一種乘客擁擠度的計(jì)算方法及其系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種乘客擁擠度的計(jì)算方法，包括：建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)；讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù)多幀圖像的預(yù)處理；根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象；在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度。本發(fā)明還提供一種乘客擁擠度的計(jì)算系統(tǒng)。本發(fā)明提供的技術(shù)方案采用除去靜態(tài)背景的預(yù)處理能有效克服光照強(qiáng)弱變化等對(duì)幀圖像中人頭頂部識(shí)別的干擾，通過(guò)檢測(cè)窗口的尺寸限制能有效減小對(duì)人頭頂部的誤檢、漏檢和錯(cuò)檢。
【專利說(shuō)明】
一種乘客擁擠度的計(jì)算方法及其系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及公共交通領(lǐng)域，尤其涉及一種乘客擁擠度的計(jì)算方法及其系統(tǒng)。
【背景技術(shù)】
[0002] 隨著城市化的進(jìn)行，城市人口持續(xù)膨脹，中國(guó)大中型城市交通面臨的交通壓力日 趨嚴(yán)重。在一些大型城市，高峰期的交通擁堵已對(duì)城市的可持續(xù)發(fā)展構(gòu)成了嚴(yán)重阻礙。解決 高峰期的交通擁堵的一個(gè)行之有效的手段是鼓勵(lì)城市居民乘坐公交車出行，但是部分公交 線路在高峰期運(yùn)力不足限制了居民乘坐公交成的熱情。解決高峰期運(yùn)力不足最好的手段是 增加運(yùn)力，但是單純地增加熱門線路的公交車數(shù)量，則會(huì)導(dǎo)致非高峰期的運(yùn)力過(guò)剩，既不經(jīng) 濟(jì)也不環(huán)保，因此公交智能調(diào)度的概念應(yīng)運(yùn)而生。公交智能調(diào)度是通過(guò)安裝在每輛公交車 上的終端，對(duì)各個(gè)線路的每一輛公交車上車人數(shù)、下車人數(shù)以及車上乘客總數(shù)進(jìn)行統(tǒng)計(jì)，以 此實(shí)現(xiàn)對(duì)現(xiàn)行各個(gè)公交線路在各個(gè)時(shí)間段的乘客負(fù)載情況進(jìn)行監(jiān)控。此外公交智能調(diào)度還 可以利用各個(gè)車站各個(gè)時(shí)段上下車的人流的歷史數(shù)據(jù)進(jìn)行深層次的數(shù)據(jù)挖掘，為制定合理 高效的公交線路提供依據(jù)。因此，作為智能公交調(diào)度系統(tǒng)的最重要的部分，對(duì)公交乘客數(shù)進(jìn) 行精確的統(tǒng)計(jì)是公交智能調(diào)度系統(tǒng)實(shí)現(xiàn)的關(guān)鍵。
[0003] 傳統(tǒng)的客流統(tǒng)計(jì)方法是利用人工檢測(cè)，或利用投幣機(jī)，刷卡器等接觸式設(shè)備進(jìn)行 統(tǒng)計(jì)。其中采用人工統(tǒng)計(jì)的方法來(lái)取得客流量數(shù)據(jù)，雖然精度可以滿足要求，但是需要消耗 大量人力、財(cái)力，費(fèi)用高昂并且實(shí)時(shí)性較差。其次是紅外線檢測(cè)系統(tǒng)，雖然可以同時(shí)實(shí)現(xiàn)對(duì) 上下車人數(shù)的統(tǒng)計(jì)。但是，紅外裝置很容易受到外界因素的干擾，如人員連續(xù)通過(guò)或人員長(zhǎng) 時(shí)間駐留都可能造成誤統(tǒng)計(jì)，無(wú)法滿足公交智能調(diào)度系統(tǒng)對(duì)人數(shù)統(tǒng)計(jì)的精確性要求。同時(shí)， 由于紅外系統(tǒng)僅僅能夠?qū)崿F(xiàn)對(duì)通過(guò)車門的人數(shù)進(jìn)行統(tǒng)計(jì)，并不能判斷乘客運(yùn)動(dòng)的方向，即 不能實(shí)現(xiàn)單車門的人流雙向計(jì)數(shù)，因此無(wú)法應(yīng)用于不分上下車門的快速公交系統(tǒng)。在快速 公交系統(tǒng)覆面越來(lái)越廣的今天，利用紅外線進(jìn)行公交人數(shù)統(tǒng)計(jì)的檢測(cè)手段的適用性越來(lái)越 低。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明的目的在于提供一種乘客擁擠度的計(jì)算方法及其系統(tǒng)，旨在解 決現(xiàn)有技術(shù)中統(tǒng)計(jì)客流量的精度不高的問(wèn)題。
[0005] 本發(fā)明提出一種乘客擁擠度的計(jì)算方法，所述方法包括：
[0006] 建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)；
[0007] 讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù)多幀圖像的預(yù) 處理；
[0008] 根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均值漂移所要跟蹤 的目標(biāo)對(duì)象；
[0009] 在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行為，并根據(jù)乘客的上 下車人數(shù)確定車內(nèi)乘客擁擠度。
