基于圖像分析的公交車客流狀態(tài)實(shí)時(shí)監(jiān)測研究

陳林

(宿遷學(xué)院,江蘇宿遷,223800)

0 引言

在上世紀(jì)六十年代，已經(jīng)開始了人臉識別系統(tǒng)的研發(fā)設(shè)計(jì)工作，自九十年代末開始應(yīng)用該技術(shù)以來，人臉識別系統(tǒng)發(fā)生了巨大變化。一方面，在核心算法方面，從初級的圖像識別，發(fā)展到了以人工智能技術(shù)為基礎(chǔ)的機(jī)器識別。另一方面，在該系統(tǒng)的應(yīng)用過程中，形成了不同技術(shù)主導(dǎo)下的多元化運(yùn)用局面，促進(jìn)了各行業(yè)諸領(lǐng)域的智能化發(fā)展。由于公交車客流狀態(tài)的實(shí)時(shí)監(jiān)測與公共安全、載客數(shù)量、公共資源配置等密切關(guān)聯(lián)，因此，在新時(shí)期十分有必要增強(qiáng)人臉識別系統(tǒng)在該領(lǐng)域的運(yùn)用，促進(jìn)公共交通事業(yè)向著智慧交通方向升級，為構(gòu)建更高層次的平安中國提供技術(shù)支持。

1 系統(tǒng)組成開發(fā)環(huán)境概述

在圖像分析技術(shù)中，人臉識別技術(shù)發(fā)展早、應(yīng)用范圍相對較廣。而且，在一些成熟的平臺上可以直接對人臉識別系統(tǒng)進(jìn)行二次開發(fā)，提高人臉識別技術(shù)的應(yīng)用效率。以英特爾公司開發(fā)的OpenCV 程序?yàn)槔ㄟ^對C 函數(shù)、C++函數(shù)的運(yùn)用，能夠?qū)崿F(xiàn)在OpenCV 跨平臺計(jì)算機(jī)視覺庫基礎(chǔ)上，對人臉識別系統(tǒng)的二次開發(fā)，而且，在語言接口方面，設(shè)置有MATLAB、Ruby、Python 等，增強(qiáng)了該工具的適用性。從系統(tǒng)組成與開發(fā)環(huán)境方面看，需要在Windows 操作系統(tǒng)（本次研究中以Windows 10 為準(zhǔn)，其中安裝了OpenCV 2.4.9 軟件工具包、Eclipse，以及Visual Studio 2015 編譯器）下，完成圖像數(shù)據(jù)采集、數(shù)據(jù)處理、人臉識別、通過檢測、上傳客戶端。

從配置方面看：（1）圖像數(shù)據(jù)采集：由相機(jī)攝相頭實(shí)現(xiàn)，本次研究中選取Microsoft Lifecam Studio 相機(jī)。（2）圖像數(shù)據(jù)處理：以O(shè)penCV 圖像處理庫為準(zhǔn)，結(jié)合與之匹配的函數(shù)完成。（3）人臉識別：基于圖像數(shù)據(jù)的人臉識別，需要先使用OpenCV 庫中的Haar 分類器，再利用分類器對已經(jīng)處理過的圖像數(shù)據(jù)實(shí)時(shí)人臉識別。（4）上傳客戶端：在該環(huán)節(jié)，主要是將人臉識別檢測中生成的結(jié)果，以模型（Socket）通道，上傳到與系統(tǒng)連接的PC 端設(shè)備或移動(dòng)設(shè)備中，從而使客戶端可以實(shí)時(shí)的完成圖像顯示等。在系統(tǒng)程序流程設(shè)置的五大步驟中，第一步要求先完成抓取圖像、臉部區(qū)域、圖像預(yù)處理，同時(shí)結(jié)合訓(xùn)練圖像、訓(xùn)練數(shù)據(jù)進(jìn)入到第二步實(shí)現(xiàn)圖像識別。完成后進(jìn)入第三步步驟，實(shí)施檢測計(jì)數(shù)。并配合定時(shí)器的設(shè)置進(jìn)入到第四步協(xié)議傳輸。最后完成向移動(dòng)設(shè)備的圖像數(shù)據(jù)上傳。

2 應(yīng)用系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

2.1 圖像采集

圖像采集的載體是攝相頭，具體操作中，可以利用cvCaptureFromCAM（）完成圖像數(shù)據(jù)采集。由于圖像由幀數(shù)構(gòu)成，每一幀圖像，均可以通過cvQueryFrame（）獲取。圖像采集代碼如下：

