專利名稱：綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及鐵路運(yùn)輸技術(shù)領(lǐng)域，尤其涉及一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法及系統(tǒng)。
背景技術(shù)：
近年來，我國高速鐵路建設(shè)如火如荼，將要建設(shè)12000公里的客運(yùn)專線。高速鐵路綜合客運(yùn)樞紐是客流集散的重要場所。從國外的經(jīng)驗來看，在高速鐵路建成初期，會引起客流量在短期內(nèi)急劇增長，這種現(xiàn)象區(qū)別于客流的逐年漸增模式。例如，北京南站可容納 10500人同時候車，預(yù)計2020年南站運(yùn)量每年超1. 9億人次。高密度聚集的客流易產(chǎn)生客運(yùn)站點的人群擁擠安全隱患，高速鐵路綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)客流組織立體交叉，行人走行空間開放化，客流集散安全管理體系面臨新的考驗。擁擠人群的安全狀態(tài)識別一直是人們面對的一個公共安全問題，歷史上發(fā)生的人群擁擠踩踏事件無不觸目驚心。據(jù)統(tǒng)計，我國1983年至2004年因人群聚集失控、組織工作疏忽造成擁擠踩踏事故占總的大型群眾性活動傷亡事故的48. 64%。交通樞紐人群聚集安全問題更是已經(jīng)成為全社會關(guān)注的焦點。總結(jié)國內(nèi)外相關(guān)研究成果可以發(fā)現(xiàn)，基于精確實時客流檢測信息的行人安全狀態(tài)的自動識別技術(shù)平臺較為缺乏，客流安全狀態(tài)的實時檢測與應(yīng)急響應(yīng)尚不能完美結(jié)合，鐵路客運(yùn)樞紐行人安全事故應(yīng)急響應(yīng)處置過程只能被動回應(yīng)，缺乏主動應(yīng)對性。具體而言，具有如下缺陷第一、成本高。由于不能進(jìn)行實時的系統(tǒng)監(jiān)測，監(jiān)控中心往往需要安排多位工作人員進(jìn)行人工觀測。第二、精確度低。人工判斷往往只能判斷單點，而且誤差交大。第三、反應(yīng)速度慢。人工觀測需要考慮工作人員的反應(yīng)速度，無法做到及時預(yù)警。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別技術(shù)， 以高效率、高精度并實時對行人安全狀態(tài)進(jìn)行識別。一方面，本發(fā)明提供了一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法， 包括如下步驟背景建立步驟，獲取綜合客運(yùn)樞紐內(nèi)視頻監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)，提取所述圖像數(shù)據(jù)中的視頻信息；基于所述視頻信息，采用自適應(yīng)均值幀差法進(jìn)行背景建模，獲取背景模型；識別步驟，對當(dāng)前幀視頻和所述背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對其連通域進(jìn)行分割識別，獲得行人人數(shù)信息；報警步驟，判斷所述行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是，則報警；若否，則確認(rèn)為安全狀態(tài)。上述行人安全狀態(tài)識別方法，優(yōu)選所述背景建立步驟中，所述自適應(yīng)均值幀差法進(jìn)一步為對于每個像素點，先統(tǒng)計滑窗時間內(nèi)每個區(qū)間內(nèi)出現(xiàn)的亮度值，然后計算該區(qū)間內(nèi)所有值的平均值，并用它來作為背景模型在該點的亮度值。同時每隔一段時間，將新生成的背景與初始背景進(jìn)行對比更新以便于背景自適應(yīng)校正。
另一方面，本發(fā)明還公開了一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別系統(tǒng)，包括背景建立模塊、識別模塊和報警模塊。其中，背景建立模塊用于獲取樞紐內(nèi)視頻監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)，提取所述圖像數(shù)據(jù)中的視頻信息；基于所述視頻信息，采用自適應(yīng)均值幀差法進(jìn)行背景建模，獲取背景模型；差分模塊用于對當(dāng)前幀視頻和所述背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對其連通域進(jìn)行分割識別，獲得行人人數(shù)信息；報警模塊用于判斷所述行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是，則報警；若否，則確認(rèn)為安全狀態(tài)。