[0010] 優(yōu)選的，所述讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù) 多幀圖像的預(yù)處理的步驟具體包括：
[0011] 讀取采集到的乘客上下車的視頻數(shù)據(jù)的幀格式并確定幀數(shù)；
[0012] 對(duì)初始幀中的每個(gè)像素點(diǎn)建立單高斯模型；
[0013] 通過(guò)對(duì)連續(xù)數(shù)幀圖象像素點(diǎn)的變化進(jìn)行分析并判定幀圖像中每個(gè)像素點(diǎn)為靜態(tài) 背景或者為動(dòng)態(tài)前景；
[0014] 對(duì)判定為靜態(tài)背景的像素點(diǎn)的像素值進(jìn)行修改，對(duì)判定為動(dòng)態(tài)前景的像素點(diǎn)的像 素值不修改；
[0015] 記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng)該次數(shù)如果大于或者 等于預(yù)設(shè)閾值，則立即更新該像素點(diǎn)RGB值為背景，若非被連續(xù)判斷為靜態(tài)背景，則重新記 錄。
[0016] 優(yōu)選的，所述根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均值 漂移所要跟蹤的目標(biāo)對(duì)象的步驟具體包括：
[0017] 利用收集到的多張包含人頭部的正樣本和不包含人頭部的負(fù)樣本制作用于判定 是否人頭頂部的級(jí)聯(lián)分類器；
[0018] 限定所述級(jí)聯(lián)分類器中檢測(cè)人頭頂部的檢測(cè)窗口的尺寸范圍；
[0019] 根據(jù)被限定檢測(cè)窗口尺寸的級(jí)聯(lián)分類器進(jìn)行人頭部識(shí)別；
[0020] 將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。
[0021 ]優(yōu)選的，所述在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行為，并 根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度的步驟具體包括：
[0022] 在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，如果所述均值漂移所要跟蹤的目標(biāo)對(duì)象 的質(zhì)心穿越了以上兩條檢測(cè)線，則判定乘客為下車或者上車；
[0023] 通過(guò)計(jì)算乘客的下車人數(shù)和上車人數(shù)來(lái)確定實(shí)際運(yùn)營(yíng)時(shí)的乘客總數(shù)，并利用所述 乘客總數(shù)與車內(nèi)最大載客量之間的比值來(lái)衡量車內(nèi)乘客擁擠度。
[0024] 另一方面，本發(fā)明還提供一種乘客擁擠度的計(jì)算系統(tǒng)，所述系統(tǒng)包括：
[0025]數(shù)據(jù)采集模塊，用于建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)； [0026]預(yù)處理模塊，用于讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行 連續(xù)多幀圖像的預(yù)處理；
[0027] 對(duì)象確定模塊，用于根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作 為均值漂移所要跟蹤的目標(biāo)對(duì)象；
[0028] 擁擠判定模塊，用于在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行 為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度。
[0029]優(yōu)選的，所述預(yù)處理模塊包括：
[0030] 讀幀子模塊，用于讀取采集到的乘客上下車的視頻數(shù)據(jù)的幀格式并確定幀數(shù)；
[0031] 建模子模塊，用于對(duì)初始幀中的每個(gè)像素點(diǎn)建立單高斯模型；
[0032] 狀態(tài)子模塊，用于通過(guò)對(duì)連續(xù)數(shù)幀圖象像素點(diǎn)的變化進(jìn)行分析并判定幀圖像中每 個(gè)像素點(diǎn)為靜態(tài)背景或者為動(dòng)態(tài)前景；
[0033]修改子模塊，用于對(duì)判定為靜態(tài)背景的像素點(diǎn)的像素值進(jìn)行修改，對(duì)判定為動(dòng)態(tài) 前景的像素點(diǎn)的像素值不修改；
[0034]更新子模塊，用于記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng)該 次數(shù)如果大于或者等于預(yù)設(shè)閾值，則立即更新該像素點(diǎn)RGB值為背景，若非被連續(xù)判斷為靜 態(tài)背景，則重新記錄。
[0035]優(yōu)選的，所述對(duì)象確定模塊包括：
[0036] 制作子模塊，用于利用收集到的多張包含人頭部的正樣本和不包含人頭部的負(fù)樣 本制作用于判定是否人頭頂部的級(jí)聯(lián)分類器；
[0037] 限定子模塊，用于限定所述級(jí)聯(lián)分類器中檢測(cè)人頭頂部的檢測(cè)窗口的尺寸范圍；
[0038] 識(shí)別子模塊，用于根據(jù)被限定檢測(cè)窗口尺寸的級(jí)聯(lián)分類器進(jìn)行人頭部識(shí)別；
[0039] 目標(biāo)子模塊，用于將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。
[0040] 優(yōu)選的，所述擁擠判定模塊包括：
