CN111311467A - 一种基于人脸识别的公交路线预测方法及系统 - Google Patents
一种基于人脸识别的公交路线预测方法及系统 Download PDFInfo
- Publication number
- CN111311467A CN111311467A CN202010086988.3A CN202010086988A CN111311467A CN 111311467 A CN111311467 A CN 111311467A CN 202010086988 A CN202010086988 A CN 202010086988A CN 111311467 A CN111311467 A CN 111311467A
- Authority
- CN
- China
- Prior art keywords
- getting
- passenger
- station
- passengers
- bus
- 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 21
- 238000012546 transfer Methods 0.000 claims abstract description 41
- 230000001815 facial effect Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 29
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06V40/172—Classification, e.g. identification
Abstract
本发明提供了一种基于人脸识别的公交路线预测方法及系统,该方法包括:从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点;通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点;将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;基于获取的所有乘客的乘车路线预测公交路线的需求。本方法基于人脸识别技术对上下车乘客进行人脸抓拍和识别匹配,预测市民出行完整的乘车路线的方法,利用完整的乘车路线信息,科学合理的进行城市公交路线规划,使得城市公交的运行效率更高。
Description
技术领域
本发明涉及智能交通技术领域,具体涉及一种基于人脸识别的公交路线预测方法及系统。
背景技术
城市交通日益拥堵,公交车作为最主要的公共交通工具,城市规划的公交路线直接关系到公交车的运营效率,体现在不同公交路线的路面拥堵和车厢拥挤情况、人员出行时间、人员乘车换乘次数等。
为了科学合理的规划城市公交路线,需要掌握市民的出行规律,统计不同时间段市民乘车需求,以达到更精准的规划预测。
目前在公交车运营中,能够采集到的主要数据有:车载GPS信息:可用于跟踪车辆行驶轨迹、到站时间、行驶速度、路线拥堵情况;刷卡记录:可用于估算各站点上车人数。
从现有采集的数据能够预测各时间点各公交路线每辆车在各站点的上车人数,但是无法知道各站点的人员下车信息,也就无法估计市民出行的终点,由于市民出行信息不完整,因此无法根据现有的数据来科学合理的规划城市公交路线。
可见,在现有技术中,由于无法识别下车乘客的信息,更无法识别乘客的换乘信息,因此,难以制定更为准确的公交车调度方案。
发明内容
本发明针对上述现有技术中的缺陷,提出了如下技术方案。
一种基于人脸识别的公交路线预测方法,该方法包括:
车辆内部预测步骤,从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点;
车辆之间预测步骤,通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点;
关联步骤,将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;
预测步骤,基于获取的所有乘客的乘车路线预测公交路线的需求。
更进一步地,所述车辆内部预测步骤是通过车载处理终端执行的,所述车载处理终端用于执行以下操作:实时分析上客门监控摄像头视频流,进行人脸抓拍并提取上车乘客的人脸特征;实时分析下客门监控摄像头视频流,进行人脸抓拍并提取下车乘客的人脸特征;对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点;并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器。
更进一步地,识别当前车辆中乘客的上车站点和下车站点的操作为对于下车的乘客的人脸特征,计算与上车的每一个乘客的人脸特征的相似度,取相似度最大且大于第一阈值的人脸特征对作为识别匹配结果,以确定当前车辆中乘客的上车站点和下车站点。
更进一步地,所述车辆之间预测步骤是通过公交运营服务器执行的,所述公交运营服务器用于执行以下操作:收到每一辆公交车每一站点的上车和下车的乘客的人脸特征,将所述人脸特征存储到数据库中;将每一辆公交车上车的乘客的人脸特征与其它公交车下车的人脸特征计算相似度,取相似度最大且大于第二阈值的人脸特征对作为识别匹配结果,以确定所述乘客的换乘站点;
所述公交运营服务器还用于将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线。
