CN110852155A - 公交乘客拥挤度检测方法、系统、装置及存储介质 - Google Patents
公交乘客拥挤度检测方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN110852155A CN110852155A CN201910936417.1A CN201910936417A CN110852155A CN 110852155 A CN110852155 A CN 110852155A CN 201910936417 A CN201910936417 A CN 201910936417A CN 110852155 A CN110852155 A CN 110852155A
- Authority
- CN
- China
- Prior art keywords
- passenger
- bus
- data
- image
- crowdedness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及目标检测技术领域，公开了一种公交乘客拥挤度检测的方法、系统、装置及存储介质，该方法包括：步骤S10、获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；步骤S20、将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；步骤S30、将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。通过本发明提供的技术方案，通过对公交乘客拥挤度进行智能检测，从而优化公交车辆调度，为优化运营管理提供数据支撑，为乘客提供乘车选择，提升乘客乘车体验。
Description
技术领域
本发明涉及目标检测技术领域，尤其涉及一种公交乘客拥挤度检测的方法、系统、装置及存储介质。
背景技术
随着城市化进程加快，公交车成为公众主要的出行工具，而公交车内乘客拥挤，乘车体验饱受市民诟病。这就需要公交企业掌握实时客流状况，并能够面向公众发布公交车内乘客拥挤度信息，使乘客能够在有选择的情况下乘坐合适的公交线路出行。现有技术中对乘客拥挤度检测方法主要有以下四种：
第一种：人工抽查统计每台公交车人数及公交票据刷卡信息，估算乘客人数和乘车拥挤度。此种方式工作量繁重，人力成本高，只能局部抽查个别车辆，不能完全了解所有线路车辆信息。
第二种：利用车载视频监控系统，人工抽查车辆，主观评价每辆车拥挤度。此种方式工作量巨大；且需多人统计也不能做到每台车的实时情况的同步统计，人力成本高，不能同时同步了解所有车辆拥挤度。
第三种：加装在汽车前门和后面的红外线对射传感器，统计上车人数和下车人数，来推算目前车内剩余乘客人数，并以乘客人数估计乘客拥挤度。此种方式当人多同时上车或下车时误差大，并且容易受到雨天水汽影响。
第四种：利用压力传感系统检测上车下车人数，推算目前车内剩余乘客人数，并以乘客人数估计车内拥挤度。此种方式压力传感系统长期使用中系统部件易损坏，可维护性差，安装调试费用高。
发明内容
本发明主要目的是提供一种公交乘客拥挤度检测的方法、系统、装置及存储介质，旨在实现对公交乘客拥挤度进行智能检测，从而优化公交车辆调度，为优化运营管理提供数据支撑，为乘客提供乘车选择，提升乘客乘车体验。
为实现上述目的，本发明提供了一种公交乘客拥挤度检测的方法，该方法包括：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
进一步地，所述步骤S10包括：
步骤S110：获取摄像机采集的视频并检测人体区域，提取图像以得到乘客原始图像；
步骤S120：将提取到的乘客原始图像进行缩放处理，并将色域RGB(Red GreenBlue，RGB)各通道减去均值，得到预处理后的乘客图像。
进一步地，所述步骤S30包括：
步骤S310：将所述乘客拥挤度级别数据和车辆实时定位信息进行汇总处理；
步骤S320：结合车辆线路和车次数据将乘客拥挤度级别数据和车辆实时定位信息进行分析处理，得到公交乘客拥挤度可视化图表数据。
为实现上述目的，本发明还提供了一种公交乘客拥挤度检测装置，所述公交乘客拥挤度检测装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的公交乘客拥挤度检测程序，所述公交乘客拥挤度检测程序被所述处理器执行时实现上述的公交乘客拥挤度检测方法的步骤。
此外，为实现上述目的，本发明提供一种公交乘客拥挤度检测系统，所述公交乘客拥挤度检测系统包括：
摄像机、显示终端和如权利要求4所述的公交乘客拥挤度检测装置，所述公交乘客拥挤度检测装置包括分析终端和中心服务器，所述摄像机与分析终端连接，所述分析终端通过网络与中心服务器连接，所述显示终端通过网络与中心服务器连接；
所述摄像机用于监控公交车厢，采集公交车厢内乘客视频；
所述存储器包括第一存储器和第二存储器；
所述处理器包括多核处理器和中心处理器；
所述公交乘客拥挤度检测程序包括图像处理程序和数据处理程序；
所述分析终端包括第一存储器和多核处理器，所述第一存储器存储图像处理程序，所述中心服务器包括第二存储器和中心处理器，所述第二存储器存储数据处理程序；
所述图像处理程序被所述多核处理器执行时实现以下步骤：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
所述数据处理程序被所述中心处理器执行时实现以下步骤：
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
进一步地，所述步骤S10包括：
步骤S110：获取摄像机采集的视频并检测人体区域，提取图像以得到乘客原始图像；
步骤S120：将提取到的乘客原始图像进行缩放处理，并将色域RGB(Red GreenBlue，RGB)各通道减去均值，得到预处理后的乘客图像。