[0041] 第一判定子模塊，用于在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，如果所述均值漂 移所要跟蹤的目標(biāo)對(duì)象的質(zhì)心穿越了以上兩條檢測(cè)線，則判定乘客為下車或者上車；
[0042] 第二判定子模塊，用于通過(guò)計(jì)算乘客的下車人數(shù)和上車人數(shù)來(lái)確定實(shí)際運(yùn)營(yíng)時(shí)的 乘客總數(shù)，并利用所述乘客總數(shù)與車內(nèi)最大載客量之間的比值來(lái)衡量車內(nèi)乘客擁擠度。 [0043]本發(fā)明提供的技術(shù)方案采用除去靜態(tài)背景的預(yù)處理能有效克服光照強(qiáng)弱變化等 對(duì)幀圖像中人頭頂部識(shí)別的干擾，通過(guò)檢測(cè)窗口的尺寸限制能有效減小對(duì)人頭頂部的誤 檢、漏檢和錯(cuò)檢。
【附圖說(shuō)明】
[0044] 圖1為本發(fā)明一實(shí)施方式中乘客擁擠度的計(jì)算方法流程圖；
[0045] 圖2為本發(fā)明一實(shí)施方式中圖1所示的步驟S12的詳細(xì)流程圖；
[0046] 圖3為本發(fā)明一實(shí)施方式中圖1所示的步驟S13的詳細(xì)流程圖；
[0047] 圖4為本發(fā)明一實(shí)施方式中圖1所示的步驟S14的詳細(xì)流程圖；
[0048] 圖5為本發(fā)明一實(shí)施方式中乘客擁擠度的計(jì)算系統(tǒng)10的內(nèi)部結(jié)構(gòu)示意圖；
[0049] 圖6為本發(fā)明一實(shí)施方式中圖5所示的預(yù)處理模塊12的內(nèi)部結(jié)構(gòu)示意圖；
[0050] 圖7為本發(fā)明一實(shí)施方式中圖5所示的對(duì)象確定模塊13的內(nèi)部結(jié)構(gòu)示意圖；
[0051] 圖8為本發(fā)明一實(shí)施方式中圖5所示的擁擠判定模塊14的內(nèi)部結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0052]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0053]本發(fā)明【具體實(shí)施方式】提供了一種乘客擁擠度的計(jì)算方法，所述方法主要包括如下 步驟：
[0054] S11、建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)；
[0055] S12、讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù)多幀圖像 的預(yù)處理；
[0056] S13、根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均值漂移所要 跟蹤的目標(biāo)對(duì)象；
[0057] S14、在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行為，并根據(jù)乘客 的上下車人數(shù)確定車內(nèi)乘客擁擠度。
[0058]本發(fā)明提供的一種乘客擁擠度的計(jì)算方法采用除去靜態(tài)背景的預(yù)處理能有效克 服光照強(qiáng)弱變化等對(duì)幀圖像中人頭頂部識(shí)別的干擾，通過(guò)檢測(cè)窗口的尺寸限制能有效減小 對(duì)人頭頂部的誤檢、漏檢和錯(cuò)檢。
[0059] 以下將對(duì)本發(fā)明所提供的一種乘客擁擠度的計(jì)算方法進(jìn)行詳細(xì)說(shuō)明。
[0060] 請(qǐng)參閱圖1，為本發(fā)明一實(shí)施方式中乘客擁擠度的計(jì)算方法流程圖。
[0061] 在步驟Sll中，建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)。
[0062] 在本實(shí)施方式中，通過(guò)構(gòu)建嵌入式車載系統(tǒng)來(lái)建立視頻數(shù)據(jù)采集環(huán)境，所構(gòu)建的 嵌入式車載系統(tǒng)包括硬件模塊有:兩部攝像機(jī)、嵌入式設(shè)備主控模塊、視頻存儲(chǔ)模塊、車載 硬件供電模塊，將兩部攝像機(jī)分別置于前后車門頂部，其攝像頭與地面呈90度，其拍攝范圍 覆蓋:上下車的臺(tái)階、車門外的一部分馬路和車門內(nèi)的一部分車體空間。在本實(shí)施方式中， 車載嵌入式設(shè)備通過(guò)控制安裝在公交車前后門頂部的攝像頭采集乘客上下車的視頻數(shù)據(jù)， 并將兩部攝像頭錄制的視頻數(shù)據(jù)暫存至視頻存儲(chǔ)模塊，以供調(diào)用做視頻處理。在本實(shí)施方 式中，視頻數(shù)據(jù)暫存方式能有效的減少對(duì)嵌入式硬件的要求，從而降低設(shè)備的成本。
[0063] 在步驟S12中，讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù) 多幀圖像的預(yù)處理。
[0064] 在本實(shí)施方式中，所述讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù) 進(jìn)行連續(xù)多幀圖像的預(yù)處理的步驟S12具體包括S121 - S125,如圖2所示。
[0065] 請(qǐng)參閱圖2,為本發(fā)明一實(shí)施方式中圖1所示的步驟S12的詳細(xì)流程圖。
[0066] 在步驟S121中，讀取采集到的乘客上下車的視頻數(shù)據(jù)的幀格式并確定幀數(shù)。
