全客通基于視覺的公交站臺客流統計系統
來源: | 作者:allcount | 發布時間: 2019-02-25 | 465 次瀏覽 | 分享到:
BRT、公交站臺客流統計系統

一、系統概述

公交客流統計系統是公交車輛調度運行的重要依據,對提高公交系統的運行效率和服務質量、提升用戶的乘坐體驗具有重要的意義。

 公交客流統計系統包括車內客流統計和站臺客流統計二部分,車內客流統計通常通過檢測統計車門進出客流獲取各站的上下人數,并推算出車內的乘客數量??梢越蟹殖蕩?、站點、時刻等的客流統計,但無法預知車站候客數量,信息具有滯后性。這種方式屬于線上檢測,即對經過一條門線(可以是虛擬的)的客流進行統計。站臺客流統計則對場景的面上客流的檢測,可以提前預知候車乘客數量,提前進行車輛運行的調度管理,以提高公交系統的運行效率和服務質量。對于BRT系統來說,由于乘客通常只會乘坐該線路,站臺客流的統計更具有實際意義。

對于站臺來說,客流統計實際上是對一個空間中乘客的數量統計,技術上通??梢圓捎夢⒉ǜ杏?、主動紅外、被動紅外等方式進行檢測,但要達到高的檢測精度和系統性價比,基于視頻的檢測方式是最優的選擇。但從技術上來說,基于視頻的方式同樣也面臨著一系列的實際困難,如圖1的車站站臺場景,盡管空間并不大,但對檢測算法來說面臨以下的難點:

      1)候車乘客有坐著的,也有站著的,人多時相互遮擋非常嚴重;

      2)由于車站場景是開放式的,圖像受光照變化的影響非常嚴重;

      3)晚上光照相當低,攝像機會切換成紅外方式,圖像將從彩色變成黑白色;

      4)對于雨雪天氣,由于車站場景的開放性,不僅圖像質量受影響,檢測算法也會受到雨傘、雨衣等的嚴重影響。

       針對上述的問題,需要研發一套針對性的算法和系統。由于近年來深度學習技術的快速發展,為本系統的實現提供了堅實的理論基礎。同時,全客通前期對線上、面上客流統計系統進行了長期的研究和工程實施,積累了大量的技術和經驗,使得本系統的實現具備了良好的基礎。

圖1 車站站臺

二、系統方案

1、系統組成

本系統采用日夜型攝像機+嵌入式終端的方式實施,攝像機采用高動態范圍的日夜型攝像機,通過不同焦距的鏡頭實現監視場景的全覆蓋,攝像機安裝方式和監控候車區域如圖2所示。

嵌入式終端安放在車站弱電機柜中,配置雙網卡,一路接攝像機的視頻信號,一路與上位服務器進行連接。嵌入式終端進行現場的邊緣智能計算,實現場景乘客數量的實時檢測,并定時將數量通過網絡傳入上位服務器。

2 候車區域與攝像機安裝方式

2、算法與軟件設計

采用基于SSD類的人頭目標檢測算法,以解決嚴重遮擋場景的人數統計問題,圖3是商場場景的人頭檢測的示例。算法需針對圖像高分辨率、實時性等要求進行模型的優化設計與訓練,并具備逐漸優化更新的能力。同時,算法將與傳統的運動目標檢測、光流檢測等算法融合,以提高模型的適應能力。

場景的人頭檢測

系統軟件采用??榛杓?,并能夠遠程進行更新。系統具備標準化的網絡數據上傳接口,便捷的系統設置和交互調試界面,以及本地檢測數據的存儲和管理功能。

3、系統功能指標

1)              通訊方式:WiFiRJ45網口以太網;

2)              站臺設備端直接輸出客流數據;

3)              通訊協議:Restful http API或自定義協議;

4)              數據刷新率:≦10s;

5)              數據準確率(封閉BRT站臺):站臺有人無人≧99%,整體準確率≧90%;

6)              工況:適應夜間低照明度。


需要更多資料,請致電400-6329-828