更进一步地,在所述车辆之间预测步骤中,限定上车与下车站点距离小于第一距离阈值且上车的乘客人脸特征与第一时间阈值内下车的乘客的人脸特征进行匹配识别。
本发明还提出了一种基于人脸识别的公交路线预测系统,该系统包括车上设备和后台公交运营服务器,所述车上设备包括车载处理终端和上客门监控摄像头、下客门监控摄像头,所述车载处理终端连接所述上客门监控摄像头和下客门监控摄像头,所述车载处理终端通过无线网络与公交运营服务器相连接;
所述车载处理终端从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点;
所述后台公交运营服务器用于通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点,并将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;
所述后台公交运营服务器基于获取的所有乘客的乘车路线预测公交路线的需求。
更进一步地,所述车载处理终端用于执行以下操作以确定所述乘客的上车站点和下车站点:实时分析上客门监控摄像头视频流,进行人脸抓拍并提取上车乘客的人脸特征;实时分析下客门监控摄像头视频流,进行人脸抓拍并提取下车乘客的人脸特征;对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点;并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器。
更进一步地,识别当前车辆中乘客的上车站点和下车站点的操作为对于下车的乘客的人脸特征,计算与上车的每一个乘客的人脸特征的相似度,取相似度最大且大于第一阈值的人脸特征对作为识别匹配结果,以确定当前车辆中乘客的上车站点和下车站点。
更进一步地,所述公交运营服务器用于执行以下操作以确定所述乘客的换乘站点:收到每一辆公交车每一站点的上车和下车的乘客的人脸特征,将所述人脸特征存储到数据库中;将每一辆公交车上车的乘客的人脸特征与其它公交车下车的人脸特征计算相似度,取相似度最大且大于第二阈值的人脸特征对作为识别匹配结果,以确定所述乘客的换乘站点;
所述公交运营服务器还用于将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线。
更进一步地,在所确定所述乘客的换乘站点时,限定上车与下车站点距离小于第一距离阈值且上车的乘客人脸特征与第一时间阈值内下车的乘客的人脸特征进行匹配识别。
本发明的技术效果在于:本发明的一种基于人脸识别的公交路线预测方法,该方法包括:从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点;通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点;将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;基于获取的所有乘客的乘车路线预测公交路线的需求。本方法基于人脸识别技术对上下车乘客进行人脸抓拍和识别匹配,预测市民出行完整的乘车路线的方法,利用完整的乘车路线信息,科学合理的进行城市公交路线规划,使得城市公交的运行效率更高。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。
图1是根据本发明的实施例的一种基于人脸识别的公交路线预测方法的流程图。
图2是根据本发明的实施例的一种基于人脸识别的公交路线预测系统的结构图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种基于人脸识别的公交路线预测方法,该方法包括:
车辆内部预测步骤S101,从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点。
车辆之间预测步骤S102,通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点。
关联步骤S103,将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线。
预测步骤S104,基于获取的所有乘客的乘车路线预测公交路线的需求。
本发明的方法是基于人脸识别的公交路线预测系统实现的,该系统包括包含车上设备和后台公交运营服务器,车上设备由车载处理终端和上客门、下客门监控摄像头组成,车载处理终端通过车载以太网络连接监控摄像头,车载处理终端通过无线信号连接移动信号基站接入互联网,实现车载设备与公交运营服务器之间的信息通信。车载处理终端包含NVIDIA Jetson Nano高性能嵌入式计算模块、GPS模块、以太网模块、通信模块组成。上客门和下客门的监控摄像头通过以太网通信将视频流传输到车载处理终端进行实时的视频分析处理。Jetson Nano嵌入式模块可以实时处理2路视频流的人脸抓拍、人脸特征提取、人脸识别比对。车载处理终端包括4G通信模块或5G通信模块,因此,车载处理终端可以称为车载4G处理终端或车载5G处理终端,当然车载处理终端还可以包括WIFI、蓝牙等通信模块。
