CN110490103B - 轨道交通客流密度检测方法及装置 - Google Patents
轨道交通客流密度检测方法及装置 Download PDFInfo
- Publication number
- CN110490103B CN110490103B CN201910718173.XA CN201910718173A CN110490103B CN 110490103 B CN110490103 B CN 110490103B CN 201910718173 A CN201910718173 A CN 201910718173A CN 110490103 B CN110490103 B CN 110490103B
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- flow density
- passenger
- target
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G21/00—Details of weighing apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种轨道交通客流密度检测方法及装置，所述方法包括：根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。本发明实施例提供的轨道交通客流密度检测方法及装置，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
Description
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种轨道交通客流密度检测方法及装置。
背景技术
随着乘坐轨道交通的乘客越来越多，轨道交通安全、有序运营与乘客乘车需求增长之间的矛盾越来越突出，如何在既有运营能力基础上实现对乘客合理乘车引导越来越重要。轨道交通客流量在时间、空间上分配极不均匀，同一列车在不同车厢上的客流量也存在较大差异。因此，亟需可靠技术手段实现对轨道交通列车客流量进行检测分析和显示，引导乘客选择合理时段、合理车厢进行有序乘车具有重要意义。同时，基于客流量历史数据进行分析，可对节假日、上下班高峰等客流量密集时段进行客流量预测，对公共出行、列车开行方案编制等具有重要指导作用。
现有技术中，轨道交通客流量检测、预测技术主要包括以下几类：
1、进站闸机客流密度数据检测技术。该技术通过获取单位时间内进站闸机到达和离去的乘客数据，再结合摄像机拍摄的单位时间车站区域的客流数据，最终分析出车站内客流密度数据、车站拥挤度数据。
2、进站安检口客流密度数据检测技术。该技术通过在在进站安检口左右侧门安装红外或激光检测设备，该技术可以准确获取车站进站客流数据。
3、车站区域视频图像分析获取客流密度数据。该技术通过调取车站通道、站厅等位置区域的摄像头图像进行视频分析，通过数人头方式获取客流量数据。
但是，现有技术中的方案无法对列车车厢客流量数据进行有效检测、预测，而传统的依靠视频图像分析的方法在列车复杂环境中受制约因素较多，诸如摄像头角度盲区、乘客对摄像头视觉遮挡、列车高速运行情况下乘客抖动等多个因素都将影响最终统计结果，难以进行准确客流数据统计。因此，亟需研究高可靠的客流密度检测系统，实现轨道交通列车客流密度数据的检测、预测和显示。
发明内容
本发明实施例提供一种轨道交通客流密度检测方法及装置，用于解决现有技术中无法准确对列车车厢中的客流密度进行检测的技术问题。
为了解决上述技术问题，一方面，本发明实施例提供一种轨道交通客流密度检测方法，包括：
根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
进一步地，所述根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度，具体包括：
获取所述目标车厢内的监控图像；
对所述监控图像进行区域分割，确定边界区域、座位区域和走廊区域，所述边界区域为不包括乘客的区域；
从所述座位区域中提取座位乘客目标，从所述走廊区域中提取走廊乘客目标；
根据所述座位乘客目标的像素个数与所述座位区域的总像素的比值确定座位区域乘客密度；根据所述走廊乘客目标的像素个数与所述走廊区域的总像素的比值确定走廊区域乘客密度；
根据所述座位区域乘客密度以及所述走廊区域乘客密度确定所述目标车厢内的客流密度，作为所述第一客流密度。
进一步地，根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度，具体包括：
获取所述目标车厢的总重量；
根据所述目标车厢的总重量，以及所述目标车厢的空车重量，确定所述目标车厢中乘客的总重量；
根据所述目标车厢中乘客的总重量确定所述目标车厢内的客流密度，作为所述第二客流密度。
进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度，具体包括：
将所述第一客流密度和所述第二客流密度，输入至预设加权算法模型，输出所述目标车厢内的最终客流密度；
所述预设加权算法模型用公式表示如下：
me＝m1w1+m2w2
其中，me表示目标车厢内的最终客流密度，m1表示第一客流密度，m2表示第二客流密度，w1表示第一预设权重，w2表示第二预设权重。
