基于人工智能视频算法的乘客分流方法

陈弘

【摘 要】近年来，乘坐城市轨道交通出行成为人们外出的主要选择，每天通过城市轨道交通出行的人员数量不断增多。如何高效、便利、舒适地让乘客到达目的地，成为地铁运营部门的重要研究课题。文章基于地铁车载乘客信息系统硬件平台，采用人工智能技术对地铁摄像头视频信息进行处理，获取车厢内的乘客数量，从而通过客室LCD动态地图屏等显示设备对乘客进行分流乘坐指引，达到合理、高效地使用车厢空间的目的，最大限度地提升地铁车辆的运输量、舒适度和安全性。

【关键词】乘客信息系统;机器视觉;车厢分流;拥挤指引

【中图分类号】TP277 【文献标识码】A 【文章编号】1674-0688（2022）03-0055-03

0 引言

目前，城市轨道交通车辆基本已经完成平台的数字化改造，采用以太网链路进行数据传输。本研究的目标是基于现有乘客信息系统的平台设备，对部分软件和硬件进行升级改造，从而实现智能化指引乘客乘坐分流的功能。该方法的目的是实现车厢人员现状分析，最大限度地提高地铁车辆运行的经济性、舒适性及安全性。通过提高单车厢载客率，提升地铁运营的经济性;通过合理地引导人员分散乘坐，提升个体占用面积，提升乘客的舒适性;通过人员均有分布使得车辆承载底盘均衡负载，避免个别车厢底盘長期负载过重，保证车辆行车安全性。

1 乘客分流方法的简介

1.1 乘客信息系统简介

本文的方法是基于乘客信息系统硬件平台，对部分软件和硬件进行智能化升级改造，从而实现乘客分流指引，故先简要地介绍乘客信息系统。乘客信息系统（简称PIS）是地铁车辆的一个重要的组成子系统，也是车辆与乘客实现交互的唯一操作界面，可为乘客和司机提供安全、可靠、及时的车辆运行信息，也可为地面控制中心提供语音交流等功能。基于列车主干以太网络联通所有车厢及车厢内的设备，通过该网络实现各设备、节点间的数据交互，其中包含系统控制数据、语音广播数据、娱乐媒体数据、监控视频数据等。PIS系统可分为4个子系统：广播系统、信息显示系统、媒体信息系统及监控系统。

（1）广播系统：提供语音信息指引，例如车辆到站时，广播提示当前站和下一站站名，以及开门侧、换乘及各种公共安全信息等，同时提供乘客与司机间的语音对讲功能。

（2）信息显示系统：提供文字和图片信息指引，主要通过安装在车厢内壁的LCD屏和LED屏类设备提供服务。

（3）媒体信息系统：为车厢乘客提供娱乐、公益广告和安全提示等各类视频和声音信息。

（4）监控系统：提供车厢内全空间的实时监控，以及历史视频的查看。

1.2 分流引导系统的设备

本方法基于现有PIS系统平台进行改造：涉及改进的设备有分流引导卡、网络硬盘录像机和显示终端设备。在司机室控制主机内加入一块分流引导卡，其功能为对车厢内智能分析主机数据进行汇总，并形成人员分布人力图数据，该数据被分发到各显示设备，按规则显示车厢拥挤程度和提供乘坐指引;在现有网络硬盘录像机设备内载入新的智能分析算法软件，该设备不仅具有录像功能，还具有视频分析处理功能。通过网络获取各车厢区域的实时视频数据，通过人工智能算法进行人数识别。各显示终端增加响应分流引导卡发布的人员分布数据的逻辑，增加人员分布的显示图像。

分流引导系统涉及的设备如下。

（1）摄像头。依据设计规则为固定位置安装的摄像头分配固定的IP地址，拍摄角度也需要按设计要求进行调整，确保摄像头画面能覆盖车厢内所有空间。

（2）人工智能模块。此为本研究方法的主要实现载体，它运行在网络硬盘录像机内。通过以太网RTSP传输协议从本车厢摄像头设备特定的IP地址获取到高清画质的视频数据，通过内部的图像预处理模块对原始画面数据进行区域标定和紧要数据的抽取和标定。之后依据画面和标定信息进行算法分析从而确定视频范围内人数，得到画面的人数和正确概率估值，并对数据进行标签化整理，从而得到车厢该摄像头区域内的人数。最后依次处理车厢内的其他所有摄像头画面数据。

（3）司机室控制主机和客室人工智能主机。司机室控制主机内的分流引导卡定时从各客室人工智能主机获取对应车厢的人员分析数据，再进行数据汇总，形成整车级别的人员分布热力图层，该图层数据会以广播报文的形式发送到车辆各设备端。

