人流预测分析方法

技术领域

本发明涉及视觉识别技术领域，尤其是人流预测分析方法。

背景技术

对于轨道交通站台或者月台来说，人流预测是必须的一种技术和预防措施。但现有人流预测技术通常是依赖于手机信号的采集、票据内置射频信号的采集以及人流计数装置等较为传统的手段，我们无法对每一个人进行监控和追踪。换句话说，现有技术仅仅能感知站台进入了多少人和出去多少人，但很难得知等车时间、站内人员流向等，不容易对未来一定时间内的人流进行预测并实现对列车线路以及时刻表的调节。

发明内容

针对现有技术的不足，本发明提供一种人流预测分析方法。

本发明的技术方案为：

人流预测分析方法，它包括以下步骤：

步骤一，根据视频流数据，计算每帧画面的人的数量；

步骤二，根据每帧画面人变化情况，计算等车时间及行走速度；

步骤三，通过人的数量、等车时间及行走速度，利用算法自动或人为调控列车运行线路及时刻表。

所述步骤一包括人脸识别技术，人脸识别技术包括：数据预处理和人脸识别流程。

所述数据预处理是识别过程中的一个重要环节。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸/REID特征在整幅图像中间的大小和位置不确定。为了保证图像大小，位置以及图像质量的一致性，必须对图像进行以下预处理。

s1直方图均衡：

直方图是一种点操作，它逐点改变图像的灰度值，尽量使各个灰度级别都具有相同的数量的像素点，使直方图趋于平衡。直方图均衡可以使输入图像转换为在每一个灰度级上都有相同像素点数的输出图像(即输出的直方图是平的)。这对于图像比较或分割是十分有用的。

s2中值滤波

无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响。进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。中值滤波是一种非线性的信号处理方法，因此中值滤波器也就是一种非线性的滤波器。

s3归一化

图像的归一化，目的是使不同成像条件(光照强度，方向，距离，姿势等)下拍摄的同一个人的照片具有一致性。人脸归一化包括两个方面的内容：一是几何归一化，二是灰度归一化。灰度归一化用来对不同光强，光源方向下得到的图像进行补偿。以减弱单纯由于光照变化造成的图像信号的变化。

所述人脸识别流程包括：首先要检测到人脸，检测到之后一般会做关键点的定位，把他的眼睛、鼻子、嘴角等信息都定位出来，利用这个信息对人脸做个矫正，把它变换到比较正情形，便于后面模型分析或者处理时各个部分更好的对齐。最终会提取得到一个人脸的描述特征，通常是一个100多维到几百维的特征表达，然后我们用不同人脸特征之间的相似度或者距离，相似度是越高越好，距离是越小越好，去刻画两个人之间的关系，再卡一个域值，来判断这两个人是否为一个人。简要的说就是：人脸检测、人脸关键点定位、人脸矫正和人脸特征提取。

本发明的有益效果为：不但可以感知进站人数和出站人数，而且可以对每一个人进行追踪，每个人都有独立的ID，通过人的数量、等车时间及行走速度，利用算法自动或人为调控列车运行线路及时刻表，大幅度提升轨道交通的管理能力。

具体实施方式

下面结合具体实施方式作进一步说明：

人流预测分析方法，它包括以下步骤：

步骤一，根据视频流数据，计算每帧画面的人的数量；

步骤二，根据每帧画面人变化情况，计算等车时间及行走速度；

步骤三，通过人的数量、等车时间及行走速度，利用算法自动或人为调控列车运行线路及时刻表。

所述步骤一包括人脸识别技术，人脸识别技术包括：数据预处理和人脸识别流程。

所述数据预处理是识别过程中的一个重要环节。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸/REID特征在整幅图像中间的大小和位置不确定。为了保证图像大小，位置以及图像质量的一致性，必须对图像进行以下预处理。

s1直方图均衡：

直方图是一种点操作，它逐点改变图像的灰度值，尽量使各个灰度级别都具有相同的数量的像素点，使直方图趋于平衡。直方图均衡可以使输入图像转换为在每一个灰度级上都有相同像素点数的输出图像(即输出的直方图是平的)。这对于图像比较或分割是十分有用的。

s2中值滤波

无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响。进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。中值滤波是一种非线性的信号处理方法，因此中值滤波器也就是一种非线性的滤波器。

s3归一化

图像的归一化，目的是使不同成像条件(光照强度，方向，距离，姿势等)下拍摄的同一个人的照片具有一致性。人脸归一化包括两个方面的内容：一是几何归一化，二是灰度归一化。灰度归一化用来对不同光强，光源方向下得到的图像进行补偿。以减弱单纯由于光照变化造成的图像信号的变化。

所述人脸识别流程包括：首先要检测到人脸，检测到之后一般会做关键点的定位，把他的眼睛、鼻子、嘴角等信息都定位出来，利用这个信息对人脸做个矫正，把它变换到比较正情形，便于后面模型分析或者处理时各个部分更好的对齐。最终会提取得到一个人脸的描述特征，通常是一个100多维到几百维的特征表达，然后我们用不同人脸特征之间的相似度或者距离，相似度是越高越好，距离是越小越好，去刻画两个人之间的关系，再卡一个域值，来判断这两个人是否为一个人。简要的说就是：人脸检测、人脸关键点定位、人脸矫正和人脸特征提取。

上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。