[0067] 在本實(shí)施方式中，嵌入式設(shè)備主控模塊讀取視頻數(shù)據(jù)的幀格式并確定幀數(shù)，確定 幀圖像的大小m X η，其中m表示幀圖像的行數(shù)，η表示幀圖像的列數(shù)。
[0068] 在步驟S122中，對(duì)初始幀中的每個(gè)像素點(diǎn)建立單高斯模型。
[0069] 在本實(shí)施方式中，對(duì)初始幀中每個(gè)像素點(diǎn)建立單高斯模型，初始其單高斯模型的 均值為像素點(diǎn)的RGB倌，方差初始常數(shù)V，其后再根據(jù)像素點(diǎn)的變化逐漸構(gòu)造混合高斯密度 函·
車中巧/，11&此3,'^,〇為1:時(shí)亥1]第1個(gè)高斯分布，1為 三維單位矩陣，K為高斯分布模式總數(shù)，μi,t、Wi,t、 τi,t、σi,t分別代表每個(gè)高斯函數(shù)均值、權(quán) 值、協(xié)方差矩陣、方差。
[0070] 在步驟S123中，通過(guò)對(duì)連續(xù)數(shù)幀圖象像素點(diǎn)的變化進(jìn)行分析并判定幀圖像中每個(gè) 像素點(diǎn)為靜態(tài)背景或者為動(dòng)態(tài)前景。
[0071] 在本實(shí)施方式中，通過(guò)連續(xù)的數(shù)幀圖象像素點(diǎn)的變化，由初始幀的單高斯模型漸 變到混合高斯模型，每個(gè)像素點(diǎn)至少擁有Κ(Κ 2 1)個(gè)高斯函數(shù)，由幀與幀之間的變化判斷幀 圖像中每個(gè)像素點(diǎn)為靜態(tài)背景或者為動(dòng)態(tài)前景。
[0072] 在本實(shí)施方式中，根據(jù)視頻流的順序，后一幀圖像共mXη個(gè)像素點(diǎn)的RGB值依次與 前一幀幀圖像相對(duì)應(yīng)的像素點(diǎn)的K(K 2 1)個(gè)高斯函數(shù)進(jìn)行匹配：
[0073] 如果與K個(gè)中某一個(gè)或幾個(gè)函數(shù)匹配成功，表示K個(gè)高斯函數(shù)中至少有一個(gè)能描述 當(dāng)前像素點(diǎn)RGB值的變化，則增加匹配成功的高斯函數(shù)的權(quán)值1 1,*，對(duì)未匹配成功的余下(Κ-?) 個(gè)高斯函數(shù) ，更新其均值和方差 ，并判定當(dāng)前像素點(diǎn)的 RGB 值屬于靜態(tài)背景；
[0074]如果匹配不成功，表示K個(gè)高斯函數(shù)中沒(méi)有能描述當(dāng)前像素點(diǎn)RGB值的變化，則刪 除權(quán)值最低的高斯函數(shù)，新建高斯函數(shù)并由當(dāng)前像素點(diǎn)的RGB值作為其均值，V作為其方差， 并判定當(dāng)前像素點(diǎn)的RGB值屬于動(dòng)態(tài)前景。
[0075]在步驟S124中，對(duì)判定為靜態(tài)背景的像素點(diǎn)的像素值進(jìn)行修改，對(duì)判定為動(dòng)態(tài)前 景的像素點(diǎn)的像素值不修改。
[0076]在本實(shí)施方式中，將判定為靜態(tài)背景的像素點(diǎn)的像素值修改為RGBs，其中，RGBs代 表日常生活中出現(xiàn)率最低的顏色，將判定為動(dòng)態(tài)前景的像素點(diǎn)不修改其像素值，在本實(shí)施 方式中，此步驟所做的顏色修改為后續(xù)步驟中的人頭部檢測(cè)和軌跡追蹤減除了靜態(tài)背景的 干擾，極大地提高了后續(xù)步驟的成功率。
[0077] 在步驟S125中，記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng)該次 數(shù)如果大于或者等于預(yù)設(shè)閾值，則立即更新該像素點(diǎn)RGB值為背景，若非被連續(xù)判斷為靜態(tài) 背景，則重新記錄。
[0078] 在本實(shí)施方式中，考慮到混合高斯背景建模需要時(shí)間，而且在現(xiàn)實(shí)場(chǎng)景中，乘客上 下車的時(shí)間可能小于混合高斯建模的時(shí)間，增加一種針對(duì)原混合高斯建模算法中的高斯函 數(shù)權(quán)值增長(zhǎng)機(jī)制，即：記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng)該次數(shù)如 果大于或等于預(yù)設(shè)閾值K時(shí)，則立即更新該像素點(diǎn)RGB值為背景，不必等該高斯函數(shù)達(dá)到原 始算法中的閾值后再更新該像素點(diǎn)RGB值，若非被連續(xù)判斷為靜態(tài)背景，則重新記錄。
[0079] 在本實(shí)施方式中，每一幀圖像一共mXn個(gè)像素點(diǎn)，隸屬于每個(gè)像素點(diǎn)的高斯密度 函數(shù)個(gè)數(shù)K不應(yīng)超過(guò)4個(gè)，如果超過(guò)4個(gè)，則刪除權(quán)值最低的高斯函數(shù);通過(guò)圖像的開閉運(yùn)算 消除圖像預(yù)處理所產(chǎn)生的小的且孤立的點(diǎn)。
[0080] 請(qǐng)繼續(xù)參閱圖1，在步驟S13中，根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的 人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。
[0081] 在本實(shí)施方式中，所述根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部 作為均值漂移所要跟蹤的目標(biāo)對(duì)象的步驟S13具體包括S131 - S134,如圖3所示。
[0082]請(qǐng)參閱圖3,為本發(fā)明一實(shí)施方式中圖1所示的步驟S13的詳細(xì)流程圖。