在一个实施例中,所述车辆内部预测步骤S101是通过车载处理终端执行的,所述车载处理终端用于执行以下操作:实时分析上客门监控摄像头视频流,进行人脸抓拍并提取上车乘客的人脸特征;实时分析下客门监控摄像头视频流,进行人脸抓拍并提取下车乘客的人脸特征;对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点;并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器。所述上、下客门监控摄像头用于采集乘客上下车的视频,并通过以太网络发送至车载处理终端,车载终端实时分析上、下客门监控摄像头视频流,进行人脸抓拍并提取上下车乘客的人脸特征,进而实现对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点,即实现了确定乘客上下车的站点,站点的位置通过GPS模块获得,当然也可以通过其他定位模块获得,比如北斗导航模块。车载终端并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器,上传至公交运营服务器中的目的是为了进一步确定乘客是否进行了换乘,以及确定换乘的站点。
在一个实施例中,识别当前车辆中乘客的上车站点和下车站点的操作为对于下车的乘客的人脸特征,计算与上车的每一个乘客的人脸特征的相似度,取相似度最大且大于第一阈值的人脸特征对作为识别匹配结果,以确定当前车辆中乘客的上车站点和下车站点。即在乘客上车时,通过GPS模块获得其上车站点,并与其人脸特征进行保存,在乘客下车时,将人脸特征与保存的车内的所有乘客的人脸特征进行比较,找到相似度最大的人脸特征,为了保证识别的准确性,该最大的相似度也需要大于第一阈值(比如,85%,90%等等),才认为是对应的下车乘客,将该乘客下车站点与对应的上车站点、人脸特征进行对应保存,并将下车站点与对应的上车站点、人脸特征一起传送至公交运营服务器中。通过车辆内部预测步骤S101实现了精准识别乘客上下车的站点,为了精确识别每个乘客的乘车路线打下了坚实的基础,这是本发明的一个重要发明点。
在一个实施例中,所述车辆之间预测步骤S102是通过公交运营服务器执行的,所述公交运营服务器用于执行以下操作:收到每一辆公交车每一站点的上车和下车的乘客的人脸特征,将所述人脸特征存储到数据库中;将每一辆公交车上车的乘客的人脸特征与其它公交车下车的人脸特征计算相似度,取相似度最大且大于第二阈值的人脸特征对作为识别匹配结果,以确定所述乘客的换乘站点。所述第二阈值可以等于第一阈值,在所述车辆之间预测步骤S102中的人脸特征相似度计算方法与步骤S101中的人脸特征相似度方法相同。为了准确的识别换乘站点,在所述车辆之间预测步骤S102中,限定上车与下车站点距离小于第一距离阈值(比如0-1000m)且上车的乘客人脸特征与第一时间阈值(比如15-30分钟)内下车的乘客的人脸特征进行匹配识别,这样才确定乘客是经过换乘的比较准确,这是本申请的另一重要发明点。
在一个实施例中,所述公交运营服务器还用于将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线,然后,基于获取的所有乘客的乘车路线预测公交路线的需求。通过公交车内的局部特征匹配和公交车之间换乘的全局匹配,可以预测市民完整乘车路线经过的每一个公交站点。公交运营在掌握市民出行乘车路线需求规律后,通过合理规划公交车运行路线和发车班次,提高公交车运载能力、缩短市民乘车时间、减少道路拥堵状况,从而实现了智能交通。
图2示出了本发明的一种基于人脸识别的公交路线预测系统,该系统包括车上设备201和后台公交运营服务器202,所述车上设备201包括车载处理终端203和上客门监控摄像头204、下客门监控摄像头205,所述车载处理终端203通过以太网络连接所述上客门监控摄像头204和下客门监控摄像头205,所述车载处理终端203通过无线网络与公交运营服务器202相连接。
所述车载处理终端203从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点。车载处理终端203包含NVIDIA Jetson Nano高性能嵌入式计算模块、GPS模块、以太网模块、通信模块组成。上客门和下客门的监控摄像头通过以太网通信将视频流传输到车载处理终端203进行实时的视频分析处理。Jetson Nano嵌入式模块可以实时处理2路视频流的人脸抓拍、人脸特征提取、人脸识别比对。车载处理终端203包括4G通信模块或5G通信模块,因此,车载处理终端203可以称为车载4G处理终端或车载5G处理终端,当然车载处理终端203还可以包括WIFI、蓝牙等通信模块。
所述后台公交运营服务器202用于通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点,并将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;所述后台公交运营服务器202基于获取的所有乘客的乘车路线预测公交路线的需求。
在一个实施例中,所述车载处理终端203用于执行以下操作以确定所述乘客的上车站点和下车站点:实时分析上客门监控摄像头204视频流,进行人脸抓拍并提取上车乘客的人脸特征;实时分析下客门监控摄像头205视频流,进行人脸抓拍并提取下车乘客的人脸特征;对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点;并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器202。所述上、下客门监控摄像头204、205用于采集乘客上下车的视频,并通过以太网络发送至车载处理终端203,车载终端实时分析上、下客门监控摄像头204、205视频流,进行人脸抓拍并提取上下车乘客的人脸特征,进而实现对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点,即实现了确定乘客上下车的站点,站点的位置通过GPS模块获得,当然也可以通过其他定位模块获得,比如北斗导航模块。车载终端并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器202,上传至公交运营服务器202中的目的是为了进一步确定乘客是否进行了换乘,以及确定换乘的站点。
