CN111079696B - 一种基于车辆监控人员拥挤度的检测方法 - Google Patents

一种基于车辆监控人员拥挤度的检测方法 Download PDF

Info

Publication number
CN111079696B
CN111079696B CN201911389304.0A CN201911389304A CN111079696B CN 111079696 B CN111079696 B CN 111079696B CN 201911389304 A CN201911389304 A CN 201911389304A CN 111079696 B CN111079696 B CN 111079696B
Authority
CN
China
Prior art keywords
congestion degree
value
exit
entrance
entering
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
Application number
CN201911389304.0A
Other languages
English (en)
Other versions
CN111079696A (zh
Inventor
刘计丰
梁建忠
黄志辉
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.)
Shenzhen Haoyue Electronic Co ltd
Original Assignee
Shenzhen Haoyue Electronic Co ltd
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 Shenzhen Haoyue Electronic Co ltd filed Critical Shenzhen Haoyue Electronic Co ltd
Priority to CN201911389304.0A priority Critical patent/CN111079696B/zh
Publication of CN111079696A publication Critical patent/CN111079696A/zh
Application granted granted Critical
Publication of CN111079696B publication Critical patent/CN111079696B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于车辆监控人员拥挤度的检测方法，包括以下步骤：1)安装摄像头；2)连接车载机；3)检测入口区域；4)检测出口区域；5)拥挤程度为0判定；6)入口拥挤程度非0判定；7)出口拥挤程度非0判定；8)计算拥挤程度范围；9)划分拥挤等级；10)记录分析。本发明属于车辆监控人员拥挤度检测技术领域，具体是通过一种人脸人头的图像检测方法，根据此方法，在绝大数情况下能满足拥挤度的准确判定，安装较为方便，精确度较高。