[0083] 在步驟S131中，利用收集到的多張包含人頭部的正樣本和不包含人頭部的負(fù)樣本 制作用于判定是否人頭頂部的級(jí)聯(lián)分類器。
[0084] 在本實(shí)施方式中，對(duì)以收集的數(shù)張包含人頭部的正樣本和不包含人頭部的負(fù)樣本 (大小20*20)做基于LBP特征的Adaboost訓(xùn)練迭代訓(xùn)練，制作判定是否屬于人頭頂部的級(jí)聯(lián) 分類器。
[0085] 在步驟S132中，限定所述級(jí)聯(lián)分類器中檢測(cè)人頭頂部的檢測(cè)窗口的尺寸范圍。
[0086] 在本實(shí)施方式中，設(shè)定級(jí)聯(lián)分類器的檢測(cè)圖像窗口大小w，其尺寸大小要保證在 Wmir^PWmax之間，W mir^PWmax根據(jù)公交車的大小而定，通過(guò)窗口 w在幀圖像上的移動(dòng)檢測(cè)出人頭 部位置，其移動(dòng)檢測(cè)規(guī)則采用積分圖法，如果未檢測(cè)到人頭部，則將檢測(cè)窗口放大1.5倍，且 不能超過(guò)^"和W max的范圍。
[0087]在步驟S133中，根據(jù)被限定檢測(cè)窗口尺寸的級(jí)聯(lián)分類器進(jìn)行人頭部識(shí)別。
[0088]在本實(shí)施方式中，將不滿足步驟S132的尺寸范圍條件且已被步驟S131判定為人頭 頂部的人頭部樣本刪除，不能僅僅認(rèn)定單步驟S131級(jí)聯(lián)分類器的檢測(cè)結(jié)果，必須同時(shí)滿足 步驟S131和S132的人頭頂部樣本才被后續(xù)步驟所認(rèn)可。
[0089] 在步驟S134中，將檢測(cè)出的人頭部作為均值漂移(Meanshift)所要跟蹤的目標(biāo)對(duì) 象。
[0090] 請(qǐng)繼續(xù)參閱圖1，在步驟S14中，在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行 為和上車行為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度。
[0091] 在本實(shí)施方式中，所述在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車 行為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度的步驟S14具體包括S141 - S142,如圖 4所示。
[0092]請(qǐng)參閱圖4,為本發(fā)明一實(shí)施方式中圖1所示的步驟S14的詳細(xì)流程圖。
[0093]在步驟S141中，在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，如果所述均值漂移所要 跟蹤的目標(biāo)對(duì)象的質(zhì)心穿越了以上兩條檢測(cè)線，則判定乘客為下車或者上車。
[0094] 在本實(shí)施方式中，在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，分別置于距車門外一 定距離的路面上和距車門內(nèi)一定距離的車地板上，將檢測(cè)出的人頭部作為均值漂移 (Meanshift)要跟蹤的目標(biāo)對(duì)象，并計(jì)算該區(qū)域的概率密度估計(jì)其中，u為直方 圖的顏色索引）、目標(biāo)被估計(jì)中心位置yo和核窗寬h。
[0095] 在本實(shí)施方式中，以（n-1)幀目標(biāo)對(duì)象被估計(jì)的中心位置yo為搜索窗口中心坐標(biāo) 計(jì)算當(dāng)前幀的區(qū)域直方圖；將目標(biāo)模板和候選區(qū)域模板對(duì)應(yīng)的直方圖用BH系數(shù)計(jì)算其相似 性，其BH系數(shù)越大代表其相似性高，最大BH系數(shù)的位置為目標(biāo)新位置;通過(guò)計(jì)算每一幀中目 標(biāo)對(duì)象的質(zhì)心坐標(biāo)，質(zhì)心穿越了上下檢測(cè)線，則判定乘客下車行為和上車行為。
[0096]在步驟S142中，通過(guò)計(jì)算乘客的下車人數(shù)和上車人數(shù)來(lái)確定實(shí)際運(yùn)營(yíng)時(shí)的乘客總 數(shù)，并利用所述乘客總數(shù)與車內(nèi)最大載客量之間的比值來(lái)衡量車內(nèi)乘客擁擠度。
[0097] 在本實(shí)施方式中，通過(guò)上車人數(shù)減去下車人數(shù)則為車內(nèi)乘客總數(shù)，通過(guò)計(jì)算實(shí)際 運(yùn)營(yíng)時(shí)的乘客總數(shù)/公交車的最大載客量，則可得到描述車內(nèi)擁擠度的擁擠因子，此因子越 高則越擁擠，反之稀疏。
[0098] 本發(fā)明提供的一種乘客擁擠度的計(jì)算方法采用除去靜態(tài)背景的預(yù)處理能有效克 服光照強(qiáng)弱變化等對(duì)幀圖像中人頭頂部識(shí)別的干擾，通過(guò)檢測(cè)窗口的尺寸限制能有效減小 對(duì)人頭頂部的誤檢、漏檢和錯(cuò)檢。
[0099] 本發(fā)明【具體實(shí)施方式】還提供一種乘客擁擠度的計(jì)算系統(tǒng)10,主要包括：
[0100] 數(shù)據(jù)采集模塊11，用于建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù) 據(jù)；
[0101]預(yù)處理模塊12,用于讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn) 行連續(xù)多幀圖像的預(yù)處理；
[0102] 對(duì)象確定模塊13,用于根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部 作為均值漂移所要跟蹤的目標(biāo)對(duì)象；
