CN110458056A - 列车车厢拥挤度检测方法及装置 - Google Patents
列车车厢拥挤度检测方法及装置 Download PDFInfo
- Publication number
- CN110458056A CN110458056A CN201910691328.5A CN201910691328A CN110458056A CN 110458056 A CN110458056 A CN 110458056A CN 201910691328 A CN201910691328 A CN 201910691328A CN 110458056 A CN110458056 A CN 110458056A
- Authority
- CN
- China
- Prior art keywords
- compartment
- image
- crowding
- detection
- congestion state
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例提供一种列车车厢拥挤度检测方法及装置,方法包括:在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在检测图像上进行各车厢区域划分标注车厢编号;将检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种列车车厢拥挤度检测方法及装置。
背景技术
当高峰时段人群进入站内,因为车辆停车时间短,乘客无法预知每个车厢的拥挤程度,导致部分车厢极度拥挤,部分车厢较为宽松,降低了列车的运载能力。乘客过多时,一定程度上容易造成站内乘客滞留、严重会影响到站内的正常运行。地铁目前暂无法显示车厢内乘客拥程度。如果不显示每节车厢的拥挤程度,乘客在站台前,往往无法预知每个车厢的拥挤程度,因而盲目的等待,影响乘客乘车体验,浪费列车空间资源。
发明内容
针对现有技术存在的问题,本发明实施例提供一种列车车厢拥挤度检测方法及装置。
本发明实施例提供一种列车车厢拥挤度检测方法,包括:
检测目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;
将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
可选地,所述将各车厢内的图像进行画面去重拼接得到检测图像,包括:
对各车厢内的图像进行特征点提取;
将相邻两个图像的特征点进行匹配,获得重叠区域;
从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除;
完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像。
可选地,所述将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态,包括:
将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息;
根据各车厢编号对应的拥挤度信息进行排序,并均匀划分按预设颜色进行标注作为各车厢的拥挤状态。
可选地,所述将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态,包括:
将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息;
将各车厢的拥挤度信息与预设的阈值范围与拥挤状态的对应关系进行匹配,获得各车厢对应的拥挤状态。
可选地,所述启动条件包括:
列车是否启动;
列车是否在对应的运行正线上;
当前时间是否在列车的运行时间段内。
可选地,所述拥挤度信息包括车厢内乘客数目或车厢内乘客密集度。
本发明实施例提供一种列车车厢拥挤度检测装置,包括:
检测模块,用于检测目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
采集模块,用于在开启对目标列车进行拥挤度检测时,采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
识别模块,用于将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;
处理模块,用于将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
可选地,所述采集模块具体用于:
对各车厢内的图像进行特征点提取;
将相邻两个图像的特征点进行匹配,获得重叠区域;
从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除;
完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像。
本发明实施例提供的列车车厢拥挤度检测方法及装置,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明列车车厢拥挤度检测方法实施例流程图;
图2为本发明列车车厢拥挤度检测方法实施例流程图;
图3为本发明列车车厢拥挤度检测方法实施例流程图;
图4为本发明列车车厢拥挤度检测装置实施例结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的一种列车车厢拥挤度检测方法,包括:
S11、检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
针对步骤S11,需要说明的是,在本发明实施例中,在列车(地铁)运行过程中,列车在完成今天的运行计划后,会退出运行区段。因此,并不是要对所有列车进行车厢拥挤度检测过程。因此,需要检测所述目标列车是否符合拥挤度检测的启动条件,若符合启动条件,则开启对所述目标列车进行拥挤度检测,若不符合启动条件,则不开启对目标列车进行拥挤度检测。
在本发明实施例中,所述启动条件包括:
列车是否启动;
列车是否在对应的运行正线上;
当前时间是否在列车的运行时间段内。
通常情况下,满足上述三个条件,则说明目标列车在正常运行区段上运营,此时,开启对所述目标列车进行拥挤度检测。但启动条件根据具体情况而设置,在此不作具体限制。
S12、在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
