CN112241688A - 车厢拥挤度检测方法及系统 - Google Patents
车厢拥挤度检测方法及系统 Download PDFInfo
- Publication number
- CN112241688A CN112241688A CN202011016869.7A CN202011016869A CN112241688A CN 112241688 A CN112241688 A CN 112241688A CN 202011016869 A CN202011016869 A CN 202011016869A CN 112241688 A CN112241688 A CN 112241688A
- Authority
- CN
- China
- Prior art keywords
- carriage
- environment
- congestion
- degree
- camera
- 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
- 238000001514 detection method Methods 0.000 title claims description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000009432 framing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000011897 real-time detection Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车厢拥挤度检测方法、介质、设备及系统,其中方法包括:获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度;能够实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
Description
技术领域
本发明涉及公共交通调度技术领域,特别涉及一种车厢拥挤度检测方法、一种计算机可读存储介质、一种计算机设备以及一种车厢拥挤度检测系统。
背景技术
随着工业化、信息化、城镇化的深入发展,人们对提高公共交通的供给力和服务质量都有着更高的期望。
相关技术中,公共交通企业多采用通过人工根据经验(例如,是否工作日、是否为高峰时段等)来进行公共交通车辆的调度,由于人工判断的不确定性,往往导致公共交通调度不合理,进而导致公共交通资源的浪费,或者,导致公众由于拥挤而对公共交通体验不佳,影响公众出行满意度。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种车厢拥挤度检测方法,能够实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种车厢拥挤度检测系统。
为达到上述目的,本发明第一方面实施例提出了一种车厢拥挤度检测方法,包括以下步骤:获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度。
根据本发明实施例的车厢拥挤度检测方法,首先,获取车厢内环境视频,并对车厢内环境视频进行分帧处理,以将车厢内环境视频分解为多个与该车厢内环境视频对应的车厢内环境图像;接着,将车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,则车厢拥挤度分析模型在接收到车厢内环境图像之后,可以根据车厢内环境图像计算该车厢内环境图像所对应的车厢拥挤度;从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
另外,根据本发明上述实施例提出的车厢拥挤度检测方法还可以具有如下附加的技术特征:
可选地,在获取车厢内环境视频之前,还包括:获取车辆装载的所有摄像头采集到的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,以通过所述摄像头位置分析模型判断该摄像头是否为车厢内环境视频采集摄像头;如果该摄像头为车厢内环境采集摄像头,则将该摄像头采集到的视频作为车厢内环境视频。
可选地,所述摄像头位置分析模型还根据所述检测图像判断所述车厢内环境采集摄像头对应的车厢内位置,以便根据车厢内环境采集摄像头对应的车厢内位置确定相应的车厢拥挤度分析模型。
可选地,还包括:将每个车辆对应的车厢拥挤度发送给调度系统,以便所述调度系统根据所述车厢拥挤度对车辆进行调度。
可选地,还包括:将每个车辆对应的车厢拥挤度发送给云端平台,以便所述云端平台将车厢拥挤度进行可视化展示。
为达到上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,其上存储有车厢拥挤度检测程序,该车厢拥挤度检测程序被处理器执行时实现如上述的车厢拥挤度检测方法。
根据本发明实施例的计算机可读存储介质,通过存储车厢拥挤度检测程序,以使得处理器在执行该车厢拥挤度检测程序时,实现如上述的车厢拥挤度检测方法,从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
为达到上述目的,本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的车厢拥挤度检测方法。
根据本发明实施例的计算机设备,通过存储器对车厢拥挤度检测程序进行存储,以使得处理器在执行该车厢拥挤度检测程序时,实现如上述的车厢拥挤度检测方法,从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
为达到上述目的,本发明第四方面实施例提出了一种车厢拥挤度检测系统,包括:获取模块,所述获取模块用于获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;第一检测模块,所述第一检测模块用于将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度。