Description

一种基于车辆监控人员拥挤度的检测方法
技术领域
本发明属于车辆监控人员拥挤度检测技术领域，具体是指一种基于车辆监控人员拥挤度的检测方法。
背景技术
随着人工智能，物联网，车联网快速发展，作为公共交通领域的营运单位，以及公交，地铁对客流量实时分析统计。对营运公司的线路安排投入，精准投放车辆和间隔发起时间，产生较大的影响，通过本发明方法可以有效的统计客流量的拥挤程度，根据此相关指标为营运方决策提拱有效的数据。
申请号为CN201910437199.7的专利申请公开了一种基于BP神经网络的公交车车内拥挤度实时预测方法，包括如下步骤：S1：获取初始运行数据和实时运行数据；S2：建立预测模型；S3：获取包括预测车内人数的输出向量；S4：获取预测拥挤度，由于BP算法本质上为梯度下降法，而它所要优化的目标函数又非常复杂，因此，必然会出现“锯齿形现象”，这使得BP算法低效；存在麻痹现象，由于优化的目标函数很复杂，它必然会在神经元输出接近0或1的情况下，出现一些平坦区，在这些区域内，权值误差改变很小，使训练过程几乎停顿；为了使网络执行BP算法，不能用传统的一维搜索法求每次迭代的步长，而必须把步长的更新规则预先赋予网络，这种方法将引起算法低效。
申请号为CN201510313952.3的专利申请公开了一种客流量监控统计装置，包括在踩踏面上设置的踩压检测板，所述踩压检测板上按照矩阵结构排布有若干行和若干列检测单元，其特征在于，每个检测单元均设置有压力传感器，每个压力传感器均通过线路连接数据采集器，每个检测单元的长度和宽度均不大于4cm，所述踩压检测板的宽度不小于30cm，所述踩压检测板底层设置有基板，所述踩压检测板顶层为护膜，该装置需要安装特定的设备，改造难度较大，对原车出厂的构造产生一定的破坏，对车辆安全和项目实施难度存在比较大的困难。
发明内容
为解决上述现有难题，本发明提供了通过一种人脸人头的图像检测方法，根据此方法，在绝大数情况下能满足拥挤度的准确判定，安装较为方便，精确度较高。
本发明采用的技术方案如下：一种基于车辆监控人员拥挤度的检测方法，包括以下步骤：
1)第一步：设检测车辆为CAR，安装二个摄像头分别为对着入口(IN)和出口(OUT)，进入第二步；
2)第二步：车载机一台，与二个摄像头组成本地局域网，车载机可以通过RTSP协议实时采集二个摄像头的视频流媒体数据，进行图像识别，进入第三步；
3)第三步：在单位时间内，判定入口检测区域是否有人脸或人头，如无人脸则入口区域是空，则入口不拥挤，入口拥挤度范围设定为0，进入第四步，否则存在拥挤度为非0，进入第六步；
4)第四步：在单位时间内，判定出口检测区域是否有人脸或人头，如无人脸则出口区域是空，则出口不拥挤，出口拥挤度范围设定为0，进入第五步，否则存在拥挤度为非0，进入第七步；
5)第五步：如果入口和出口拥挤度全部为0，则车辆的拥挤度反馈为0，否则进入第六步或第七步；
6)第六步：如果入口拥挤度为非0，通过计算人脸或人头的个数和拥挤度的对应关系，进行映射关系，计算出入口的拥挤度，进入第七步；
7)第七步：如果出口拥挤度为非0，通过计算人脸或人头的个数和拥挤度的对应关系，进行映射关系，统计出出口的拥挤度，进入第八步；
8)第八步：计算出入口和出口的拥挤度，得出0-1的范围值，拥挤程度值，进入第九步；
9)第九步：取值0-1划分为5个等级；
10)第十步：记录每次统计的值和产生的相关数据，保存到车载机本地或是通过车载机上报到云服务器，进行记录统计分析。
进一步地，步骤3)所述的非0范围为0.1-0.5之间。
进一步地，步骤4)所述的非0范围为0.1-0.5之间。
进一步地，步骤6)所述的映射关系为设n:m(其中n取值为0.1-0.5,m取值为10*n或20*n)相当于1个人或2个人产生0.1的系统，进行计算出当前的拥挤度，(m可以根据当前值进行配置参数)，计算出入口的拥挤度。
进一步地，步骤7)所述的映射关系为设n:m(其中n取值为0.1-0.5,m取值为10*n或20*n)相当于1个人或2个人产生0.1的系统，进行计算出当前的拥挤度，(m可以根据当前值进行配置参数)，计算出出口的拥挤度。
进一步地，步骤9)所述的5个等级可记为A，B，C，D，E得出，不拥挤A(大于0小于等于0.2)，少量拥挤B(大于0.2小于等于0.4)，拥挤C(大于0.4小于等于0.6)，拥挤严重D(大于0.6小于等于0.8)，极限拥挤E(大于0.8小于等于1)。
采用上述方案本发明取得有益效果如下：本发明基于车辆监控人员拥挤度的检测方法，可以为营运车辆，特别是公交车，实际测试线路公交拥挤度，对公交车调试运营提拱准确的数据，可临时加派和减少车辆的间隔；营运公司提拱云服务，可以告知每趟车的拥挤程度，让乘客可以安排自己的乘客行程。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明采用的技术方案如下：一种基于车辆监控人员拥挤度的检测方法，包括以下步骤：
1)第一步：设检测车辆为CAR，安装二个摄像头分别为对着入口(IN)和出口(OUT)，进入第二步；
2)第二步：车载机一台，与二个摄像头组成本地局域网，车载机可以通过RTSP协议实时采集二个摄像头的视频流媒体数据，进行图像识别，进入第三步；
3)第三步：在单位时间内，判定入口检测区域是否有人脸或人头，如无人脸则入口区域是空，则入口不拥挤，入口拥挤度范围设定为0，进入第四步，否则存在拥挤度为非0，进入第六步；