针对步骤S12,需要说明的是,在本发明实施例中,由于要提前告知下一站台上乘客不久将要进站的目标列车上乘客在每个车厢内的拥挤状况。因此,需要在列车进入下一站台之前,对列车进行拥挤度检测。当开启对目标列车进行拥挤度检测时,可采用在车厢内事先安装的摄像头采集目标列车各个车厢内的图像。车厢内事先安装的摄像头可按照预设位置,预设个数均匀安装在车厢内。如车厢为八节,可分别在每个车厢内车顶中部安装广角摄像头。此时,采集的图像为8幅。
在本发明实施例中,为了拍摄目标列车上所有车厢内预设位置的乘客图像,需在车厢内设置一定数目的摄像头,又由于摄像头的拍摄角度以及拍摄广角,会造成相邻摄像头拍摄的图像出现画面重叠。因此,可采用图像拼接技术对各车厢内的图像进行画面去重拼接得到检测图像。即将多个图像合为一张检测图像。拼接合成之后,在所述检测图像上进行各车厢区域划分标注车厢编号。即同一张检测图像上哪些区域代表哪个车厢。
S13、将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态。
针对步骤S13,需要说明的是,在本发明实施例中,代表整个列车所有车厢的检测图像获得后,需要对检测图像进行识别处理,通常情况下会进行车厢内乘客数目识别或车厢内乘客密集度识别。在本发明实施例中,采用将检测图像输入到预先建立好的拥挤度识别模型中进行识别,从而得到各车厢编号对应的拥挤状态。该拥挤度识别模型为采用车厢训练图像和神经网络进行训练所得到。训练得到模型的方法属于现有技术,在此不再赘述。
S14、将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示。
针对步骤S14,需要说明的是,在本发明实施例中,拥挤状态获得后,需将各车厢的拥挤状态发送到目标列车运行的下一站台的地面ATS设备上显示。
在本发明实施例中,目标列车上的车载设备(如VOBC车载控制器、ATP列车自动防护设备)可对图像进行分析、对拥挤状态进行获取,并在拥挤状态获取后,发送给下一站台上的地面ATS(列车自动监控)设备。ATS设备会将各个车厢的拥挤状态发送在站台的各车厢对应的屏蔽门光带显示设备上显示。
在本发明实施例中,各个车厢内的图像也可由车载设备发送到下一站台上的地面ATS(列车自动监控)设备,ATS设备可对图像进行分析、对拥挤状态进行获取,并将各个车厢的拥挤状态发送在站台的各车厢对应的屏蔽门光带显示设备上显示。
本发明实施例提供的列车车厢拥挤度检测方法,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
图2示出了本发明一实施例提供的一种列车车厢拥挤度检测方法,包括:
S21、检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
S22、在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,对各车厢内的图像进行特征点提取,将相邻两个图像的特征点进行匹配,获得重叠区域,从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除,完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号。
S23、将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态。
S24、将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示。
针对步骤S21,该步骤与上述步骤S11在原理上相同,在此不再赘述。
针对步骤S22,需要说明的是,在本发明实施例中,在采用目标列车各车厢内的摄像头采集各车厢内的图像之后,对各车厢内的图像进行特征点提取,将相邻两个图像的特征点进行匹配,获得重叠区域,从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除,完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号。
针对步骤S23和步骤S24,这些步骤与上述步骤S13和步骤S14在原理上相同,在此不再赘述。
本发明实施例提供的列车车厢拥挤度检测方法,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
图3示出了本发明一实施例提供的一种列车车厢拥挤度检测方法,包括:
S31、检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
S32、在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,对各车厢内的图像进行特征点提取,将相邻两个图像的特征点进行匹配,获得重叠区域,从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除,完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号。
S33、将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息,根据各车厢编号对应的拥挤度信息进行排序,并均匀划分按预设颜色进行标注作为各车厢的拥挤状态。
S34、将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示。
针对步骤S31、步骤S32和步骤S34,这些步骤与上述步骤S21、步骤S22和步骤S24在原理上相同,在此不再赘述。
针对步骤S33,需要说明的是,将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息,根据各车厢编号对应的拥挤度信息进行排序,并均匀划分按预设颜色(如红色、黄色和绿色)进行标注作为各车厢的拥挤状态。
针对步骤S33,存在另一实施例,在该实施例中,将各车厢的拥挤度信息与预设的阈值范围与拥挤状态的对应关系进行匹配,获得各车厢对应的拥挤状态。例如:拥挤度信息为车厢内乘客数目。此时该对应关系是乘客数目的阈值范围与拥挤状态的对应关系。如一个阈值范围为20-30,对应的拥挤状态为较宽松。当车厢内乘客数目为23时,则该车厢的拥挤状态为较宽松。
