[发明专利]基于自适应阈值的智能乘客流量自动统计方法

权利要求书

1.一种基于自适应阈值的智能乘客流量自动统计方法，其特征在于，该方法包括以下步骤：

步骤1，通过监控设备实时采集一检测区域的视频序列，并对采集得到的视频序列提取前景运动目标；

步骤2，根据实际应用场景和摄像头到检测区域的距离，设置乘客流量检测框的位置和大小；

步骤3，基于视频信息和所述乘客流量检测框，通过非监督学习产生自适应阈值；

步骤4，采用基于几何学原理的方法对于所述乘客流量检测框进行乘客上车或下车行为的判定；

步骤5，根据所述步骤4的判定结果和所述自适应阈值，对于客流量进行判定与统计。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中，利用背景差分法结合形态学处理对采集得到的视频序列提取前景运动目标。

3.根据权利要求1所述的方法，其特征在于，所述步骤2中，所述乘客流量检测框的位置设定在乘客进出的必经区域且所述乘客流量检测框的长度大于乘客进出区域的宽度。

4.根据权利要求1所述的方法，其特征在于，所述步骤2中，所述乘客流量检测框的长和宽满足以下约束条件：

i.检测框的宽度W满足：2W_h≤W≤3W_h；

ii.检测框的长度L满足：L≥BC；

其中，W_h为视频帧图像中圆型人头直径的估值，BC为检测区域的宽度。

5.根据权利要求1所述的方法，其特征在于，所述步骤3进一步包括以下步骤：

步骤31，统计前N帧图像中有乘客进入所述乘客流量检测框时产生的非零前景像素值，得到m个前景像素值，其中，m<N；

步骤32，采用聚类算法将前景像素值分为K类，取K类聚类中心值的均值作为所述自适应阈值。

6.根据权利要求1所述的方法，其特征在于，所述步骤4进一步包括以下步骤：

步骤41，将所述乘客流量检测框分成多个子区域；

步骤42，计算所述子区域中乘客产生的前景目标像素面积；

步骤43，根据同一子区域中乘客产生的前景目标像素面积的变化来判断所述乘客流量检测框中乘客的上车或下车行为。

7.根据权利要求6所述的方法，其特征在于，所述步骤43中，根据位于所述乘客流量检测框上端部和下端部的两个子区域中，乘客产生的前景目标像素面积的变化来判断乘客的上车或下车行为。

8.根据权利要求1所述的方法，其特征在于，所述步骤5进一步包括以下步骤：

步骤51，将参数的取值初始化为0，所述参数至少包括：参数flag＝false，参数up＝true，乘客流量检测框中前景的最小像素值low_pixel，乘客流量检测框中前景的最大像素值high_pixel，视频当前帧检测框中的前景像素值current_Fgpixel和视频前一帧检测框中的前景像素值last_pixel；

步骤52，判断当前图像帧是否为视频序列的第一帧，若是，则令low_pixel＝high_pixel＝current_Fgpixel；

否则，如果current_Fgpixel-last_Fgpixel>＝0，则令up＝true；如果current_Fgpixel-low_pixel>Thresh，flag＝false，up＝true三个条件均满足，其中，Thresh表示经验阈值，此时判断乘客进入乘客流量检测框，令flag＝true，同时计算前景目标进入乘客流量检测框上部子区域和下部子区域中的前景像素面积；当flag＝true时，更新high_pixel的值，使其取high_pixel、current_Fgpixel二者中的最大值；如果high_pixel-current_Fgpixel>Thresh，flag＝true两个条件同时满足，此时判断乘客走出乘客流量检测框，则令flag＝false，up＝false，再次计算前景目标进入乘客流量检测框上部子区域和下部子区域中的前景像素面积，然后根据得到的前景像素面积结合所述步骤4的判定结果，判定该前景经过乘客流量检测框时是属于上车事件还是下车事件；

步骤53，比较high_pixel与所述步骤3得到的自适应阈值，如果high_pixel值较大，则对上述判定出的上车事件或者下车事件的流量计数值加2；否则，其流量计数值加1，即统计得到客流量。