[发明专利]融合轨迹和尺度的公交下车客流检测方法、系统及设备

说明书

本发明公开了一种融合轨迹和尺度的公交下车客流检测方法、系统及设备，属于智能交通技术领域。本发明的方法包括：车辆到站，处理终端接收到开门信号后，接收鱼眼镜头获取的乘客下车视频帧，检测提取该站下车乘客头部轨迹数据和头部像素尺度变化数据；处理终端实时获取与下车乘客数相关的二进制数字信号；处理终端接收到关门信号后，将检测到的下车乘客头部轨迹数据、像素尺度变化数据，以及与下车乘客数相关的二进制数字信号输入训练好的机器学习分类模型，输出预测的该站点下车乘客数并发送到公交云平台。本发明检测出的公交下车客流结果具有高可靠性和准确性。

技术领域

本发明属于道路交通仿真技术领域，具体涉及一种融合轨迹和尺度的公交下车客流检测方法、系统及设备。

背景技术

随着相关技术的发展，公交车越来越多地配置各种传感器来检测公交客流。但单一的传感器往往具备一定的弊端，难以达到检测要求。多传感器融合系统是指对来自多个传感器的数据进行处理与综合,从而获得更精确、更可靠的有用信息与结果。与只采用单一传感器的系统相比，来自多个传感器的信息具有更好的容错性能和可靠性。因此如何用多个传感器优势互补来增加检测的准确性和可靠性成为公交客流检测领域的一个重要问题。

传统的公交客流检测方法常用重力、红外和压力踏板等传感器检测上下车乘客信息。红外传感器在乘客同时通过时容易漏检，重力传感器精度太低，压力传感器在同时上下车人数较多时难以检测，且易损坏，而若采用蓝牙检测器和WiFi探针检测，则检测不到蓝牙或WiFi关闭的乘客。目前使用较多的是采用摄像头进行检测，但会受到画面质量和遮挡的影响导致检测精度不高。

发明内容

本发明目的是提供一种融合轨迹和尺度的公交下车客流检测方法、系统及设备，检测出的公交下车客流结果具有高可靠性和准确性。

具体地说，一方面，本发明提供了一种融合轨迹和尺度的公交下车客流检测方法，包括：

车辆到达公交站点，处理终端接收到开门信号后，接收安装在下车门附近的鱼眼镜头获取的乘客下车视频帧，处理终端通过目标检测算法和跟踪算法检测下车乘客头部并进行跟踪，提取该公交站点下车乘客头部轨迹数据和头部像素尺度变化数据，得到从检测开始到结束的时间段内，每个下车乘客头部检测框的位置坐标和像素尺度变化数据；

处理终端实时获取安装在下车门附近的微波雷达模块输出的与下车乘客数相关的二进制数字信号；

处理终端接收到关门信号后，将检测到的下车乘客头部轨迹数据、下车乘客头部像素尺度变化数据，以及所述与下车乘客数相关的二进制数字信号输入训练好的机器学习分类模型，进行下车客流预测，输出该公交站点下车乘客数；

处理终端将该公交站点下车乘客数发送到公交云平台。

进一步的，所述融合轨迹和尺度的公交下车客流检测方法还包括，对所述鱼眼镜头获取的乘客下车视频帧中检测到的每个乘客进行追踪，并根据下车乘客头部检测框离开鱼眼镜头视频帧画面的先后顺序重新对下车乘客头部检测框进行编号，依次编号为1、2、…、n，其中n表示所有下车乘客头部检测框个数。

进一步的，所述融合轨迹和尺度的公交下车客流检测方法还包括：

对于位于鱼眼镜头视频帧画面中的所述下车乘客头部检测框，输出每个编号对应的下车乘客头部检测框的位置坐标和像素尺度，并根据编号的大小进行排序；

所述下车乘客头部检测框的位置坐标以检测框中心点为准，分别设置为{（x₁,y₁）,…,（x_n,y_n）}，所述下车乘客头部检测框的像素尺度分别记为{（w₁,h₁）,…,（w_n,h_n）}，n表示所有下车乘客头部检测框个数，w和h分别表示检测框的宽度和高度；