进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
根据每节车厢内的最终客流密度确定整列车的客流密度；
根据整列车的客流密度，结合列车车次、预计到站时间、车站号和站台号数据，预测即将到站的多趟列车的客流密度。
进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
通过车站显示系统显示所述目标车厢内的最终客流密度。
进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
将所述目标车厢内的最终客流密度发送到服务器，以供用户通过互联网或者手机客户端访问所述服务器。
另一方面，本发明实施例提供一种轨道交通客流密度检测装置，包括：
第一获取模块，用于根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
第二获取模块，用于根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
检测模块，用于根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
再一方面，本发明实施例提供一种电子设备，包括：存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述方法的步骤。
又一方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述方法的步骤。
本发明实施例提供的轨道交通客流密度检测方法及装置，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
附图说明
图1为本发明实施例提供的轨道交通客流密度检测方法示意图；
图2为本发明实施例提供的一种轨道交通客流密度检测及显示系统结构框图；
图3为本发明实施例提供的轨道交通客流密度检测逻辑流程示意图；
图4为本发明实施例提供的轨道交通客流密度检测装置示意图；
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了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。基于本发明的实施例，本领域普通技术人员在没有做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为本发明实施例提供的轨道交通客流密度检测方法示意图，如图1所示，本发明实施例提供一种轨道交通客流密度检测方法，其执行主体为轨道交通客流密度检测装置，该方法包括：
步骤S101、根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度。
具体来说，利用安装在轨道交通车厢内的摄像头实时采集车厢内的监控图像，通过对监控图像进行处理，确定轨道交通车厢内的客流密度。车厢内的摄像头可以设置多个，避免摄像头被遮挡导致对检测结果的影响。
例如，通过对监控图像进行处理，确定轨道交通车厢内的客流密度为3人/平方米。
步骤S102、根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度。
具体来说，利用安装在轨道交通车厢底部的轴重传感装置实时采集轨道交通车厢的总重量，根据轨道交通车厢的总重量确定车厢内乘客的总人数，从而确定轨道交通车厢内的客流密度。
例如，根据轨道交通车厢的总重量确定车厢内的客流密度为5人/平方米。
需要说明的是：本实施例中，通过监控图像确定车厢内的客流密度在前，根据轨道交通车厢的总重量确定内的客流密度在后，而在实际应用中不限于此，先后顺序可以视情况而定。
步骤S103、根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
具体来说，再分别根据监控图像确定轨道交通车厢内的客流密度和根据轨道交通车厢的总重量确定车厢内的客流密度之后，为了保证检测结果的准确性，进一步通过这两种不同的方法得到客流密度确定车厢内的最终客流密度。可以根据二者的平均值作为最终的客流密度，也可以根据这两种不同的方法得到客流密度，利用加权算法确定最终的客流密度。
例如，通过对监控图像进行处理，确定轨道交通车厢内的客流密度为3人/平方米，根据轨道交通车厢的总重量确定车厢内的客流密度为5人/平方米，针对两种不同的方法得到客流密度取平均值，得到车厢内的最终客流密度为4人/平方米。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
基于上述任一实施例，进一步地，所述根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度，具体包括：
获取所述目标车厢内的监控图像；
对所述监控图像进行区域分割，确定边界区域、座位区域和走廊区域，所述边界区域为不包括乘客的区域；
从所述座位区域中提取座位乘客目标，从所述走廊区域中提取走廊乘客目标；
根据所述座位乘客目标的像素个数与所述座位区域的总像素的比值确定座位区域乘客密度；根据所述走廊乘客目标的像素个数与所述走廊区域的总像素的比值确定走廊区域乘客密度；
根据所述座位区域乘客密度以及所述走廊区域乘客密度确定所述目标车厢内的客流密度，作为所述第一客流密度。
