[发明专利]一种基于TOF的列车客流计数方法及系统

权利要求书

1.一种基于TOF的列车客流计数方法，其特征在于，包括如下步骤：S1.使用TOF相机采集通过车门的行人的深度图像，对所述深度图像进行预处理；S2.以TVhead数据集为基础，构建训练评估数据集；S3.通过YOLOv3进行行人检测处理，对Backbone结构、Neck结构与网络参数进行轻量化处理；S4.基于所述行人检测处理的结果，通过行人跟踪处理获取行人的移动轨迹；S5.通过分析所述移动轨迹，获取行人轨迹的方向，实时统计累计进出车门的人数。

2.根据权利要求1所述一种基于TOF的列车客流计数方法，其特征在于，在步骤S1中，将所述TOF相机吸顶安装在列车车门处，用于拍摄行人进出车门的俯视图。

3.根据权利要求1所述一种基于TOF的列车客流计数方法，其特征在于，步骤S1中所述“预处理”包括如下步骤：基于阈值分割对所述深度图像进行背景去除；通过形态学的腐蚀与膨胀技术将所述深度图像的斑点去除。

4.根据权利要求1或3所述一种基于TOF的列车客流计数方法，其特征在于，步骤S2包括：所述TVhead数据集包含每个行人头部的二值掩码标签，将掩码标签转化为边界框标签；删除所述TVhead数据集中没有行人的图像，保留有行人的图像；按照图像连续性将所述TVhead数据集分成16个图像序列。

5.根据权利要求1所述一种基于TOF的列车客流计数方法，其特征在于，所述YOLOv3包括：

Backbone结构，用于提取图像的特征，输出包含不同尺寸的特征图集合；

Neck结构，用于从所述特征图集合中抽取3个不同尺寸的特征图并进行特征融合，使每一个尺寸的特征图都包含图像的语义特征，使其具备检测多尺度目标的能力；

Head结构，用于对融合后的所述特征图进行1×1卷积，生成了3个张量，分别用于完成前景背景的分类、目标的分类以及边界框的回归。

6.根据权利要求5所述一种基于TOF的列车客流计数方法，其特征在于，所述YOLOv3还包括：使用NMS算法将冗余的边界框去掉，将保留下来的边界框作为最终的目标预测框。

7.根据权利要求1、5、6中任意一项的所述一种基于TOF的列车客流计数方法，其特征在于，步骤S3中所述“轻量化处理”包括：选用轻量级网络Mobilenetv2、Shufflenetv2或Ghostnet替换所述Backbone结构的Darknet53网络；选用轻量级特征融合网络SimpleFPN或SimpleFPN-2H替换所述Neck结构的FPN特征融合网络；采用Half量化或Int8量化对所述网络参数从单精度参数转化为位数更小的参数。

8.一种基于TOF的列车客流计数系统，其特征在于，包括：

图像采集模块，使用TOF相机采集通过车门的行人的深度图像；

图像优化模块，对所述深度图像进行预处理；

行人检测模块，以TVhead数据集为基础，构建训练评估数据集，通过YOLOv3进行行人检测处理，对Backbone结构、Neck结构与网络参数进行轻量化处理；

行人跟踪模块，基于所述行人检测模块，通过行人跟踪处理获取行人的移动轨迹；

判别计数模块，通过分析移动轨迹，获取行人轨迹的方向，实时统计累计进出车门的人数。

9.根据权利要求8所述一种基于TOF的列车客流计数系统，其特征在于，所述图像优化模块、行人检测模块、行人跟踪模块、判别计数模块集成在列车车门控制器内。