在一个实施例中,识别当前车辆中乘客的上车站点和下车站点的操作为对于下车的乘客的人脸特征,计算与上车的每一个乘客的人脸特征的相似度,取相似度最大且大于第一阈值的人脸特征对作为识别匹配结果,以确定当前车辆中乘客的上车站点和下车站点。即在乘客上车时,通过GPS模块获得其上车站点,并与其人脸特征进行保存,在乘客下车时,将人脸特征与保存的车内的所有乘客的人脸特征进行比较,找到相似度最大的人脸特征,为了保证识别的准确性,该最大的相似度也需要大于第一阈值(比如,85%,90%等等),才认为是对应的下车乘客,将该乘客下车站点与对应的上车站点、人脸特征进行对应保存,并将下车站点与对应的上车站点、人脸特征一起传送至公交运营服务器202中,通过车辆内部特征匹配实现了精准识别乘客上下车的站点,为了精确识别每个乘客的乘车路线打下了坚实的基础,这是本发明的一个重要发明点。
在一个实施例中,所述公交运营服务器202用于执行以下操作以确定所述乘客的换乘站点:收到每一辆公交车每一站点的上车和下车的乘客的人脸特征,将所述人脸特征存储到数据库中;将每一辆公交车上车的乘客的人脸特征与其它公交车下车的人脸特征计算相似度,取相似度最大且大于第二阈值的人脸特征对作为识别匹配结果,以确定所述乘客的换乘站点;所述第二阈值可以等于第一阈值,公交运营服务器202中的人脸特征相似度计算方法与车载处理终端203中的人脸特征相似度方法相同。为了准确的识别换乘站点,在所述公交运营服务器202中计算时,限定上车与下车站点距离小于第一距离阈值(比如0-1000m)且上车的乘客人脸特征与第一时间阈值(比如15-30分钟)内下车的乘客的人脸特征进行匹配识别,这样才确定乘客是经过换乘的比较准确,这是本申请的另一重要发明点。
所述公交运营服务器202还用于将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线,然后,基于获取的所有乘客的乘车路线预测公交路线的需求。通过公交车内的局部特征匹配和公交车之间换乘的全局匹配,可以预测市民完整乘车路线经过的每一个公交站点。公交运营在掌握市民出行乘车路线需求规律后,通过合理规划公交车运行路线和发车班次,提高公交车运载能力、缩短市民乘车时间、减少道路拥堵状况,从而实现了智能交通。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请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,该计算机软件产品可以存储在存储介质中,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)执行本申请各个实施例或者实施例的某些部分所述的装置。
最后所应说明的是:以上实施例仅以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于人脸识别的公交路线预测方法,其特征在于,该方法包括:
车辆内部预测步骤,从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点;
车辆之间预测步骤,通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点;
关联步骤,将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;
预测步骤,基于获取的所有乘客的乘车路线预测公交路线的需求。
2.根据权利要求1所述的方法,其特征在于,所述车辆内部预测步骤是通过车载处理终端执行的,所述车载处理终端用于执行以下操作:实时分析上客门监控摄像头视频流,进行人脸抓拍并提取上车乘客的人脸特征;实时分析下客门监控摄像头视频流,进行人脸抓拍并提取下车乘客的人脸特征;对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点;并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器。
3.根据权利要求2所述的方法,其特征在于,识别当前车辆中乘客的上车站点和下车站点的操作为对于下车的乘客的人脸特征,计算与上车的每一个乘客的人脸特征的相似度,取相似度最大且大于第一阈值的人脸特征对作为识别匹配结果,以确定当前车辆中乘客的上车站点和下车站点。
4.根据权利要求1所述的方法,其特征在于,所述车辆之间预测步骤是通过公交运营服务器执行的,所述公交运营服务器用于执行以下操作:收到每一辆公交车每一站点的上车和下车的乘客的人脸特征,将所述人脸特征存储到数据库中;将每一辆公交车上车的乘客的人脸特征与其它公交车下车的人脸特征计算相似度,取相似度最大且大于第二阈值的人脸特征对作为识别匹配结果,以确定所述乘客的换乘站点;
所述公交运营服务器还用于将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线。
5.根据权利要求4所述的方法,其特征在于,在所述车辆之间预测步骤中,限定上车与下车站点距离小于第一距离阈值且上车的乘客人脸特征与第一时间阈值内下车的乘客的人脸特征进行匹配识别。
