[发明专利]一种基于视频行人识别的地铁人流网络融合方法及人流预测方法

说明书

本发明公开了一种基于视频行人识别的地铁人流网络融合方法及人流预测方法，利用地铁站的视频数据对地铁站出入人流的具体方向进行统计分析，地铁网络和地面交通网络的融合将使人群的移动在一个庞大的网络中进行，每个地铁站都将成为这个网络中的一个节点，每条地铁路线和地上马路交通线都将成为这个网络的边。利用图神经网络来推演整个交通网络的人流变化，以此分析、预测每个站点、人流数量以及人流的去向。实现各地铁站出入口更深入的人流分析，不仅便于各个站点以及出入口的资源调度，且能够及时预判地上、地下人流的相互影响，以便于及时对地上或地下进行交通预警，规避交通堵塞，提前部署站点安保措施等。

技术领域

本发明属于智慧城市技术领域，具体涉及一种基于视频行人识别的地铁人流网络融合方法及人流预测方法。

背景技术

视频监控的应用在数字安全防范领域得到越来越多的应用，通过视频进行人数统计也日益重要，例如在车站、旅游景点、展区、商业街等地点，利用人流统计的数据，可以有效的进行人员调动，资源配置以及提供更好的安全保障。

现有地铁人流预测一般是基于每个站点的进出口刷卡数据进行的，所获取的结果也只能获得该站点进出的人流预测情况。一般通过分析地铁站的历史刷卡数据以及路网地图，构建地铁站点乘客流量预测模型，预测站点未来的客流量变化，例如预测未来一天00时至24时以10分钟为单位各时段各站点的进站和出站人次。另外的人流统计方案主要是通过红外、摄像头、通信数据等，对地铁车厢人流密度进行实时监。比如，通过图像的方法一般是利用通过不同人群密度对摄像头采集图像光源的遮蔽程度不同，得到不同密度情况下的人群分布图像，对此进行图像分析处理并进行前后比对，最后综合得出地铁车厢人流密度的情况。

但是现有的方案均存在以下问题：每个站点一般都存在很多的出入口，每个出入口的通向也存在多种情况，目前的方案无法对地铁站出入人流进行细分方向的分析，这样就造成地上、地下交通网络无法进行深度融合，因此存在无法合理分配站点各个出入口资源的情况；同时也无法得到出入站点人流对地上交通的影响。

发明内容

本发明的目的在于提供一种基于视频行人识别的地铁人流网络融合方法及人流预测方法，连通地上、地下交通路线和地铁路线，细化各站点人流量及人流的出站或进站方向，提升交通预测准确性。

为实现上述目的，本发明所采取的技术方案为：

一种基于视频行人识别的地铁人流网络融合方法，用于实现地铁与地面人流的融合统计以辅助交通预警，所述基于视频行人识别的地铁人流网络融合方法，包括：

步骤1、接收地铁站各个出入口的监控图像，所述监控图像由设置在各个出入口的图像采集设备获取；

步骤2、提取监控图像中的行人目标坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出站状态、行人出站或进站方向；

步骤3、基于同一图像采集设备的监控图像，根据行人目标坐标框信息以及行人目标特征信息进行相似度计算，得到针对同一行人的行人轨迹；

步骤4、基于不同图像采集设备对应的行人轨迹进行行人目标特征信息的相似度匹配，将匹配成功的行人轨迹进行联合，更新对应行人的行人轨迹；

步骤5、获取指定区域内的地铁路线、地铁站点、各个站点的出入口，以及各个出入口所对应的地上的交通路线，融合构建指定区域内的地铁交通网络图；

步骤6、根据预设时间段内最新的行人轨迹，统计各个站点的总进、出站人流量，以及各站点中各个出入口对应的交通路线上的进、出站人流量；

步骤7、在所述地铁交通网络图的基础上叠加地铁站各个站点的总进、出站人流量以及各站点中各个出入口对应的交通路线上的进、出站人流量，得到地铁、地面人流融合的人流移动网络图。