CN112509190B - 基于屏蔽门客流计数的地铁车辆断面客流统计方法 - Google Patents

基于屏蔽门客流计数的地铁车辆断面客流统计方法 Download PDF

Info

Publication number
CN112509190B
CN112509190B CN202110172788.4A CN202110172788A CN112509190B CN 112509190 B CN112509190 B CN 112509190B CN 202110172788 A CN202110172788 A CN 202110172788A CN 112509190 B CN112509190 B CN 112509190B
Authority
CN
China
Prior art keywords
passenger flow
data
intelligent door
door lintel
terminal
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
CN202110172788.4A
Other languages
English (en)
Other versions
CN112509190A (zh
Inventor
刘光杰
王金伟
张秀再
王健
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202110172788.4A priority Critical patent/CN112509190B/zh
Publication of CN112509190A publication Critical patent/CN112509190A/zh
Application granted granted Critical
Publication of CN112509190B publication Critical patent/CN112509190B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • 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)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (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)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了基于屏蔽门客流计数的地铁车辆断面客流统计方法，属于深度学习和目标检测技术领域，本发明通过在屏蔽门门楣上端安装智能门楣终端设备，通过机器视觉技术对出入屏蔽门的上下行客流量进行统计。智能门楣终端统计的客流数据发送至智能门楣控制器，门楣控制器将客流信息送到综合监控、智慧车站等站内系统；如果系统包含智能门楣平台系统，那么该信息也可以送到智能门楣线路平台以利于进行相对独立地断面客流统计。断面客流生成模块根据客流信息和行车调度信息，生成断面客流，并可进一步将断面客流信息送给其他的相关业务系统。由此，车站可实现对轨道交通系统的客流信息进行全方位地掌握，为地铁运营和管理提供数据支撑。