6.一种基于人脸识别的公交路线预测系统,其特征在于,该系统包括车上设备和后台公交运营服务器,所述车上设备包括车载处理终端和上客门监控摄像头、下客门监控摄像头,所述车载处理终端连接所述上客门监控摄像头和下客门监控摄像头,所述车载处理终端通过无线网络与公交运营服务器相连接;
所述车载处理终端从获取的视频流中通过人脸识别获取上下车的乘客,确定所述乘客的上车站点和下车站点;
所述后台公交运营服务器用于通过人脸识别确定一辆公交车上车的乘客是否其他公交车下车的乘客,如果是,则确定所述乘客的换乘站点,并将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线;
所述后台公交运营服务器基于获取的所有乘客的乘车路线预测公交路线的需求。
7.根据权利要求6所述的系统,其特征在于,所述车载处理终端用于执行以下操作以确定所述乘客的上车站点和下车站点:实时分析上客门监控摄像头视频流,进行人脸抓拍并提取上车乘客的人脸特征;实时分析下客门监控摄像头视频流,进行人脸抓拍并提取下车乘客的人脸特征;对上车和下车的乘客的人脸特征进行识别匹配,识别当前车辆中乘客的上车站点和下车站点;并实时将上车和下车抓拍的乘客的人脸特征信息通过网络上传到公交运营服务器。
8.根据权利要求7所述的系统,其特征在于,识别当前车辆中乘客的上车站点和下车站点的操作为对于下车的乘客的人脸特征,计算与上车的每一个乘客的人脸特征的相似度,取相似度最大且大于第一阈值的人脸特征对作为识别匹配结果,以确定当前车辆中乘客的上车站点和下车站点。
9.根据权利要求6所述的系统,其特征在于,所述公交运营服务器用于执行以下操作以确定所述乘客的换乘站点:收到每一辆公交车每一站点的上车和下车的乘客的人脸特征,将所述人脸特征存储到数据库中;将每一辆公交车上车的乘客的人脸特征与其它公交车下车的人脸特征计算相似度,取相似度最大且大于第二阈值的人脸特征对作为识别匹配结果,以确定所述乘客的换乘站点;
所述公交运营服务器还用于将所述乘客的上车站点、下车站点和换乘站点进行关联获取该乘客的乘车路线。
10.根据权利要求9所述的系统,其特征在于,在所确定所述乘客的换乘站点时,限定上车与下车站点距离小于第一距离阈值且上车的乘客人脸特征与第一时间阈值内下车的乘客的人脸特征进行匹配识别。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010086988.3A CN111311467A (zh) | 2020-02-11 | 2020-02-11 | 一种基于人脸识别的公交路线预测方法及系统 |
PCT/CN2020/139840 WO2021159866A1 (zh) | 2020-02-11 | 2020-12-28 | 一种基于人脸识别的公交路线预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010086988.3A CN111311467A (zh) | 2020-02-11 | 2020-02-11 | 一种基于人脸识别的公交路线预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111311467A true CN111311467A (zh) | 2020-06-19 |
Family
ID=71159363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010086988.3A Pending CN111311467A (zh) | 2020-02-11 | 2020-02-11 | 一种基于人脸识别的公交路线预测方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111311467A (zh) |
WO (1) | WO2021159866A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052276A (zh) * | 2020-08-19 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 乘车路线的挖掘方法和装置 |
CN112183192A (zh) * | 2020-08-17 | 2021-01-05 | 江苏慧域物联科技有限公司 | 智慧公交候车亭客流od分析方法 |
CN112183988A (zh) * | 2020-09-22 | 2021-01-05 | 深圳北斗应用技术研究院有限公司 | 交通工具调度方法、系统、电子设备及存储介质 |
CN113158923A (zh) * | 2021-04-27 | 2021-07-23 | 华录智达科技股份有限公司 | 一种基于人脸识别的公交换乘提醒系统 |
WO2021159866A1 (zh) * | 2020-02-11 | 2021-08-19 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的公交路线预测方法及系统 |
CN113538954A (zh) * | 2021-07-12 | 2021-10-22 | 深圳市三联众瑞科技有限公司 | 一种公交出行规律识别方法 |
CN114495491A (zh) * | 2021-12-31 | 2022-05-13 | 深圳云天励飞技术股份有限公司 | 跨线出行路线确定方法、装置、计算机设备及介质 |