[0103] 擁擠判定模塊14,用于在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車 行為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度。
[0104] 本發(fā)明提供的一種乘客擁擠度的計(jì)算系統(tǒng)10,采用除去靜態(tài)背景的預(yù)處理能有效 克服光照強(qiáng)弱變化等對(duì)幀圖像中人頭頂部識(shí)別的干擾，通過(guò)檢測(cè)窗口的尺寸限制能有效減 小對(duì)人頭頂部的誤檢、漏檢和錯(cuò)檢。
[0105] 請(qǐng)參閱圖5,所示為本發(fā)明一實(shí)施方式中乘客擁擠度的計(jì)算系統(tǒng)10的結(jié)構(gòu)示意圖。 在本實(shí)施方式中，乘客擁擠度的計(jì)算系統(tǒng)10主要包括數(shù)據(jù)采集模塊11、預(yù)處理模塊12、對(duì)象 確定模塊13以及擁擠判定模塊14。
[0106] 數(shù)據(jù)采集模塊11，用于建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù) 據(jù)。在本實(shí)施例中，視頻數(shù)據(jù)的具體采集方法詳見前述步驟Sl 1中的相關(guān)記載，在此不做重 復(fù)描述。
[0107] 預(yù)處理模塊12,用于讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn) 行連續(xù)多幀圖像的預(yù)處理。
[0108] 在本實(shí)施方式中，預(yù)處理模塊12具體包括讀幀子模塊121、建模子模塊122、狀態(tài)子 模塊123、修改子模塊124以及更新子模塊125,如圖6所示。
[0109] 請(qǐng)參閱圖6,所示為本發(fā)明一實(shí)施方式中圖5所示的預(yù)處理模塊12的內(nèi)部結(jié)構(gòu)示意 圖。
[0110] 讀幀子模塊121，用于讀取采集到的乘客上下車的視頻數(shù)據(jù)的幀格式并確定幀數(shù)。
[0111] 建模子模塊122，用于對(duì)初始幀中的每個(gè)像素點(diǎn)建立單高斯模型。在本實(shí)施例中， 高斯模型的具體建立方法詳見前述步驟S122中的相關(guān)記載，在此不做重復(fù)描述。
[0112]狀態(tài)子模塊123,用于通過(guò)對(duì)連續(xù)數(shù)幀圖象像素點(diǎn)的變化進(jìn)行分析并判定幀圖像 中每個(gè)像素點(diǎn)為靜態(tài)背景或者為動(dòng)態(tài)前景。在本實(shí)施例中，判定的具體方法詳見前述步驟 S123中的相關(guān)記載，在此不做重復(fù)描述。
[0113]修改子模塊124,用于對(duì)判定為靜態(tài)背景的像素點(diǎn)的像素值進(jìn)行修改，對(duì)判定為動(dòng) 態(tài)前景的像素點(diǎn)的像素值不修改。
[0114]更新子模塊125,用于記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng) 該次數(shù)如果大于或者等于預(yù)設(shè)閾值，則立即更新該像素點(diǎn)RGB值為背景，若非被連續(xù)判斷為 靜態(tài)背景，則重新記錄。在本實(shí)施例中，更新的具體方法詳見前述步驟S125中的相關(guān)記載， 在此不做重復(fù)描述。
[0115] 請(qǐng)繼續(xù)參閱圖5,對(duì)象確定模塊13,用于根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將 檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。
[0116] 在本實(shí)施方式中，對(duì)象確定模塊13具體包括制作子模塊131、限定子模塊132、識(shí)別 子模塊133以及目標(biāo)子模塊134，如圖7所示。
[0117] 請(qǐng)參閱圖7,所示為本發(fā)明一實(shí)施方式中圖5所示的對(duì)象確定模塊13的內(nèi)部結(jié)構(gòu)示 意圖。
[0118] 制作子模塊131，用于利用收集到的多張包含人頭部的正樣本和不包含人頭部的 負(fù)樣本制作用于判定是否人頭頂部的級(jí)聯(lián)分類器。
[0119] 在本實(shí)施方式中，對(duì)以收集的數(shù)張包含人頭部的正樣本和不包含人頭部的負(fù)樣本 (大小20*20)做基于LBP特征的Adaboost訓(xùn)練迭代訓(xùn)練，制作判定是否人頭頂部的級(jí)聯(lián)分類 器。
[0120] 限定子模塊132,用于限定所述級(jí)聯(lián)分類器中檢測(cè)人頭頂部的檢測(cè)窗口的尺寸范 圍。
[0121] 在本實(shí)施方式中，設(shè)定級(jí)聯(lián)分類器的檢測(cè)圖像窗口大小w，其尺寸大小要保證在 Wmir^PWmax之間，W mir^PWmax根據(jù)公交車的大小而定，通過(guò)窗口 w在幀圖像上的移動(dòng)檢測(cè)出人頭 部位置，其移動(dòng)檢測(cè)規(guī)則采用積分圖法，如果未檢測(cè)到人頭部，則將檢測(cè)窗口放大1.5倍，且 不能超過(guò)^"和Wmax的范圍。
[0122] 識(shí)別子模塊133,用于根據(jù)被限定檢測(cè)窗口尺寸的級(jí)聯(lián)分類器進(jìn)行人頭部識(shí)別。
[0123] 目標(biāo)子模塊134，用于將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。
