专利汇可以提供一种基于图像识别的地铁车厢客流密度监控系统及方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于 图像识别 的地 铁 车厢客流 密度 监控系统 ,包括车载摄像装置、第一 服务器 、显示装置和或语音播放装置,所述第一服务器与显示装置和或语音播放装置连接,还包括车载嵌入式终端,所述车载摄像装置通过视频线与所述车载嵌入式终端连接,所述车载嵌入式终端之间通过其内部的wifi无线模 块 实现相互之间的通信,所述车载嵌入式终端利用其内部的4G无线模块和第一服务器通信;本发明提高了车厢客流人数的精确度,为乘客提供实时车厢指引,引导乘客向客流较小的车厢疏散,提升了地铁交通的安全性,同时为乘客提供出行时间、出行线路选择的依据,进而在一定程度上缓和了地铁客流拥挤状况。,下面是一种基于图像识别的地铁车厢客流密度监控系统及方法专利的具体信息内容。
1.一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,包括以下步骤:
步骤1,训练深度神经网络net1模型和深度神经网络net2模型;
步骤2,通过所述步骤1训练好的深度神经网络net1和net2对待检测图像进行乘客计数,得到车厢实时客流数,具体步骤如下:
步骤21,通过地铁车厢顶部的摄像装置获取实时视频流,选取所述实时视频流中每隔
12~250帧的图像作为待检测图像,输入嵌入式终端;相邻两个摄像装置的拍摄区域会有重叠,所述待检测图像由重叠区域和非重叠区域组成;
步骤22,对所述待检测图像的非重叠区域直接进行乘客计数,得到非重叠区域的乘客数量;具体为:对所述待检测图像进行归一化处理,将归一化处理后的待检测图像输入所述训练好的深度神经网络net1中,生成每个乘客唯一ID,进而根据ID数量得到各车厢的乘客数量,所述乘客唯一ID包括每个乘客所在的车厢编号、所属的摄像装置编号、所在图像的位置和所占图像区域大小;
对位于重叠区域的每个乘客通过训练好的深度神经网络net2提取特征向量,计算同一时刻同一个重叠区域所属的两个待检测图像的每个特征向量之间的欧氏距离,若欧氏距离小于阈值则判断乘客是同一人,否则为不同的人,从而得到重叠区域内乘客数量,其中阈值∈(0,1);
所述车厢实时客流数为非重叠区域的乘客数量和重叠区域内乘客数量的加和;
步骤3,车载嵌入式终端将检测出的乘客数量通过4G无线模块上传第一服务器;
步骤4,第一服务器对数据处理,得到车厢的实时拥挤度状态,并在下一站的地铁显示屏上显示和/或语音播放。
2.根据权利要求1所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,所述训练深度神经网络net1模型,具体为:
步骤11,训练深度神经网络net1模型
步骤111,采集不同场景下地铁车厢内的图像,形成深度学习样本集;
步骤112,对所述步骤111的深度学习样本集中的图像进行归一化处理;
步骤113,对所述样本集中的图像标注所有乘客所在的区域;
步骤114,使用所述步骤113经过标注的样本集对深度神经网络模型进行训练,得到训练好的深度神经网络net1。
3.根据权利要求2所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,训练深度神经网络net2模型,具体为:
步骤12,训练深度神经网络net2模型
其训练过程如下:
步骤121,对所述步骤113获得的乘客区域进行进一步标注,分别取同一时刻两个相邻摄像装置拍摄的图像重叠部分的乘客,将位于两个图像重叠区域的同一个乘客标注为同一人,获得深度神经网络net2的训练样本集,
步骤122,对训练样本集进行归一化处理;
步骤123,将训练样本集中同一个乘客在两个不同摄像装置中的图像输入孪生网络中进行训练,获得训练好的深度神经网络net2。
4.根据权利要求1所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,当乘客同时位于非重叠区域和重叠区域,若位于非重叠区域的面积比例≥40%~60%,则该乘客属于非重叠区域,若位于非重叠区域的面积比例<40%~60%,则该乘客属于重叠区域。
5.根据权利要求1~4任一项所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,所述步骤4中得到车厢的实时拥挤度状态,具体方法为:根据实时客流数计算每车厢内单位面积站立人数d:d=(t-t0)/s,其中t为系统检测出的某节车厢内的乘客数,t0为车厢内座位数,s为车厢内面积扣除坐席区及相关设施后的面积,单位m2;进而根据d的大小判断拥挤程度。
6.根据权利要求5所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,所述根据d的大小判断拥挤程度具体为:
若d<3,则车厢内乘客密度较小,处于舒适状态;若3
7.根据权利要求6所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,还包括步骤5,所述第一服务器将步骤2和步骤4中得到的所述车厢实时客流数和所述实时拥挤度状态存入数据库,形成地铁历史客流数据。
8.根据权利要求7所述的一种基于图像识别的地铁车厢客流密度监控方法,其特征在于,还包括步骤6,通过第二服务器为智能终端软件提供查询服务,具体流程如下:
步骤61,所述第二服务器从所述数据库中读取所述历史客流数据,以线路为单位,以日期为维度,通过聚类算法对每一天的客流密度进行分类,获得某一日期某一时间段内某一线路客流密度的历史客流数据;
步骤62,所述第二服务器接受智能终端软件(APP)发送的查询请求,查询出给定条件下的历史客流情况,并将结果以图表方式在智能终端软件显示。
9.一种基于图像识别的地铁车厢客流密度监控系统,包括车载摄像装置、第一服务器、显示装置和/或语音播放装置,所述第一服务器与显示装置和/或语音播放装置连接,其特征在于,还包括车载嵌入式终端,所述车载摄像装置通过视频线与所述车载嵌入式终端连接,所述车载嵌入式终端之间通过其内部的wifi无线模块实现相互之间的通信,所述车载嵌入式终端利用其内部的4G无线模块和第一服务器通信;
