基于云圖像處理的城市車(chē)廂和站臺(tái)擁擠度的檢測(cè)與研究

【摘 ?要】隨著我國(guó)的科技、經(jīng)濟(jì)不斷發(fā)展城市軌道交通也在不斷增多，越來(lái)越多的人選擇城市軌道交通出行，人們?cè)谶M(jìn)行較遠(yuǎn)距離出行時(shí)可供選擇的城市軌道交通路線就變得多樣化，人們出行時(shí)的人口密度和車(chē)站擁擠度也是對(duì)于預(yù)測(cè)下一步人們行駛路線至關(guān)重要的。利用車(chē)廂攝像頭，截取每次列車(chē)出站時(shí)刻時(shí)的影像，增加擁擠度、換乘等權(quán)重運(yùn)行算法進(jìn)行初步預(yù)測(cè)，結(jié)果存入數(shù)據(jù)庫(kù)。結(jié)果在App平臺(tái)發(fā)布，根據(jù)用戶(hù)反饋修正預(yù)測(cè)結(jié)果[1]。

【關(guān)鍵詞】城市軌道交通;攝像頭;擁擠度;數(shù)據(jù)分析系統(tǒng)

引言

我國(guó)經(jīng)濟(jì)的快速發(fā)展，城市化建設(shè)工程不斷加快，私家車(chē)數(shù)量逐漸增多，因而道路交通擁堵問(wèn)題也日益嚴(yán)重，尤其是城市主要路段和商業(yè)領(lǐng)域交通擁堵十分嚴(yán)重，或許這些已經(jīng)成為阻礙城市發(fā)展的重要因素。針對(duì)這一交通問(wèn)題，交通數(shù)據(jù)分析系統(tǒng)技術(shù)顯得尤為重要，這種技術(shù)利用互聯(lián)網(wǎng)與通訊技術(shù)擁擠圖像識(shí)別技術(shù)，并且在相應(yīng)的電子設(shè)備上配置檢測(cè)設(shè)備，從而實(shí)現(xiàn)對(duì)車(chē)輛息數(shù)據(jù)和人口擁擠度數(shù)據(jù)進(jìn)行有效采集和分析整理[2]。此外，這種交通數(shù)據(jù)分析系統(tǒng)技術(shù)會(huì)及時(shí)把檢測(cè)數(shù)據(jù)傳輸給監(jiān)控中心，這樣監(jiān)控中心就會(huì)根據(jù)傳輸?shù)臄?shù)據(jù)對(duì)實(shí)際的交通情況制定出合理的控制方案。由此可見(jiàn)，公安管理部門(mén)應(yīng)該在道路交通安全工作方面對(duì)道路進(jìn)行動(dòng)態(tài)管控，特別是在交通卡口處、站臺(tái)集聚處一定要制定一套智能化的管控分析系統(tǒng)，這樣才能更加有效地保障城市交通的流暢，更好地保障人們的出行安全。

1.研究現(xiàn)狀

在如今，測(cè)量交通人群密度的手段有IC卡、列車(chē)測(cè)量、紅外線測(cè)量等方式，但由于上述方式不能準(zhǔn)確地將不同車(chē)廂的人群密度分開(kāi)，以至于不能夠準(zhǔn)確地得出車(chē)廂的人群基數(shù)，并且這些傳統(tǒng)方式的步驟十分困難。所以本文利用攝像頭采集人體信息，運(yùn)用基于頭發(fā)灰度信息的人頭檢測(cè)和基于膚色信息的人頭檢測(cè)，兩種方法結(jié)果進(jìn)行匹配，通過(guò)灰度化、預(yù)處理等，濾除噪聲所帶來(lái)的干擾，從而使得不同人群的圖形變得更加清晰，以便為檢測(cè)提高準(zhǔn)確性。運(yùn)用基于頭發(fā)灰度信息的人頭檢測(cè)和基于膚色信息的人頭

2.k-均值聚類(lèi)法

k-均值聚類(lèi)法是按照一定的聚類(lèi)準(zhǔn)則將整個(gè)數(shù)據(jù)集分成 k 個(gè)聚集的算法。在視頻交通檢測(cè)應(yīng)用中，利用 k-均值法就是將拍攝到的交通場(chǎng)景中的像素聚類(lèi)為 k 個(gè)表示不同物體的區(qū)域塊。Kottle提出了一種 k-均值法的分割算法[3]，其聚類(lèi)準(zhǔn)則是利用了像素的三個(gè)特征：縱橫坐標(biāo)灰度值，其中灰度值可以將屬于不同物體的像素分離，而坐標(biāo)則決定了像素的歸屬區(qū)域。然而這種方法的缺點(diǎn)是分割區(qū)域的數(shù)目要作為初始參數(shù)，顯然在復(fù)雜的交通場(chǎng)景中，事先預(yù)測(cè)可以正確分割圖像的區(qū)域數(shù)目是比較困難的，因?yàn)檫@取決于場(chǎng)景中的車(chē)輛數(shù)目。為了解決這個(gè)問(wèn)題，文獻(xiàn)[4] 提出了一種多段（Multi-stage）分割方法，事先固定初始分割區(qū)域數(shù)目（6 ～10 個(gè)），然后根據(jù)初始分割區(qū)域的密度和大小來(lái)決定是否對(duì)此區(qū)域繼續(xù)劃分。

