[发明专利]一种基于TOF的列车客流计数方法及系统

说明书

本发明涉及一种基于TOF的列车客流计数方法及系统，包括如下步骤：使用TOF相机采集通过车门的行人的深度图像，并进行预处理；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；基于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；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。本发明采用TOF相机采集深度图像并进行优化，降低了行人检测的难度，提高了图像数据的质量，同时建立了二阶段的人流计数算法，可以对行人进行快速、准确的检测与跟踪，可以有效应对复杂的场景，具有较高的运行速度与环境适应能力。

技术领域

本发明涉及深度学习和目标检测技术领域，尤其涉及一种基于TOF的列车客流计数方法及系统。

背景技术

智能化是轨道交通未来发展与变革的新方向，作为轨道交通智能化的关键一环，列车人流计数系统可以实时获取进出列车的旅客数量，对实现列车关门自动化、精准提供广告观看人数以及管控车内旅客密度做出贡献，有助于解决轨道交通存在的运营问题。

机器视觉在过去几年中取得了飞速发展，其中基于视觉的目标检测与目标跟踪技术广泛应用于自动驾驶、机器人、监控、体育、外科手术等领域。基于视觉分析的人流计数就是由这两种技术结合完成，在第一阶段中使用目标检测技术检测画面内的行人，在第二阶段中使用目标跟踪技术获取每个行人的移动轨迹，从而统计在一定时间内通过某个区域的行人数量。

现有基于深度图像的人流计数方法面临着以下问题：检测算法的鲁棒性不强或速度慢，跟踪算法很大程度依赖于行人的位置信息，导致行人密集时跟踪准确性下降；检测与跟踪算法的环境适应能力不强，更换场景时需要重新设定参数。

发明内容

本发明所要解决的技术问题是克服现有技术中存在的不足，提供一种基于TOF的列车客流计数方法及系统，可以有效应对复杂的场景，具有较高的运行速度与环境适应能力。

本发明是通过以下技术方案予以实现：

一种基于TOF的列车客流计数方法，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。

根据上述技术方案，优选地，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。

根据上述技术方案，优选地，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。

根据上述技术方案，优选地，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。

根据上述技术方案，优选地，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。

根据上述技术方案，优选地，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。