2.2 圖像預(yù)處理

在圖像數(shù)據(jù)采集過程中，由于環(huán)境因素、設(shè)備因素、采集對象、采集位置等綜合因素影響，會(huì)產(chǎn)生一定的干擾。例如，在反光條件下、位置相對較偏、采集圖像的尺寸差異與設(shè)計(jì)值差異較大時(shí)，采集到的圖像，在人臉識別檢測過程中，會(huì)產(chǎn)生一定的偏差，造成識別不精準(zhǔn)、無識識別、識別失真等情況。因此，為了化解該問題，需要先對圖像進(jìn)行預(yù)處理。具體操作中，主要是先對每一幀圖像進(jìn)行灰度轉(zhuǎn)化，再實(shí)施直方歸一化處理。在灰度圖像的轉(zhuǎn)化過程中，主要是應(yīng)用cvCvtColor（）實(shí)現(xiàn)，在直方圖歸一化處理過程中，主要按照cvEqualizeHist（）實(shí)現(xiàn)。

2.3 臉部檢測方法

臉部檢測中需要采用OpenCV 中的Haar 分類器。該分類器屬于一種技術(shù)方案，是對眾多人臉進(jìn)行檢測的同一技術(shù)方案中的新版本。從該技術(shù)方案的發(fā)展看，首先，是由JONES Michael 與VIOLA Paul 兩人共同設(shè)計(jì)，先創(chuàng)造了Viola－Jones 檢測器。其次，以第一代檢測器為基礎(chǔ)，通過MAYDT Jochen 與 LIENHART Rainer 兩人的努力，借助對角特征的擴(kuò)展，才實(shí)現(xiàn)了對原始技術(shù)方案的優(yōu)化。由于在擴(kuò)展過程中，突出了Haar 的小波特征，因此，該分類器才被命名為Haar 分類器。對Haar 分類器的使用過程中，要求進(jìn)行大量的數(shù)據(jù)訓(xùn)練，并將其存儲于該平臺自帶庫中，具體操作中以xml 文件形式進(jìn)行保存。

檢測方法共由三個(gè)步驟組成：（1）加載變量：借助cvLoad（）加載CvHaarClassifierCascade 變量。（2）進(jìn)行檢測：以cvHaarDetectObjects（）實(shí)施檢查；同時(shí)，要求以分類器（與函數(shù)級聯(lián)）為通道，確定目標(biāo)物體區(qū)域并進(jìn)入到該區(qū)域的一序列矩形框。實(shí)際上在該過程中，先要在已經(jīng)獲取的圖像數(shù)據(jù)中確認(rèn)目標(biāo)物體所在的區(qū)域，明確其位置，再通過的返回的方式，進(jìn)入到該區(qū)域。（3）保存變量：需要將臉部檢測獲得的實(shí)際結(jié)果存儲到cvRect 變量之內(nèi)。

2.4 人數(shù)數(shù)據(jù)的獲取及處理

人臉識別后，需要與具體的個(gè)體特征進(jìn)行“對號入座”。通過在cvRect 變量之內(nèi)保存臉部檢測結(jié)果，實(shí)際上已經(jīng)確定了目標(biāo)物體所在區(qū)域，此時(shí)，僅需要通過對目標(biāo)物的圈出即可實(shí)現(xiàn)對人數(shù)數(shù)據(jù)的獲取。具體操作中：（1）通過cvRound（）圈出該目標(biāo)。這樣，通過“循環(huán)累加”，實(shí)際上就可以得到每一幀圖像中確定的人數(shù)數(shù)據(jù)。（2）轉(zhuǎn)換字符數(shù)據(jù)、整型數(shù)據(jù)。（3）將轉(zhuǎn)換獲得的數(shù)據(jù)存入剪貼板?？梢越柚鷖trcpy（）實(shí)現(xiàn)。此時(shí)存儲的人數(shù)數(shù)據(jù)即為后續(xù)可以進(jìn)行實(shí)時(shí)發(fā)送的數(shù)據(jù)。該流程的代碼見下圖1。