根据本发明实施例的车厢拥挤度检测系统,通过设置获取模块用于获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;第一检测模块用于将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度;从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
另外,根据本发明上述实施例提出的车厢拥挤度检测系统还可以具有如下附加的技术特征:
可选地,还包括第二检测模块,所述第二检测模块用于在获取车厢内环境视频之前,获取车辆装载的所有摄像头采集到的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,以通过所述摄像头位置分析模型判断该摄像头是否为车厢内环境视频采集摄像头;所述第二检测模块还用于在该摄像头为车厢内环境采集摄像头时,将该摄像头采集到的视频作为车厢内环境视频。
可选地,所述摄像头位置分析模型还根据所述检测图像判断所述车厢内环境采集摄像头对应的车厢内位置,以便根据车厢内环境采集摄像头对应的车厢内位置确定相应的车厢拥挤度分析模型。
附图说明
图1为根据本发明实施例的车厢拥挤度检测方法的流程示意图;
图2为根据本发明另一实施例的车厢拥挤度检测方法的流程示意图;
图3为根据本发明实施例的车厢拥挤度检测系统的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,多采用人工根据经验对公共交通车辆进行调度,导致调度不合理;根据本发明实施例的车厢拥挤度检测方法,首先,获取车厢内环境视频,并对车厢内环境视频进行分帧处理,以将车厢内环境视频分解为多个与该车厢内环境视频对应的车厢内环境图像;接着,将车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,则车厢拥挤度分析模型在接收到车厢内环境图像之后,可以根据车厢内环境图像计算该车厢内环境图像所对应的车厢拥挤度;从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的车厢拥挤度检测方法的流程示意图,如图1所示,该车厢拥挤度检测方法包括以下步骤:
S101,获取车厢内环境视频,并对车厢内环境视频进行分帧处理,以生成对应车厢内环境视频的车厢内环境图像。
即言,首先对于公共交通车辆(例如,公交车、BRT车辆等)的车厢内环境视频进行获取;然后,对于车厢内环境视频进行分帧处理,以将车厢内环境视频分解为对应该车厢内环境视频的车厢内环境图像。
在一些实施例中,为了降低数据传输流量,节约算力,同时,提高检测结果的准确性;本发明实施例提出的车厢拥挤度检测方法在获取车厢内环境视频之前,还包括:
获取车辆装载的所有摄像头采集到的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,以通过摄像头位置分析模型判断该摄像头是否为车厢内环境视频采集摄像头;
如果该摄像头为车厢内环境采集摄像头,则将该摄像头采集到的视频作为车厢内环境视频。
可以理解,在公共交通车辆上装载有多个摄像头,有些摄像头用于采集车厢内环境图像(例如,驾驶舱摄像头、车头部摄像头、车厢中门摄像头和车厢后部摄像头等);而有些图像用于采集车辆外部环境图像(例如,倒车影像摄像头、车辆两侧图像采集摄像头和车辆前部外域图像采集摄像头等);因此,为了避免不必要的运算;首先,在车辆运行时,控制公共交通车辆上装载的多个摄像头进行检测图像的采集,进而将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,则摄像头位置分析模型可以根据输入的检测图像判断该摄像头是否为车厢内环境视频采集摄像头,如果是,则将该摄像头采集到的视频作为车厢内环境视频,以便后续根据车厢内环境视频对车厢拥挤度进行分析。
需要说明的是,为了节约算力,对于摄像头是否为车厢内环境视频采集摄像头的判断只需要在车辆初始运行时进行;而在判断完成之后,只需要根据判断结果为相应的摄像头添加唯一可识别标识;即可在后续根据唯一可识别标识判断摄像头是否为车厢内环境视频采集摄像头。
在一些实施例中,为了进一步提高本发明实施例提出的车厢拥挤度检测方法得到的最终车厢拥挤度结果的准确性;摄像头位置分析模型还根据检测图像判断车厢内环境采集摄像头对应的车厢内位置,以便根据车厢内环境采集摄像头对应的车厢内位置确定相应的车厢拥挤度分析模型。
即言,进一步通过摄像头位置分析模型根据每个摄像头采集到的检测图像判断该车厢内环境采集摄像头对应的车厢内位置(例如,摄像头为车厢中门摄像头、车头摄像头、驾驶舱摄像头等);同时,在对车厢拥挤度分析模型进行训练时,根据不同位置摄像头的历史信息进行模型的训练,以生成不同位置所对应的车厢拥挤度分析模型(例如,车厢中门拥挤度分析模型、车头拥挤度分析模型和车厢后部拥挤度分析模型等);进而,后续可以根据每个车厢内环境采集摄像头所对应的位置来确定相应的车厢拥挤度分析模型;以便根据相应的车厢拥挤度分析模型对该摄像头所对应的拥挤度进行计算。
需要说明是,关于摄像头位置分析模型的训练方式在现有技术中已有详尽的记载,在此不进行赘述。
S102,将车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过车厢拥挤度分析模型计算车厢内环境图像对应的车厢拥挤度。
即言,在获取到车厢内环境图像之后,将该车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,则车厢拥挤度分析模型可以根据车厢内环境图像计算对应的车厢拥挤度。
需要说明的是,关于分析模型的训练方式在现有技术中已有详尽的描述,在此不做赘述。
