[发明专利]一种公交车客流量实时统计方法

摘要

本发明涉及一种公交车客流量实时统计方法。目的是提供一种对视频图像中的人头进行检测与跟踪的方法。所述方法的视频数据是利用摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，统计方法包括以下步骤：特征提取；模型训练；头部检测；头部跟踪；本发明相对于现有技术的进步在于：本发明检测方法具有实时性，且能够高效精确地检测出客流量。

主权项

1.一种公交车客流量实时统计方法，其特征在于，所述方法的视频数据是利用摄像头从公交车前门、后门的顶部区域所拍摄的客流视频数据，统计方法包括以下步骤：步骤1：模型训练：步骤1.1：将摄像头采集的真实图像视频帧转化为BGRA格式；在所述视频帧中，标定乘客的头部位置并将其视为训练检测模型的正样本训练图像集，将所述视频帧中不含乘客头部的区域视为训练检测模型的负样本训练图像集；将所述的正样本训练图像集和所述的负样本训练图像集进行图像尺度归一化处理，形成相同大小的训练输入图像；步骤1.2：对图像提取特征：计算LUV特征的梯度幅值特征和相关的方向值；根据相关的梯度方向值，对所述的梯度幅值特征进行量化，提取其直方图特征；随后，将LUV特征，梯度幅值特征和直方图特征进行串联，形成最终的图像特征；步骤1.3：构建特征金字塔：根据设定特征金字塔层数，计算每层金字塔的特征缩放比例系数；随后，用特征缩放比例系数乘以图像特征，形成特征金字塔；步骤1.4：构建训练模型：将已经生成的特征金字塔送入决策树算法中进行训练，直到训练的准确度到达要求，结束迭代训练；步骤2：头部检测：步骤2.1：利用摄像头获取待检测的视频帧；步骤2.2：计算待检测视频帧的LUV特征，LUV特征的梯度幅值特征和相关的方向值；根据相关的梯度方向值，对所述的梯度幅值特征进行量化，提取其直方图特征；随后，将LUV特征，梯度幅值特征和直方图特征进行串联，形成最终的图像特征；步骤2.3：根据设定特征金字塔层数，计算每层金字塔的特征缩放比例系数；随后，用特征缩放比例系数乘以图像特征，形成特征金字塔；步骤2.4：将步骤2.3得到待检测视频帧的特征金字塔输入到步骤1.4已训练好的决策树分类器中，用已设定的检测窗口大小和检测移动步长乘以每层金字塔的特征缩放比例系数，得到扫描每层金字塔的检测窗口大小和检测移动步长；用对应的检测窗口和移动步长在对应的金字塔层上进行扫描；根据决策树在每层金字塔上的判别结果和窗口得分判别这些窗口是乘客的头部还是非头部区域，并将认定是头部的窗口按照特征缩放比例系数缩放到原始大小，去除重合的窗口；最后在结果文件中记录下乘客的头部位置；步骤3：跟踪头部：用相关的核滤波器方法对所述的检测窗口进行跟踪，并形成轨迹，若所述轨迹已越过指定的界限，说明该乘客已经完成上车或者下车的动作；步骤4：客流量计数：如果乘客已经完成上车或者下车的动作，算法会对客流量进行增加1的数据更新，否则，客流量会保持不变。