具体来说，利用安装在轨道交通车厢内的摄像头实时采集车厢内的监控图像，通过对监控图像进行处理，确定轨道交通车厢内的客流密度。
对监控图像进行处理确定轨道交通车厢内的客流密度的具体步骤包括：
视频提取：对数字IP摄像机、硬盘录像机(DVR)、网络硬盘录像机(NVR)等采集的视频流，按照RTSP标准协议获取视频流，使其符合OpenCV格式支持。
视频格式转换：将视频数据格式转化为Opencv所支持的Mat矩阵格式文件，便于后期进行图像分析。
区域分割：为更精确统计乘客密度分布情况，先对视频流当前帧进行区域分割。将图像分为三个区域：边界区域，不包含乘客的两侧窗户及部分边缘区域；座位区域；走廊区域。
前景提取：采用智能分析手段，通过乘客的特征值分析将要检测的目标提取出来。例如，采取背景差分法进行目标检测，利用国内乘客头发发色多为黑色的特征，将发色(黑色)作为特征进行颜色提取，最终计算出列车车厢内乘客数量。
图像处理：消除图像中无用或干扰图像信息，增强有用信息的可检测性并最大限度地简化数据。
像素占比统计：根据图像处理得到的前景图像，分别统计前景像素总和在座位和走廊区域面积的占比率。通过大量实验数据观测发现该占比率与乘客密度的关系，进而得出当前车厢内乘客的密度结果。
座位区域乘客密度比＝座位区域前景目标像素和/座位区域总像素和；
走廊区域乘客密度比＝走廊区域前景目标像素和/走廊区域总像素和。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
基于上述任一实施例，进一步地，根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度，具体包括：
获取所述目标车厢的总重量；
根据所述目标车厢的总重量，以及所述目标车厢的空车重量，确定所述目标车厢中乘客的总重量；
根据所述目标车厢中乘客的总重量确定所述目标车厢内的客流密度，作为所述第二客流密度。
具体来说，利用安装在轨道交通车厢底部的轴重传感装置实时采集轨道交通车厢的总重量，根据轨道交通车厢的总重量确定车厢内乘客的总人数，从而确定轨道交通车厢内的客流密度。
根据轨道交通车厢的总重量确定轨道交通车厢内的客流密度的具体步骤包括：
列车轴重数据获取：采集来自列车控制和管理系统(TCMS)或轴重传感器实时感知的列车轴重数据，供后续分析。
乘客重量换算：列车实时轴重数据除去车辆空轴重后，即为乘客重量。
乘客拥挤度换算：将各列车实际乘客重量，以乘客平均体重进行相除，及可换算出乘客的人员数量。根据乘客数量，即可确定车厢内的乘客密度。再结合实际运营经验规律，乘客数量范围对应的拥挤度指数，最终换算出乘客拥挤度指数。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
基于上述任一实施例，进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度，具体包括：
将所述第一客流密度和所述第二客流密度，输入至预设加权算法模型，输出所述目标车厢内的最终客流密度；
所述预设加权算法模型用公式表示如下：
me＝m1w1+m2w2
其中，me表示目标车厢内的最终客流密度，m1表示第一客流密度，m2表示第二客流密度，w1表示第一预设权重，w2表示第二预设权重。
具体来说，再分别根据监控图像确定轨道交通车厢内的客流密度和根据轨道交通车厢的总重量确定车厢内的客流密度之后，为了保证检测结果的准确性，进一步通过这两种不同的方法得到客流密度确定车厢内的最终客流密度。
本实施例中，将第一客流密度和第二客流密度，输入至预设加权算法模型，输出目标车厢内的最终客流密度。
预设加权算法模型用公式表示如下：
me＝m1w1+m2w2
其中，me表示目标车厢内的最终客流密度，m1表示第一客流密度，m2表示第二客流密度，w1表示第一预设权重，w2表示第二预设权重。
例如，综合应用基于视频图像分析、轴重分析两种分析结果进行分析。检测结果在列车轴重指数(第一客流密度)和视频图像拥挤指数(第二客流密度)均处于较高指标情况下，才定义为客流拥挤。视频图像分析结果相对拥挤而轴重数据较轻是定义为舒适；列车轴重数据分析结果相对拥挤而视频图像分析结果空闲时定义为舒适。其余情况定义为空闲。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
基于上述任一实施例，进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
根据每节车厢内的最终客流密度确定整列车的客流密度；
根据整列车的客流密度，结合列车车次、预计到站时间、车站号和站台号数据，预测即将到站的多趟列车的客流密度。
具体来说，在确定车厢内的最终客流密度之后，根据每节车厢内的最终客流密度确定整列车的客流密度。
根据整列车的客流密度，然后，结合列车自动监控系统(ATS)提供的列车车次、预计到站时间、车站号和站台号数据，预测即将到站的多趟列车的客流密度。
另外，还可以结合各车站历史客流密度数据，应用深度神经网络算法进行分析，对未来一段时间内各车站客流密度数据进行预测分析。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
基于上述任一实施例，进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