本发明实施例提供的列车车厢拥挤度检测方法,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
图4示出了本发明一实施例提供的一种列车车厢拥挤度检测装置,包括检测模块41、采集模块42、识别模块43和处理模块44,其中:
检测模块41,用于检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
采集模块42,用于在开启对目标列车进行拥挤度检测时,采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
识别模块43,用于将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;
处理模块44,用于将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
由于本发明实施例所述装置与上述实施例所述方法的原理相同,对于更加详细的解释内容在此不再赘述。
需要说明的是,本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能单元。
本发明实施例提供的列车车厢拥挤度检测装置,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
本发明一实施例提供的一种列车车厢拥挤度检测装置,包括检测模块、采集模块、识别模块和处理模块,其中:
检测模块,用于检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
采集模块,用于在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,对各车厢内的图像进行特征点提取,将相邻两个图像的特征点进行匹配,获得重叠区域,从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除,完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
识别模块,用于将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;
处理模块,用于将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
由于本发明实施例所述装置与上述实施例所述方法的原理相同,对于更加详细的解释内容在此不再赘述。
需要说明的是,本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能单元。
本发明实施例提供的列车车厢拥挤度检测装置,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
本发明一实施例提供的一种列车车厢拥挤度检测装置,包括检测模块、采集模块、识别模块和处理模块,其中:
检测模块,用于检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
采集模块,用于在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,对各车厢内的图像进行特征点提取,将相邻两个图像的特征点进行匹配,获得重叠区域,从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除,完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
识别模块,用于将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息,根据各车厢编号对应的拥挤度信息进行排序,并均匀划分按预设颜色进行标注作为各车厢的拥挤状态;
处理模块,用于将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
由于本发明实施例所述装置与上述实施例所述方法的原理相同,对于更加详细的解释内容在此不再赘述。
需要说明的是,本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能单元。
本发明实施例提供的列车车厢拥挤度检测装置,通过获取列车各个车厢内乘客的图像,对图像进行分析处理得到各个车厢内的拥挤状态,并将拥挤状态发送到下一站台进行显示提醒乘客,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种列车车厢拥挤度检测方法,其特征在于,包括:
检测目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
在开启对目标列车进行拥挤度检测时,采用目标列车各车厢内的摄像头采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;
将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
2.根据权利要求1所述的列车车厢拥挤度检测方法,其特征在于,所述将各车厢内的图像进行画面去重拼接得到检测图像,包括:
对各车厢内的图像进行特征点提取;
将相邻两个图像的特征点进行匹配,获得重叠区域;
从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除;
完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像。
3.根据权利要求1所述的列车车厢拥挤度检测方法,其特征在于,所述将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态,包括:
将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息;
根据各车厢编号对应的拥挤度信息进行排序,并均匀划分按预设颜色进行标注作为各车厢的拥挤状态。
4.根据权利要求1所述的列车车厢拥挤度检测方法,其特征在于,所述将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态,包括:
将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤度信息;