4)第四步：在单位时间内，判定出口检测区域是否有人脸或人头，如无人脸则出口区域是空，则出口不拥挤，出口拥挤度范围设定为0，进入第五步，否则存在拥挤度为非0，进入第七步；
5)第五步：如果入口和出口拥挤度全部为0，则车辆的拥挤度反馈为0，否则进入第六步或第七步；
6)第六步：如果入口拥挤度为非0，通过计算人脸或人头的个数和拥挤度的对应关系，进行映射关系，计算出入口的拥挤度，进入第七步；
7)第七步：如果出口拥挤度为非0，通过计算人脸或人头的个数和拥挤度的对应关系，进行映射关系，统计出出口的拥挤度，进入第八步；
8)第八步：计算出入口和出口的拥挤度，得出0-1的范围值，拥挤程度值，进入第九步；
9)第九步：取值0.0-1划分为5个等级；
10)第十步：记录每次统计的值和产生的相关数据，保存到车载机本地或是通过车载机上报到云服务器，进行记录统计分析。
进一步地，步骤3)所述的非0范围为0.1-0.5之间。
进一步地，步骤4)所述的非0范围为0.1-0.5之间。
进一步地，步骤6)所述的映射关系为设n:m(其中n取值为0.1-0.5,m取值为10*n或20*n)相当于1个人或2个人产生0.1的系统，进行计算出当前的拥挤度，(m可以根据当前值进行配置参数)，计算出入口的拥挤度。
进一步地，步骤7)所述的映射关系为设n:m(其中n取值为0.1-0.5,m取值为10*n或20*n)相当于1个人或2个人产生0.1的系统，进行计算出当前的拥挤度，(m可以根据当前值进行配置参数)，计算出出口的拥挤度。
进一步地，步骤9)所述的5个等级可记为A，B，C，D，E得出，不拥挤A(大于0小于等于0.2)，少量拥挤B(大于0.2小于等于0.4)，拥挤C(大于0.4小于等于0.6)，拥挤严重D(大于0.6小于等于0.8)，极限拥挤E(大于0.8小于等于1)。
本发明基于车辆监控人员拥挤度的检测方法，可以为营运车辆，特别是公交车，实际测试线路公交拥挤度，对公交车调试运营提拱准确的数据，可临时加派和减少车辆的间隔；营运公司提拱云服务，可以告知每趟车的拥挤程度，让乘客可以安排自己的乘客行程。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种基于车辆监控人员拥挤度的检测方法，其特征在于，包括以下步骤：
1）第一步：设检测车辆为CAR，安装二个摄像头分别为对着入口(IN)和出口(OUT)，进入第二步；
2）第二步：车载机一台，与二个摄像头组成本地局域网，车载机通过RTSP协议实时采集二个摄像头的视频流媒体数据，进行图像识别，进入第三步；
3）第三步：在单位时间内，判定入口检测区域是否有人脸或人头，如无人脸则入口区域是空，则入口不拥挤，入口拥挤度范围设定为0，进入第四步，否则存在拥挤度为非0，进入第六步；
4）第四步：在单位时间内，判定出口检测区域是否有人脸或人头，如无人脸则出口区域是空，则出口不拥挤，出口拥挤度范围设定为0，进入第五步，否则存在拥挤度为非0，进入第七步；
5）第五步：如果入口和出口拥挤度全部为0， 则车辆的拥挤度反馈为0，否则进入第六步或第七步；
6）第六步：如果入口拥挤度为非0，通过计算人脸或人头的个数和拥挤度的对应关系，进行映射关系，计算出入口的拥挤度，进入第七步，所述的映射关系为设n:m ，其中n取值为0.1-0.5,m取值为10*n或20*n， 相当于1个人或2个人产生0.1的系统，进行计算出当前的拥挤度，m根据当前值进行配置参数，计算出入口的拥挤度；
7）第七步：如果出口拥挤度为非0，通过计算人脸或人头的个数和拥挤度的对应关系，进行映射关系，统计出出口的拥挤度，进入第八步，所述的映射关系为设n:m ，其中n取值为0.1-0.5,m取值为10*n或20*n， 相当于1个人或2个人产生0.1的系统，进行计算出当前的拥挤度，m根据当前值进行配置参数，计算出出口的拥挤度；
8）第八步：计算出入口和出口的拥挤度，得出0-1的范围值，拥挤程度值，进入第九步；
9）第九步：取值0 -1划分为5个等级，所述的5个等级记为A，B，C，D，E得出，不拥挤A大于0小于等于0.2，少量拥挤B大于0.2小于等于0.4，拥挤C大于0.4小于等于0.6，拥挤严重D大于0.6小于等于0.8，极限拥挤E大于0.8小于等于1；
10）第十步：记录每次统计的值和产生的相关数据，保存到车载机本地或是通过车载机上报到云服务器，进行记录统计分析。
2.根据权利要求1所述的一种基于车辆监控人员拥挤度的检测方法，其特征在于，步骤3）所述的非0范围为0.1-0.5之间。
3.根据权利要求1所述的一种基于车辆监控人员拥挤度的检测方法，其特征在于，步骤4）所述的非0范围为0.1-0.5之间。
CN201911389304.0A 2019-12-30 2019-12-30 一种基于车辆监控人员拥挤度的检测方法 Active CN111079696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911389304.0A CN111079696B (zh) 2019-12-30 2019-12-30 一种基于车辆监控人员拥挤度的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911389304.0A CN111079696B (zh) 2019-12-30 2019-12-30 一种基于车辆监控人员拥挤度的检测方法