进一步地，所述步骤S30包括：
步骤S310：将所述乘客拥挤度级别数据和车辆实时定位信息进行汇总处理；
步骤S320：结合车辆线路和车次数据将乘客拥挤度级别数据和车辆实时定位信息进行分析处理，得到公交乘客拥挤度可视化图表数据。
此外，本发明还提供一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有公交乘客拥挤度检测程序，所述公交乘客拥挤度检测程序可被一个或者多个处理器执行，以实现上述的公交乘客拥挤度检测方法的步骤。
本发明提供的公交乘客拥挤度检测方法、系统、装置及存储介质，通过对公交乘客拥挤度进行智能检测，从而优化公交车辆调度，为优化运营管理提供数据支撑，为乘客提供乘车选择，提升乘客乘车体验。
附图说明
图1为本发明一实施例提供的公交乘客拥挤度检测方法的流程示意图；
图2为图1中的步骤S10的流程示意图；
图3为图1中的步骤S30的流程示意图；
图4为本发明一实施例提供的公交乘客拥挤度检测系统的框架示意图；
图5为本发明一实施例提供的公交乘客拥挤度检测装置的内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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。
请参阅图1，为本发明一实施例提供的公交乘客拥挤度检测方法流程示意图，该方法包括：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
具体地，请参见图2所示所述步骤S10的具体流程，所述步骤S10包括：
步骤S110：获取摄像机采集的视频并检测人体区域，提取图像以得到乘客原始图像；具体在一实施例中，将摄像机安装于车辆内部前端，在另一实施例中，将摄像机安装于车辆内部后端。
步骤S120：将提取到的乘客原始图像进行缩放处理，并将色域RGB(Red GreenBlue，RGB)各通道减去均值，得到预处理后的乘客图像。具体在一实施例中，将图片缩放到384*216，RGB每个通道减去128，得到的统一格式的图像以进一步进行训练运算。
进一步地，步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；其中，所述卷积运算是在针对图像的行为认知中，通过卷积神经网络提取的图像特征应用行为分类计算的算法，通过所述卷积运算，从所述乘客图像中得到当前图像乘客拥挤度级别的数据。
具体在一实施例中，将乘客拥挤度规划为四级：空闲、一般、比较拥挤和特别拥挤；所述空闲级别为车内还有空座、无人站立；所述一般级别为座位已坐满，站立人数小于5人；所述比较拥挤级别为座位坐满，站立人数大于5，但还有空间继续上人；所述特别拥挤级别为座位坐满，已经不能再站下乘客；通过采集公交车前部摄相机拍摄的车内内景，获得车厢内乘客图像，将所述乘客图像送入深度卷积神经网络进行卷积运算，将四个级别分别使用标签标注，标签分别为0、1、2和3，得到实时乘客拥挤度级别数据。按照时间分析数据，得到按历史时间段内的的乘客历史拥挤度级别数据。根据实时乘客拥挤度级别和历史乘客拥挤度级别数据，对当天时间的乘客拥挤度级别进行预测。
进一步地，如图3所示，所述步骤S30包括：
步骤S310：将所述乘客拥挤度级别数据和车辆实时定位信息进行汇总处理；其中，所述车辆实时定位信息是通过所述分析终端基于北斗全球定位系统(BeiDou NavigationSatellite System，BDS)获取车辆运行定位数据。
步骤S320：结合车辆线路和车次数据将乘客拥挤度级别数据和车辆实时定位信息进行分析处理，得到公交乘客拥挤度可视化图表数据；具体在一实施例中，对所述车辆线路和车次数据、乘客拥挤度级别数据和车辆实时定位信息的分析运算，得到的公交乘客拥挤度可视化图表数据，具体包括：每天、每周和每月乘客出行规律报告，每天、每周和每月的出行早晚高峰及特殊节假日出行高峰时间段图表，某车次乘客拥挤度实时状态报告，某线路乘客拥挤度趋势报告。
具体在一实施例中，通过定位每辆车在运营线路中的位置，分析每个公交站最近车辆预计到站时间，以及车内乘客拥挤度数据，得到乘客拥挤度可视化图表数据，将所述可视化图表数据推送到显示终端，所述显示终端包括公交站台显示屏幕和移动终端，乘客可查看运营线路中每一台车辆的实时运行位置和实时乘车拥挤度情况，方便乘客选择合适的公交线路和出行时间。
为实现所述公交乘客拥挤度检测方法，本发明同时提供了一种公交乘客拥挤度检测系统，请参阅图4所示，为所述公交乘客拥挤度检测系统的框架示意图。
所述公交乘客拥挤度检测系统包括摄像机10、分析终端20、中心服务器 30和显示终端40，所述摄像机10与分析终端20连接，所述分析终端20通过网络与中心服务器30连接，所述显示终端40与中心服务器30通过网络连接。
所述摄像机10用于在公交车厢内采集公交车厢实时视频。
所述分析终端20包括多核处理器21、通信模块22和定位模块23，所述多核处理器21是基于数据信号处理器(Digital Signal Processing，DSP)、ARM 处理器(AdvancedRISC Machines，ARM)、NPU处理器(Neural Network Processing Unit，NPU)和图像处理器(Graphics Processing Unit，GPU)的多核处理器，用于对视频进行视觉分析处理和卷积运算；
所述通信模块22用于与所述中心服务器30的网络通信；
所述定位模块23用于车辆定位。
所述中心服务器30用于数据运算处理，具体包括：
通信模块31，用于所述中心服务器30与所述分析终端20的数据通信；
数据模块32，用于数据的存储与管理，包括基于数据库软件的数据库管理，具体在一实施例中使用MySQL数据库软件；
计算模块33，用于系统运算、数据计算；
配置模块34，用于所述服务后台相关系统配置；
