CN112036332A - 公共交通的乘客密度检测系统、检测方法 - Google Patents

公共交通的乘客密度检测系统、检测方法 Download PDF

Info

Publication number
CN112036332A
CN112036332A CN202010913669.5A CN202010913669A CN112036332A CN 112036332 A CN112036332 A CN 112036332A CN 202010913669 A CN202010913669 A CN 202010913669A CN 112036332 A CN112036332 A CN 112036332A
Authority
CN
China
Prior art keywords
passengers
threshold value
preset threshold
public transport
density
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
Application number
CN202010913669.5A
Other languages
English (en)
Inventor
陈海波
权甲
方林
赵昕
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.)
Deep Blue Technology Shanghai Co Ltd
Original Assignee
Deep Blue Technology Shanghai 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 Deep Blue Technology Shanghai Co Ltd filed Critical Deep Blue Technology Shanghai Co Ltd
Priority to CN202010913669.5A priority Critical patent/CN112036332A/zh
Publication of CN112036332A publication Critical patent/CN112036332A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种公共交通的乘客密度检测系统、检测方法，其中，检测系统包括：机器视觉，用于在公共交通行驶过程中拍摄公共交通车厢内部的图片，并将图片和公共交通的运行信息传送至云端服务器，其中，运行信息包括：运行路线、班次、运行时间、天气状况、当前位置；云服务器用于将图片输入至训练完成的目标检测框架中，以根据图片识别乘客的数量，并根据乘客的数量判断乘客的密度，以及根据运行信息估算到站时间，云服务器还用于将乘客的密度、运行信息和到站时间发送至移动终端，以通过移动终端进行显示。该检测系统可以准确检测出公共交通的载客情况和到站时间，帮助乘客优化出行方案，节省乘客的等待时间，且无需增加硬件设备，成本低。