作为一种示例,首先,获取车厢不同位置的历史图片,并根据不同位置对应的历史图片形成训练集,以及根据训练集进行车厢拥挤度分析模型的训练,以形成每个位置所对应的车厢拥挤度分析模型。
在一些实施例中,为了便于管理人员根据车厢拥挤度对公共交通车辆进行调度,本发明实施例提出的车厢拥挤度检测方法还包括:将每个车辆对应的车厢拥挤度发送给调度系统,以便所述调度系统根据所述车厢拥挤度对车辆进行调度。
其中,根据调度系统根据车厢拥挤度进行计算以为相关人员提供调度依据的方式可以有多种。
作为一种示例,分别设置每个摄像头位置所对应的拥挤度阈值;而在计算得到车厢内环境图像对应的拥挤度之后,根据其位置判断该拥挤度是否大于拥挤度阈值;如果是,则生成相应的报警信息,以便调度人员对当前拥挤状况进行合理调度。
作为另一种示例,首先,根据摄像头的位置设置每个摄像头的拥挤度所对应的权重值,然后,在获取到公共交通车辆每个摄像头所采集到的车厢内环境图像所对应的拥挤度之后,根据其对应的权重值对所有拥挤度进行加权平均,以将加权平均值作为该公共交通车辆所对应的拥挤度;然后,判断该公共交通车辆所对应的拥挤度是否大于预设的拥挤度阈值;如果是,则生成相应的拥挤警报,以便相关人员根据警报进行调度处理。
在一些实施例中,为了使得拥挤度计算结果能够便于公众的出行,本发明实施例提出的车厢拥挤度检测方法还包括:将每个车辆对应的车厢拥挤度发送给云端平台,以便云端平台将车厢拥挤度进行可视化展示。
即言,在计算得到车厢拥挤度之后,进一步地对车厢拥挤度进行可视化展示(例如,在公众通过其移动终端连接云端平台时,通过云端平台可以根据自身出行的出发地和目的地进行选择;进而,云端平台可以根据出发地和目的地查询两地之间可乘坐的公共交通线路;接着,当用户点选其中的公共交通线路时,云端平台则可以将该公共交通线路所对应的每一行驶车辆所对应的拥挤度进行可视化展示。);从而,当公众获取到车辆所对应的拥挤度信息之后,即可根据获取到的拥挤度信息进行自身出行线路的选择;以提高公众出行体验,提高公众对于公共交通的满意度。
如图2所示,在本发明的一个具体实施例中,该车厢拥挤度检测方法包括以下步骤:
S201,获取所有摄像头采集的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型。
S202,摄像头位置分析模型根据检测图像判断该摄像头是否为车厢内环境视频采集摄像头;如果是,则执行步骤S203。
S203,将该摄像头采集到的视频作为车厢内环境视频。
S204,摄像头位置分析模型根据检测图像判断车厢内环境采集摄像头所对应的车厢内位置,并根据每个车厢内环境采集摄像头确定相应的车厢拥挤度分析模型。
S205,获取车厢内环境视频,并对车厢内环境视频进行分帧处理,以生成对应车厢内环境视频的车厢内环境图像。
S206,将车厢内环境图像输入到相应的预先训练好的车厢拥挤度分析模型,以通过车厢拥挤度分析模型计算车厢内环境图像对应的车厢拥挤度。
S207,根据车厢内环境图像对应的车厢拥挤度计算车辆对应的车厢拥挤度,并将该车辆对应的车厢拥挤度发送给调度系统,以便调度系统根据车厢拥挤度对车辆进行调度。
S208,将每个车辆对应的车厢拥挤度发送给云端平台,以便云端平台将车厢拥挤度进行可视化展示。
综上所述,根据本发明实施例的车厢拥挤度检测方法,首先,获取车厢内环境视频,并对车厢内环境视频进行分帧处理,以将车厢内环境视频分解为多个与该车厢内环境视频对应的车厢内环境图像;接着,将车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,则车厢拥挤度分析模型在接收到车厢内环境图像之后,可以根据车厢内环境图像计算该车厢内环境图像所对应的车厢拥挤度;从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
为了实现上述实施例,本发明实施例提出了一种计算机可读存储介质,其上存储有车厢拥挤度检测程序,该车厢拥挤度检测程序被处理器执行时实现如上述的车厢拥挤度检测方法。
根据本发明实施例的计算机可读存储介质,通过存储车厢拥挤度检测程序,以使得处理器在执行该车厢拥挤度检测程序时,实现如上述的车厢拥挤度检测方法,从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
为了实现上述实施例,本发明实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的车厢拥挤度检测方法。
根据本发明实施例的计算机设备,通过存储器对车厢拥挤度检测程序进行存储,以使得处理器在执行该车厢拥挤度检测程序时,实现如上述的车厢拥挤度检测方法,从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
为了实现上述实施例,本发明实施例提出了一种车厢拥挤度检测系统,如图3所示,该车厢拥挤度检测系统包括:获取模块10和第一检测模块20。
其中,获取模块10用于获取车厢内环境视频,并对车厢内环境视频进行分帧处理,以生成对应车厢内环境视频的车厢内环境图像;
第一检测模块用于将车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过车厢拥挤度分析模型计算车厢内环境图像对应的车厢拥挤度。
在一些实施例中,本发明实施例提出的车厢拥挤度检测系统还包括第二检测模块(图中未示出),该第二检测模块用于在获取车厢内环境视频之前,获取车辆装载的所有摄像头采集到的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,以通过摄像头位置分析模型判断该摄像头是否为车厢内环境视频采集摄像头;第二检测模块还用于在该摄像头为车厢内环境采集摄像头时,将该摄像头采集到的视频作为车厢内环境视频。
在一些实施例中,摄像头位置分析模型还根据检测图像判断车厢内环境采集摄像头对应的车厢内位置,以便根据车厢内环境采集摄像头对应的车厢内位置确定相应的车厢拥挤度分析模型。
需要说明的是,上述关于图1和图2中车厢拥挤度检测方法的描述同样适用于该车厢拥挤度检测系统,在此不做赘述。