Description

基于屏蔽门客流计数的地铁车辆断面客流统计方法
技术领域
本发明属于深度学习和目标检测技术领域，具体涉及基于屏蔽门客流计数的地铁车辆断面客流统计方法。
背景技术
目前人工智能技术被广泛应用于各大领域。今年以来，一线城市率先将AI技术应用到轨道交通上，涌现了一批智慧车站试点和应用。其中车站对于客流的智能感知能力是对车辆运营情况的之间反应，可提高车站设备和人员管理效率。
屏蔽门作为保障乘客安全和空调节能的重要站内设备，在智能化的大背景下，可改造成使其拥有感知乘客的能力。基于深度学习的行人检测算法，可使得屏蔽门具有行人计数的能力，实时地获得客流数据。
传统屏蔽门的门楣仅仅具有遮挡的功能，若在屏蔽门上方增加智能门楣终端，可实现智能视频分析的功能，也即客流计数。通常，屏蔽门前的等待区分为上客区与下客区，智能门楣终端可根据上下客区的人数计算出相应的客流量。
发明内容
发明目的：针对轨道交通运管系统缺少实时断面客流信息支撑的问题，提出于屏蔽门客流计数的地铁车辆断面客流统计方法。
技术方案：为实现上述目的，本发明采用如下技术方案：
基于屏蔽门客流计数的地铁车辆断面客流统计方法，基于屏蔽门客流计数的地铁车辆断面客流统计系统包括屏蔽门，在所述的屏蔽门上布置智能门楣终端，所述的智能门楣终端包括前端采集摄像头、海思Hi3516SoC芯片、网络通信接口、显示器与语音播报模块；前端采集摄像头采集到的数据传送给海思Hi3516SoC芯片进行处理，并将处理过的数据在显示器上最终成像；网络通信接口负责终端与其他外界设备互联的网络互联；语音播报模块完成预先设定的对应的语音内容；该统计方法，包括以下流程：
步骤1：在屏蔽门上布置智能门楣终端；在开发阶段采集该场景下的数据集用于行人检测算法的训练，在应用阶段作为终端设备进行视频采集以及分析；
步骤2：训练行人检测算法，该行人检测算法使用剪枝过的mobileNet-Yolov3网络模型；
步骤3：在智能门楣终端上对摄像头采集的图片进行客流计数；
步骤4：智能门楣控制器收集每个门楣终端上采集的客流数据，形成车辆断面客流，将采集的客流信息送至智能门楣线路平台进行实时线路客流统计；
所述的步骤1具体为，从Pascal VOC格式的数据集转换为LMDB格式，使用LMDB内存映射数据库，包括以下步骤：
1）制作Pascal VOC格式的数据集；
1.1）收集对应场景下的行人数据将其放在一个目录下；
1.2）使用labelImage标注工具对图片进行标记，每张图片都得到同名的xml格式的标注文件，该文件中包括图片的宽、高，以及每个目标的类型名及目标标注框的左上点（xmin，ymin）和右下点的坐标（xmax，ymax）；
1.3）编写程序按照9：1的比例生成train.txt和val.txt两个包含数据集路径的文本将数据集划分为训练集和测试集；
2）数据集转换成LMDB文件
使用caffe自带的脚本程序将训练集和测试集生成LMDB形式的数据库，训练时在网络的data层，输入LMDB文件路径。
进一步地，所述的步骤2中，将准备好的数据集输入所述的mobileNet-Yolov3网络模型，包括如下步骤：
3.1）使用一个卷积核为3×3的标准卷积层进行图像特征提取；
3.2）为了加快特征提取速度，采用13个可分离卷积层进行特征提取；
3.3）使用一个Inception-C结构，通过不同大小的卷积核支路获得不同的感受野，多维度感知目标整体和局部的特征，获取特征图，其中1×1的卷积支路通道数为384，3×3的卷积支路通道数为384，5×5的卷积支路通道数为128，最大池化层支路通道数为128；
3.4）使用一个卷积核大小为1×1的标准卷积层提取最终的特征图，特征图输入到Detection层输出检测框的坐标与置信度。
进一步地，所述的数据集由图像本身及其对应的标签构成，mobileNet-Yolov3网络模型在输入图像数据后，检测算法对车门上下客区域进行行人目标检测，同时采用sort目标追踪算法对行人目标进行追踪。
进一步地，所述的步骤3具体为，由机器视觉设备所拍摄的目标区域内容作为训练好的模型的输入数据，mobileNet-Yolov3网络模型的权重已经由训练过程固定，将待检测数据输入后，mobileNet-Yolov3网络模型直接产生相应的检测结果；基于海思Hi3516SoC芯片，并利用其NPU芯片进行深度模型推理，生成的客流信息通过网络通信接口传至智能门楣控制器。