Description

公共交通的乘客密度检测系统、检测方法
技术领域
本发明涉及公共交通技术领域，具体涉及一种公共交通的乘客密度检测系统、公共交通的乘客密度检测方法。
背景技术
目前，城市公共交通工具大部分都安装有定位系统、车内监控摄像头，并且联网。在乘坐公交车或者地铁时，可以很方便的通过一些手机app(应用程序)获取某趟车辆的到站时间信息，但是只知道到站时间还是不够方便，因为我们无法知道车上的乘客数量，如果乘客太多，挤不上去，还得等下一班次，浪费乘客的时间。
相关技术中，虽然有基于IC(Intelligent Card，智慧卡)统计公共交通客流量的技术方案，但是，该方式无法统计下车的人数，且人工售票的车辆无法使用该技术，无法准确统计公共交通的客流量。另外，也有在车厢内部设置摄像头检测客流量，但该方式需要在车内搭设额外的硬件设备，成本较高。
发明内容
本发明为解决上述技术问题，本发明的第一个目的提出一种公共交通的乘客密度检测系统，该检测系统可以准确检测出公共交通的载客情况和到站时间，帮助乘客优化出行方案，节省乘客的等待时间，且成本低。
本发明第二个目的提出一种公共交通的乘客密度检测方法。
本发明采用的技术方案如下：
本发明第一方面的实施例提出了一种公共交通的乘客密度检测系统，包括：机器视觉，所述机器视觉用于在所述公共交通行驶过程中拍摄所述公共交通车厢内部的图片，并将所述图片和所述公共交通的运行信息传送至云端服务器，其中，所述运行信息包括：运行路线、班次、运行时间、天气状况、当前位置；所述云服务器用于将所述图片输入至训练完成的目标检测框架中，以根据所述图片识别乘客的数量，并根据所述乘客的数量判断乘客的密度，以及根据所述运行信息估算到站时间，所述云服务器还用于将所述乘客的密度、所述运行信息和所述到站时间发送至移动终端，以通过所述移动终端进行显示。
本发明上述提出的公共交通的乘客密度检测系统还可以具有如下附加技术特征：
根据本发明的一个实施例，通过以下步骤训练所述目标检测框架：收集预设时间段的所述公共交通车厢内部的图片；手动标记所述图片中的人员目标以获取标记数据；选择一种目标检测框架，根据所述标记数据训练模型。
根据本发明的一个实施例，所述云服务器具体用于：判断所述乘客的数量是否大于第一预设阈值；如果所述乘客的数量大于所述第一预设阈值，则判断所述公共交通车厢内部拥挤；如果所述乘客的数量小于或等于所述第一预设阈值，则进一步判断所述乘客的数量是否大于第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值；如果所述乘客的数量大于第二预设阈值，则判断所述公共交通车厢内部适中；如果所述乘客的数量小于或等于所述第二预设阈值，则判断所述公共交通车厢内部空旷。
根据本发明的一个实施例，所述第一预设阈值等于公共交通座椅数量的1.2倍，所述第二预设阈值等于公共交通座椅数量的0.8倍。
根据本发明的一个实施例，所述云服务器还用于：存储所述运行信息和所述乘客的密度；根据所述运行信息和所述乘客的密度优化所述公共交通的调度方案。
本发明第二方面的实施例提出了一种公共交通的乘客密度检测方法，包括以下步骤：通过机器视觉在所述公共交通行驶过程中拍摄所述公共交通车厢内部的图片；将所述图片输入至训练完成的目标检测框架中，以根据所述图片识别乘客的数量，并根据所述乘客的数量判断乘客的密度；根据运行信息估算到站时间；将所述乘客的密度、所述运行信息和所述到站时间发送至移动终端，以通过所述移动终端进行显示。
本发明上述提出的公共交通的乘客密度检测方法还可以具有如下附加技术特征：
根据本发明的一个实施例，通过以下步骤训练所述目标检测框架：收集预设时间段的所述公共交通车厢内部的图片；手动标记所述图片中的人员目标以获取标记数据；选择一种目标检测框架，根据所述标记数据训练模型。
根据本发明的一个实施例，根据所述乘客的数量判断乘客的密度，包括：判断所述乘客的数量是否大于第一预设阈值；如果所述乘客的数量大于所述第一预设阈值，则判断所述公共交通车厢内部拥挤；如果所述乘客的数量小于或等于所述第一预设阈值，则进一步判断所述乘客的数量是否大于第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值；如果所述乘客的数量大于第二预设阈值，则判断所述公共交通车厢内部适中；如果所述乘客的数量小于或等于所述第二预设阈值，则判断所述公共交通车厢内部空旷。