[0124] 請(qǐng)繼續(xù)參閱圖5,擁擠判定模塊14,用于在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的 下車行為和上車行為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度。
[0125] 在本實(shí)施方式中，擁擠判定模塊14具體包括第一判定子模塊141以及第二判定子 豐旲塊142，如圖8所不。
[0126] 請(qǐng)參閱圖8,所示為本發(fā)明一實(shí)施方式中圖5所示的擁擠判定模塊14的內(nèi)部結(jié)構(gòu)示 意圖。
[0127] 第一判定子模塊141，用于在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，如果所述均值 漂移所要跟蹤的目標(biāo)對(duì)象的質(zhì)心穿越了以上兩條檢測(cè)線，則判定乘客為下車或者上車。
[0128] 在本實(shí)施方式中，在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，分別置于距車門外一 定距離的路面上和距車門內(nèi)一定距離的車地板上，將檢測(cè)出的人頭部作為均值漂移 (Meanshift)要跟蹤的目標(biāo)對(duì)象，并計(jì)算該區(qū)域的概率密度估計(jì)其中，u為直方 圖的顏色索引）、目標(biāo)被估計(jì)中心位置yo和核窗寬h。
[0129] 在本實(shí)施方式中，以（n-1)幀目標(biāo)對(duì)象被估計(jì)的中心位置yo為搜索窗口中心坐標(biāo) 計(jì)算當(dāng)前幀的區(qū)域直方圖；將目標(biāo)模板和候選區(qū)域模板對(duì)應(yīng)的直方圖用BH系數(shù)計(jì)算其相似 性，其BH系數(shù)越大代表其相似性高，最大BH系數(shù)的位置為目標(biāo)新位置;通過(guò)計(jì)算每一幀中目 標(biāo)對(duì)象的質(zhì)心坐標(biāo)，質(zhì)心穿越了上下檢測(cè)線，則判定乘客下車行為和上車行為。
[0130] 第二判定子模塊142,用于通過(guò)計(jì)算乘客的下車人數(shù)和上車人數(shù)來(lái)確定實(shí)際運(yùn)營(yíng) 時(shí)的乘客總數(shù)，并利用所述乘客總數(shù)與車內(nèi)最大載客量之間的比值來(lái)衡量車內(nèi)乘客擁擠 度。
[0131] 在本實(shí)施方式中，通過(guò)上車人數(shù)減去下車人數(shù)則為車內(nèi)乘客總數(shù)，通過(guò)計(jì)算實(shí)際 運(yùn)營(yíng)時(shí)的乘客總數(shù)/公交車的最大載客量，則可得到描述車內(nèi)擁擠度的擁擠因子，此因子越 高則越擁擠，反之稀疏。
[0132] 本發(fā)明提供的一種乘客擁擠度的計(jì)算系統(tǒng)10,采用除去靜態(tài)背景的預(yù)處理能有效 克服光照強(qiáng)弱變化等對(duì)幀圖像中人頭頂部識(shí)別的干擾，通過(guò)檢測(cè)窗口的尺寸限制能有效減 小對(duì)人頭頂部的誤檢、漏檢和錯(cuò)檢。
[0133] 值得注意的是，上述實(shí)施例中，所包括的各個(gè)單元只是按照功能邏輯進(jìn)行劃分的， 但并不局限于上述的劃分，只要能夠?qū)崿F(xiàn)相應(yīng)的功能即可;另外，各功能單元的具體名稱也 只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護(hù)范圍。
[0134] 另外，本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述各實(shí)施例方法中的全部或部分步驟 是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，相應(yīng)的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介 質(zhì)中，所述的存儲(chǔ)介質(zhì)，如R0M/RAM、磁盤或光盤等。
[0135] 以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種乘客擁擠度的計(jì)算方法，其特征在于，所述方法包括： 建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)； 讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù)多幀圖像的預(yù)處 理； 根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目 標(biāo)對(duì)象； 在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行為，并根據(jù)乘客的上下車 人數(shù)確定車內(nèi)乘客擁擠度。2. 如權(quán)利要求1所述的乘客擁擠度的計(jì)算方法，其特征在于，所述讀取采集到的乘客上 下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù)多幀圖像的預(yù)處理的步驟具體包括： 讀取采集到的乘客上下車的視頻數(shù)據(jù)的幀格式并確定幀數(shù)； 對(duì)初始幀中的每個(gè)像素點(diǎn)建立單高斯模型； 通過(guò)對(duì)連續(xù)數(shù)幀圖象像素點(diǎn)的變化進(jìn)行分析并判定幀圖像中每個(gè)像素點(diǎn)為靜態(tài)背景 或者為動(dòng)態(tài)前景； 對(duì)判定為靜態(tài)背景的像素點(diǎn)的像素值進(jìn)行修改，對(duì)判定為動(dòng)態(tài)前景的像素點(diǎn)的像素值 不修改； 記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng)該次數(shù)如果大于或者等于 預(yù)設(shè)閾值，則立即更新該像素點(diǎn)RGB值為背景，若非被連續(xù)判斷為靜態(tài)背景，則重新記錄。