一种基于车载监控视频的公交客流统计方法

1.本发明属于交通大数据领域，涉及一种基于车载监控视频的公交客流统计方法。


背景技术：

2.城市公共交通是城市交通的一大组成部分，它在联系城市交通、医疗、教育等关键节点以及促进城市发展等方面起到重要作用。公共交通的目的就是为城市居民提供更加快捷、便利、环保的出行方案，因此公共交通上下车客流调研在线路规划和调整中尤为重要。传统的公交沿线上下客流量调查是在目标线路上，使用人工或者在目标线路公交车上架设摄像机进行摄像和清点。这种方法人力资源需求大，需要多名调查人员才能完成，并且不能进行数据的后核查。使用架设摄像机录制视频进行清点，虽然可以多次检验核查，但是调查时使用的摄像机等设备开销大，需要额外支出。
3.随着视频识别和图像检测技术的不断进步，各种图像处理方法在交通领域中有了广泛的应用。但是单纯使用图像处理技术对交通场景下的检测并不完全适用，目前计算机视觉领域较为完善的基于机器学习的图像处理方法，训练难度大、视频处理的准备工作较多，对于训练数据集的要求高，更加细化的算法对处理运算硬件也提出了极高的要求。此外，在目标检测与计数方面，公交车内部空间狭窄，视频监控角度并不完全处于二维可展开的状态，极易出现乘客图像的重叠与漏检，因此需要在图像处理的基础上，改进原有的处理方法，使之在流程上更加简洁，处理方法更加简单，效果更加贴合实际需求。


技术实现要素：

4.为了提高公交上下客人数的计数效率，合理利用公交车已有监控设备，减少公交调查时的人工成本，本发明提供了一种基于车载监控视频的公交客流统计方法。
5.本发明为解决上述技术问题采用以下技术方案：
6.一种基于车载监控视频的公交客流统计方法，包括以下具体步骤：
7.步骤1，基于公交车前后门处的车载摄像头，获取前后门目标区域视频数据；
8.步骤2，利用隔帧提取的方法，从视频数据中提取图像，进行二值化处理后按照时间顺序排列，获得待检测图像集；
9.步骤3，在视频数据中截取一段无人通过的背景视频，利用隔帧提取的方法，从背景视频中提取图像，进行二值化处理后按照时间顺序排列，获得背景图像集，进而获得背景图片；
10.步骤4，将待检测图像集中的各待检测图像与背景图片进行差分运算，检测各待检测图像中的运动区域；
11.步骤5，获取各待检测图像的非零像素点数量，以待检测图像对应帧数为横坐标，以该待检测图像的非零像素点数量为纵坐标，绘制波形图；
12.步骤6，对波形图进行极化处理，结合各待检测图像中的运动区域，进行初次计数；
13.步骤7，基于标准单人上下车帧长，对步骤6的初次计数结果进行重叠检验；
14.步骤8，基于车载感应器的开、关门时长，对公交上下车客流进行评估检验；
15.步骤9，对步骤6的初次计数结果、步骤7的重叠检验结果以及步骤8的评估检验结果进行加权求和，获得公交上下车客流统计结果。
16.进一步地，所述步骤1中的目标区域为前后门处的禁止站立区。
17.进一步地，所述步骤3中背景图片b中(x,y)位置的像素值为其中bi(x,y)为背景图像集中第i个背景图像中(x,y)位置的像素值。
18.进一步地，所述步骤4中差分运算的具体步骤如下：
19.41)获取差分图像d：
20.d(x,y)＝|f(x,y)-b(x,y)|
21.式中，d(x,y)为差分图像d中(x,y)位置的像素值，f(x,y)为待检测图像f中(x,y)位置的像素值，b(x,y)为背景图片b中(x,y)位置的像素值；
22.42)对差分图像d进行阈值处理，得到图像r，r中像素值为0的像素点判定为背景点：
[0023][0024]
式中，r(x,y)为背景图片r中(x,y)位置的像素值，t为设定阈值；
[0025]
43)对图像r进行连通性判断，若r中非背景点的像素点能够生成连通区域，则该连通区域在待检测图像f中的对应区域即为有上下车乘客通过的运动区域，否则待检测图像f中不包含运动区域。
[0026]
进一步地，所述步骤6中进行初次计数的具体步骤如下：
[0027]
61)对波形图进行极化处理：若第j个待检测图像的非零像素点数量p(j)大于设定像素点阈值，则第j个待检测图像对应纵坐标置为1，否则第j个待检测图像对应纵坐标置为0；
[0028]
62)极化后的波形图中，若某段波峰持续超过设定帧长且对应的待检测图像中均包含运动区域，则该段波峰的计数结果为1；
[0029]
63)极化后的波形图中，各段波峰的计数结果相加，得到初始计数结果n。
[0030]
进一步地，所述步骤7中重叠检验的具体为：
[0031]
极化后的波形图中，若某段波峰持续帧长超过1.3倍的标准单人通行帧长，则将该段波峰对应的计数结果修正为进而得到重叠检验结果n1，其中ts为标准单人通行帧长，δ为该段波峰持续帧长。
[0032]
进一步地，所述步骤8中评估检验结果为：
[0033][0034]
式中，n2为评估检验结果，ta为从开门至关门的总时长，ta为开关门的平均时间损耗，t为单名乘客下车的标准时长。
[0035]
进一步地，所述步骤9中公交上下车客流统计结果为：
[0036]ns
＝λn λ1n1 λ2n2[0037]
其中，ns为公交上下车客流统计结果，λ、λ1、λ2分别为n、n1、n2的权重。
[0038]
进一步地，λ＝0.6，λ1＝0.2，λ2＝0.3。
[0039]
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0040]
1)本发明基于车载监控视频的公交客流统计方法，以公交车监控摄像头拍摄到的监控视频为数据来源，数据体量大、易于获取、成本较低，弥补了当前公交上下客客流调查的效率低下，人力物力浪费等缺陷；解决了人工调查事后核查不便的问题，也避免使用摄像机拍摄时的高昂费用；
[0041]
2)本发明方法的数据处理方法简洁快速，在传统图像处理中合理减少图片的数量，改变以往等长间距的处理方法，减少相似图形的检测，避免大规模视频处理运算，技术结果较为可靠；
[0042]
3)本发明不仅依赖于图像处理的部分手段，还根据公交车门的空间特性以及乘客上下车的单向性，对第一轮图像检测的计数进行两次行为特征的检查与修正，可以增加计数的准确性，避免图像粘连和上下车时间不均带来的计数误差；
[0043]
4)本发明基于车载监控视频的公交客流统计方法是图像处理与交通调查计数上的融合与改进，是交通调查方面的创新与应用。
附图说明
[0044]
图1是本发明的方法流程示意图。
具体实施方式
[0045]
下面结合附图以及具体实施例对本发明的技术方案做进一步的详细说明：
[0046]
在一个实施例中，如图1所示，包括以下具体步骤：
[0047]
步骤1，基于公交车前后门处的车载摄像头，获取前后门目标区域视频数据；
[0048]
步骤2，利用隔帧提取的方法，从视频数据中提取图像，进行二值化处理后按照时间顺序排列，获得待检测图像集；
[0049]
步骤3，在视频数据中截取一段无人通过的背景视频，利用隔帧提取的方法，从背景视频中提取图像，进行二值化处理后按照时间顺序排列，获得背景图像集，进而获得背景图片；
[0050]
步骤4，将待检测图像集中的各待检测图像与背景图片进行差分运算，检测各待检测图像中的运动区域；
[0051]
步骤5，获取各待检测图像的非零像素点数量，以待检测图像对应帧数为横坐标，以该待检测图像的非零像素点数量为纵坐标，绘制波形图；
[0052]
步骤6，对波形图进行极化处理，结合各待检测图像中的运动区域，进行初次计数；
[0053]
步骤7，基于标准单人上下车帧长，对步骤6的初次计数结果进行重叠检验；
[0054]
步骤8，基于车载感应器的开、关门时长，对公交上下车客流进行评估检验；
[0055]
步骤9，对步骤6的初次计数结果、步骤7的重叠检验结果以及步骤8的评估检验结果进行加权求和，获得公交上下车客流统计结果。
[0056]
在一个实施例中，步骤2具体为：
[0057]
21)获取多日同一时段监控视频，对多个视频都使用2帧、4帧、6帧、8帧的帧间间隔进行测试计数；
[0058]
其中视频数据获取的来源为公交车前后对门监控摄像头拍摄的视频，视频中的区域范围截取修正为车门前的禁止站立区，其拍摄时间段为传统公交调查所要求的时间段(假设每次调研活动时间为一小时)。本发明认为视频监控区域位置与上述要求不一致、增加非公交原有监控设备拍摄到的视频图像均不符合本发明的视频获取要求。
[0059]
22)通过测试发现，单名乘客在无干扰情况下上车的时间约为50帧，为了保证乘客上车过程的连续性，取上下车时间的10％为间隔帧数，约为5帧，因此取最接近的测试值4帧作为获取视频图像的实际间隔。
[0060]
23)对视频进行隔帧抽取图像并进行二值化处理后，按该图片帧数打上下标(4、8、12、16
……
)，按时间顺序排列成待检测图像集。
[0061]
在一个实施例中，步骤3采用与步骤2相同的方式，从无人通过的背景视频中获取背景图像集，进而得到背景图片，背景图片b中(x,y)位置的像素值为其中bi(x,y)为背景图像集中第i个背景图像中(x,y)位置的像素值。
[0062]
在一个实施例中，步骤4中差分运算的具体步骤如下：
[0063]
41)获取差分图像d：
[0064]
d(x,y)＝|f(x,y)-b(x,y)|
[0065]
式中，d(x,y)为差分图像d中(x,y)位置的像素值，f(x,y)为待检测图像f中(x,y)位置的像素值，b(x,y)为背景图片b中(x,y)位置的像素值；
[0066]
42)设定一个阈值为t，对差分图像的像素点逐个进行处理，得到图像r。灰度为255的像素位置判定为该点与与背景图像信息不同，灰度为0的像素位置处判定为背景点，即背景图像上该点与当前帧上的该点像素相同。此时每张图像各位置处取值只有255或0：
[0067][0068]
式中，r(x,y)为背景图片r中(x,y)位置的像素值，t为设定阈值；
[0069]
43)对图像r进行连通性判断，若r中非背景点的像素点能够生成连通区域，则该连通区域在待检测图像f中的对应区域即为有上下车乘客通过的运动区域，否则待检测图像f中不包含运动区域(即不包含上下车乘客)。
[0070]
在一个实施例中，步骤6中进行初次计数的具体步骤如下：
[0071]
61)对波形图进行极化处理：若第j个待检测图像的非零像素点数量p(j)大于设定像素点阈值(经验值为像素点总数/6)，则第j个待检测图像对应纵坐标置为1，否则第j个待检测图像对应纵坐标置为0；
[0072]
62)极化后的波形图中，若某段波峰持续超过设定帧长且对应的待检测图像中均包含运动区域，则该段波峰的计数结果为1；
[0073]
63)极化后的波形图中，各段波峰的计数结果相加，得到初始计数结果n。
[0074]
在一个实施例中，步骤7使用标准单人上下车帧长对波形高峰进行检验，获得一个去重叠的计数结果。以公交车乘客下车时的计算方法为例，获取标准单人通行帧长ts：
[0075]
设定无干扰时乘客下车全过程的帧长为t1，获取同时段下的多个视频中，乘客下车时从出现在图像框中至完全下车全过程的帧长。考虑时段或路段影响，当乘客下车全过程帧长小于35帧时，则给出修正系数1.1，计算时帧长为1.1t1；超出65帧长时，给出修正系数0.9，计算时帧长为0.9t
1.
。将修正后的全部帧长取均值，获得标准单人通行帧长ts。
[0076]
极化后的波形图中，若某段波峰持续帧长超过1.3倍的标准单人通行帧长，则将该段波峰对应的计数结果修正为进而得到重叠检验结果n1，其中ts为标准单人通行帧长，δ为该段波峰持续帧长。
[0077]
在一个实施例中，步骤8使用车载感应器的开、关门时长对上下车人数进行评估检验，获得去意外的计数结果。计算车辆开关门时间损耗ta和单人下车标准时长t的过程如下：
[0078]
以公交车乘客下车时的计算方法为例，基于车辆感应系统获取开关门的时间间隔，记录每增加一人，关门需要延长的时间；
[0079]
计算无特殊情况时，乘客们在该段时间内下车的人均时长，并将其作为标准单人下车时长，以及计算开关门带来的时间损耗时长；
[0080]
计算通过关门时长检验的客流结果：
[0081][0082]
式中，n2为评估检验结果，ta为从开门至关门的总时长，ta为开关门的平均时间损耗，t为单名乘客下车的标准时长。
[0083]
在一个实施例中，步骤9公交上下车客流统计结果ns＝0.6n 0.2n1 0.2n2。
[0084]
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。