进一步地，所述的步骤4中，智能门楣控制器上的车辆断面客流计算公式为：
Figure 845898DEST_PATH_IMAGE001
其中，C in为一辆地铁停车一次的上客数量，C out 为一辆地铁停车一次下客数量，TI表示每个智能门楣终端统计的上客数量，TO i 表示每个智能门楣终端统计的下客数量，i表示智能门楣终端个数，其中i=1,2,3，……n。
进一步地，还包括步骤5，各智能门楣线路平台将数据发送至控制中心的综合监测系统，对全线路的客流情况进行监控管理，生成全线路断面客流数据。
发明原理：通过在屏蔽门门楣上端安装智能门楣终端设备，通过机器视觉技术对出入屏蔽门的上下行客流量进行统计。智能门楣终端统计的客流数据发送至智能门楣控制器，门楣控制器将客流信息送到综合监控、智慧车站等站内系统；如果系统包含智能门楣平台系统，那么该信息也可以送到智能门楣线路平台以利于进行相对独立地断面客流统计。断面客流生成模块根据客流信息和行车调度信息，生成断面客流，并可进一步将断面客流信息送给其他的相关业务系统。由此，车站可实现对轨道交通系统的客流信息进行全方位地掌握，为地铁运营和管理提供数据支撑。
有益效果：与现有技术相比，本发明的基于屏蔽门客流计数的地铁车辆断面客流统计方法，传统屏蔽门的门楣仅仅具有遮挡的功能，若在屏蔽门上方增加智能门楣终端，可实现智能视频分析的功能，也即客流计数。通常，屏蔽门前的等待区分为上客区与下客区，智能门楣终端可根据上下客区的人数计算出相应的客流量。本发明的基于屏蔽门客流计数的地铁车辆断面客流统计方法，通过机器视觉和行人检测算法统计出通过每个屏蔽门的上下客流，将每个智能门楣终端的客流数据发送至门楣控制器，即可计算出每辆列车的上下客断面客流数据，门楣控制器将每辆列车的断面客流发送至线路平台，即可收集全线的实时上下客流信息，为运管提供精准的客流信息支撑。
附图说明
图1是基于屏蔽门客流计数的地铁车辆断面客流统计系统的结构示意图；
图2是基于屏蔽门客流计数的地铁车辆断面客流统计方法的流程图；
图3是mobile-yolov3网络图形结构。
具体实施方式
以下结合具体实施方式对本发明做进一步的说明。
基于屏蔽门客流计数的地铁车辆断面客流系统包括屏蔽门，在屏蔽门上布置智能门楣终端，智能门楣终端包括前端采集摄像头、海思Hi3516SoC芯片、网络通信接口、显示器与语音播报模块；其中：前端采集摄像头采集到的数据传送给海思Hi3516SoC芯片进行处理，并将处理过的数据在显示器上最终成像；网络通信接口负责终端与其他外界设备互联的网络互联；语音播报模块完成预先设定的对应的语音内容。
基于屏蔽门客流计数的地铁车辆断面客流统计方法，包括以下流程：
步骤1：在屏蔽门上布置智能门楣终端；在开发阶段采集该场景下的数据集用于行人检测算法的训练；在应用阶段作为终端设备进行视频采集以及分析；
步骤2：训练行人检测算法，该行人检测算法使用剪枝过的mobileNet-Yolov3网络模型；
步骤3：在智能门楣终端上对摄像头采集的图片进行客流计数；
步骤4：智能门楣控制器收集每个门楣终端上采集的客流数据，形成车辆断面客流，将采集的客流信息送至智能门楣线路平台进行实时线路客流统计。
步骤1具体为，从Pascal VOC格式的数据集转换为LMDB格式，使用LMDB内存映射数据库，包括以下步骤：
1）制作Pascal VOC格式的数据集
1.1）收集对应场景下的行人数据将其放在一个目录下；
1.2）使用labelImage标注工具对图片进行标记，每张图片都得到同名的xml格式的标注文件，该文件中包括图片的宽、高，以及每个目标的类型名及目标标注框的左上点（xmin，ymin）和右下点的坐标（xmax，ymax）；
1.3）编写程序按照9：1的比例生成train.txt和val.txt两个包含数据集路径的文本将数据集划分为训练集和测试集；
2）数据集转换成LMDB文件
使用caffe自带的脚本程序将训练集和测试集生成LMDB形式的数据库，训练时在网络的data层，输入LMDB文件路径。
步骤2中，将准备好的数据集输入mobileNet-Yolov3网络模型，包括如下步骤：
3.1）使用一个卷积核为3×3的标准卷积层进行图像特征提取；
3.2）为了加快特征提取速度，采用13个可分离卷积层进行特征提取；