综上所述,根据本发明实施例的车厢拥挤度检测系统,通过设置获取模块用于获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;第一检测模块用于将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度;从而实现实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
在本发明的描述中,需要理解的是,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。在本发明的描述中,“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应理解为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。
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。
Claims (10)
1.一种车厢拥挤度检测方法,其特征在于,包括以下步骤:
获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;
将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度。
2.如权利要求1所述的车厢拥挤度检测方法,其特征在于,在获取车厢内环境视频之前,还包括:
获取车辆装载的所有摄像头采集到的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,以通过所述摄像头位置分析模型判断该摄像头是否为车厢内环境视频采集摄像头;
如果该摄像头为车厢内环境采集摄像头,则将该摄像头采集到的视频作为车厢内环境视频。
3.如权利要求2所述的车厢拥挤度检测方法,其特征在于,所述摄像头位置分析模型还根据所述检测图像判断所述车厢内环境采集摄像头对应的车厢内位置,以便根据车厢内环境采集摄像头对应的车厢内位置确定相应的车厢拥挤度分析模型。
4.如权利要求1-3中任一项所述的车厢拥挤度检测方法,其特征在于,还包括:将每个车辆对应的车厢拥挤度发送给调度系统,以便所述调度系统根据所述车厢拥挤度对车辆进行调度。
5.如权利要求1-3中任一项所述的车厢拥挤度检测方法,其特征在于,还包括:将每个车辆对应的车厢拥挤度发送给云端平台,以便所述云端平台将车厢拥挤度进行可视化展示。
6.一种计算机可读存储介质,其特征在于,其上存储有车厢拥挤度检测程序,该车厢拥挤度检测程序被处理器执行时实现如权利要求1-5中任一项所述的车厢拥挤度检测方法。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时,实现如权利要求1-4中任一项所述的车厢拥挤度检测方法。
8.一种车厢拥挤度检测系统,其特征在于,包括:
获取模块,所述获取模块用于获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;
第一检测模块,所述第一检测模块用于将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度。
9.如权利要求8所述的车厢拥挤度检测系统,其特征在于,还包括第二检测模块,所述第二检测模块用于在获取车厢内环境视频之前,获取车辆装载的所有摄像头采集到的检测图像,并将每个摄像头采集到的检测图像分别输入到预先训练好的摄像头位置分析模型,以通过所述摄像头位置分析模型判断该摄像头是否为车厢内环境视频采集摄像头;
所述第二检测模块还用于在该摄像头为车厢内环境采集摄像头时,将该摄像头采集到的视频作为车厢内环境视频。
10.如权利要求9所述的车厢拥挤度检测系统,其特征在于,所述摄像头位置分析模型还根据所述检测图像判断所述车厢内环境采集摄像头对应的车厢内位置,以便根据车厢内环境采集摄像头对应的车厢内位置确定相应的车厢拥挤度分析模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011016869.7A CN112241688A (zh) | 2020-09-24 | 2020-09-24 | 车厢拥挤度检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011016869.7A CN112241688A (zh) | 2020-09-24 | 2020-09-24 | 车厢拥挤度检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112241688A true CN112241688A (zh) | 2021-01-19 |
Family
ID=74171670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011016869.7A Pending CN112241688A (zh) | 2020-09-24 | 2020-09-24 | 车厢拥挤度检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241688A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096521A (zh) * | 2016-06-02 | 2016-11-09 | 苏州大学 | 一种基于网格划分的拥挤踩踏预警方法及装置 |
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 |
CN109190507A (zh) * | 2018-08-13 | 2019-01-11 | 湖南信达通信息技术有限公司 | 一种基于轨道交通列车的客流拥挤度计算方法及装置 |