（4）显示设备。显示设备依据自身的功能约定和设计对该数据内容进行响应。例如，车内动态地图LCD屏会显示出“各车厢+各区域”的人员分布状态图，车外侧LED显示屏也会显示各车厢的人员分布状态信息，以及扩展功能，可以将图层数据通过车地无线网络传输给前方到站车站的相关显示设备，从而提前预报指引。

2 乘客分流引导方法的详细流程

2.1 分流指引工作步骤简介

本研究描述的乘客分流方法工作原理如下：①实时视频数据采集，通过网络获取摄像头视频数据。②视频的预处理，对单摄像头画面进行区域划分和标定;视频人数识别，对区域画面进行人员数量分析。③数据汇总和发布，收集各摄像头区域人员数据情况，形成统一格式化数据，并发布。④指引呈现，依据格式化数据和显示规则，通过图像的形式呈现人员分布状态和给出必要的指引。

2.2 实时视频数据采集

人工智能模块依据车辆IP分配规定，通过RTSP协议获取本车厢特定区域的摄像头IP获取视频画面，为确保网络资源的利用率和磁盘空间的使用率，采用H265编码传输监控画面。在实际地铁站间运营时，乘客不会出现大规模的移动和变化，故指引信息也不需要实时反映瞬时车厢状况，可依据人工智能模块的处理器进行调整，在实际工程中，人工智能模块的分析频率达到每分钟分析完一个车厢即可。

2.3 视频画面预处理

为满足轨道交通行业标准，摄像头画面需要覆盖整车所有内部空间，而摄像头位置和拍摄角度在设计时就已经设置，安装需要按设计图纸进行操作，分布图如图1所示。7C31E082-512E-4712-AD3B-503018125B3E

如图1所示，每个车厢通常会安装4个全景摄像机，对车厢所有区域进行视频覆盖[1]。例如，客室全景摄像机3可以拍摄车厢标出的所有区域（1～9区）的画面，但是对于后续的人工智能主机分析算法而言，仅有相近的几个区域（3～5区）的画面适用算法分析。摄像机的正下方实线框区称为独立区域，与之相邻的虚线框称为重叠区域，它会被2个摄像机同时拍摄和处理，而其他区域因距离太远，数据特征信息不明显，因此不适用算法。

预处理功能就是对摄像机的原始画面进行全景画面扩展，并依据前面提及的区域设定，对画面进行整体分割和区域标定。在处理独立区域和重叠区域时，需要进行人物轮廓分析，并进行动态分割，而非简单的直线区域切割，确保该区域内人物特征只会出现在某一个区域内，避免后续重复计数而影响最终的数据精度。

2.4 视频人数识别

预处理得到独立区域的画面拍摄角度为上方俯视，重叠区域的画面拍摄角度为侧方拍摄角度。为提高人数统计的准确率，相较传统的摄像头画面通过单一人工智能模型算法进行分析[2]，本方法针对不同的区域画面提供两种独立的处理算法模型对其进行分析，分析独立区域的算法简称算法A，分析重叠区域的算法简称算法B。

独立区域画面人物头部特别是头顶特征特别清晰，轮廓特别明显，多为乘客的头顶及头部上半部分，故算法A主要是对人物的头顶上半部分进行个体抽取，再对抽取的个体进行识别，得到头部的头像匹配率。算法模型先对画面进行图像数据的锐化和差分处理，使其頭顶中心区域更加明显，从而方便识别人体头顶，继而进行人数统计。

重叠区域画面多为人物的脸部、耳侧、后脑，故算法主要针对脸、侧脸、耳朵和后脑勺特征进行处理。同理，需要对图像进行锐化和差分处理，使算法对个体进行抽离，而后依据算法识别画面是否符合人体特征，并对其进行标定统计。

同一区域不同摄像机采集的画面也存在差异，例如摄像机3需要处理3～5区的画面，而摄像机2需要处理5～7区的画面，其中5区的画面为2个摄像机共有部分且均需要被人工智能模块分析，因角度、光线等原因，同一区域进行分析后存在部分差异，这些均需要在后续统计工作中进行权衡，从而避免造成部分误差。

之所以使用两种算法进行分析，主要是因为不同角度画面上呈现的人物主体特征存在较大的区别，用同一识别算法会造成精度严重失实。摄像机近端以分析头顶为主，远端以分析脸、耳和后脑为主。此外，因为设备对处理结果的实时性要求不高，可以为处理器提供充足的时间通过多种方式进行分析[3]。不管使用何种算法，都会输出一系列规定好的格式数据供后续数据融合使用，数据内容包含时间、所在位置信息、识别概率、识别依据（眼、耳、后脑、头顶等）等重要信息。