3.3）使用一个Inception-C结构，通过不同大小的卷积核支路获得不同的感受野，多维度感知目标整体和局部的特征，获取特征图，其中1×1的卷积支路通道数为384，3×3的卷积支路通道数为384，5×5的卷积支路通道数为128，最大池化层支路通道数为128；
3.4）使用一个卷积核大小为1×1的标准卷积层提取最终的特征图，特征图输入到Detection层输出检测框的坐标与置信度。
数据集由图像本身及其对应的标签构成，mobileNet-Yolov3网络模型在输入大量类似的图像数据后，检测算法对车门上下客区域进行行人目标检测，同时采用sort目标追踪算法对行人目标进行追踪。
步骤3具体为，由机器视觉设备所拍摄的目标区域内容作为训练好的模型的输入数据，由于模型的权重已经由训练过程固定，将待检测数据输入后，模型直接产生相应的检测结果；软件部署基于海思Hi3516SoC芯片，并利用其NPU芯片进行深度模型推理，生成的客流信息通过网络通信接口传至智能门楣控制器；
步骤4中，智能门楣控制器上的车辆断面客流计算公式为：
Figure 231880DEST_PATH_IMAGE001
其中，C in为一辆地铁停车一次的上客数量，C out 为一辆地铁停车一次下客数量，TI表示每个智能门楣终端统计的上客数量，TO i 表示每个智能门楣终端统计的下客数量，i表示智能门楣终端个数，其中i=1,2,3，……n。
还包括步骤5，各智能门楣线路平台将数据发送至控制中心的综合监测系统，对全线路的客流情况进行监控管理，生成全线路断面客流数据。
图1是本发明的设备结构示意图，图2是本发明的流程图。本实施例中基于屏蔽门客流计数的地铁车辆断面客流统计方法，通过在屏蔽门门楣上端安装智能门楣终端设备，通过机器视觉技术对出入屏蔽门的上下行客流进行统计。
智能门楣终端统计的客流数据发送至智能门楣控制器，门楣控制器将客流信息送到综合监控、智慧车站等站内系统；如果系统包含智能门楣平台系统，那么该信息也可以送到智能门楣线路平台以利于进行相对独立地断面客流统计。断面客流生成模块根据客流信息和行车调度信息，生成断面客流，并可进一步将断面客流信息送给其他的相关业务系统。由此，车站可实现对轨道交通系统的客流信息全方位掌握，为地铁运营和管理提供数据支撑。具体步骤如下：
步骤1：在屏蔽门上布置智能门楣终端，其结构包括前端采集摄像头、海思Hi3516SoC芯片、网络通信接口、显示器与语音播报模块等，安装方式如图1所示。在开发阶段采集该场景下的数据集用于行人检测算法的训练；在应用阶段作为终端设备进行视频采集以及分析。
步骤2：训练行人检测算法，该行人检测算法使用剪枝过的mobileNet-Yolov3网络模型，具有体积小，速度快的特点。图3是mobile-yolov3网络图形结构。在步骤1中需要采集大量的数据用于此步骤的训练。在本方法的软件系统中，检测算法对车门上下客区域进行行人目标检测，同时采用sort目标追踪算法对行人目标进行追踪，以达到高精度的行人计数，公式如下
Figure 480459DEST_PATH_IMAGE002
其中u和v分别代表目标人物中心的水平和垂直像素位置，而s和r分别代表目标边界框面积的比例和纵横比，
Figure 344509DEST_PATH_IMAGE003
分别代表u，v，s的变化率，x为跟踪的目标；并按9：1比例制作训练和测试集。
步骤3：在智能门楣终端上对摄像头采集的图片进行客流计数，软件部署基于海思Hi3516SoC芯片，并利用其NPU芯片进行深度模型推理，生成的客流信息通过网络通信接口传至智能门楣控制器。
步骤4：智能门楣控制器收集每个门楣终端上采集的客流数据，形成车辆断面客流，将采集的客流信息送至智能门楣线路平台进行实时线路客流统计，其中，智能门楣控制器上的车辆断面客流计算公式为：
Figure 126258DEST_PATH_IMAGE001
其中，C in为一辆地铁停车一次的上客数量，C out 为一辆地铁停车一次下客数量，TI表示每个智能门楣终端统计的上客数量，TO i 表示每个智能门楣终端统计的下客数量，i表示智能门楣终端个数，其中i=1,2,3，……n。
步骤5：各智能门楣线路平台将数据发送至控制中心的综合监测系统，对全线路的客流情况进行监控管理，生成全线路断面客流数据。
以上所述仅是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以作出若干改进和变型，这些改进和变型也应该视为本发明保护范围。

