到站厅、站台需要的监控摄像机的数量；
步骤1.3.2：根据站厅、站台摄像机可监控到的实际区域面积，结合监控摄像机的数量，将站厅、站台能够且必须监测的区域划分成多个小区域，小区域被单个摄像机所覆盖；
步骤1.3.3：在每个小区域选择合适的位置安放监控摄像机，使其覆盖整个小区域。
3.根据权利要求1所述的轨道交通大客流识别预警方法，其特征在于：步骤(2)具体包括以下步骤：
步骤2.1：每隔一段视频图像的采集时间间隔，监控摄像机将视频图像传输到中央控制室，视频图像的采集时间间隔计算步骤如下：
步骤2.1.1：计算视频图像的数据量：
D＝SF*CF*XS
其中，D是图像数据量，SF是水平分辨率，CF是垂直分辨率，XS是像素深度；
步骤2.1.2：计算数字图像传输时间：
CF＝D/CS
其中，CF是传输时间，CS是传输速率；
步骤2.1.3：计算单帧视频图像的客流人数自动识别处理时间y；
步骤2.1.4：计算视频图像采样间隔时间：
T＝(x+y)*z
其中，T是全部监控摄像头单帧视频数字图像的处理时间，x是单帧视频数字图像传输时间，y是单帧视频数字图像的客流人数自动识别处理时间，z是监控摄像头数；
步骤2.2：中央控制室将视频图像存储到硬盘录像机，供远端用户进行视频图像访问和分析；
步骤2.3：中央控制室将视频图像从硬盘录像机提取送至数据处理服务器。
4.根据权利要求1所述的轨道交通大客流识别预警方法，其特征在于：步骤(3)中的人数识别算法包括以下步骤：
步骤3.1：每隔一段时间获取一次视频图像，智能去除视频图像中的无效区域，对视频图像进行分割处理；
步骤3.2：根据摄像头角度、高度以及照射区域识别出视频图像中不同分割区域的人头像素比例；
步骤3.3：考虑亮度、对比度等参数，获取视频图像区域的人头的像素灰度范围；
步骤3.4：结合视频图像区域的人体投影面积因素，通过统一算法计算出视频图像中总的人数。
5.根据权利要求1所述的轨道交通大客流识别预警方法，其特征在于：步骤(4)具体包括以下步骤：
步骤4.1：将客流预警状态分为三级：Ⅰ、Ⅱ、Ⅲ级；
步骤4.2：确定不同客流预警状态级别的阈值Y：
步骤4.2.1：计算客流滞留比例Ra；
步骤4.2.2：计算摄像机可监控到的实际区域面积Asp；
步骤4.2.3：计算个人所占的地面面积Sp；
步骤4.2.4：计算不同客流预警状态级别的阈值Yi：
Y i = Ra i * A s p S p
其中，Yi是第i级预警状态的实时客流量阈值，Rai是第i级预警状态的客流滞留比例，Asp是摄像机可监控到的实际区域面积，Sp是个人所占的地面面积；
步骤4.3：根据数据处理模块所得的实时客流量，以及步骤4.1、步骤4.2，确定实时客流量所属客流预警级别，发出预警信号。
6.一种轨道交通大客流识别预警系统，其特征在于：包括识别判断预警区域模块、数据采集模块、数据处理模块和监控预警模块；
识别判断预警区域模块，用于判断预警区域范围，确定监控区域面积以及确定监控摄像机的位置；数据采集模块，每隔一段固定时间间隔采集监控区域内的视频图像，将摄像机的视频图像传送至数据处理模块；数据处理模块，根据视频图像的数据，利用人数识别算法，计算监控摄像机覆盖区域的实时客流量；监控预警模块，用于确定客流预警状态和预警阈值，当实时客流量超过阈值时，发出预警信号。
CN201611196880.XA 2016-12-22 2016-12-22 轨道交通大客流识别预警系统和方法 Pending CN106778632A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611196880.XA CN106778632A (zh) 2016-12-22 2016-12-22 轨道交通大客流识别预警系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611196880.XA CN106778632A (zh) 2016-12-22 2016-12-22 轨道交通大客流识别预警系统和方法

Publications (1)

Publication Number Publication Date
CN106778632A true CN106778632A (zh) 2017-05-31

Family

ID=58897306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611196880.XA Pending CN106778632A (zh) 2016-12-22 2016-12-22 轨道交通大客流识别预警系统和方法

Country Status (1)