通过车站显示系统显示所述目标车厢内的最终客流密度。
具体来说，在确定车厢内的最终客流密度之后，还可以通过车站显示系统显示相应车站、站台未来即将到站列车拥挤度数据，为候车的乘客提供客流拥挤度显示，方便乘客出行，并提高乘客乘车的舒适度。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
基于上述任一实施例，进一步地，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
将所述目标车厢内的最终客流密度发送到服务器，以供用户通过互联网或者手机客户端访问所述服务器。
具体来说，在确定车厢内的最终客流密度之后，还可以将每一列车的每个车厢的客流密度数据发送到服务器，为互联网类访问提供客流密度数据访问服务，可以Webservice或RESTFul方式进行提供数据，以供乘客用户通过互联网或者手机客户端访问服务器，查询每一列车的每个车厢的客流密度，方便乘客出行，并提高乘客乘车的舒适度。
本发明实施例提供的轨道交通客流密度检测方法，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
图2为本发明实施例提供的一种轨道交通客流密度检测及显示系统结构框图，如图2所示，通过摄像机采集车厢内的监控图像，通过轴重传感装置获取整个车厢的总重量，车载客流密度分析服务器计算出车厢的客流密度，然后，通过车站PIS播控器及显示终端显示相应车站、站台未来即将到站列车拥挤度数据，用户还可以通过客流密度APP或者微信小程序，在线查询相应车站、站台未来即将到站列车拥挤度数据，方便乘客出行，并提高乘客乘车的舒适度。
图3为本发明实施例提供的轨道交通客流密度检测逻辑流程示意图，轨道交通客流密度检测逻辑流程如图3所示。
基于上述任一实施例，图4为本发明实施例提供的轨道交通客流密度检测装置示意图，如图4所示，本发明实施例提供一种轨道交通客流密度检测装置，用于执行上述任一实施例中所述的方法，具体包括第一获取模块401、第二获取模块402和检测模块403，其中：
第一获取模块401用于根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；第二获取模块402用于根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；检测模块403用于根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
本发明实施例提供一种轨道交通客流密度检测装置，用于执行上述任一实施例中所述的方法，通过本实施例提供的装置执行上述某一实施例中所述的方法的具体步骤与上述相应实施例相同，此处不再赘述。
本发明实施例提供的轨道交通客流密度检测装置，通过综合分析车载视频图像和车辆轴重数据确定轨道交通列车车厢内的客流密度，避免了车厢内环境因素对客流密度检测结果的影响，提高了轨道交通列车车厢内的客流密度检测结果的准确度。
图5为本发明实施例提供的电子设备的结构示意图，如图5所示，所述设备包括：处理器(processor)501、存储器(memory)502、总线503，以及存储在存储器上并可在处理器上运行的计算机程序。
其中，处理器501和存储器502通过总线503完成相互间的通信；
处理器501用于调用并执行存储器502中的计算机程序，以执行上述各方法实施例中的步骤，例如包括：
根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例中的步骤，例如包括：
根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述各方法实施例中的步骤，例如包括：
根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
以上所描述的装置及设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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 (9)
1.一种轨道交通客流密度检测方法，其特征在于，包括：
根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度；
所述根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度，具体包括：
获取所述目标车厢内的监控图像；
对所述监控图像进行区域分割，确定边界区域、座位区域和走廊区域，所述边界区域为不包括乘客的区域；
从所述座位区域中提取座位乘客目标，从所述走廊区域中提取走廊乘客目标；
根据所述座位乘客目标的像素个数与所述座位区域的总像素的比值以及座位区域面积确定座位区域乘客密度；根据所述走廊乘客目标的像素个数与所述走廊区域的总像素的比值以及走廊区域面积确定走廊区域乘客密度；
根据所述座位区域乘客密度以及所述走廊区域乘客密度确定所述目标车厢内的客流密度，作为所述第一客流密度。
2.根据权利要求1所述的轨道交通客流密度检测方法，其特征在于，根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度，具体包括：