根据本发明的一个实施例，所述第一预设阈值等于公共交通座椅数量的1.2倍，所述第二预设阈值等于公共交通座椅数量的0.8倍。
根据本发明的一个实施例，还包括：存储所述运行信息和所述乘客的密度；根据所述运行信息和所述乘客的密度优化所述公共交通的调度方案。
本发明的有益效果：
本发明采用机器视觉可以准确检测出公共交通的载客情况和到站时间，帮助乘客优化出行方案，节省乘客的等待时间，且无需增加硬件设备，成本低。
附图说明
图1是根据本发明一个实施例的公共交通的乘客密度检测系统的方框示意图；
图2是根据本发明一个实施例的公共交通的乘客密度检测方法的流程图。
具体实施方式
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，所描述的实施例仅仅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是根据本发明一个实施例的公共交通的乘客密度检测系统的方框示意图。如图1所示，该系统包括：机器视觉1、云服务器2和移动终端3。
其中，机器视觉1用于在公共交通行驶过程中拍摄公共交通车厢内部的图片，并将图片和所述公共交通的运行信息传送至云端服务器，其中，运行信息包括：运行路线、班次、运行时间、天气状况、当前位置。云服务器用于将图片输入至训练完成的目标检测框架中，以根据图片识别乘客的数量，并根据乘客的数量判断乘客的密度，以及根据运行信息估算到站时间，云服务器还用于将乘客的密度、运行信息和到站时间发送至移动终端3，以通过移动终端3进行显示。
具体的，机器视觉是人工智能正在快速发展的一个分支，简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉是通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而进行判别。
由于公共交通(例如公交车、地铁)只有在预设站点才会停车并上、下乘客，因此，只需在两个站点之间即行驶过程中，车上的乘客数量不发生变化，通过机器视觉1拍摄公共交通车厢内部的图片，在车辆出站后，机器视觉1发送一张当前车厢内部的图片至云端服务器2，同时将公共交通的运行信息发送至云服务器2，运行信息包括：运行路线、班次、运行时间、天气状况、当前位置。
云服务器2将接收到的图片输入到已经训练完成的目标检测框架中，以识别当前车厢内乘客的数量，目标检测框架可以采用FasterRCNN、SSD、YOLO、CenterNet等。识别出乘客的数量后，云服务器2根据乘客的数量判断乘客的密度，并且，云服务器2可以根据运行信息估算公共交通到运行线路上的每个站点的时间(到站时间)，具体可以将相连站点间的运行时间根据历史运行时间估算并进行预存，根据当前位置即可估算公共交通到运行线路上的每个站点的时间，同时，云服务器2可以根据实际路况更改到站时间，例如运行线路上发生交通事故，造成异常堵塞，可以适当增加到站时间，或者，运行线路上有重大活动，造成前行缓慢，也可以适当增加到站时间。
云服务器2将运算出的乘客的密度、到站时间和相应的运行信息发送至移动终端3，移动终端3可以是手机或平板电脑等具备操作系统的智能设备，乘客可以通过移动终端3中相应的APP获取相应的公共交通的乘客的密度、到站时间、天气状况等。由此，上述的乘客密度检测系统，利用公共交通现有设备，不增加额外硬件的基础上，可以准确检测出公共交通的载客情况和到站时间，帮助乘客优化出行方案，节省乘客的等待时间，且成本低。
可以理解的是，机器视觉在每次开关门之间只需传输一张图片到云端进行计算，资源消耗小。而且在两站之间不会有乘客上下车，云服务器只要在车辆到达下一站之前完成计算并把消息传送给等车的乘客即可，对计算时间要求不高。
根据本发明的一个实施例，通过以下步骤训练目标检测框架：收集预设时间段的公共交通车厢内部的图片；手动标记图片中的人员目标以获取标记数据；选择一种目标检测框架，根据标记数据训练模型。其中，预设时间段可以根据实际情况提前进行预设。
也就是说，需要提前根据一段时间的共交通车厢内部的历史图片，提前离线训练目标检测框架，并将训练好的目标检测框架输入至云服务器2中。
根据本发明的一个实施例，云服务器2具体用于：判断乘客的数量是否大于第一预设阈值；如果乘客的数量大于第一预设阈值，则判断公共交通车厢内部拥挤；如果乘客的数量小于或等于第一预设阈值，则进一步判断乘客的数量是否大于第二预设阈值，其中，第二预设阈值小于第一预设阈值；如果乘客的数量大于第二预设阈值，则判断公共交通车厢内部适中；如果乘客的数量小于或等于第二预设阈值，则判断公共交通车厢内部空旷。