CN114973680A (zh) * | 2022-07-01 | 2022-08-30 | 哈尔滨工业大学 | 一种基于视频处理的公交客流获取系统及方法 |
CN115205950A (zh) * | 2022-09-16 | 2022-10-18 | 北京吉道尔科技有限公司 | 基于区块链的智慧交通地铁乘客检测及结账方法和系统 |
WO2023021673A1 (ja) * | 2021-08-19 | 2023-02-23 | 日本電気株式会社 | サーバ装置、システム、odデータ生成方法及び記憶媒体 |
CN112052276B (zh) * | 2020-08-19 | 2024-04-30 | 腾讯科技(深圳)有限公司 | 乘车路线的挖掘方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664084A (zh) * | 2022-03-02 | 2022-06-24 | 河南职业技术学院 | 一种具有面部识别功能的智能交通系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185486A1 (en) * | 2009-01-21 | 2010-07-22 | Disney Enterprises, Inc. | Determining demand associated with origin-destination pairs for bus ridership forecasting |
CN106897955A (zh) * | 2017-01-24 | 2017-06-27 | 华南理工大学 | 一种基于公交od数据的公交换乘识别方法 |
CN107240289A (zh) * | 2017-07-24 | 2017-10-10 | 济南博图信息技术有限公司 | 一种公交车线路优化管理方法及系统 |
CN107483902A (zh) * | 2017-09-30 | 2017-12-15 | 珠海芯桥科技有限公司 | 一种公交车乘客跟踪监控系统 |
CN108491755A (zh) * | 2018-02-05 | 2018-09-04 | 安徽达尔智能控制系统股份有限公司 | 公交客流辅助决策系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751536A (zh) * | 2013-12-25 | 2015-07-01 | 中兴通讯股份有限公司 | 一种公交站点优化评估方法和系统 |
CN105913367A (zh) * | 2016-04-07 | 2016-08-31 | 北京晶众智慧交通科技股份有限公司 | 基于人脸识别和位置定位的公交客流量检测系统与方法 |
CN109658686A (zh) * | 2018-12-29 | 2019-04-19 | 徐梓博 | 用于控制公共交通线路的装置和方法 |
CN111311467A (zh) * | 2020-02-11 | 2020-06-19 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的公交路线预测方法及系统 |
-
2020
- 2020-02-11 CN CN202010086988.3A patent/CN111311467A/zh active Pending
- 2020-12-28 WO PCT/CN2020/139840 patent/WO2021159866A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185486A1 (en) * | 2009-01-21 | 2010-07-22 | Disney Enterprises, Inc. | Determining demand associated with origin-destination pairs for bus ridership forecasting |
CN106897955A (zh) * | 2017-01-24 | 2017-06-27 | 华南理工大学 | 一种基于公交od数据的公交换乘识别方法 |
CN107240289A (zh) * | 2017-07-24 | 2017-10-10 | 济南博图信息技术有限公司 | 一种公交车线路优化管理方法及系统 |
CN107483902A (zh) * | 2017-09-30 | 2017-12-15 | 珠海芯桥科技有限公司 | 一种公交车乘客跟踪监控系统 |
CN108491755A (zh) * | 2018-02-05 | 2018-09-04 | 安徽达尔智能控制系统股份有限公司 | 公交客流辅助决策系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021159866A1 (zh) * | 2020-02-11 | 2021-08-19 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的公交路线预测方法及系统 |
CN112183192A (zh) * | 2020-08-17 | 2021-01-05 | 江苏慧域物联科技有限公司 | 智慧公交候车亭客流od分析方法 |