3.圖像處理

通過(guò)攝像機(jī)將行駛車(chē)輛的視頻圖像按序列連續(xù)捕捉下來(lái)并數(shù)字化，存入內(nèi)存或幀緩存中，將采集到的序列數(shù)字圖像進(jìn)行預(yù)處理如濾波除噪、圖形銳化、對(duì)比度增強(qiáng)，再對(duì)預(yù)處理后的圖像分割，對(duì)分割后的目標(biāo)圖像進(jìn)提取特征，進(jìn)行分類(lèi)識(shí)別。運(yùn)用基于頭發(fā)灰度信息的人頭檢測(cè)和基于膚色信息的人頭檢測(cè)，兩種方法結(jié)果進(jìn)行匹配。通過(guò)灰度化、預(yù)處理等，濾除噪聲所帶來(lái)的干擾，以便為檢測(cè)提高準(zhǔn)確性。通過(guò)以上兩種方式得到的結(jié)果進(jìn)行匹配，從而得到準(zhǔn)確度較高的人群擁擠度信息。

最終我們通過(guò)此結(jié)果對(duì)車(chē)輛的人數(shù)進(jìn)行誘導(dǎo)，對(duì)車(chē)廂內(nèi)攝像頭采集和處理的圖片進(jìn)行進(jìn)一步的數(shù)值計(jì)算，利用車(chē)廂攝像頭，截取每次列車(chē)出站時(shí)刻時(shí)的影像，增加擁擠度、換乘等權(quán)重運(yùn)行算法進(jìn)行初步預(yù)測(cè)，結(jié)果存入數(shù)據(jù)庫(kù)。結(jié)果在App平臺(tái)發(fā)布，根據(jù)用戶(hù)反饋修正預(yù)測(cè)結(jié)果，這種研究方向可以做到準(zhǔn)確地對(duì)每幀的靜態(tài)圖片進(jìn)行理論化的計(jì)算，提高了實(shí)際情況的準(zhǔn)確度。

5.結(jié)束語(yǔ)

對(duì)于人員擁擠度準(zhǔn)確分析系統(tǒng)而言，該系統(tǒng)是一個(gè)非常復(fù)雜的系統(tǒng)，它不僅涉及到網(wǎng)絡(luò)連接應(yīng)用、模型設(shè)計(jì)、圖像處理，而且還涉及到信息和數(shù)據(jù)采集和處理等各個(gè)方面。另外，該數(shù)據(jù)分析系統(tǒng)在城市交通運(yùn)行方面發(fā)揮著非常重要的作用。

因此我相信在不久的將來(lái)，相關(guān)領(lǐng)域人員就會(huì)在人口擁擠度分析系統(tǒng)的基礎(chǔ)上繼續(xù)對(duì)該系統(tǒng)進(jìn)行創(chuàng)新，更好地保障人們的出行安全。所以，我們作為新一代的“交通青年”更要做到“不忘初心，牢記使命”，中國(guó)夢(mèng)終將在我們一代代青年的接力奮斗中變?yōu)楝F(xiàn)實(shí)。

參考文獻(xiàn)：

[1]鄧波，黃同成，劉遠(yuǎn)軍.基于4G移動(dòng)網(wǎng)絡(luò)的大數(shù)據(jù)與云計(jì)算技術(shù)應(yīng)用分析及展望—以城市智能交通系統(tǒng)為例[J].信息與電腦（理論版），2015（23）：28-30.

[2]李林.基于hadoop的海量圖片存儲(chǔ)模型的分析和設(shè)計(jì)[D].杭州：杭州電子科技大學(xué)，2011.

[3]J Badenas，M Bober，F(xiàn) Pla.Motion and Intensity-based Segmentation and Its Application to Traffic Monitoring[ C].Proceedings of the International Conference on Image Analysis and Proceedings ICIAP 97，F(xiàn)lorence，Italy，IAPR，1997.502 - 509.

[4]Kottle D，Sun Y.Motion Estimation via Cluster Matching[ J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1994，16（2）：1128-1132

作者簡(jiǎn)介：

楊昕宇（1999-6-27），男，漢，陜西富平，本科大學(xué)生，重慶交通大學(xué)，交通設(shè)備與控制工程，。郵編400074。

（作者單位：（重慶交通大學(xué)）