一种结合电子围栏的多目标公交客流检测方法
【技术领域】
[0001] 本发明涉及公交车辆的客流检测分析和处理技术领域，尤其涉及一种结合电子围 栏的多目标公交客流检测方法。
【背景技术】
[0002] 随着城市化进程的加快，城市交通拥堵问题成为制约社会经济发展的要素之一， "公交优先"被公认为能够有效缓解交通拥堵问题的根本手段。但是，随着常规公交出行比 例的增加，公交客流激增，对公交的运营调度管理提出了更高的要求，同时严重影响了乘客 的出行服务体验。为了及时了解运营线路上实时的客流分布情况以及车厢内的拥挤程度， 客流检测技术在公交车上或公交站台上得到了广泛的应用，通过对实时客流的采集检测， 为企业的智能调度提供基础数据依据，合理调配各条线路上的公交资源，提高乘客的出行 服务水平。同时，通过对客流数据信息的深入挖掘分析，为公交企业的线路规划提供数据支 撑。因此，建立公交客流统计分析系统是必然的发展趋势。
[0003] 公交客流的检测主要有红外检测技术、压力传感器检测技术、视频检测技术以及 闸道机计数统计等手段。红外检测技术和压力传感技术往往由于客流拥挤导致检测的精确 度大大降低，且容易出现故障，维护成本较高；闸道机计数统计的检测精度较高，但成本太 大，且无法获取各条线路的客流分布情况和车厢内的拥挤程度，视频检测技术相比较而言， 兼具精度高和成本低等特点。但在实际的视频客流检测的过程中，存在以下一些问题：
[0004] (1)视频检测容易受视频场景的干扰，特别是车厢内光照度的影响，导致视频识别 的准确率降低；
[0005] (2)检测区域存在时空上的盲点，导致客流数据缺失；实际的应用中，摄像头安装 通常为高2. 5米至3. 5米的位置，因而通常安装在车门的正上方靠前的位置，垂直检测区域 距离车门线有20-40厘米的空间，但在早晚高峰时或车辆到站时，客流提前进入该区域，无 法进行检测导致数据缺失，影响精度；
[0006] (3)检测模式仍然为单目标追踪，在客流拥挤时精度大大降低；传统的视频检测 为单目标的识别检测，通过检测车门区域附近较窄的通道，避免客流同时通过检测区域引 起的计数遗漏，但目前的公交环境，无法真正满足单一客流在检测区域的独立通行；
[0007] (4)视频检测的开始和结束往往依托于其他信号量的触发；专利CN 102622798A 通过引入车门开关信号量辅助视频检测，避免了数据重复计数的情形，但由于国内早晚高 峰时，站台经常形成公交队伍，导致频繁的开关门上下客，从而导致数据计数混乱，同时还 对传输带来较大的压力；
[0008] 传统的视频检测只负责客流检测，未考虑车辆、客流和站台之间的有机联系，因而 获得的数据缺少重要的站点标示，对后期的数据分析应用带来一定的困难。
【发明内容】
[0009] 本发明为克服上述的不足之处，目的在于提供一种结合电子围栏的多目标公交客 流检测方法，包含基于相似度的多目标视频客流检测和结合电子围栏的客流检测，解决实 际工程应用过程中由于单目标检测和检测区域时空盲点等引起的计数遗漏、频繁开关门引 起的传输重复以及站点标示缺失等问题，同时能够针对当前的客流检测环境，提高检测精 度，具有可靠、实用、易实现等特点。
[0010] 本发明是通过以下技术方案达到上述目的：一种结合电子围栏的多目标公交客流 检测方法，包括如下步骤：
[0011] (1)采集车辆实时位置信息；
[0012] (2)根据位置信息判断车辆的电子围栏区域状态是否发生变化；若是，状态分进 入和离开两种状态，若为进入电子围栏区域则执行下一步，若为离开电子围栏则执行步骤 (6);若否，重新执行步骤（1);
[0013] (3)判断视频检测单元是否已启动，若已启动，执行下一步；若没有启动，启动视 频检测单元后执行下一步；
[0014] (4)对检测区域进行视频检测，监控开关门检测信号量，若检测到开信号则执行下 一步；
[0015] (5)视频检测单元进行上下客的检测及计数，结束检测计数后返回执行步骤（2);
[0016] (6)关闭视频检测单元，并对客流数据汇总统计后上传数据。
[0017] 作为优选，所述步骤（2)判断车辆的电子围栏区域状态是否发生变化是通过实时 位置信息与运动轨迹判断车辆是否为运营载客车辆，具体方法如下：
[0018] i)加载车辆在运营路线上行进的各个站点基础空间位置信息，并根据实际的道路 位置情况编辑电子围栏区域Ai,以及车辆经过围栏的默认连续路径Ii (k，β);其中k代表拟 合直线的斜率，β代表直线的方向；
[0019] ii)通过车辆运营路线的配置切换，系统自动对运营路线的电子围栏进行匹配； 通过实时采集车辆位置信息，判断车辆是否进入电子围栏区域；
[0020] iii)当t时刻，实时位置表明车辆在第i个电子围栏内，获取当前时刻之前At的 车辆实时位置的连续数据，构成At内车辆的连续轨迹路线；
[0021] iv)拟合At内车辆的连续轨迹为直线，获取直线的斜率k和轨迹的运动方向β ;
[0022] ν)将获取的斜率k和方向β与配置的Ii (k，β)进行对比，当对比结果在设置的 偏差范围内时，默认车辆对电子围栏进行了有效的切割，状态变化；否则状态不发生变化。
[0023] 作为优选，所述步骤（5)的视频检测为基于相似度的多目标视频客流检测方法， 具体步骤如下：
[0024] 1)加载初始化配置参数，检测区域横向大小W和纵向大小Η，检测目标大小下限 Smin;
[0025] 2)通过对连续的若干帧的视频图像进行灰度分析，与内置的场景进行灰度比较， 选择最接近的场景；根据场景，设置背景图像中各区域的平均灰度值；
[0026] 3)通过图像差分法进行运动目标的检测；
[0027] 4)对通过差分法获取的运动变化区域进行扫描，记录运动变化区域的平均灰度 值，根据灰度值的存在上下浮动值进行计算，在差分图像中恢复和提取运动物体；
[0028] 5)提取运动物体的面积和运动物体的边缘轮廓特征，并将提取的特征与相邻两帧 图像进行相与运算获得运动检测目标的质心；
[0029] 6)提取运动检测目标，建立多目标识别模型，对每个运动目标进行标示；并计算 判断目标相似度；
[0030] 7)对检测区域内的检测目标进行运动轨迹的检测，将连贯的运动轨迹进行检测区 域的切割计算，判断是否为有效的客流数据，若是，进行计数；若不是，跳转执行步骤3)。
[0031] 作为优选，所述步骤3)通过图像差分法进行运动目标的检测的方法如下