Publications (2)

Publication Number Publication Date
CN111079696A CN111079696A (zh) 2020-04-28
CN111079696B true CN111079696B (zh) 2023-03-24

Family

ID=70319654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911389304.0A Active CN111079696B (zh) 2019-12-30 2019-12-30 一种基于车辆监控人员拥挤度的检测方法

Country Status (1)

Country Link
CN (1) CN111079696B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7305698B2 (ja) * 2021-04-06 2023-07-10 矢崎総業株式会社 車両の混雑度判定方法、および車両の混雑度判定システム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007145210A (ja) * 2005-11-29 2007-06-14 Nippon Telegr & Teleph Corp <Ntt> 列車混雑度提供システム、混雑度算出器、およびプログラム
CN105631411A (zh) * 2015-12-22 2016-06-01 青岛海信网络科技股份有限公司 一种基于视频分析的公交车拥挤度计算方法
JP2017174345A (ja) * 2016-03-25 2017-09-28 パイオニア株式会社 混雑度算出装置、混雑度算出方法並びに混雑度算出用プログラム及び記録媒体
CN108280387A (zh) * 2017-01-05 2018-07-13 厦门雅迅网络股份有限公司 车辆客流量统计方法及系统
CN109658312A (zh) * 2018-12-07 2019-04-19 安徽通运计算机科技有限公司 一种交通运输企业运营监管系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6570731B2 (ja) * 2016-03-18 2019-09-04 シェンチェン ユニバーシティー 乗客の混雑度の算出方法及びそのシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007145210A (ja) * 2005-11-29 2007-06-14 Nippon Telegr & Teleph Corp <Ntt> 列車混雑度提供システム、混雑度算出器、およびプログラム
CN105631411A (zh) * 2015-12-22 2016-06-01 青岛海信网络科技股份有限公司 一种基于视频分析的公交车拥挤度计算方法
JP2017174345A (ja) * 2016-03-25 2017-09-28 パイオニア株式会社 混雑度算出装置、混雑度算出方法並びに混雑度算出用プログラム及び記録媒体
CN108280387A (zh) * 2017-01-05 2018-07-13 厦门雅迅网络股份有限公司 车辆客流量统计方法及系统
CN109658312A (zh) * 2018-12-07 2019-04-19 安徽通运计算机科技有限公司 一种交通运输企业运营监管系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于舒适度的单线常规公交优化设计;张鑫等;《交通科学与工程》;20171230(第04期);第67-72页 *

Also Published As

Publication number Publication date
CN111079696A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN105070053B (zh) 一种识别车辆违规运动模式的智能交通监控摄像机
CN115050177A (zh) 一种基于时空多头注意力机制的高速公路拥堵预测方法
CN108091132B (zh) 一种交通流量预测方法及装置
CN110097249A (zh) 一种公交客流监测分析系统及其方法
CN107844783A (zh) 一种营运车辆异常驾驶行为检测方法及系统
WO2023071397A1 (zh) 一种危险驾驶行为的检测方法以及系统
CN111488803A (zh) 一种融合目标检测和目标跟踪的机场目标行为理解系统
CN111079696B (zh) 一种基于车辆监控人员拥挤度的检测方法
CN107610282A (zh) 一种公交客流统计系统
CN107481340A (zh) 一种基于大数据的公路收费打逃预警系统
CN114494998B (zh) 一种车辆数据智能分析方法及系统
CN118366310B (zh) 一种基于云计算的道路施工警示管理系统
CN118278841B (zh) 基于行驶轨迹的大件运输监管及预警方法、系统及装置
CN114581843A (zh) 一种基于深度学习的扶梯乘客危险行为识别方法
CN114463390A (zh) 耦合车队跟驰强化的多孪生对抗网络跨相机车辆追踪方法
CN118097968A (zh) 一种道路交通安全评估方法
CN118132956A (zh) 一种基于人工智能的新能源充电桩运行数据分析处理方法
CN117610932B (zh) 一种基于人工智能的公交运营风险管控系统
Zheng et al. Toward real-time congestion measurement of passenger flow on platform screen doors based on surveillance videos analysis
CN117456482B (zh) 一种面向交通监控场景的异常事件识别方法及系统
Wang et al. Vision-based highway traffic accident detection
Patel et al. A framework for proactive safety evaluation of intersection using surrogate safety measures and non-compliance behavior
Katariya et al. A pov-based highway vehicle trajectory dataset and prediction architecture
CN115358492B (zh) 客流预测方法、装置和系统
Ismail et al. Automated detection of spatial traffic violations through use of video sensors

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