[发明专利]基于3D雷达扫描的车厢拥挤度检测方法及装置、系统

权利要求书

1.一种基于3D雷达扫描的车厢拥挤度检测方法，其特征在于，包括：

在接收到由列车控制和管理系统TCMS发送的列车位置和车门开启状态后，若判断列车处于正线运行且车门处于开启状态，则向3D雷达发送开启提示，以使得3D雷达开始扫描在当前车站经过目标车厢的车门上下车的乘客得到点云数据；

对列车的任一目标车厢，获取通过3D雷达扫描得到的乘客在当前车站经过所述目标车厢的车门上下车的点云数据，并通过二维寻峰从所述点云数据中截取包含了由扫描点形成的峰顶且平行于所述目标车厢车门的二维平面，将截取的二维平面上的扫描点的集合作为二维特征数据；

通过预先训练的识别模型从二维特征数据中标记出对乘客进行扫描形成的扫描点，作为目标二维特征数据，追踪每一目标二维特征数据，得到目标二维特征数据对应的乘客的行走方向；其中，在一帧二维特征数据中标记出的每一目标二维特征数据均对应一位乘客；

根据各乘客的行走方向统计在所述当前车站进入所述目标车厢的第一乘客数量和走出所述目标车厢的第二乘客数量，获取列车驶离上一车站时所述目标车厢内的已有乘客数量，根据所述第一乘客数量、所述第二乘客数量和所述已有乘客数量计算列车驶离所述当前车站时所述目标车厢内的目标乘客数量，发送所述目标乘客数量，以在下一车站显示所述目标乘客数量；

其中，所述识别模型用于从二维特征数据中标记出符合人形特征的数据，作为对乘客进行扫描形成的目标二维特征数据；二维特征数据指的是从点云数据中截取的包括扫描点且平行于所述目标车厢车门的二维平面上的扫描点的集合；

所述识别模型的训练包括：

获取预先对上下车的乘客进行扫描得到的点云数据，通过二维寻峰由获取的点云数据得到的二维特征数据，并在每一二维特征数据中将对乘客进行扫描形成的数据进行标记，将进行标记之前的二维特征数据作为深度学习的输入参数，将进行标记之后的二维特征数据作为深度学习的期望输出，将通过深度学习训练出的模型作为所述识别模型。

2.根据权利要求1所述的基于3D雷达扫描的车厢拥挤度检测方法，其特征在于，所述追踪每一目标二维特征数据，得到目标二维特征数据对应的乘客的行走方向，包括：

对每一目标二维特征数据，获取所述目标二维特征数据在上一次扫描或者下一次扫描得到的点云数据中的第一所在位置，并获取所述目标二维特征数据本次扫描得到的点云数据中的第二所在位置，根据所述第一所在位置和所述第二所在位置确定所述目标二维特征数据对应的乘客的行走方向。

3.根据权利要求1所述的基于3D雷达扫描的车厢拥挤度检测方法，其特征在于，所述发送所述目标乘客数量，以在下一车站显示所述目标乘客数量，包括：

获取预先设定的车厢拥挤程度与车厢内的乘客数量之间的映射关系，根据所述映射关系和所述目标乘客数量确定列车驶离所述当前车站时所述目标车厢的拥挤程度，作为目标拥挤程度，将所述目标乘客数量和所述目标拥挤程度发送到乘客信息系统PIS，以通过下一车站的显示设备显示所述目标乘客数量和所述目标拥挤程度；

其中，通过预先设定的与所述目标拥挤程度对应的颜色表示所述目标拥挤程度。

4.根据权利要求3所述的基于3D雷达扫描的车厢拥挤度检测方法，其特征在于，所述映射关系包括：

当车厢内的乘客数量小于第一预设数量时，车厢拥挤程度为车厢内有座位；

当车厢内的乘客数量大于或等于所述第一预设数量且小于第二预设数量时，车厢拥挤程度为车厢内无座位但宽松；

当车厢内的乘客数量大于或等于所述第二预设数量且小于第三预设数量时，车厢拥挤程度为车厢内比较拥挤；

当车厢内的乘客数量大于或等于所述第三预设数量时，车厢拥挤程度为车厢内非常拥挤；

其中，所述第一预设数量等于车厢内配置的座位数量。

5.根据权利要求1所述的基于3D雷达扫描的车厢拥挤度检测方法，其特征在于，还包括：

在接收到由列车控制和管理系统TCMS发送的列车位置和车门开启状态后，若判断列车位于终点站或者车门未开启，则不向3D雷达发送所述开启提示。