上述行人安全狀態(tài)識別系統(tǒng)，優(yōu)選所述背景建立模塊中，所述自適應(yīng)均值幀差法進(jìn)一步為自適應(yīng)均值幀差法進(jìn)一步為對于圖像中的每個像素點，先統(tǒng)計滑窗時間內(nèi)每個區(qū)間內(nèi)出現(xiàn)的亮度值，然后計算該區(qū)間內(nèi)所有值的平均值，并用該平均值作為背景模型在該點的亮度值，通過這種方式獲取新生成的背景；同時每隔一段時間，將新生成的背景與初始背景進(jìn)行對比更新以便于背景自適應(yīng)校正相對于現(xiàn)有技術(shù)而言，本發(fā)明通過對樞紐內(nèi)視頻監(jiān)控系統(tǒng)所采集的圖像數(shù)據(jù)進(jìn)行處理，基于均值法的背景建模，實時監(jiān)測樞紐內(nèi)部客流狀態(tài)，及時發(fā)現(xiàn)判別行人安全隱患， 并發(fā)布安全預(yù)警信息。因此，本發(fā)明保障了高速鐵路綜合客運(yùn)樞紐客流高效安全的集散，降低了事故的發(fā)生率和嚴(yán)重性，提高了營運(yùn)效率，確?？土鹘M織順利實施和安全運(yùn)營。


圖IA為本發(fā)明綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法實施例的步驟流程圖；圖IB為本發(fā)明在進(jìn)行背景建模過程中的步驟流程圖；圖2為本發(fā)明綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別系統(tǒng)實施例的結(jié)構(gòu)框圖；圖3為一個實施例中，從影像中提取的某幀客流圖像；圖4為圖3所示的實施例中的影像中擬合出的實時背景；圖5為圖3的實施例計算后得出的不含背景(包括工作人員)實時客流圖像；圖6為采用本識別技術(shù)后實時顯示的10幀當(dāng)前錄像中的旅客人數(shù)示意圖；圖7為識別人數(shù)與實際人數(shù)的對比示意圖；
圖8為識別準(zhǔn)確率曲線圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式
對本發(fā)明作進(jìn)一步詳細(xì)的說明。下面，對本發(fā)明涉及的幾個概念進(jìn)行說明。1)綜合客運(yùn)樞紐綜合客運(yùn)樞紐是指在綜合運(yùn)輸網(wǎng)的特定節(jié)點上，將多種運(yùn)輸方式及城市交通的轉(zhuǎn)換場所在同一空間內(nèi)集中布設(shè)，綜合運(yùn)用現(xiàn)代化先進(jìn)手段(硬件與軟件)，使各種運(yùn)輸方式的設(shè)施設(shè)備、運(yùn)輸作業(yè)、技術(shù)標(biāo)準(zhǔn)、信息傳輸、組織管理等在物理和邏輯上無縫銜接而形成的運(yùn)輸服務(wù)一體化的運(yùn)輸場站。
2)集散服務(wù)網(wǎng)絡(luò)綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)是建立在樞紐內(nèi)部集散設(shè)施、設(shè)備網(wǎng)絡(luò)基礎(chǔ)上，有多種客運(yùn)組織流程共同構(gòu)成，以到發(fā)客流為服務(wù)對象，以樞紐客運(yùn)交通組織模式為依據(jù)，以樞紐內(nèi)部集散功能結(jié)構(gòu)網(wǎng)絡(luò)為載體，通過“人、路、環(huán)境、供給”之間的動態(tài)協(xié)同，實現(xiàn)到發(fā)樞紐客流的高效疏導(dǎo)。3)行人安全狀態(tài)行人安全狀態(tài)是指在綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)走行空間內(nèi)不同狀態(tài)下的行人安全隱患，包括客流擁擠安全狀態(tài)，人群擁擠基本特性(速度、密度、流量、壓力等)，人群擁擠事故發(fā)生的臨界點。參照圖1A，圖IA為本發(fā)明綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法實施例的步驟流程圖，包括如下步驟背景建立步驟S110，獲取樞紐內(nèi)視頻監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)，提取所述圖像數(shù)據(jù)中的視頻信息；基于所述視頻信息，采用自適應(yīng)均值幀差法(每隔一段時間，能夠進(jìn)行自我修正)進(jìn)行背景建模，獲取背景模型。識別步驟S120，對當(dāng)前幀視頻和所述背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對其連通域進(jìn)行分割識別，獲得行人人數(shù)信息。報警步驟 S130，判斷所述行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是，則報警；若否，則確認(rèn)為安全狀態(tài)。下面具體對背景建立步驟SllO進(jìn)行說明?？紤]到樞紐內(nèi)部監(jiān)控布設(shè)點處行人的速度特征，以及監(jiān)控樣本采集的時間特征，通過對幀差法的多種算法的比較，本實施例提出自適應(yīng)的均值幀差法來實現(xiàn)背景建模。