CN110458056A (zh) * | 2019-07-29 | 2019-11-15 | 交控科技股份有限公司 | 列车车厢拥挤度检测方法及装置 |
CN110852155A (zh) * | 2019-09-29 | 2020-02-28 | 深圳市深网视界科技有限公司 | 公交乘客拥挤度检测方法、系统、装置及存储介质 |
CN111079488A (zh) * | 2019-05-27 | 2020-04-28 | 陕西科技大学 | 一种基于深度学习的公交客流检测系统及方法 |
-
2020
- 2020-09-24 CN CN202011016869.7A patent/CN112241688A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
CN106096521A (zh) * | 2016-06-02 | 2016-11-09 | 苏州大学 | 一种基于网格划分的拥挤踩踏预警方法及装置 |
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 |
CN109190507A (zh) * | 2018-08-13 | 2019-01-11 | 湖南信达通信息技术有限公司 | 一种基于轨道交通列车的客流拥挤度计算方法及装置 |
CN111079488A (zh) * | 2019-05-27 | 2020-04-28 | 陕西科技大学 | 一种基于深度学习的公交客流检测系统及方法 |
CN110458056A (zh) * | 2019-07-29 | 2019-11-15 | 交控科技股份有限公司 | 列车车厢拥挤度检测方法及装置 |
CN110852155A (zh) * | 2019-09-29 | 2020-02-28 | 深圳市深网视界科技有限公司 | 公交乘客拥挤度检测方法、系统、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
王文峰 等: "《MATLAB计算机视觉与机器认知》", vol. 1, 31 August 2017, 北京航空航天大学出版社, pages: 189 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9990182B2 (en) | Computer platform for development and deployment of sensor-driven vehicle telemetry applications and services | |
JP7355151B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
DE102018132509A1 (de) | Ein Fahrzeug und ein Verfahren zur fahrzeugübergreifenden Zusammenarbeit zur Erfassung von physischer äußerlicher Beschädigung | |
CN110235152A (zh) | 交通工具服务系统 | |
US9418488B1 (en) | Driver productivity snapshots and dynamic capture of driver status | |
CN105702152A (zh) | 地图生成方法和装置 | |
CN105702043A (zh) | 对重点营运车辆在高速公路上违章停车的预警方法 | |
JP2013139671A (ja) | 路面調査プログラム及び路面調査装置 | |
US11823564B1 (en) | Adaptive data collection based on fleet-wide intelligence | |
KR20170024292A (ko) | 적어도 하나 이상의 승객으로부터 제공받은 안전성 평가 정보를 반영하여 차량 운전자의 안전운전지수를 추정하기 위한 시스템 및 방법 | |
CN111429329B (zh) | 一种网约车行为的监控方法及装置 | |
CN108389392A (zh) | 一种基于机器学习的交通事故责任认定系统 | |
DE102021134415A1 (de) | Erkennung von objekten innerhalb eines fahrzeugs | |
CN114677848B (zh) | 感知预警系统、方法、装置及计算机程序产品 | |
CN111126835B (zh) | 一种北斗卫星定位的公用汽车管理方法 | |
CN110570127B (zh) | 一种智能公交系统、车辆运行调度方法及装置 | |
CN102622883B (zh) | 判定交通事件解除的方法及装置 | |
CN111737601A (zh) | 出行策略的推荐方法、装置、设备及存储介质 | |
CN111696368A (zh) | 一种超速违法数据生成方法及违法服务器 | |
CN117392855B (zh) | 基于卫星定位数据的车辆超限超载概率识别方法及系统 | |
CN111310650A (zh) | 车辆乘坐对象的分类方法、装置、计算机设备和存储介质 | |
CN110353958A (zh) | 一种协助盲人乘车的便携式装置及其方法 | |
JP2018180643A (ja) | シェアカー車載機、カーシェアリング管理サーバおよびコンピュータプログラム | |
Hargrove et al. | Empirical evaluation of the accuracy of technologies for measuring average speed in real time | |
CN112241688A (zh) | 车厢拥挤度检测方法及系统 |
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 |