进一步地，在本发明的一个实施例中，第一预设阈值可以等于公共交通座椅数量的1.2倍，第二预设阈值可以等于公共交通座椅数量的0.8倍。
也就是说，如果：乘客的数量>座椅数量的1.2倍，则判断公共交通车厢内部拥挤；如果：座椅数量的0.8倍<乘客的数量≤座椅数量的1.2倍，则判断公共交通车厢内部适中；如果乘客的数量≤座椅数量的0.8倍，则判断公共交通车厢内部空旷。由此，根据座椅数量和乘客人数判断乘客密度，避免车辆间大小的差异造成载客情况判断误差，可以使乘客清楚了解当前公共交通的载客情况，帮助乘客优化出行方案。
根据本发明的一个实施例，云服务器2还可用于：存储运行信息和乘客的密度；根据运行信息和乘客的密度优化公共交通的调度方案。
具体的，机器视觉1回传给云服务器的数据包括：公共交通车厢内部的图片、运行路线、班次、运行时间、天气状况、当前位置、有无重大公共活动等可能影响车辆运行的因素。云服务器2还可以根据公共交通车厢内部的图片获取乘客的密度，通过一段时间的数据积累，从多个维度进行统计分析，帮助调度公司优化公共交通的调度方案。
可以理解，本发明上述提出的公共交通的乘客密度检测系统，除可应用于公交、地铁、轻轨等公共交通的乘客密度检测，还可以用于大巴车等车辆的人员超载检测。
综上所述，根据本发明实施例的公共交通的乘客密度检测系统，机器视觉在公共交通行驶过程中拍摄公共交通车厢内部的图片，并将图片和公共交通的运行信息传送至云端服务器，云服务器将图片输入至训练完成的目标检测框架中，以根据图片识别乘客的数量，并根据乘客的数量判断乘客的密度，以及根据运行信息估算到站时间，将乘客的密度、运行信息和到站时间发送至移动终端，以通过移动终端进行显示。由此，该检测系统可以准确检测出公共交通的载客情况和到站时间，帮助乘客优化出行方案，节省乘客的等待时间，且成本低。
与上述的公共交通的乘客密度检测系统相对应，本发明还提出一种公共交通的乘客密度检测方法。由于本发明的方法实施例是基于上述的系统实施例，对于方法实施例中未披露的细节，可参照上述的系统实施例，本发明中不再进行赘述。
图2是根据本发明一个实施例的公共交通的乘客密度检测方法的流程图。如图2所示，该方法包括以下步骤：
S1，通过机器视觉在公共交通行驶过程中拍摄公共交通车厢内部的图片。
S2，将图片输入至训练完成的目标检测框架中，以根据图片识别乘客的数量，并根据乘客的数量判断乘客的密度。
其中，通过以下步骤训练目标检测框架：收集预设时间段的公共交通车厢内部的图片；手动标记图片中的人员目标以获取标记数据选择一种目标检测框架，根据所述标记数据训练模型。
进一步地，根据本发明的一个实施例，根据乘客的数量判断乘客的密度，包括：判断乘客的数量是否大于第一预设阈值；如果乘客的数量大于第一预设阈值，则判断公共交通车厢内部拥挤；如果乘客的数量小于或等于第一预设阈值，则进一步判断乘客的数量是否大于第二预设阈值，其中，第二预设阈值小于第一预设阈值；如果乘客的数量大于第二预设阈值，则判断公共交通车厢内部适中；如果乘客的数量小于或等于第二预设阈值，则判断公共交通车厢内部空旷。
更进一步的，第一预设阈值等于公共交通座椅数量的1.2倍，第二预设阈值等于公共交通座椅数量的0.8倍。
S3，根据运行信息估算到站时间。
S4，将乘客的密度、运行信息和到站时间发送至移动终端，以通过移动终端进行显示。
根据本发明的一个实施例，上述的公共交通的乘客密度检测方法还包括：存储运行信息和乘客的密度；根据运行信息和乘客的密度优化公共交通的调度方案。
综上所述，根据本发明实施例的公共交通的乘客密度检测方法，在公共交通行驶过程中拍摄公共交通车厢内部的图片，将图片输入至训练完成的目标检测框架中，以根据图片识别乘客的数量，并根据乘客的数量判断乘客的密度；根据运行信息估算到站时间，将乘客的密度、运行信息和到站时间发送至移动终端，以通过移动终端进行显示。由此，该方法采用机器视觉可以准确检测出公共交通的载客情况和到站时间，帮助乘客优化出行方案，节省乘客的等待时间，且无需增加硬件设备，成本低。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件车厢内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种公共交通的乘客密度检测系统，其特征在于，包括：