获取所述目标车厢的总重量；
根据所述目标车厢的总重量，以及所述目标车厢的空车重量，确定所述目标车厢中乘客的总重量；
根据所述目标车厢中乘客的总重量确定所述目标车厢内的客流密度，作为所述第二客流密度。
3.根据权利要求1所述的轨道交通客流密度检测方法，其特征在于，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度，具体包括：
将所述第一客流密度和所述第二客流密度，输入至预设加权算法模型，输出所述目标车厢内的最终客流密度；
所述预设加权算法模型用公式表示如下：
me＝m1w1+m2w2
其中，me表示目标车厢内的最终客流密度，m1表示第一客流密度，m2表示第二客流密度，w1表示第一预设权重，w2表示第二预设权重。
4.根据权利要求1所述的轨道交通客流密度检测方法，其特征在于，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
根据每节车厢内的最终客流密度确定整列车的客流密度；
根据整列车的客流密度，结合列车车次、预计到站时间、车站号和站台号数据，预测即将到站的多趟列车的客流密度。
5.根据权利要求1所述的轨道交通客流密度检测方法，其特征在于，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
通过车站显示系统显示所述目标车厢内的最终客流密度。
6.根据权利要求1所述的轨道交通客流密度检测方法，其特征在于，根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度之后，还包括：
将所述目标车厢内的最终客流密度发送到服务器，以供用户通过互联网或者手机客户端访问所述服务器。
7.一种轨道交通客流密度检测装置，其特征在于，包括：
第一获取模块，用于根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度；
所述根据获取的目标车厢内的监控图像确定所述目标车厢内的第一客流密度，具体包括：
获取所述目标车厢内的监控图像；
对所述监控图像进行区域分割，确定边界区域、座位区域和走廊区域，所述边界区域为不包括乘客的区域；
从所述座位区域中提取座位乘客目标，从所述走廊区域中提取走廊乘客目标；
根据所述座位乘客目标的像素个数与所述座位区域的总像素的比值以及座位区域面积确定座位区域乘客密度；根据所述走廊乘客目标的像素个数与所述走廊区域的总像素的比值以及走廊区域面积确定走廊区域乘客密度；
根据所述座位区域乘客密度以及所述走廊区域乘客密度确定所述目标车厢内的客流密度，作为所述第一客流密度；
第二获取模块，用于根据所述目标车厢的总重量确定所述目标车厢内的第二客流密度；
检测模块，用于根据所述第一客流密度和所述第二客流密度确定所述目标车厢内的最终客流密度。
8.一种电子设备，包括存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1至6任一项所述轨道交通客流密度检测方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至6任一所述轨道交通客流密度检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910718173.XA CN110490103B (zh) | 2019-08-05 | 2019-08-05 | 轨道交通客流密度检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910718173.XA CN110490103B (zh) | 2019-08-05 | 2019-08-05 | 轨道交通客流密度检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110490103A CN110490103A (zh) | 2019-11-22 |
| CN110490103B true CN110490103B (zh) | 2022-06-14 |
Family
ID=68549490
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910718173.XA Active CN110490103B (zh) | 2019-08-05 | 2019-08-05 | 轨道交通客流密度检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110490103B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111836015A (zh) * | 2020-07-14 | 2020-10-27 | 深圳英龙华通科技发展有限公司 | 地铁乘客数量统计方法及系统 |
| CN112566018B (zh) * | 2020-11-27 | 2023-06-13 | 清研讯科（北京）科技有限公司 | 电子点名方法、装置、电子设备及计算机可读存储介质 |
| CN112598331B (zh) * | 2021-01-06 | 2024-01-23 | 株洲中车时代电气股份有限公司 | 轨道交通的动态调度方法、系统、计算机设备和存储介质 |