Claims (5)

1.基于屏蔽门客流计数的地铁车辆断面客流统计方法，其特征在于：该统计方法基于屏蔽门客流计数的地铁车辆断面客流统计系统，所述的系统包括屏蔽门，在所述的屏蔽门上布置智能门楣终端，所述的智能门楣终端包括前端采集摄像头、海思Hi3516SoC芯片、网络通信接口、显示器与语音播报模块；前端采集摄像头采集到的数据传送给海思Hi3516SoC芯片进行处理，并将处理过的数据在显示器上最终成像；网络通信接口负责终端与其他外界设备互联的网络互联；语音播报模块完成预先设定的对应的语音内容；所述的统计方法，包括以下流程：
步骤1：在屏蔽门上布置智能门楣终端；在开发阶段采集场景下的数据集用于行人检测算法的训练，在应用阶段作为终端设备进行视频采集以及分析；
步骤2：训练行人检测算法，该行人检测算法使用剪枝过的mobileNet-Yolov3网络模型；
步骤3：在智能门楣终端上对摄像头采集的图片进行客流计数；
步骤4：智能门楣控制器收集每个门楣终端上采集的客流数据，形成车辆断面客流，将采集的客流信息送至智能门楣线路平台进行实时线路客流统计；
所述的步骤1具体为，从Pascal VOC格式的数据集转换为LMDB格式，使用LMDB内存映射数据库，包括以下步骤：
1）制作Pascal VOC格式的数据集；
1.1）收集对应场景下的行人数据将其放在一个目录下；
1.2）使用labelImage标注工具对图片进行标记，每张图片都得到同名的xml格式的标注文件，该文件中包括图片的宽、高，以及每个目标的类型名及目标标注框的左上点（xmin，ymin）和右下点的坐标（xmax，ymax）；
1.3）编写程序按照9：1的比例生成train.txt和val.txt两个包含数据集路径的文本将数据集划分为训练集和测试集；
2）数据集转换成LMDB文件
使用caffe自带的脚本程序将训练集和测试集生成LMDB形式的数据库，训练时在网络的data层，输入LMDB文件路径；
所述的步骤2中，将准备好的数据集输入所述的mobileNet-Yolov3网络模型，包括如下步骤：
3.1）使用一个卷积核为3×3的标准卷积层进行图像特征提取；
3.2）为了加快特征提取速度，采用13个可分离卷积层进行特征提取；
3.3）使用一个Inception-C结构，通过不同大小的卷积核支路获得不同的感受野，多维度感知目标整体和局部的特征，获取特征图，其中1×1的卷积支路通道数为384，3×3的卷积支路通道数为384，5×5的卷积支路通道数为128，最大池化层支路通道数为128；
3.4）使用一个卷积核大小为1×1的标准卷积层提取最终的特征图，特征图输入到Detection层输出检测框的坐标与置信度。
2.根据权利要求1所述的基于屏蔽门客流计数的地铁车辆断面客流统计方法，其特征在于：所述的数据集由图像本身及其对应的标签构成，mobileNet-Yolov3网络模型在输入图像数据后，检测算法对车门上下客区域进行行人目标检测，同时采用sort目标追踪算法对行人目标进行追踪。
3.根据权利要求1所述的基于屏蔽门客流计数的地铁车辆断面客流统计方法，其特征在于：所述的步骤3具体为，由机器视觉设备所拍摄的目标区域内容作为训练好的模型的输入数据，mobileNet-Yolov3网络模型的权重已经由训练过程固定，将待检测数据输入后，mobileNet-Yolov3网络模型直接产生相应的检测结果；基于海思Hi3516SoC芯片，并利用其NPU芯片进行深度模型推理，生成的客流信息通过网络通信接口传至智能门楣控制器。
4.根据权利要求1所述的基于屏蔽门客流计数的地铁车辆断面客流统计方法，其特征在于：所述的步骤4中，智能门楣控制器上的车辆断面客流计算公式为：
Figure 120720DEST_PATH_IMAGE001
其中，C in为一辆地铁停车一次的上客数量，C out 为一辆地铁停车一次下客数量，TI表示每个智能门楣终端统计的上客数量，TO i 表示每个智能门楣终端统计的下客数量，i表示智能门楣终端个数，其中i=1,2,3，……n。
5.根据权利要求1所述的基于屏蔽门客流计数的地铁车辆断面客流统计方法，其特征在于：还包括步骤5，各智能门楣线路平台将数据发送至控制中心的综合监测系统，对全线路的客流情况进行监控管理，生成全线路断面客流数据。
CN202110172788.4A 2021-02-08 2021-02-08 基于屏蔽门客流计数的地铁车辆断面客流统计方法 Active CN112509190B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110172788.4A CN112509190B (zh) 2021-02-08 2021-02-08 基于屏蔽门客流计数的地铁车辆断面客流统计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110172788.4A CN112509190B (zh) 2021-02-08 2021-02-08 基于屏蔽门客流计数的地铁车辆断面客流统计方法