所述车载嵌入式终端内部置有经过训练的深度神经网络net1模型和深度神经网络net2模型;
所述车载嵌入式终端通过训练好的深度神经网络net1和net2对待检测图像进行乘客计数,得到车厢实时客流数,具体步骤如下:
通过地铁车厢顶部的摄像装置获取实时视频流,选取所述实时视频流中每隔12~250帧的图像作为待检测图像,输入嵌入式终端;相邻两个摄像装置的拍摄区域会有重叠,所述待检测图像由重叠区域和非重叠区域组成;
对所述待检测图像的非重叠区域直接进行乘客计数,得到非重叠区域的乘客数量;具体为:对所述待检测图像进行归一化处理,将归一化处理后的待检测图像输入所述训练好的深度神经网络net1中,生成每个乘客唯一ID,进而根据ID数量得到各车厢的乘客数量,所述乘客唯一ID包括每个乘客所在的车厢编号、所属的摄像装置编号、所在图像的位置和所占图像区域大小;
对位于重叠区域的每个乘客通过训练好的深度神经网络net2提取特征向量,计算同一时刻同一个重叠区域所属的两个待检测图像的每个特征向量之间的欧氏距离,若欧氏距离小于阈值则判断乘客是同一人,否则为不同的人,从而得到重叠区域内乘客数量,其中阈值∈(0,1);
所述车厢实时客流数为非重叠区域的乘客数量和重叠区域内乘客数量的加和;
车载嵌入式终端将检测出的乘客数量通过4G无线模块上传第一服务器;
第一服务器对数据处理,得到车厢的实时拥挤度状态,并在下一站的地铁显示屏上显示和/或语音播放。
10.根据权利要求9所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,还包括数据库、第二服务器和智能终端软件,所述数据库与所述第一服务器和第二服务器连接,所述第二服务器向智能终端软件发送数据。
11.根据权利要求9所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,深度神经网络net1模型的训练过程如下:
通过车载摄像装置采集不同场景下地铁车厢内的图像,形成深度学习样本集;
对深度学习样本集中的图像进行归一化处理;
对所述样本集中的图像标注所有乘客所在的区域;
使用经过标注的样本集对深度神经网络模型进行训练,得到训练好的深度神经网络net1。
12.根据权利要求11所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,深度神经网络net2模型的训练过程如下:
对经过标注的乘客所在的区域进行进一步标注,分别取同一时刻两个相邻摄像装置拍摄的图像重叠部分的乘客,将位于两个图像重叠区域的同一个乘客标注为同一人,获得深度神经网络net2的训练样本集,
对训练样本集进行归一化处理;
将训练样本集中同一个乘客在两个不同摄像装置中的图像输入孪生网络中进行训练,获得训练好的深度神经网络net2。
13.根据权利要求9所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,在计算重叠区域内乘客数量时,
当乘客同时位于非重叠区域和重叠区域,若位于非重叠区域的面积比例≥40%~
60%,则该乘客属于非重叠区域,若位于非重叠区域的面积比例<40%~60%,则该乘客属于重叠区域。
14.根据权利要求9-13任一项所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,所述第一服务器对数据处理,得到车厢的实时拥挤度状态,具体方法为:根据实时客流数计算每车厢内单位面积站立人数d:d=(t-t0)/s,其中t为系统检测出的某节车厢内的乘客数,t0为车厢内座位数,s为车厢内面积扣除坐席区及相关设施后的面积,单
2
位m;进而根据d的大小判断拥挤程度。
15.根据权利要求14所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,所述根据d的大小判断拥挤程度具体为:
若d<3,则车厢内乘客密度较小,处于舒适状态;若3
16.根据权利要求15所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,所述第一服务器将得到的所述车厢实时客流数和所述实时拥挤度状态存入数据库,形成地铁历史客流数据。
17.根据权利要求16所述的一种基于图像识别的地铁车厢客流密度监控系统,其特征在于,通过第二服务器为智能终端软件提供查询服务,具体流程如下:
所述第二服务器从所述数据库中读取所述历史客流数据,以线路为单位,以日期为维度,通过聚类算法对每一天的客流密度进行分类,获得某一日期某一时间段内某一线路客流密度的历史客流数据;
所述第二服务器接受智能终端软件(APP)发送的查询请求,查询出给定条件下的历史客流情况,并将结果以图表方式在智能终端软件显示。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
鑫晶复合材料的制造工艺以及鑫晶复合材料 | 2020-05-11 | 417 |
机械发电/电力发电系统 | 2020-05-11 | 609 |
电池的电解液的回收方法及其回收系统 | 2020-05-12 | 971 |
一种基于空气弹簧的高压微动调节阀 | 2020-05-13 | 291 |
基于OpenSees与MATLAB的逐步增量动力分析与数据处理方法 | 2020-05-08 | 681 |
一种梯级水电站优化调度系统、方法及安全电网系统 | 2020-05-11 | 714 |
可控多态箝位结构及组合装置 | 2020-05-08 | 939 |
胶结矿柱支护下金属矿采空区覆岩失稳突变判别方法 | 2020-05-08 | 898 |
一种大埋深隧道突涌隐患程度三层次循环递进量化方法 | 2020-05-12 | 817 |
一种集装箱船坠箱预警系统及方法 | 2020-05-13 | 515 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。