| CN113159004B (zh) * | 2021-05-27 | 2023-03-10 | 苏州大学 | 轨道交通车厢客流估计方法 |
| CN118551875A (zh) * | 2024-04-24 | 2024-08-27 | 中国矿业大学 | 一种基于大数据的地铁客流量预测方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0275581A (ja) * | 1988-09-13 | 1990-03-15 | Toshiba Corp | エレベータの混雑状況表示装置 |
| CN101293529A (zh) * | 2007-04-29 | 2008-10-29 | 余亚莉 | 车载式轨道交通客流运能及运行安全智能监控和预警系统 |
| CN102289805A (zh) * | 2011-06-10 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种基于视频的地铁人群密度检测方法 |
| CN103508282A (zh) * | 2012-06-28 | 2014-01-15 | 株式会社日立制作所 | 电梯监视装置以及监视方法 |
| CN104268898A (zh) * | 2014-09-15 | 2015-01-07 | 郑州天迈科技股份有限公司 | 基于图像分析的公交车内乘客密集程度检测方法 |
| CN104820995A (zh) * | 2015-04-21 | 2015-08-05 | 重庆大学 | 一种面向大型公共场所的人流密度监测预警方法 |
| CN205028458U (zh) * | 2015-08-28 | 2016-02-10 | 江苏太元智音信息技术有限公司 | 一种车厢拥挤度实时监测系统 |
| CN205971372U (zh) * | 2016-08-29 | 2017-02-22 | 西南交通大学 | 地铁车厢乘客分布多模式检测及站台引导系统 |
| CN107622254A (zh) * | 2017-10-08 | 2018-01-23 | 华北理工大学 | 公交拥挤度检测系统及方法 |
| CN108171162A (zh) * | 2017-12-27 | 2018-06-15 | 重庆交通开投科技发展有限公司 | 人群拥挤度检测方法、装置及系统 |
| CN108515990A (zh) * | 2018-03-29 | 2018-09-11 | 上海工程技术大学 | 一种地铁车厢载客情况检测播报系统及方法 |
| CN108622142A (zh) * | 2018-03-30 | 2018-10-09 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101770642A (zh) * | 2008-12-26 | 2010-07-07 | 深圳先进技术研究院 | 一种车内人数计数方法和系统 |
| CN102324016B (zh) * | 2011-05-27 | 2013-06-05 | 北京东方奔腾信息技术有限公司 | 一种高密度人群流量统计方法 |
| CN107766784A (zh) * | 2016-08-20 | 2018-03-06 | 宋坤骏 | 一种新型视频人数统计算法 |
| CN108288017A (zh) * | 2017-06-16 | 2018-07-17 | 腾讯科技（深圳）有限公司 | 获取对象密度的方法及装置 |
| CN109815882B (zh) * | 2019-01-21 | 2020-04-10 | 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 |
-
2019
- 2019-08-05 CN CN201910718173.XA patent/CN110490103B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0275581A (ja) * | 1988-09-13 | 1990-03-15 | Toshiba Corp | エレベータの混雑状況表示装置 |
| CN101293529A (zh) * | 2007-04-29 | 2008-10-29 | 余亚莉 | 车载式轨道交通客流运能及运行安全智能监控和预警系统 |
| CN102289805A (zh) * | 2011-06-10 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种基于视频的地铁人群密度检测方法 |
| CN103508282A (zh) * | 2012-06-28 | 2014-01-15 | 株式会社日立制作所 | 电梯监视装置以及监视方法 |
| CN104268898A (zh) * | 2014-09-15 | 2015-01-07 | 郑州天迈科技股份有限公司 | 基于图像分析的公交车内乘客密集程度检测方法 |
| CN104820995A (zh) * | 2015-04-21 | 2015-08-05 | 重庆大学 | 一种面向大型公共场所的人流密度监测预警方法 |