将各车厢的拥挤度信息与预设的阈值范围与拥挤状态的对应关系进行匹配,获得各车厢对应的拥挤状态。
5.根据权利要求1所述的列车车厢拥挤度检测方法,其特征在于,所述启动条件包括:
列车是否启动;
列车是否在对应的运行正线上;
当前时间是否在列车的运行时间段内。
6.根据权利要求1所述的列车车厢拥挤度检测方法,其特征在于,所述拥挤度信息包括车厢内乘客数目或车厢内乘客密集度。
7.一种列车车厢拥挤度检测装置,其特征在于,包括:
检测模块,用于检测所述目标列车是否符合拥挤度检测的启动条件,若符合,则开启对所述目标列车进行拥挤度检测;
采集模块,用于在开启对目标列车进行拥挤度检测时,采集各车厢内的图像,将各车厢内的图像进行画面去重拼接得到检测图像,并在所述检测图像上进行各车厢区域划分标注车厢编号;
识别模块,用于将所述检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态;
处理模块,用于将各车厢的拥挤状态发送到所述目标列车运行的下一站台的地面ATS设备上,并由所述地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示;
其中,所述拥挤度识别模型为采用车厢训练图像和神经网络模型训练得到。
8.根据权利要求7所述的列车车厢拥挤度检测装置,其特征在于,所述采集模块具体用于:
对各车厢内的图像进行特征点提取;
将相邻两个图像的特征点进行匹配,获得重叠区域;
从相邻两幅图像中任选其一,将对应于所述重叠区域的图像部分进行去除;
完成所有重叠区域的图像部分去除后,将各车厢的图像进行拼接得到检测图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910691328.5A CN110458056A (zh) | 2019-07-29 | 2019-07-29 | 列车车厢拥挤度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910691328.5A CN110458056A (zh) | 2019-07-29 | 2019-07-29 | 列车车厢拥挤度检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458056A true CN110458056A (zh) | 2019-11-15 |
Family
ID=68483846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910691328.5A Pending CN110458056A (zh) | 2019-07-29 | 2019-07-29 | 列车车厢拥挤度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458056A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984879A (zh) * | 2020-08-19 | 2020-11-24 | 交控科技股份有限公司 | 应用于列车的用户引导方法、装置、设备和存储介质 |
CN112241688A (zh) * | 2020-09-24 | 2021-01-19 | 厦门卫星定位应用股份有限公司 | 车厢拥挤度检测方法及系统 |
CN113762644A (zh) * | 2021-09-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
CN114038190A (zh) * | 2021-11-05 | 2022-02-11 | 江苏铁锚玻璃股份有限公司 | 基于ai摄像头的地铁车厢拥挤度检测方法及模组 |
CN115527180A (zh) * | 2022-11-03 | 2022-12-27 | 北京贝能达信息技术股份有限公司 | 一种基于图像识别技术的车厢拥挤度识别系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102501888A (zh) * | 2011-10-25 | 2012-06-20 | 叶尔肯.拜山 | 地铁车厢内自由空间监测与提示系统 |
CN102724390A (zh) * | 2011-03-29 | 2012-10-10 | 赵山山 | 列车车厢拥挤程度检测的方法以及人流导引系统 |
CN106548451A (zh) * | 2016-10-14 | 2017-03-29 | 青岛海信网络科技股份有限公司 | 一种客车客流拥挤度计算方法和装置 |
CN108648495A (zh) * | 2018-06-08 | 2018-10-12 | 华南理工大学 | 一种智能实时显示公交车拥挤程度的方法及系统 |
CN108881821A (zh) * | 2018-05-28 | 2018-11-23 | 西南交通大学 | 一种利用地铁站风力自供电的地铁车厢拥挤程度显示系统及其方法 |
CN109741596A (zh) * | 2018-11-28 | 2019-05-10 | 交控科技股份有限公司 | 一种基于探针的轨道交通实时客流监控系统和方法 |
CN109784739A (zh) * | 2019-01-23 | 2019-05-21 | 常州方可为机械科技有限公司 | 集成物联网大数据分析功能的地铁综合监控运维系统 |
CN109815882A (zh) * | 2019-01-21 | 2019-05-28 | 南京行者易智能交通科技有限公司 | 一种基于图像识别的地铁车厢客流密度监控系统及方法 |
CN109977927A (zh) * | 2019-04-25 | 2019-07-05 | 苏州雷格特智能设备股份有限公司 | 一种列车乘客拥挤度预警系统 |
-
2019
- 2019-07-29 CN CN201910691328.5A patent/CN110458056A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102724390A (zh) * | 2011-03-29 | 2012-10-10 | 赵山山 | 列车车厢拥挤程度检测的方法以及人流导引系统 |