机器视觉，所述机器视觉用于在所述公共交通行驶过程中拍摄所述公共交通车厢内部的图片，并将所述图片和所述公共交通的运行信息传送至云端服务器，其中，所述运行信息包括：运行路线、班次、运行时间、天气状况、当前位置；
所述云服务器用于将所述图片输入至训练完成的目标检测框架中，以根据所述图片识别乘客的数量，并根据所述乘客的数量判断乘客的密度，以及根据所述运行信息估算到站时间，所述云服务器还用于将所述乘客的密度、所述运行信息和所述到站时间发送至移动终端，以通过所述移动终端进行显示。
2.根据权利要求1所述的公共交通的乘客密度检测系统，其特征在于，通过以下步骤训练所述目标检测框架：
收集预设时间段的所述公共交通车厢内部的图片；
手动标记所述图片中的人员目标以获取标记数据；
选择一种目标检测框架，根据所述标记数据训练模型。
3.根据权利要求1所述的公共交通的乘客密度检测系统，其特征在于，所述云服务器具体用于：
判断所述乘客的数量是否大于第一预设阈值；
如果所述乘客的数量大于所述第一预设阈值，则判断所述公共交通车厢内部拥挤；
如果所述乘客的数量小于或等于所述第一预设阈值，则进一步判断所述乘客的数量是否大于第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值；
如果所述乘客的数量大于第二预设阈值，则判断所述公共交通车厢内部适中；
如果所述乘客的数量小于或等于所述第二预设阈值，则判断所述公共交通车厢内部空旷。
4.根据权利要求3所述的公共交通的乘客密度检测系统，其特征在于，所述第一预设阈值等于公共交通座椅数量的1.2倍，所述第二预设阈值等于公共交通座椅数量的0.8倍。
5.根据权利要求1-4中任一项所述的公共交通的乘客密度检测系统，其特征在于，所述云服务器还用于：
存储所述运行信息和所述乘客的密度；
根据所述运行信息和所述乘客的密度优化所述公共交通的调度方案。
6.一种公共交通的乘客密度检测方法，其特征在于，包括以下步骤：
通过机器视觉在所述公共交通行驶过程中拍摄所述公共交通车厢内部的图片；
将所述图片输入至训练完成的目标检测框架中，以根据所述图片识别乘客的数量，并根据所述乘客的数量判断乘客的密度；
根据运行信息估算到站时间；
将所述乘客的密度、所述运行信息和所述到站时间发送至移动终端，以通过所述移动终端进行显示。
7.根据权利要求6所述的公共交通的乘客密度检测方法，其特征在于，通过以下步骤训练所述目标检测框架：
收集预设时间段的所述公共交通车厢内部的图片；
手动标记所述图片中的人员目标以获取标记数据；
选择一种目标检测框架，根据所述标记数据训练模型。
8.根据权利要求6所述的公共交通的乘客密度检测方法，其特征在于，根据所述乘客的数量判断乘客的密度，包括：
判断所述乘客的数量是否大于第一预设阈值；
如果所述乘客的数量大于所述第一预设阈值，则判断所述公共交通车厢内部拥挤；
如果所述乘客的数量小于或等于所述第一预设阈值，则进一步判断所述乘客的数量是否大于第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值；
如果所述乘客的数量大于第二预设阈值，则判断所述公共交通车厢内部适中；
如果所述乘客的数量小于或等于所述第二预设阈值，则判断所述公共交通车厢内部空旷。
9.根据权利要求8所述的公共交通的乘客密度检测方法，其特征在于，所述第一预设阈值等于公共交通座椅数量的1.2倍，所述第二预设阈值等于公共交通座椅数量的0.8倍。
10.根据权利要求6-9中任一项所述的公共交通的乘客密度检测方法，其特征在于，还包括：
存储所述运行信息和所述乘客的密度；
根据所述运行信息和所述乘客的密度优化所述公共交通的调度方案。
CN202010913669.5A 2020-09-03 2020-09-03 公共交通的乘客密度检测系统、检测方法 Pending CN112036332A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010913669.5A CN112036332A (zh) 2020-09-03 2020-09-03 公共交通的乘客密度检测系统、检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010913669.5A CN112036332A (zh) 2020-09-03 2020-09-03 公共交通的乘客密度检测系统、检测方法