用户管理模块35，用于用户的管理，包括用户的新增、删除、修改、权限分配、用户信息管理。
所述显示终端40用于显示输出的可视化图表和/或报告。
本发明提供的公交乘客拥挤度检测方法、系统、装置及存储介质，通过对公交乘客拥挤度进行智能检测，从而优化公交车辆调度，为优化运营管理提供数据支撑，为乘客提供乘车选择，提升乘客乘车体验。
此外，本发明还提供一种公交乘客拥挤度检测装置。
请参阅图5，是本发明实施例提供了一种公交乘客拥挤度检测装置的内部结构示意图，所述公交乘客拥挤度检测装置至少包括存储器11、处理器12、通信总线13，以及网络接口14。
其中，所述存储器11包括第一存储器和第二存储器，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是公交乘客拥挤度检测装置的内部存储单元，例如该公交乘客拥挤度检测装置的硬盘。存储器11在另一些实施例中也可以是公交乘客拥挤度检测装置的外部存储设备，例如公交乘客拥挤度检测装置上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括公交乘客拥挤度检测装置的内部存储单元也包括外部存储设备。存储器11 不仅可以用于存储安装于公交乘客拥挤度检测装置的应用软件及各类数据，例如公交乘客拥挤度检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器12包括多核处理器和中心处理器；在一些实施例中，多核心处理器可以是数据信号处理器(Digital Signal Processing，DSP)、ARM处理器(Advanced RISCMachines，ARM)、NPU处理器(Neural Network Processing Unit，NPU)和图像处理器(Graphics Processing Unit，GPU)的多核处理器，中心处理器可以是一中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，所述处理器12用于运行存储器11 中存储的程序代码或处理数据，例如执行公交乘客拥挤度检测程序等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该公交乘客拥挤度检测装置与其他电子设备之间建立通信连接。
可选地，该公交乘客拥挤度检测装置还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在公交乘客拥挤度检测装置中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有组件11-14以及公交乘客拥挤度检测程序的公交乘客拥挤度检测装置，本领域技术人员可以理解的是，图5示出的结构并不构成对公交乘客拥挤度检测装置的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图5所示的公交乘客拥挤度检测装置实施例中，所述公交乘客拥挤度检测程序包括图像处理程序和数据处理程序；
所述分析终端包括第一存储器和多核处理器，所述第一存储器存储图像处理程序，所述中心服务器包括第二存储器和中心处理器，所述第二存储器存储数据处理程序。
所述图像处理程序被所述多核处理器执行时实现以下步骤：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
所述数据处理程序被所述中心处理器执行时实现以下步骤：
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
此外，本发明实施例还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有公交乘客拥挤度检测程序，所述公交乘客拥挤度检测程序可被一个或多个处理器执行，以实现如下操作：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
本发明的存储介质具体实施方式与上述公交乘客拥挤度检测方法和装置各实施例基本相同，在此不作累述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是无人机、手机，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的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种公交乘客拥挤度检测方法，其特征在于，该方法包括：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
2.根据权利要求1所述的公交乘客拥挤度检测方法，其特征在于，所述步骤S10包括：
步骤S110：获取摄像机采集的视频并检测人体区域，提取图像以得到乘客原始图像；
步骤S120：将提取到的乘客原始图像进行缩放处理，并将色域RGB(Red Green Blue，RGB)各通道减去均值，得到预处理后的乘客图像。
3.根据权利要求1所述的公交乘客拥挤度检测方法，其特征在于，所述步骤S30包括：
步骤S310：将所述乘客拥挤度级别数据和车辆实时定位信息进行汇总处理；
步骤S320：结合车辆线路和车次数据将乘客拥挤度级别数据和车辆实时定位信息进行分析处理，得到公交乘客拥挤度可视化图表数据。
4.一种公交乘客拥挤度检测装置，其特征在于，所述公交乘客拥挤度检测装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的公交乘客拥挤度检测程序，所述公交乘客拥挤度检测程序被所述处理器执行时实现如权利要求1至3中任一项所述的公交乘客拥挤度检测方法的步骤。
5.一种公交乘客拥挤度检测系统，其特征在于，所述公交乘客拥挤度检测系统包括：