CN102501888A (zh) * | 2011-10-25 | 2012-06-20 | 叶尔肯.拜山 | 地铁车厢内自由空间监测与提示系统 |
CN106548451A (zh) * | 2016-10-14 | 2017-03-29 | 青岛海信网络科技股份有限公司 | 一种客车客流拥挤度计算方法和装置 |
CN108881821A (zh) * | 2018-05-28 | 2018-11-23 | 西南交通大学 | 一种利用地铁站风力自供电的地铁车厢拥挤程度显示系统及其方法 |
CN108648495A (zh) * | 2018-06-08 | 2018-10-12 | 华南理工大学 | 一种智能实时显示公交车拥挤程度的方法及系统 |
CN109741596A (zh) * | 2018-11-28 | 2019-05-10 | 交控科技股份有限公司 | 一种基于探针的轨道交通实时客流监控系统和方法 |
CN109815882A (zh) * | 2019-01-21 | 2019-05-28 | 南京行者易智能交通科技有限公司 | 一种基于图像识别的地铁车厢客流密度监控系统及方法 |
CN109784739A (zh) * | 2019-01-23 | 2019-05-21 | 常州方可为机械科技有限公司 | 集成物联网大数据分析功能的地铁综合监控运维系统 |
CN109977927A (zh) * | 2019-04-25 | 2019-07-05 | 苏州雷格特智能设备股份有限公司 | 一种列车乘客拥挤度预警系统 |
Non-Patent Citations (2)
Title |
---|
吴奇兵: "城市轨道交通车厢合理立席密度的研究", 《中国优秀博士学位论文全文数据库 工程科技Ⅱ辑》 * |
孟珍珍: "西安城市轨道交通APP界面设计及功能优化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984879A (zh) * | 2020-08-19 | 2020-11-24 | 交控科技股份有限公司 | 应用于列车的用户引导方法、装置、设备和存储介质 |
CN112241688A (zh) * | 2020-09-24 | 2021-01-19 | 厦门卫星定位应用股份有限公司 | 车厢拥挤度检测方法及系统 |
CN113762644A (zh) * | 2021-09-26 | 2021-12-07 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
CN113762644B (zh) * | 2021-09-26 | 2023-11-24 | 中国联合网络通信集团有限公司 | 一种基于马尔科夫链的拥挤状态预测方法及装置 |
CN114038190A (zh) * | 2021-11-05 | 2022-02-11 | 江苏铁锚玻璃股份有限公司 | 基于ai摄像头的地铁车厢拥挤度检测方法及模组 |
CN115527180A (zh) * | 2022-11-03 | 2022-12-27 | 北京贝能达信息技术股份有限公司 | 一种基于图像识别技术的车厢拥挤度识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458056A (zh) | 列车车厢拥挤度检测方法及装置 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
EP2697738B1 (en) | Method and system of rail component detection using vision technology | |
CN111274982B (zh) | 抛洒物的识别方法、装置及存储介质 | |
CN104268596B (zh) | 一种车牌识别器及其车牌检测方法与系统 | |
CN104504377B (zh) | 一种公交车乘客拥挤程度识别系统及方法 | |
CN108280435A (zh) | 一种基于人体姿态估计的旅客异常行为识别方法 | |
CN103440491A (zh) | 一种基于颜色特征的密集人流量实时检测方法 | |
CN113011263B (zh) | 一种矿井监控方法、装置、终端设备及介质 | |
CN107316006A (zh) | 一种道路障碍物检测的方法和系统 | |
CN109146914B (zh) | 一种高速公路基于视频分析的醉酒驾驶行为预警方法 | |
CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN108230669B (zh) | 基于大数据和云分析的道路车辆违法检测方法及系统 | |
CN110672335A (zh) | 一种车道保持辅助功能失效的判断方法及装置 | |
CN110084987A (zh) | 一种面向轨道交通的异物检查系统及方法 | |
CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
CN109726701A (zh) | 车辆识别方法及系统 | |
CN108960133A (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
CN114627526A (zh) | 基于多摄像头抓拍图像的融合去重方法、装置及可读介质 | |
CN113269039A (zh) | 一种在岗人员行为识别方法和系统 | |
DE102010003669B4 (de) | Verfahren und Vorrichtung zur Lokalisierung von Personen in einem vorgegebenen Bereich | |
CN110263622A (zh) | 列车火情监测方法、装置、终端及存储介质 | |
CN111598054A (zh) | 车辆检测方法、装置、计算机设备及存储介质 | |
CN114120658B (zh) | 一种高速公路智能巡检机器人系统以及巡检方法 | |
CN108122414A (zh) | 公路上客车上下客的检测方法及装置 |
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: 20191115 |