2.5 数据汇总和发布

数据汇总分为3级：单摄像头数据汇总、车厢数据汇总及整车数据汇总。？譹？訛单摄像头数据汇总：人工智能模块会对区域画面内的人物识别数据进行统计，依据数据的特质信息进行加权累加，从而形成摄像头画面区域级别的人数信息。？譺？訛车厢数据汇总：依据得到的各摄像头区域数据进行统计，从而得到车厢内各区域的人员分布数据。其中，独立区域直接采用分析结果即可，而重叠区域会出现在2个摄像头分析结果中，需要依据分析结果中的概率进行权重统计得到该区域最终人数。？譻？訛整车数据汇总：司机室控制主机内的分流引导卡从各车厢人工智能模块获取车厢区域数据，依据数据的位置和概率人数等信息绘制整车人员分布动态图层数据，该图层数据会体现列车各区域的人员分布的最终统计情况。

数据发布在项目实施应用中只涉及车辆设备的发布，未涉及车站联动指引功能。？譹？訛车辆内发布：整车人员分布数据通过以太网广播的方式定时发送到网络中的各级设备。？譺？訛车辆外发布：整车人员分布数据通过车地无线系统，发送到线路控制中心和车站控制中心，车站控制中心将人员分布数据转发至对应的车站显示终端或者其他指引功能设备。

2.6 拥挤程度级别

整车人员分布图层形成汇总数据后，为了使显示终端能确定显示样式，需要定义区域人员拥挤程度的级别。同时，为了使乘客能清晰、容易地识别车厢的拥挤情况，需要确定列车车内人员分布级别。级别的定义及指示颜色的选取也需要考虑普遍人员的日常生活习惯，以免造成乘客不容易理解和困扰，例如红色表示严重拥挤、绿色表示宽敞。级别级数的定义也不能过于简单，否则会造成系统不能有效地体现分布的状态，但也不能太复杂，造成乘客不理解系统的指引。在实际工程应用中通常分为6级，基本采用每平方米站立的人数进行划分，比如≤1人/m2用绿色表示非常空旷;>9人/m2用深红色表示特别拥挤。

2.7 分流指引呈现

分流指引可分为语音指引和图像指引，在实施工程项目中，以通过图像指引为主。车辆指引通过车辆内各显示设备进行呈现，如动态地图LCD屏、客室LCD屏和车外门侧LED显示屏通过视觉信息对乘客进行指引。车站指引通过屏蔽门上方倒流引导屏或者其他显示设备进行呈现。语音指引通过广播提示各车厢人员拥挤情况，可自动触发，也可软件设定自动播放。具体显示的画面和语音效果需根据具体工程项目与业主方进行确认。

3 结束语

本研究提及的方法主要优点是在最小的成本追加下，对列车乘客信息系统进行功能升级，实现列车乘客的搭乘空间分流指引功能，提升列车的运营能力和乘客的搭乘体验。该方法处理数据的结果既可以用于车厢内设备进行人员分布展示，也可以扩展到车站显示终端，在列车到站前进行车站乘车引导，还能为列车空调系统的功率输出提供指引，实现节能减排，提高列车经济性。

参 考 文 献

[1]王鹏.铁路客运智能视频监控系统研究[J].电子世界，2020（11）：21-22.

[2]杜学东，高自友，赵茂先.铁路旅客列车客流量统计算法及应用模型[J].北方交通大学学报，2004（2）：86-90.

[3]杨晓明.基于计算机视觉的地铁线网客流实时监控系统研究[D].北京：北京交通大学，2010.7C31E082-512E-4712-AD3B-503018125B3E

猜你喜欢 机器视觉 基于SSD和TensorFlow的图像识别与定位算法计算机时代(2019年6期)2019-07-08应用于高温环境金属3D打印的三维测量系统数字技术与应用(2018年6期)2018-10-31机器视觉技术在工业领域的发展现状及趋势科学与技术(2018年18期)2018-05-14机器视觉辅助驾驶系统的车辆检测和测距电子技术与软件工程(2018年17期)2018-02-26机器视觉技术在农业工程中的应用电脑知识与技术(2017年23期)2017-10-31基于机器视觉的组培苗自动化识别方法研究科技创新与应用(2017年19期)2017-07-08在灰度图像中对人眼的识别电子技术与软件工程(2017年5期)2017-04-23基于机器视觉的零件尺寸测量系统设计电子技术与软件工程(2017年4期)2017-03-27基于极限学习机的玻璃瓶口缺陷检测方法研究计算技术与自动化(2016年4期)2017-01-11基于机器视觉的模板匹配系统的研究企业导报(2015年12期)2015-07-02 相关热词搜索： 人工智能 分流 算法