Publications (1)

Publication Number Publication Date
CN112036332A true CN112036332A (zh) 2020-12-04

Family

ID=73591330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010913669.5A Pending CN112036332A (zh) 2020-09-03 2020-09-03 公共交通的乘客密度检测系统、检测方法

Country Status (1)

Country Link
CN (1) CN112036332A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733624A (zh) * 2020-12-26 2021-04-30 电子科技大学 室内密集场景的人流密度检测方法、系统存储介质及终端
CN113191223A (zh) * 2021-04-15 2021-07-30 宁波市民卡运营管理有限公司 一种乘客密度评估方法、装置、计算机设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
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
CN108053356A (zh) * 2017-11-03 2018-05-18 深圳信息职业技术学院 公交车辆拥挤情况的提醒方法、装置、终端及存储介质
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
CN108053356A (zh) * 2017-11-03 2018-05-18 深圳信息职业技术学院 公交车辆拥挤情况的提醒方法、装置、终端及存储介质
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张俊友 等: "《智能交通系统及应用》", vol. 1, 哈尔滨工业大学出版社, pages: 174 - 182 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733624A (zh) * 2020-12-26 2021-04-30 电子科技大学 室内密集场景的人流密度检测方法、系统存储介质及终端
CN113191223A (zh) * 2021-04-15 2021-07-30 宁波市民卡运营管理有限公司 一种乘客密度评估方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
JP6173791B2 (ja) 道路状況把握システム、及び道路状況把握装置
US11322028B2 (en) Radar-augmentation of parking space sensors
CN105405321A (zh) 高速公路上车辆行驶中的安全预警方法及系统
US20130339992A1 (en) In-train information display apparatus, in-train information display system, and advertisement display result determining method
CN111063188B (zh) 分布式路线确定系统
CN108320550B (zh) 一种基于车联网络的闯红灯预警系统及其预警方法
CN111368612B (zh) 超员检测系统、人员检测方法及电子设备
CN112036332A (zh) 公共交通的乘客密度检测系统、检测方法
CN110852155A (zh) 公交乘客拥挤度检测方法、系统、装置及存储介质
US10699572B2 (en) Passenger counting for a transportation system
CN103295413A (zh) 一种公交车辆信息显示系统及方法
JP4010316B2 (ja) 違法駐車取締りシステムおよび方法
CN114677848B (zh) 感知预警系统、方法、装置及计算机程序产品
CN113808414B (zh) 道路荷载确定方法、装置及存储介质
US20180190126A1 (en) Method, registration device and vehicle control node for guidance of a transport vehicle
CN113033493A (zh) 目标物巡检方法、装置、电子设备及存储介质
KR20200002230A (ko) 실시간 업데이트된 도로정보 제공방법 및 시스템
US10994759B2 (en) System and method for providing information to an information system in a vehicle
FR3036824A1 (fr) Procede et systeme de determination d&#39;une information de niveau de confort d&#39;un vehicule ferroviaire
CN112363415A (zh) 一种基于无线传感器网络的车站实时监控系统
CN109345436B (zh) 乘车情况监控方法、管控平台、存储介质及系统
JP4689818B2 (ja) 乗車状況判定装置
CN112990117B (zh) 基于智能驾驶系统的安装数据处理方法及装置
CN112441084B (zh) 列车停靠时长的确定方法、装置、车辆及电子设备
CN111619614A (zh) 一种车厢乘客拥挤监控与疏导系统及方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201204