Country Link
CN (1) CN106778632A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798422A (zh) * 2017-10-10 2018-03-13 东南大学 一种城市轨道车站大客流安全预警系统
CN108182403A (zh) * 2017-12-28 2018-06-19 河南辉煌城轨科技有限公司 基于图像的地铁列车客流统计方法
CN108229400A (zh) * 2018-01-04 2018-06-29 东南大学 地铁车站大客流识别预警方法及系统
CN109035643A (zh) * 2018-08-22 2018-12-18 广东工业大学 一种机场后安检过道的客流量自动引导方法及装置
CN109495718A (zh) * 2018-11-02 2019-03-19 深圳市北斗智能科技有限公司 监控视频获取方法、装置及计算机可读存储介质
CN110070061A (zh) * 2019-04-26 2019-07-30 重庆交通开投科技发展有限公司 一种乘客数量推算方法及装置
CN110119655A (zh) * 2018-02-07 2019-08-13 中国石油化工股份有限公司 一种石化企业厂区内车辆与人员聚集预警系统及预警方法
CN110287929A (zh) * 2019-07-01 2019-09-27 腾讯科技（深圳）有限公司 群体区域中目标的数量确定方法、装置、设备及存储介质
CN110557606A (zh) * 2018-06-04 2019-12-10 视联动力信息技术股份有限公司 监控查看方法和装置
CN110647855A (zh) * 2019-09-29 2020-01-03 常州大学 一种基于人脸识别的地铁车站客流统计方法
CN111008545A (zh) * 2018-10-08 2020-04-14 上海申通地铁集团有限公司 轨道交通系统的客流的检测系统和方法
CN111028403A (zh) * 2019-11-08 2020-04-17 刘齐一星 一种轨道交通的自动检票系统与方法
CN111619614A (zh) * 2020-06-05 2020-09-04 上海应用技术大学 一种车厢乘客拥挤监控与疏导系统及方法
CN112287837A (zh) * 2020-10-29 2021-01-29 北京交通大学 基于数据驱动的城市轨道交通车站突发大客流预警方法
CN113085962A (zh) * 2021-04-20 2021-07-09 何广斌 一种城市轨道交通站台安全控制方法及系统
CN113822462A (zh) * 2021-08-06 2021-12-21 上海申铁信息工程有限公司 一种车站应急指挥方法及装置
CN114611977A (zh) * 2022-03-23 2022-06-10 携程旅游网络技术（上海）有限公司 航站楼的运行数据检测方法、系统、设备及存储介质
CN114663832A (zh) * 2022-03-06 2022-06-24 中电万维信息技术有限责任公司 一种基于多路监控视频实现景区区域客流密度监测的方法
CN116596731A (zh) * 2023-05-25 2023-08-15 北京贝能达信息技术股份有限公司 一种轨道交通智能运维大数据管理方法和系统
CN117830958A (zh) * 2024-03-04 2024-04-05 罗普特科技集团股份有限公司 旅客通关候检管理方法、装置及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587537A (zh) * 2008-05-21 2009-11-25 上海新联纬讯科技发展有限公司 基于智能视频识别技术的人群密度统计方法与系统
CN104700159A (zh) * 2015-02-12 2015-06-10 广州市地下铁道总公司 一种轨道交通客流监测预警系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587537A (zh) * 2008-05-21 2009-11-25 上海新联纬讯科技发展有限公司 基于智能视频识别技术的人群密度统计方法与系统
CN104700159A (zh) * 2015-02-12 2015-06-10 广州市地下铁道总公司 一种轨道交通客流监测预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李得伟等: "《地铁客流预警技术基础探讨》", 《都市快轨交通》 *
顾德军等: "《一种基于人头特征的人数统计方法研究》", 《机械制造与自动化》 *