摄像机、显示终端和如权利要求4所述的公交乘客拥挤度检测装置，所述公交乘客拥挤度检测装置包括分析终端和中心服务器，所述摄像机与分析终端连接，所述分析终端通过网络与中心服务器连接，所述显示终端通过网络与中心服务器连接；
所述摄像机用于监控公交车厢，采集公交车厢内乘客视频；
所述存储器包括第一存储器和第二存储器；
所述处理器包括多核处理器和中心处理器；
所述公交乘客拥挤度检测程序包括图像处理程序和数据处理程序；
所述分析终端包括第一存储器和多核处理器，所述第一存储器存储图像处理程序，所述中心服务器包括第二存储器和中心处理器，所述第二存储器存储数据处理程序；
所述图像处理程序被所述多核处理器执行时实现以下步骤：
步骤S10：获取摄像机采集的视频进行视觉分析处理，以得到公交车厢内乘客图像；
步骤S20：将所述乘客图像通过深度卷积神经网络进行卷积运算，得到乘客拥挤度级别数据；
所述数据处理程序被所述中心处理器执行时实现以下步骤：
步骤S30：将所述乘客拥挤度级别数据和车辆实时定位信息进行数据处理，以得到公交乘客拥挤度可视化图表数据。
6.根据权利要求5所述的公交乘客拥挤度检测系统，其特征在于，所述步骤S10包括：
步骤S110：获取摄像机采集的视频并检测人体区域，提取图像以得到乘客原始图像；
步骤S120：将提取到的乘客原始图像进行缩放处理，并将色域RGB(Red Green Blue，RGB)各通道减去均值，得到预处理后的乘客图像。
7.根据权利要求5所述的公交乘客拥挤度检测系统，其特征在于，所述步骤S30包括：
步骤S310：将所述乘客拥挤度级别数据和车辆实时定位信息进行汇总处理；
步骤S320：结合车辆线路和车次数据将乘客拥挤度级别数据和车辆实时定位信息进行分析处理，得到公交乘客拥挤度可视化图表数据。
8.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有公交乘客拥挤度检测程序，所述公交乘客拥挤度检测程序可被一个或者多个处理器执行，以实现如权利要求1至3中任一项所述的公交乘客拥挤度检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910936417.1A CN110852155A (zh) | 2019-09-29 | 2019-09-29 | 公交乘客拥挤度检测方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910936417.1A CN110852155A (zh) | 2019-09-29 | 2019-09-29 | 公交乘客拥挤度检测方法、系统、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110852155A true CN110852155A (zh) | 2020-02-28 |
Family
ID=69596251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910936417.1A Pending CN110852155A (zh) | 2019-09-29 | 2019-09-29 | 公交乘客拥挤度检测方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852155A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112101290A (zh) * | 2020-09-27 | 2020-12-18 | 成都睿畜电子科技有限公司 | 一种饲养环境的信息提示方法、装置、介质及电子设备 |
| CN112183469A (zh) * | 2020-10-27 | 2021-01-05 | 华侨大学 | 一种公共交通的拥挤度识别及自适应调整方法、系统、设备及计算机可读存储介质 |
| 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 |
| CN113255480A (zh) * | 2021-05-11 | 2021-08-13 | 中国联合网络通信集团有限公司 | 公交车内拥挤程度识别方法、系统、计算机设备及介质 |
| CN117079447A (zh) * | 2023-10-13 | 2023-11-17 | 之江实验室 | 一种基于公交车拥挤度检测的调度方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100322516A1 (en) * | 2008-02-19 | 2010-12-23 | Li-Qun Xu | Crowd congestion analysis |
| CN105493502A (zh) * | 2015-04-29 | 2016-04-13 | 北京旷视科技有限公司 | 视频监控方法、视频监控系统以及计算机程序产品 |
| 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 |
| US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
| 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 |
| 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 |
| 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 |
-
2019
- 2019-09-29 CN CN201910936417.1A patent/CN110852155A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100322516A1 (en) * | 2008-02-19 | 2010-12-23 | Li-Qun Xu | Crowd congestion analysis |