CN112052276A (zh) * | 2020-08-19 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 乘车路线的挖掘方法和装置 |
CN112052276B (zh) * | 2020-08-19 | 2024-04-30 | 腾讯科技(深圳)有限公司 | 乘车路线的挖掘方法和装置 |
CN112183988A (zh) * | 2020-09-22 | 2021-01-05 | 深圳北斗应用技术研究院有限公司 | 交通工具调度方法、系统、电子设备及存储介质 |
CN113158923A (zh) * | 2021-04-27 | 2021-07-23 | 华录智达科技股份有限公司 | 一种基于人脸识别的公交换乘提醒系统 |
CN113158923B (zh) * | 2021-04-27 | 2022-09-06 | 华录智达科技股份有限公司 | 一种基于人脸识别的公交换乘提醒系统 |
CN113538954A (zh) * | 2021-07-12 | 2021-10-22 | 深圳市三联众瑞科技有限公司 | 一种公交出行规律识别方法 |
WO2023021673A1 (ja) * | 2021-08-19 | 2023-02-23 | 日本電気株式会社 | サーバ装置、システム、odデータ生成方法及び記憶媒体 |
CN114495491A (zh) * | 2021-12-31 | 2022-05-13 | 深圳云天励飞技术股份有限公司 | 跨线出行路线确定方法、装置、计算机设备及介质 |
CN114973680A (zh) * | 2022-07-01 | 2022-08-30 | 哈尔滨工业大学 | 一种基于视频处理的公交客流获取系统及方法 |
CN115205950A (zh) * | 2022-09-16 | 2022-10-18 | 北京吉道尔科技有限公司 | 基于区块链的智慧交通地铁乘客检测及结账方法和系统 |
CN115205950B (zh) * | 2022-09-16 | 2023-04-25 | 广州昇创达科技有限公司 | 基于区块链的智慧交通地铁乘客检测及结账方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021159866A1 (zh) | 2021-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310994B (zh) | 一种基于数据校准的公交路线预测方法及系统 | |
CN111311467A (zh) | 一种基于人脸识别的公交路线预测方法及系统 | |
CN107845259B (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN109285376B (zh) | 一种基于深度学习的公交车客流统计分析系统 | |
CN112530166B (zh) | 基于信令数据与大数据分析识别公交出行上下车站点的方法与系统 | |
CN107463940B (zh) | 基于手机数据的车辆类型识别方法和设备 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
EP3616063B1 (en) | Verifying sensor data using embeddings | |
CN107545757B (zh) | 基于车牌识别的城市道路流速测量装置和方法 | |
CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
Hounsell et al. | Data management and applications in a world-leading bus fleet | |
CN112542043B (zh) | 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统 | |
CN102622877A (zh) | 利用路况信息及行驶速度的公交到站判断系统及判断方法 | |
JP7010194B2 (ja) | 車両派遣システム、サーバおよび情報処理方法 | |
WO2021082464A1 (zh) | 预测车辆的目的地的方法和装置 | |
CN103366560A (zh) | 一种道路交通运行状态跟车探测方法、系统及应用 | |
CN114693495B (zh) | 智慧城市公共交通管理方法、物联网系统、装置及介质 | |
CN110807917A (zh) | 一种基于云计算的高速公路智能安防系统 | |
CN108364464A (zh) | 一种基于概率模型的公交车辆旅行时间建模方法 | |
CN113393137B (zh) | 一种基于车联网的调度共享系统 | |
CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN115222158B (zh) | 一种基于物联网的智慧城市停车场管理方法、系统及装置 | |
CN115410371A (zh) | 基于无感支付的城市轨道交通客流数据采集及分析方法 | |
CN112601187B (zh) | 基于手机信令的公交常乘客预测方法与系统 | |
CN113160542A (zh) | 基于信息反馈的乘车方法及装置 |
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: 20200619 |