Publications (2)

Publication Number Publication Date
CN112509190A CN112509190A (zh) 2021-03-16
CN112509190B true CN112509190B (zh) 2021-05-11

Family

ID=74953053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110172788.4A Active CN112509190B (zh) 2021-02-08 2021-02-08 基于屏蔽门客流计数的地铁车辆断面客流统计方法

Country Status (1)

Country Link
CN (1) CN112509190B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115620228B (zh) * 2022-10-13 2023-05-23 南京信息工程大学 一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599845A (zh) * 2016-12-14 2017-04-26 青岛博宁福田智能交通科技发展有限公司 一种轨道交通客流分布控制方法及系统
CN107256246A (zh) * 2017-06-06 2017-10-17 西安工程大学 基于卷积神经网络的印花织物图像检索方法
CN109977793A (zh) * 2019-03-04 2019-07-05 东南大学 基于变尺度多特征融合卷积网络的路侧图像行人分割方法
CN110278409A (zh) * 2019-05-13 2019-09-24 南京知常容信息技术有限公司 一种基于客流密度估计的地铁屏蔽门客流导引系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599845A (zh) * 2016-12-14 2017-04-26 青岛博宁福田智能交通科技发展有限公司 一种轨道交通客流分布控制方法及系统
CN107256246A (zh) * 2017-06-06 2017-10-17 西安工程大学 基于卷积神经网络的印花织物图像检索方法
CN109977793A (zh) * 2019-03-04 2019-07-05 东南大学 基于变尺度多特征融合卷积网络的路侧图像行人分割方法
CN110278409A (zh) * 2019-05-13 2019-09-24 南京知常容信息技术有限公司 一种基于客流密度估计的地铁屏蔽门客流导引系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Fast SqueezeNet算法及在地铁人群密度估计上的应用》;郭强;《控制理论与应用》;20190731;第36卷(第7期);第1036-1046页 *
《基于卷积神经网络的高效知识表示模型》;李少杰，等;《高技术通讯》;20200930;第30卷(第9期);第901-907页 *

Also Published As

Publication number Publication date
CN112509190A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN111325872B (zh) 基于计算机视觉的司机驾驶异常检测方法
CN109815882B (zh) 一种基于图像识别的地铁车厢客流密度监控系统及方法
CN108765404B (zh) 一种基于深度学习图像分类的道路破损检测方法及装置
CN112487862B (zh) 基于改进EfficientDet模型的车库行人检测方法
CN104092988A (zh) 一种公共场合客流管理方法、装置及系统
CN112232333A (zh) 一种地铁站内实时客流热力图生成方法
CN105913367A (zh) 基于人脸识别和位置定位的公交客流量检测系统与方法
CN106680212B (zh) 一种基于路面反射的垂直式机动车尾气遥测系统
CN104933424A (zh) 车辆及行人监测方法及装置
CN113159004B (zh) 轨道交通车厢客流估计方法
CN112509190B (zh) 基于屏蔽门客流计数的地铁车辆断面客流统计方法
CN112084928A (zh) 基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法
CN106919925A (zh) 一种基于小波熵与人工神经网络的福特汽车检测方法
CN103164697A (zh) 一种处理时间与识别精度自适应的车牌识别方法
CN113788051A (zh) 列车在站运行状态监测分析系统
CN111008979A (zh) 一种鲁棒的夜晚图像语义分割方法
CN112735164A (zh) 测试数据构建方法及测试方法
CN109977862A (zh) 一种车位限位器的识别方法
CN113053152A (zh) 一种车载交通标识实时显示方法及系统
CN115657002A (zh) 基于交通毫米波雷达的车辆运动状态估计方法
CN103605960B (zh) 一种基于不同焦距视频图像融合的交通状态识别方法
CN112507998B (zh) 基于机器视觉的屏蔽门行人等待提醒系统及其方法
CN113591643A (zh) 一种基于计算机视觉的地下交通工具进出站检测系统及方法
CN109886095A (zh) 一种基于视觉的轻型卷积神经网络的乘客属性识别系统及方法
CN111079488B (zh) 一种基于深度学习的公交客流检测系统及方法

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
GR01 Patent grant
GR01 Patent grant