| CN105493502A (zh) * | 2015-04-29 | 2016-04-13 | 北京旷视科技有限公司 | 视频监控方法、视频监控系统以及计算机程序产品 |
| US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
| 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 |
| 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 |
| 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 |
| 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 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112101290A (zh) * | 2020-09-27 | 2020-12-18 | 成都睿畜电子科技有限公司 | 一种饲养环境的信息提示方法、装置、介质及电子设备 |
| CN112183469A (zh) * | 2020-10-27 | 2021-01-05 | 华侨大学 | 一种公共交通的拥挤度识别及自适应调整方法、系统、设备及计算机可读存储介质 |
| CN112183469B (zh) * | 2020-10-27 | 2023-07-28 | 华侨大学 | 一种公共交通的拥挤度识别及自适应调整方法 |
| CN113255480A (zh) * | 2021-05-11 | 2021-08-13 | 中国联合网络通信集团有限公司 | 公交车内拥挤程度识别方法、系统、计算机设备及介质 |
| CN117079447A (zh) * | 2023-10-13 | 2023-11-17 | 之江实验室 | 一种基于公交车拥挤度检测的调度方法及装置 |
| CN117079447B (zh) * | 2023-10-13 | 2024-01-09 | 之江实验室 | 一种基于公交车拥挤度检测的调度方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110852155A (zh) | 公交乘客拥挤度检测方法、系统、装置及存储介质 | |
| CN104537831B (zh) | 车辆调度的方法及设备 | |
| US9483944B2 (en) | Prediction of free parking spaces in a parking area | |
| CN109285376A (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
| CN109615864A (zh) | 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质 | |
| CN204557612U (zh) | 一种基于机器视觉的公交客流统计系统 | |
| WO2014201895A1 (zh) | 车辆到站时间预报系统及方法 | |
| US20160155328A1 (en) | Video based method and system for automated side-by-side drive thru load balancing | |
| CN104424812A (zh) | 一种公交到站时间预测系统和方法 | |
| US20200160708A1 (en) | Method and apparatus for adaptively managing a vehicle | |
| WO2015167772A1 (en) | System and method for analytics-based advertising | |
| CN110490103B (zh) | 轨道交通客流密度检测方法及装置 | |
| CN113611104B (zh) | 货运车辆的风险识别方法、装置、存储介质及终端 | |
| CN108960133A (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
| US10248943B2 (en) | Object recognition system for checkout lane management | |
| CN114677848B (zh) | 感知预警系统、方法、装置及计算机程序产品 | |
| CN109151035B (zh) | 车辆通行管理方法及相关装置 | |
| CN112036332A (zh) | 公共交通的乘客密度检测系统、检测方法 | |
| 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 | |
| US20220309763A1 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
| CN114120642B (zh) | 一种道路车流三维重建方法、计算机设备及存储介质 | |
| CN113052058B (zh) | 一种车载客流统计方法、装置及存储介质 | |
| CN115866289A (zh) | 一种机务数据整合管理系统 | |
| CN112053098B (zh) | 订单处理方法、装置、服务器及计算机存储介质 | |
| CN106355872A (zh) | 一种智能公交管理系统及应用 |
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 |