幀差法(frame difference)是利用視頻序列中當(dāng)前兩幀或當(dāng)前幀與其前某幀的差分來提取出圖像中的運(yùn)動區(qū)域。這種直接利用t-i時刻的視頻幀作為t時刻背景幀的方法，它具有較強(qiáng)的場景變化適應(yīng)能力，不僅背景不隨時間積累，并且更新速度快。參照圖1B，圖IB為本發(fā)明在進(jìn)行背景建模過程中的“均值幀差”的步驟流程圖。 首先，讀取η幀連續(xù)RGB圖像，確定表示單幀彩色空間中的R分量、表示單幀彩色空間中的G 分量和表示單幀彩色空間中的B分量，然后，分別計算η幀圖像每個像素點的R分量均值、 G分量均值和B分量均值；將這三個均值合成三維矩陣，并轉(zhuǎn)化為灰度圖像后存儲至本地。采用均值幀差法獲取背景圖像具體方式可以為對于每個像素點，先統(tǒng)計滑窗時間內(nèi)每個區(qū)間內(nèi)出現(xiàn)的亮度值，然后計算該區(qū)間內(nèi)所有值的平均值，并用它來作為下一個識別計數(shù)時間內(nèi)的背景模型在該點的亮度值。即，
1Bt+lix,y) =-YjI ^(x,y)
L ；=0其中，t為當(dāng)前時刻，χ代表直角坐標(biāo)系中χ軸的坐標(biāo)值，y代表直角坐標(biāo)系中y軸的坐標(biāo)值，Bt+1(x，y)代表新建的背景中坐標(biāo)為(x，y)的點設(shè)定的亮度值，I (x，y)代表坐標(biāo)為(x，y)的點對應(yīng)像素的實際亮度值，Ιη(Χ，Υ)代表坐標(biāo)為(x，y)的點在t-i時刻對應(yīng)像素的實際亮度值；L為滑窗時間內(nèi)的幀數(shù)。在實施例中，自適應(yīng)的含義如下設(shè)置的取樣頻率是2幀/秒，10秒更新一次背景，同時每隔20分鐘，自動將當(dāng)前時刻采用的最新背景圖像與當(dāng)天提取的第一張背景圖像中的所有像素點進(jìn)行對比，記最新背景圖像的像素點為P，第一張背景圖像中的像素點P。，設(shè)定閾值T。若IP-PqI彡T，則認(rèn)為最新背景圖像中該點像素不需要修正；如IP-P0 >τ， 則認(rèn)為最新背景圖像中該點像素需要修正，修正為Ptlt5如此可以得到實時的擬合背景，并依此計算行人數(shù)量。也就是說，本實施例是通過對樞紐內(nèi)視頻監(jiān)控系統(tǒng)所采集的圖像數(shù)據(jù)進(jìn)行處理， 實時監(jiān)測樞紐內(nèi)部客流狀態(tài)，根據(jù)高鐵客流樞紐內(nèi)換乘行為特征(行為特征在一定程度上能夠預(yù)見行為人數(shù)信息)，實時發(fā)現(xiàn)并判別行人安全問題隱患。例如某車次的行人出站，根據(jù)其換乘行為特征，能夠?qū)е碌罔F換乘處、公車換乘處等行人人數(shù)激增。在具體實施時，還可以結(jié)合客流仿真子系統(tǒng)仿真結(jié)果和行人安全狀態(tài)等級標(biāo)準(zhǔn)， 確定實時行人安全狀態(tài)等級，觸發(fā)安全預(yù)警機(jī)制，以保障樞紐客流高效安全集散，降低事故的發(fā)生率和嚴(yán)重性，提高樞紐營運(yùn)效率，促進(jìn)樞紐客運(yùn)組織工作順利完成。相比現(xiàn)有技術(shù)，上述實施例具有如下優(yōu)點第一、成本低。由于可以采用視頻監(jiān)控系統(tǒng)進(jìn)行實時監(jiān)測，監(jiān)控中心不需要安排多位工作人員進(jìn)行人工觀測；因此，可以減少工作量，提高工作效率，降低工作成本。第二、精確度高。該實施例克服現(xiàn)有技術(shù)中單點人工判斷的缺陷，能夠同時進(jìn)行多點判斷，且誤差小，大大提高了行人安全狀態(tài)識別的精確度。第三、反應(yīng)速度快。本實施例可以通過計算機(jī)實現(xiàn)實時的監(jiān)控并預(yù)警，因此，反應(yīng)速度快。另一方面，本發(fā)明還提供了一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別系統(tǒng)，該系統(tǒng)包括背景建立模塊22、識別模塊M和報警模塊沈。其中，背景建立模塊22用于獲取樞紐內(nèi)視頻監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)，提取所述圖像數(shù)據(jù)中的視頻信息；基于所述視頻信息，采用自適應(yīng)均值幀差法進(jìn)行背景建模，獲取背景模型。差分模塊M用于對當(dāng)前幀視頻和所述背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對其連通域進(jìn)行分割識別，獲得行人人數(shù)信息。報警模塊26用于判斷所述行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是， 則報警；若否，則確認(rèn)為安全狀態(tài)。下面具體對背景建立模塊22進(jìn)行說明?？紤]到樞紐內(nèi)部監(jiān)控布設(shè)點處行人的速度特征，以及監(jiān)控樣本采集的時間特征，通過對幀差法的多種算法的比較，本實施例提出自適應(yīng)的均值幀差法來實現(xiàn)背景建模。幀差法(frame difference)是利用視頻序列中當(dāng)前兩幀或當(dāng)前幀與其前某幀的差分來提取出圖像中的運(yùn)動區(qū)域。這種直接利用t-Ι時刻的視頻幀作為t時刻背景幀的方法，它具有較強(qiáng)的場景變化適應(yīng)能力，不僅背景不隨時間積累，并且更新速度快。本實施例中的均值幀差法具體為對于每個像素點，先統(tǒng)計滑窗時間內(nèi)每個區(qū)間內(nèi)出現(xiàn)的亮度值，然后計算該區(qū)間內(nèi)所有值的平均值，并用它來作為背景模型在該點的亮度值。即，
權(quán)利要求
1.一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法，其特征在于，包括如下步驟背景建立步驟，獲取綜合客運(yùn)樞紐內(nèi)視頻監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)，提取所述圖像數(shù)據(jù)中的視頻信息；基于所述視頻信息，采用自適應(yīng)均值幀差法進(jìn)行背景建模，獲取背景模型；識別步驟，對當(dāng)前幀視頻和所述背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對其連通域進(jìn)行分割識別，獲得行人人數(shù)信息；報警步驟，判斷所述行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是，則報警；若否，則確認(rèn)為安全狀態(tài)。
2.根據(jù)權(quán)利要求1所述的行人安全狀態(tài)識別方法，其特征在于，所述背景建立步驟中， 所述自適應(yīng)均值幀差法進(jìn)一步為對于圖像中的每個像素點，先統(tǒng)計滑窗時間內(nèi)每個區(qū)間內(nèi)出現(xiàn)的亮度值，然后計算該區(qū)間內(nèi)所有值的平均值，并用該平均值作為背景模型在該點的亮度值，通過這種方式獲取新生成的背景；同時每隔一段時間，將新生成的背景與初始背景進(jìn)行對比更新以便于背景自適應(yīng)校正。
3.一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別系統(tǒng)，其特征在于，包括背景建立模塊，用于獲取樞紐內(nèi)視頻監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)，提取所述圖像數(shù)據(jù)中的視頻信息；基于所述視頻信息，采用自適應(yīng)均值幀差法進(jìn)行背景建模，獲取背景模型；識別模塊，用于對當(dāng)前幀視頻和所述背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對其連通域進(jìn)行分割識別，獲得行人人數(shù)信息；報警模塊，用于判斷所述行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是，則報警；若否，則確認(rèn)為安全狀態(tài)。
4.根據(jù)權(quán)利要求3所述的行人安全狀態(tài)識別系統(tǒng)，其特征在于，所述背景建立模塊中， 所述自適應(yīng)均值幀差法進(jìn)一步為對于圖像中的每個像素點，先統(tǒng)計滑窗時間內(nèi)每個區(qū)間內(nèi)出現(xiàn)的亮度值，然后計算該區(qū)間內(nèi)所有值的平均值，并用該平均值作為背景模型在該點的亮度值，通過這種方式獲取新生成的背景；同時每隔一段時間，將新生成的背景與初始背景進(jìn)行對比更新以便于背景自適應(yīng)校正。
全文摘要
本發(fā)明公開了一種綜合客運(yùn)樞紐集散服務(wù)網(wǎng)絡(luò)行人安全狀態(tài)識別方法及系統(tǒng)。包括提取圖像數(shù)據(jù)中的視頻信息；基于視頻信息，采用自適應(yīng)均值幀差法進(jìn)行背景建模，獲取背景模型；對當(dāng)前幀視頻和背景模型進(jìn)行差分運(yùn)算，提取行人前景圖像，對連通域進(jìn)行分割識別，獲得行人人數(shù)信息；判斷行人人數(shù)信息是否超過預(yù)先設(shè)定的閾值；若是，報警；若否，確認(rèn)為安全狀態(tài)。本發(fā)明通過對樞紐內(nèi)視頻監(jiān)控系統(tǒng)所采集的圖像數(shù)據(jù)進(jìn)行處理，基于均值法的背景建模，實時監(jiān)測樞紐內(nèi)部客流狀態(tài)，及時發(fā)現(xiàn)判別行人安全隱患，并發(fā)布安全預(yù)警信息；保障綜合客運(yùn)樞紐客流高效安全的集散，降低事故的發(fā)生率和嚴(yán)重性，提高營運(yùn)效率，確?？土鹘M織順利實施和安全運(yùn)營。
文檔編號G06K9/00GK102324018SQ20111015953
公開日2012年1月18日 申請日期2011年6月14日 優(yōu)先權(quán)日2011年6月14日
發(fā)明者夏令, 尹彪, 曾進(jìn), 董寶田, 謝征宇 申請人:北京交通大學(xué)