3. 如權(quán)利要求2所述的乘客擁擠度的計(jì)算方法，其特征在于，所述根據(jù)預(yù)處理的結(jié)果進(jìn) 行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象的步驟具體包括： 利用收集到的多張包含人頭部的正樣本和不包含人頭部的負(fù)樣本制作用于判定是否 人頭頂部的級(jí)聯(lián)分類器； 限定所述級(jí)聯(lián)分類器中檢測(cè)人頭頂部的檢測(cè)窗口的尺寸范圍； 根據(jù)被限定檢測(cè)窗口尺寸的級(jí)聯(lián)分類器進(jìn)行人頭部識(shí)別； 將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。4. 如權(quán)利要求3所述的乘客擁擠度的計(jì)算方法，其特征在于，所述在所述目標(biāo)對(duì)象所在 的區(qū)域內(nèi)判定乘客的下車行為和上車行為，并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度 的步驟具體包括： 在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，如果所述均值漂移所要跟蹤的目標(biāo)對(duì)象的質(zhì) 心穿越了以上兩條檢測(cè)線，則判定乘客為下車或者上車； 通過(guò)計(jì)算乘客的下車人數(shù)和上車人數(shù)來(lái)確定實(shí)際運(yùn)營(yíng)時(shí)的乘客總數(shù)，并利用所述乘客 總數(shù)與車內(nèi)最大載客量之間的比值來(lái)衡量車內(nèi)乘客擁擠度。5. -種乘客擁擠度的計(jì)算系統(tǒng)，其特征在于，所述系統(tǒng)包括： 數(shù)據(jù)采集模塊，用于建立視頻數(shù)據(jù)采集環(huán)境，并開始采集乘客上下車的視頻數(shù)據(jù)； 預(yù)處理模塊，用于讀取采集到的乘客上下車的視頻數(shù)據(jù)，并對(duì)所述視頻數(shù)據(jù)進(jìn)行連續(xù) 多幀圖像的預(yù)處理； 對(duì)象確定模塊，用于根據(jù)預(yù)處理的結(jié)果進(jìn)行人頭部識(shí)別，并將檢測(cè)出的人頭部作為均 值漂移所要跟蹤的目標(biāo)對(duì)象； 擁擠判定模塊，用于在所述目標(biāo)對(duì)象所在的區(qū)域內(nèi)判定乘客的下車行為和上車行為， 并根據(jù)乘客的上下車人數(shù)確定車內(nèi)乘客擁擠度。6. 如權(quán)利要求5所述的乘客擁擠度的計(jì)算系統(tǒng)，其特征在于，所述預(yù)處理模塊包括： 讀幀子模塊，用于讀取采集到的乘客上下車的視頻數(shù)據(jù)的幀格式并確定幀數(shù)； 建模子模塊，用于對(duì)初始幀中的每個(gè)像素點(diǎn)建立單高斯模型； 狀態(tài)子模塊，用于通過(guò)對(duì)連續(xù)數(shù)幀圖象像素點(diǎn)的變化進(jìn)行分析并判定幀圖像中每個(gè)像 素點(diǎn)為靜態(tài)背景或者為動(dòng)態(tài)前景； 修改子模塊，用于對(duì)判定為靜態(tài)背景的像素點(diǎn)的像素值進(jìn)行修改，對(duì)判定為動(dòng)態(tài)前景 的像素點(diǎn)的像素值不修改； 更新子模塊，用于記錄幀圖像中每個(gè)像素點(diǎn)被連續(xù)判斷為靜態(tài)背景的次數(shù)，當(dāng)該次數(shù) 如果大于或者等于預(yù)設(shè)閾值，則立即更新該像素點(diǎn)RGB值為背景，若非被連續(xù)判斷為靜態(tài)背 景，貝重新記錄。7. 如權(quán)利要求6所述的乘客擁擠度的計(jì)算系統(tǒng)，其特征在于，所述對(duì)象確定模塊包括： 制作子模塊，用于利用收集到的多張包含人頭部的正樣本和不包含人頭部的負(fù)樣本制 作用于判定是否人頭頂部的級(jí)聯(lián)分類器； 限定子模塊，用于限定所述級(jí)聯(lián)分類器中檢測(cè)人頭頂部的檢測(cè)窗口的尺寸范圍； 識(shí)別子模塊，用于根據(jù)被限定檢測(cè)窗口尺寸的級(jí)聯(lián)分類器進(jìn)行人頭部識(shí)別； 目標(biāo)子模塊，用于將檢測(cè)出的人頭部作為均值漂移所要跟蹤的目標(biāo)對(duì)象。8. 如權(quán)利要求7所述的乘客擁擠度的計(jì)算系統(tǒng)，其特征在于，所述擁擠判定模塊包括： 第一判定子模塊，用于在攝像頭所拍攝區(qū)域中設(shè)置兩條檢測(cè)線，如果所述均值漂移所 要跟蹤的目標(biāo)對(duì)象的質(zhì)心穿越了以上兩條檢測(cè)線，則判定乘客為下車或者上車； 第二判定子模塊，用于通過(guò)計(jì)算乘客的下車人數(shù)和上車人數(shù)來(lái)確定實(shí)際運(yùn)營(yíng)時(shí)的乘客 總數(shù)，并利用所述乘客總數(shù)與車內(nèi)最大載客量之間的比值來(lái)衡量車內(nèi)乘客擁擠度。
【文檔編號(hào)】G06K9/00GK105844229SQ201610161123
【公開日】2016年8月10日
【申請(qǐng)日】2016年3月18日
【發(fā)明人】張勇, 劉磊, 趙東寧, 李巖山, 陳劍勇
【申請(qǐng)人】深圳大學(xué)