2.5 協(xié)議傳輸方法

首先，本次研究中使用的網(wǎng)絡(luò)通信協(xié)議屬于Internet 最基本的協(xié)議，以TCP/IP（Transmission Control Protocol/Internet Protocol）為準(zhǔn)，翻譯為漢語意思是傳輸控制協(xié)議/因物網(wǎng)互聯(lián)協(xié)議。由于該協(xié)議是一個(gè)整體上的協(xié)議族，所以，在協(xié)議應(yīng)用中以層級結(jié)構(gòu)為主，由最上層到最一層分別為：（1）應(yīng)用層；（2）傳輸層；（3）網(wǎng)絡(luò)層；（4）網(wǎng)絡(luò)接口層。由于下一層為上一層提供網(wǎng)絡(luò)服務(wù)，所以，在TCP 協(xié)議的使用中，要通過三次連接才能真正完成連接。具體操作中，要求在完成連接后對其進(jìn)行拆除處理。IP 協(xié)議是網(wǎng)絡(luò)層，通過該協(xié)議可以完成計(jì)算機(jī)之間的網(wǎng)絡(luò)通信連接，所以，在該協(xié)議下實(shí)際上可以實(shí)現(xiàn)各類設(shè)備之間的網(wǎng)絡(luò)互聯(lián)。

其次，在通信模型方面，該系統(tǒng)中主要以作為抽象層的Socket 為準(zhǔn)。它的功能是通過建立連接滿足客戶端與服務(wù)端之間的數(shù)據(jù)發(fā)送與數(shù)據(jù)接收?？梢酝ㄟ^C++編程完成。

第三，繼續(xù)以C++為例，服務(wù)端的Socket 對象建立過程中，需要圍繞套接字完成八個(gè)步驟完成：加載庫——?jiǎng)?chuàng)建套接字——綁定——監(jiān)聽模式——客戶請求、接受連接、返回——客戶端通信——返回——關(guān)閉。

第四，與服務(wù)端相比，客戶端的Socket 對象建立步驟相對較少，只需要完成套接字庫的加載與套接字的創(chuàng)建，將連接請求發(fā)送至服務(wù)器。然后，在取得通信后關(guān)閉即可。在本次研究中，安裝的編譯器為Visual Studio 2015，所以，在實(shí)際的客戶端編程中，則按照安卓版本的實(shí)際要求，進(jìn)行了Java語言編程。具體代碼見下圖2。

第五，完成以上系統(tǒng)設(shè)計(jì)開發(fā)之后，將該程序?qū)氲紼clipse adt，JDK1.8.0_121 和 Android 5.1 版本進(jìn)行試運(yùn)行，結(jié)果顯示可以完成手機(jī)通信客戶端的試運(yùn)行。

通過試運(yùn)行分析可以看出，在公交車客流狀態(tài)實(shí)時(shí)監(jiān)測方面，采用基于圖像分析的監(jiān)測方案時(shí)，可以選擇能夠進(jìn)行人臉識別系統(tǒng)二次開發(fā)的開發(fā)設(shè)計(jì)方案。一方面，通過對適用性平臺的選擇，有利于降低開發(fā)難度，節(jié)約成本。另一方面，對于該系統(tǒng)的開發(fā)僅需要公交管理部門的一般程序編寫人員即可以完成。所以具有多個(gè)方面的比較優(yōu)勢。但是，在實(shí)際的使用中，仍然需要結(jié)合實(shí)際情況進(jìn)行持續(xù)優(yōu)化，才能保障其應(yīng)用的有效性。

3 結(jié)束語

人臉識別系統(tǒng)已經(jīng)廣泛應(yīng)用于公共安全領(lǐng)域，尤其在城市地下軌道交通、地面交通樞紐站中的應(yīng)用相對普遍。現(xiàn)階段，我國正處于智慧城市建設(shè)的新階段，為了保障智慧安全、提高智慧城市公共交通的資源配置效率。一方面，應(yīng)該增強(qiáng)對公交車客流狀態(tài)實(shí)時(shí)監(jiān)測技術(shù)的研究。另一方面，則應(yīng)該利用當(dāng)前已經(jīng)十分成熟的圖像分析技術(shù)，合理的選擇人臉識別系統(tǒng)對客流狀態(tài)進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)獲取、數(shù)據(jù)分析，從而為智慧城市的數(shù)據(jù)化管理提供數(shù)據(jù)支持。通過以上初步分析，建議在當(dāng)前階段，選擇技術(shù)成熟度高、投入成本相對較少、系統(tǒng)開發(fā)過程容易實(shí)現(xiàn)平臺，進(jìn)而促進(jìn)人臉識別系統(tǒng)在公交車客流狀態(tài)實(shí)時(shí)監(jiān)測方面的快速應(yīng)用。