| CN205028458U (zh) * | 2015-08-28 | 2016-02-10 | 江苏太元智音信息技术有限公司 | 一种车厢拥挤度实时监测系统 |
| CN205971372U (zh) * | 2016-08-29 | 2017-02-22 | 西南交通大学 | 地铁车厢乘客分布多模式检测及站台引导系统 |
| CN107622254A (zh) * | 2017-10-08 | 2018-01-23 | 华北理工大学 | 公交拥挤度检测系统及方法 |
| CN108171162A (zh) * | 2017-12-27 | 2018-06-15 | 重庆交通开投科技发展有限公司 | 人群拥挤度检测方法、装置及系统 |
| CN108515990A (zh) * | 2018-03-29 | 2018-09-11 | 上海工程技术大学 | 一种地铁车厢载客情况检测播报系统及方法 |
| CN108622142A (zh) * | 2018-03-30 | 2018-10-09 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| Crowd Monitoring Using Image Processing;Anthony C. Davies 等;《IEE Electronic and Communications Engineering Journal》;19950228;第7卷(第1期);33-47 * |
| 结合局部和全局特征的人群密度估计算法;李寅 等;《清华大学学报 (自然科学版)》;20130415;第53卷(第4期);542-545、549 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110490103A (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110490103B (zh) | 轨道交通客流密度检测方法及装置 | |
| CN108242149B (zh) | 一种基于交通数据的大数据分析方法 | |
| CN109644320B (zh) | 一种使用wi-fi探针检测公共场所人流量的方法 | |
| US20170053192A1 (en) | Systems and methods for detecting parking occupancy status | |
| CN106971246A (zh) | 一种出租车上客区乘客候车时间预测方法和装置 | |
| CN108960133B (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
| CN112037177B (zh) | 一种车厢装载率的评估方法和装置以及存储介质 | |
| CN112700473B (zh) | 一种基于图像识别进行车厢拥挤度判断系统 | |
| CN112347864A (zh) | 轨道交通客流感知及诱导方法、装置、设备和系统 | |
| CN105404856B (zh) | 一种公交车辆座位占用状态检测方法 | |
| US10157509B2 (en) | System for public transit incident rate analysis and display | |
| CN113012335A (zh) | 一种基于YOLOv3人脸检测的地铁站台引导排队系统 | |
| CN110852155A (zh) | 公交乘客拥挤度检测方法、系统、装置及存储介质 | |
| CN109903555A (zh) | 一种基于大数据的公交乘客下车数据预测方法及系统 | |
| WO2016188699A1 (fr) | Procédé et système de détermination d'une information de niveau de confort d'un véhicule ferroviaire | |
| EP3425606B1 (en) | Traffic situation estimation system and traffic situation estimation method | |
| CN110046535B (zh) | 基于机器学习的智能出行时间预测系统、方法及存储介质 | |
| CN117010684A (zh) | 客流疏导策略的确定方法 | |
| CN111080753A (zh) | 车站信息展示方法、装置、设备及存储介质 | |
| JP2007164375A (ja) | 三次元対象物の検出装置、検出方法、コンピュータ可読媒体及び三次元対象物の管理システム | |
| CN102280028A (zh) | 基于动态背景分析和监控带扫描的车辆监测方法 | |
| CN112249849B (zh) | 一种地铁自动扶梯人流量监测方法 | |
| CN109941856B (zh) | 电梯控制方法及装置 | |
| CN118411673B (zh) | 一种地铁车厢拥挤度的优化方法、装置、设备及存储介质 | |
| CN113033314A (zh) | 一种旅游高峰部署的移动式景区智能服务系统及服务方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |