本發(fā)明涉及客流統(tǒng)計技術(shù)領(lǐng)域，尤其涉及一種基于熱成像的公交站臺夜晚客流統(tǒng)計方法及系統(tǒng)。

背景技術(shù)：

隨著城市夜生活的豐富，對于夜間出行的市民，乘坐公交車仍是大多數(shù)市民的首選。公交站臺是市民出行的一個臨時聚集點，作為城市公共交通的管理運營者，準確掌握城市公交站臺夜晚客流情況，可以對夜晚公交線路的做出合理規(guī)劃與安排，從而顯著提升公交部門的管理能力和服務(wù)水平。而且對城市安全管理部門，可以通過公交站臺夜晚客流量分布圖，有重點的在夜晚期間對客流量大的區(qū)域進行安全巡察，當危情發(fā)生時可以及時疏散人群，保障市民安全。

目前，現(xiàn)有的公交站臺夜晚客流統(tǒng)計的方法：(1)采用人工統(tǒng)計的方法來獲取公交站臺夜晚客流數(shù)據(jù)，此種方法極其的消耗人力、財力，而且不具備系統(tǒng)性和全面性；(2)通過藍牙檢測器檢測移動設(shè)備來統(tǒng)計出公交站臺的夜晚客流。然而，此種方法缺陷在于并不是所有行人都會開啟藍牙設(shè)備，對于沒有開啟藍牙的設(shè)備的行人，此種檢測方法就無法計數(shù)。從而，檢測到的客流數(shù)據(jù)就沒有了實際的參考意義；(3)另一類方法是通過攝像頭等視頻圖像檢測計數(shù)。然而，此種客流計數(shù)方式受光線影響較大，在夜晚場景下準確率很低，而且也不是特定為公交來站臺來設(shè)計的。

因此，針對上述問題，有必要提出進一步的解決方案。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于熱成像的公交站臺夜晚客流統(tǒng)計方法及系統(tǒng)，以克服現(xiàn)有技術(shù)中存在的不足。

為實現(xiàn)上述發(fā)明目的，本發(fā)明提供一種基于熱成像的公交站臺夜晚客流統(tǒng)計方法，其包括如下步驟：

s1、通過熱成像實時獲取公交站臺所在區(qū)域中目標的熱成像圖像；

s2、提取所述熱成像圖像的邊界圖像，并對其進行預(yù)處理；

s3、對預(yù)處理后的熱成像圖像的邊界圖像進行優(yōu)化完善；

s4、獲取邊界優(yōu)化完善后的熱成像圖像的參數(shù)，根據(jù)獲取的參數(shù)區(qū)分行人和非行人；

s5、提取行人圖像，并獲取行人運動軌跡，依據(jù)所述運動軌跡判斷行人進入公交站臺還是離開公交站臺，并生成客流數(shù)據(jù)；

s6、根據(jù)所述客流數(shù)據(jù)生成交站臺夜晚客流報表及熱點圖。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述步驟s1之前還包括：對公交站臺內(nèi)邊線和外邊線進行標定，確定公交站臺所在區(qū)域。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述對公交站臺內(nèi)邊線和外邊線進行標定具體包括：

s01、以所述公交站臺的外邊框輪廓線作為公交站臺所在區(qū)域的內(nèi)邊線；

s02、以距離所述內(nèi)邊線lm處作為公交站臺所在區(qū)域的外邊線。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述步驟s1中還包括確定熱成像圖像采集點的步驟，該步驟包括：

以所述公交站臺所在區(qū)域為參考，所述公交站臺所在區(qū)域的正中靠上所對應(yīng)的空間位置作為熱成像圖像采集點，所述熱成像圖像采集點與所述公交站臺所在區(qū)域之間的垂直距離為h；

其中，

a是公交站臺的長度，b為公交站臺的寬度，θ為熱成像圖像采集點與地平面的夾角，θmin、θmax為設(shè)定的最小及最大允許角度。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述步驟s2具體包括：

建立所述熱成像圖像的snake模型，依據(jù)所述snake模型提取所述熱成像圖像的邊界圖像，并對其進行預(yù)處理。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，依據(jù)所述snake模型提取所述熱成像圖像的邊界圖像包括：

s21、以i：[o，m]×[o，n]表示待分割的熱成像圖像，以參數(shù)曲線c(s，t)＝[x(s，t)，y(s，t)]表示邊界圖像的模型曲線，其中s∈[0，1]，t表示時間，[x(s，t)，y(s，t)]表示模型曲線；

s22、依據(jù)所述模型曲線，得到其能量泛函：通過所述能量泛函，隨著曲線c(s,t)將在圖像i上不斷移動，最終收斂到目標邊界上。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述步驟s3包括：利用梯度向量gvf模型對邊界圖像進行優(yōu)化完善。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，利用梯度向量gvf模型對邊界圖像進行優(yōu)化完善包括：

s31、獲取邊界圖像f(x,y)的最小化能量泛函ε：

其中，參數(shù)μ為調(diào)節(jié)因子，τ為梯度向量；

s32、采用變分法，得到使ε最小化的梯度向量τ，在所述梯度向量τ滿足歐拉方程的條件下，通過歐拉方程得到待處理目標的熱成像圖像的gvf矢量場，所述gvf矢量場τ(x，y)＝[u(x，y)，v(x，y)]；

s33、通過得到的所述gvf矢量場，提取目標輪廓，并檢測目標輪廓是否存在角點，若存在角點，按角點去除邊界圖噪聲，然后再進入gvf矢量場繼續(xù)檢測，直至沒有輪廓角點。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述步驟s4具體包括：

s41、獲取優(yōu)化完善后邊界圖像的參數(shù)輪廓高寬比rhw和面積比rs，其中，所述所述

s42、當輪廓高寬比rhw和面積比rs均處于預(yù)設(shè)區(qū)域范圍時，則判斷所述熱成像圖像為行人，否則判斷所述熱成像圖像為非行人。

作為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的改進，所述步驟s5具體包括：

s51、以公交站臺所在區(qū)域為參考，設(shè)定出站方向和進站方向，提取行人圖像，并獲取行人運動軌跡，當若檢測到行人的運動軌跡沿出站方向的值呈增大趨勢，則行人離開公交站臺，當若檢測到行人的運動軌跡沿出站方向的值呈減小趨勢，則行人進入站臺；

s52、設(shè)定所述行人運動軌跡矢量的閾值，若運動軌跡矢量大于或者等于所述閥值，則進行人數(shù)統(tǒng)計，若運動軌跡矢量無變化或者小于所述閥值，則不予統(tǒng)計。

為實現(xiàn)上述發(fā)明目的，本發(fā)明還提供一種基于熱成像的公交站臺夜晚客流統(tǒng)計系統(tǒng)，其包括：圖像采集裝置、圖像處理裝置、數(shù)據(jù)傳輸裝置以及智能管理平臺；

所述圖像采集裝置包括熱成像設(shè)備，所述熱成像設(shè)備與所述圖像處理裝置進行數(shù)據(jù)傳輸；所述圖像處理裝置包括圖像預(yù)處理模塊、圖像檢測處理模塊、圖像對比分析模塊、行人軌跡分析模塊，所述數(shù)據(jù)傳輸裝置包括有線傳輸模塊和/或無線傳輸模塊，所述智能管理平臺包括數(shù)據(jù)接收模塊和數(shù)據(jù)分析模塊。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法能夠在夜晚場景光線較暗的環(huán)境中，利用熱成像來獲取熱成像圖像，可準確的得出公交站臺夜晚客流數(shù)據(jù)。從而，為公共交通管理者提供有效且準確的參考數(shù)據(jù)，有利于對夜晚公交線路的做出合理規(guī)劃與安排，顯著提升公交部門的管理能力和服務(wù)水平。此外，通過公交站臺夜晚客流量熱點圖，有利于在夜晚期間對客流量大的區(qū)域進行有重點的安全巡察，當危情發(fā)生時可以及時疏散人群，保障市民安全。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法的方法流程示意圖；

圖2為對公交站臺所在區(qū)域進行標定時的示意圖；

圖3為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法中步驟s2、s3的流程示意圖；

圖4為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法中步驟s4的流程示意圖；

圖5為行人和非行人的輪廓示意圖，其中，(1)為狀桿物輪廓示意圖，(2)為行人直立時的輪廓示意圖，(3)為行人邁步時的輪廓示意圖，(4)為背包、箱子等塊狀物的輪廓示意圖；

圖6為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法中步驟s5的流程示意圖；

圖7為本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計系統(tǒng)的模塊示意圖。

具體實施方式

下面結(jié)合附圖所示的各實施方式對本發(fā)明進行詳細說明，但應(yīng)當說明的是，這些實施方式并非對本發(fā)明的限制，本領(lǐng)域普通技術(shù)人員根據(jù)這些實施方式所作的功能、方法、或者結(jié)構(gòu)上的等效變換或替代，均屬于本發(fā)明的保護范圍之內(nèi)。

如圖1所示，本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計系統(tǒng)包括如下步驟：

s1、通過熱成像實時獲取公交站臺所在區(qū)域中目標的熱成像圖像。

具體地，為了更好地獲取公交站臺所在區(qū)域中目標的熱成像圖像，所述步驟s1之前還包括：對公交站臺內(nèi)邊線和外邊線進行標定，確定公交站臺所在區(qū)域。如圖2所示，其中，所述對公交站臺內(nèi)邊線l1和外邊線l2進行標定具體包括：

s01、以所述公交站臺的外邊框輪廓線作為公交站臺所在區(qū)域的內(nèi)邊線l1；

s02、以距離所述內(nèi)邊線l1lm處作為公交站臺所在區(qū)域的外邊線l2。

從而，如公交站臺的外邊框為矩形，則確定的公交站臺所在區(qū)域為回字形。

進一步地，所述步驟s1中還包括確定熱成像圖像采集點p的步驟，該步驟包括：

以所述公交站臺所在區(qū)域為參考，所述公交站臺所在區(qū)域的正中靠上所對應(yīng)的空間位置作為熱成像圖像采集點，所述熱成像圖像采集點與所述公交站臺所在區(qū)域之間的垂直距離為h；

其中，

a是公交站臺的長度，b為公交站臺的寬度，θ為熱成像圖像采集點與地平面的夾角，θmin、θmax為設(shè)定的最小及最大允許角度。優(yōu)選地，θ∈(10°，30°)。此外，高度h不小于2m。

s2、提取所述熱成像圖像的邊界圖像，并對其進行預(yù)處理。

如圖3所示，具體地，所述步驟s2具體包括：建立所述熱成像圖像的snake模型，依據(jù)所述snake模型提取所述熱成像圖像的邊界圖像，并對其進行預(yù)處理。

其中，依據(jù)所述snake模型提取所述熱成像圖像的邊界圖像包括：

s21、以i：[o，m]×[o，n]表示待分割的熱成像圖像，以參數(shù)曲線c(s，t)＝[x(s，t)，y(s，t)]表示邊界圖像的模型曲線，其中s∈[0，1]，t表示時間，[x(s，t)，y(s，t)]表示模型曲線；

s22、依據(jù)所述模型曲線，得到其能量泛函：通過所述能量泛函，隨著曲線c(s,t)將在圖像i上不斷移動，最終收斂到目標邊界上。

如此，可實現(xiàn)所述熱成像圖像的初始邊界圖像的提取，并為后續(xù)邊界圖像優(yōu)化做準備。

s3、對預(yù)處理后的熱成像圖像的邊界圖像進行優(yōu)化完善。

繼續(xù)參照圖3所示，具體地，利用梯度向量gvf模型對邊界圖像進行優(yōu)化完善，如此以便于計算判定目標熱成像圖像是否為行人。

其中，利用梯度向量gvf模型對邊界圖像進行優(yōu)化完善包括：

s31、獲取邊界圖像f(x,y)的最小化能量泛函ε：

其中，參數(shù)μ為調(diào)節(jié)因子，τ為梯度向量；

其中，所述μx、μy、vx、vy為gvf外力場的向量參數(shù)，表示圖像的邊緣圖，其可以通過laplacian算子計算得到。

s32、采用變分法，得到使ε最小化的梯度向量τ，在所述梯度向量τ滿足歐拉方程的條件下，通過歐拉方程得到待處理目標的熱成像圖像的gvf矢量場，所述gvf矢量場τ(x，y)＝[u(x，y)，v(x，y)]；

s33、通過得到的所述gvf矢量場，提取目標輪廓，并檢測目標輪廓是否存在角點，若存在角點，按角點去除邊界圖噪聲，然后再進入gvf矢量場繼續(xù)檢測，直至沒有輪廓角點。

s4、獲取邊界優(yōu)化完善后的熱成像圖像的參數(shù)，根據(jù)獲取的參數(shù)區(qū)分行人和非行人。

如圖4、5所示，基于邊界優(yōu)化后的熱成像圖像，為了實現(xiàn)行人和非行人的區(qū)分。引入?yún)?shù)輪廓高寬比rhw和面積比rs，并結(jié)合目標圖像的高度進行區(qū)分。其中，

其中，h為輪廓高度，w為輪廓的寬度。從而，所述步驟s4具體包括：

s41、獲取優(yōu)化完善后邊界圖像的參數(shù)輪廓高寬比rhw和面積比rs，其中，所述所述

s42、當輪廓高寬比rhw和面積比rs均處于預(yù)設(shè)區(qū)域范圍時，則判斷所述熱成像圖像為行人，否則判斷所述熱成像圖像為非行人。

具體地，由于公交站臺中人員及環(huán)境較為復(fù)雜。針對輪廓高寬比rhw而言，狀桿物最大，rhw一般大于5。背包、箱子等塊狀物最小，rhw一般小于2。行人則介于兩者之間。但是由于行人姿態(tài)的多變性，如測立、直立、邁步擺臂、攜帶包裹、熱水壺等，rhw變化范圍較大，其中測立時最大，運動擺臂且且攜帶包裹時最小。經(jīng)實驗測試，行人對應(yīng)rhw可在1.7–5之間變化。因此可運用rhw排除桶狀物目標及rhw值較小的塊狀目標。

針對面積比rs而言，由于行人和塊狀目標在分布上存在一定程度的重疊行人因擺臂或攜帶包裹而引起rhw明顯減小，容易誤判為包裹等塊狀物體。因此，可引入輪廓面積比rs。顯然，運動行人的rs較小，而包括等塊狀目標對應(yīng)rs則較大。經(jīng)實驗測試，位于rhw重疊區(qū)附近(即rhw∈[1.5，2.2])的運動行人對應(yīng)rs在0.5～0.7間變化，而塊狀目標的rs因子則大于0.7。為此，可運用rs及rhw共同識別重疊區(qū)域行人目標。

針對目標圖像的高度h，提取高程h∈[1.1m，2m]的分割目標，并提取其輪廓曲線。提取rhw∈[2，2.5]的目標，將其判別為行人；提取rhw∈[1.5，2.2]的潛在行人，并用rs對其進一步識別，若rs∈[0.5，0.7]則判為行人。

s5、提取行人圖像，并獲取行人運動軌跡，依據(jù)所述運動軌跡判斷行人進入公交站臺還是離開公交站臺，并生成客流數(shù)據(jù)。

如圖6所示，具體地，所述步驟s5具體包括：

s51、以公交站臺所在區(qū)域為參考，設(shè)定出站方向和進站方向，提取行人圖像，并獲取行人運動軌跡，當若檢測到行人的運動軌跡沿出站方向的值呈增大趨勢，則行人離開公交站臺，當若檢測到行人的運動軌跡沿出站方向的值呈減小趨勢，則行人進入站臺；

s52、設(shè)定所述行人運動軌跡矢量的閾值，若運動軌跡矢量大于或者等于所述閥值，則進行人數(shù)統(tǒng)計，若運動軌跡矢量無變化或者小于所述閥值，則不予統(tǒng)計。

以圖1所示公交站臺為例，以公交站臺所在區(qū)域為參考，沿其內(nèi)邊線和外邊線建立x-y坐標系。并將y軸的正方向定義為出站方向，反方向定義為進站方向。從而，若檢測到行人的運動軌跡沿y軸方向的值呈增大趨勢，即行人運動軌跡有內(nèi)向外，則判斷行人為出站臺的行為。若檢測到行人的運動軌跡沿y軸方向的值呈減小趨勢，即行人運動軌跡有外至內(nèi)，則判斷行人為進入公交站臺。若運動軌跡大于或者等于所設(shè)定的閥值，則做人數(shù)統(tǒng)計；若行人運動軌跡矢量基本無變化或者小于設(shè)定的閥值則判斷為行人不是新進入者，不予統(tǒng)計。

s6、根據(jù)所述客流數(shù)據(jù)生成交站臺夜晚客流報表及熱點圖。

具體地，根據(jù)所述客流數(shù)據(jù)，可以生成公交站臺夜晚客流的日、周、月報表，也可以實時查看或者導出整個城市的公交站臺夜晚客流熱點圖。如此，可根據(jù)不同需求得到不同數(shù)據(jù)報表，為公共交通管理者提供準確的客流數(shù)據(jù)支撐。

如圖7所示，基于如上所述的公交站臺夜晚客流統(tǒng)計方法，本發(fā)明還提供一種基于熱成像的公交站臺夜晚客流統(tǒng)計系統(tǒng)，其特征在于，所述基于熱成像的公交站臺夜晚客流統(tǒng)計系統(tǒng)包括：圖像采集裝置10、圖像處理裝置20、數(shù)據(jù)傳輸裝置30以及智能管理平臺40。

所述圖像采集裝置10包括熱成像設(shè)備，所述熱成像設(shè)備與所述圖像處理裝置20進行數(shù)據(jù)傳輸；所述圖像處理裝置20包括圖像預(yù)處理模塊21、圖像檢測處理模塊22、圖像對比分析模塊23、行人軌跡分析模塊24，所述數(shù)據(jù)傳輸裝置30包括有線傳輸模塊和/或無線傳輸模塊，所述智能管理平臺40包括數(shù)據(jù)接收模塊和數(shù)據(jù)分析模塊。

具體地，所述熱成像設(shè)備可以為熱成像儀，其安裝位置參考如上所述方法中熱成像圖像采集點的確定步驟。即，安裝熱成像儀前首先要對公交站臺做內(nèi)邊線和外邊線進行標定，然后根據(jù)標定的邊線確定熱成像儀安裝的位置與角度。優(yōu)選地，熱成像儀與地面角度θ∈(10°，30°)。熱成像儀安裝在公交站臺最內(nèi)側(cè)中部靠上部位，高度h不小于2米，兩個熱成像儀背靠背鏡像安裝。所述圖像處理裝置20和數(shù)據(jù)傳輸裝置30安裝在公交站臺隱蔽處，同時設(shè)置防雨防盜措施。所述智能管理平臺40遠程安裝在公共交通管理部門信息中心處。

所述圖像處理裝置20經(jīng)過一系列運算將有效的客流數(shù)據(jù)傳輸至所述數(shù)據(jù)傳輸裝置30，所述數(shù)據(jù)傳輸裝置30實時傳輸給智能管理平40臺。其中，所述數(shù)據(jù)傳輸裝置30若可以接入有線傳輸模塊，可以通過有線網(wǎng)絡(luò)傳輸給智能管理平臺。若無法接入有線傳輸模塊，可以通過數(shù)據(jù)傳輸裝置30中集成的無線傳輸模塊，將公交站臺客流數(shù)據(jù)傳輸給智能管理平臺40。所述有線傳輸模塊可以為有線寬帶網(wǎng)絡(luò)傳輸模塊，所述無線傳輸模塊可以為無線4g網(wǎng)絡(luò)傳輸模塊。

所述智能管理平臺40可以生成公交站臺夜晚客流的日、周、月報表，也可以實時查看或者導出整個城市的公交站臺夜晚客流熱點圖，并根據(jù)不同需求得到不同數(shù)據(jù)報表，為公共交通管理者提供準確的客流數(shù)據(jù)支撐。

綜上所述，本發(fā)明的基于熱成像的公交站臺夜晚客流統(tǒng)計方法能夠在夜晚場景光線較暗的環(huán)境中，利用熱成像來獲取熱成像圖像，可準確的得出公交站臺夜晚客流數(shù)據(jù)。從而，為公共交通管理者提供有效且準確的參考數(shù)據(jù)，有利于對夜晚公交線路的做出合理規(guī)劃與安排，顯著提升公交部門的管理能力和服務(wù)水平。此外，通過公交站臺夜晚客流量熱點圖，有利于在夜晚期間對客流量大的區(qū)域進行有重點的安全巡察，當危情發(fā)生時可以及時疏散人群，保障市民安全。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實施例的細節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實現(xiàn)本發(fā)明。因此，無論從哪一點來看，均應(yīng)將實施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當理解，雖然本說明書按照實施方式加以描述，但并非每個實施方式僅包含一個獨立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當將說明書作為一個整體，各實施例中的技術(shù)方案也可以經(jīng)適當組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實施方式。