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798422A (zh) * 2017-10-10 2018-03-13 东南大学 一种城市轨道车站大客流安全预警系统
CN108182403A (zh) * 2017-12-28 2018-06-19 河南辉煌城轨科技有限公司 基于图像的地铁列车客流统计方法
CN108229400A (zh) * 2018-01-04 2018-06-29 东南大学 地铁车站大客流识别预警方法及系统
CN110119655A (zh) * 2018-02-07 2019-08-13 中国石油化工股份有限公司 一种石化企业厂区内车辆与人员聚集预警系统及预警方法
CN110557606A (zh) * 2018-06-04 2019-12-10 视联动力信息技术股份有限公司 监控查看方法和装置
CN110557606B (zh) * 2018-06-04 2021-10-08 视联动力信息技术股份有限公司 监控查看方法和装置
CN109035643A (zh) * 2018-08-22 2018-12-18 广东工业大学 一种机场后安检过道的客流量自动引导方法及装置
CN111008545A (zh) * 2018-10-08 2020-04-14 上海申通地铁集团有限公司 轨道交通系统的客流的检测系统和方法
CN109495718A (zh) * 2018-11-02 2019-03-19 深圳市北斗智能科技有限公司 监控视频获取方法、装置及计算机可读存储介质
CN110070061A (zh) * 2019-04-26 2019-07-30 重庆交通开投科技发展有限公司 一种乘客数量推算方法及装置
CN110287929A (zh) * 2019-07-01 2019-09-27 腾讯科技（深圳）有限公司 群体区域中目标的数量确定方法、装置、设备及存储介质
CN110287929B (zh) * 2019-07-01 2023-09-05 腾讯科技（深圳）有限公司 群体区域中目标的数量确定方法、装置、设备及存储介质
CN110647855A (zh) * 2019-09-29 2020-01-03 常州大学 一种基于人脸识别的地铁车站客流统计方法
CN110647855B (zh) * 2019-09-29 2023-04-18 常州大学 一种基于人脸识别的地铁车站客流统计方法
CN111028403A (zh) * 2019-11-08 2020-04-17 刘齐一星 一种轨道交通的自动检票系统与方法
CN111028403B (zh) * 2019-11-08 2021-09-24 刘齐一星 一种轨道交通的自动检票系统与方法
CN111619614A (zh) * 2020-06-05 2020-09-04 上海应用技术大学 一种车厢乘客拥挤监控与疏导系统及方法
CN112287837A (zh) * 2020-10-29 2021-01-29 北京交通大学 基于数据驱动的城市轨道交通车站突发大客流预警方法
CN113085962A (zh) * 2021-04-20 2021-07-09 何广斌 一种城市轨道交通站台安全控制方法及系统
CN113822462A (zh) * 2021-08-06 2021-12-21 上海申铁信息工程有限公司 一种车站应急指挥方法及装置
CN113822462B (zh) * 2021-08-06 2023-10-13 上海申铁信息工程有限公司 一种车站应急指挥方法及装置
CN114663832A (zh) * 2022-03-06 2022-06-24 中电万维信息技术有限责任公司 一种基于多路监控视频实现景区区域客流密度监测的方法
CN114663832B (zh) * 2022-03-06 2024-07-02 中电万维信息技术有限责任公司 一种基于多路监控视频实现景区区域客流密度监测的方法
CN114611977A (zh) * 2022-03-23 2022-06-10 携程旅游网络技术（上海）有限公司 航站楼的运行数据检测方法、系统、设备及存储介质
CN116596731A (zh) * 2023-05-25 2023-08-15 北京贝能达信息技术股份有限公司 一种轨道交通智能运维大数据管理方法和系统
CN117830958A (zh) * 2024-03-04 2024-04-05 罗普特科技集团股份有限公司 旅客通关候检管理方法、装置及电子设备
CN117830958B (zh) * 2024-03-04 2024-06-11 罗普特科技集团股份有限公司 旅客通关候检管理方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN106778632A (zh) 轨道交通大客流识别预警系统和方法
CN105404850B (zh) 车站客流监测系统、车站客流监测方法及车站客流管控系统、车站客流管控方法
WO2022134692A1 (zh) 一种轨道交通智能调度方法及系统
CN110493816B (zh) 一种用于轨交地铁车站客流量的实时预测方法
CN109858670B (zh) 一种轨道交通车站大客流实时预警方法
CN109109909B (zh) 悬挂式磁悬浮列车服役状态采集与数据融合方法及系统
CN105100757B (zh) 带有一体式结构的探测器
CN110188644A (zh) 一种基于视觉分析的扶梯乘客危险行为监控系统及方法
CN107992786A (zh) 一种基于人脸的公共场所人流量统计方法和系统
CN106934752A (zh) 一种基于公交车的信息化管理系统
CN106874863A (zh) 基于深度卷积神经网络的车辆违停逆行检测方法
CN105117683B (zh) 一种公共场所密集人群检测及预警方法
CN207164830U (zh) 建筑消防应急疏散指示系统
CN104021605A (zh) 一种公交客流实时统计系统及其统计方法
CN108289203A (zh) 一种用于轨道交通的视频监控系统
JP2008189180A (ja) 列車運行管理システム
CN112866647A (zh) 一种基于智慧社区的物业智能化管理系统
CN106156890B (zh) 一种城市轨道交通通道内客流检测和预测方法及其系统
CN114446076A (zh) 一种基于5g通信技术的智能调度控制系统
Morozov et al. Prototype of Urban Transport Passenger Accounting System
Zheng et al. Toward real-time congestion measurement of passenger flow on platform screen doors based on surveillance videos analysis
Zuo et al. Determination of bus crowding coefficient based on passenger flow forecasting
CN117010684A (zh) 客流疏导策略的确定方法
CN207637266U (zh) 一种基于视频监控的隔栏递物预警系统
CN114283386B (zh) 一种基于大数据的分析适应密集场景人流实时监测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531