(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210542682.3 (22)申请日 2022.05.18 (71)申请人 交控科技股份有限公司 地址 100070 北京市丰台区智成北街3号院 交控大厦1号楼1层101室 (72)发明人 赵兴东　赵宗超　包峰　 (74)专利代理 机构 北京科慧致远知识产权代理 有限公司 1 1739 专利代理师 宋珊珊　李瑞 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) (54)发明名称 基于安全门的客 流监测方法及系统 (57)摘要 本申请涉及轨道交通领域， 提供一种基于安 全门的客流监测方法及系统。 所述基于安全门的 客流监测方法包括： 通过布设于安全门的图像采 集装置采集上下车乘客的图像； 通过对采集的 图 像进行动态路径识别区分上车乘 客和下车乘客， 利用神经网络模型识别图像中的上车乘客人数 和下车乘 客人数； 将神经网络模 型识别的上车乘 客人数和下车乘客人数与通过断面的时间进行 关联， 对断面客流进行实时统计。 本申请采用动 态路径识别区分上车乘客和下车乘 客， 利用神经 网络模型进行图像识别计数得到上、 下车乘客人 数， 通过将图像识别计数结果与时间进行关联， 实时统计各断面客流情况， 可以对轨道交通的运 输组织策划 和调度指挥提供支持。 权利要求书3页 说明书10页 附图3页 CN 114973127 A 2022.08.30 CN 114973127 A 1.一种基于安全门的客 流监测方法， 其特 征在于， 所述方法包括： 通过布设于安全门的图像采集装置采集上 下车乘客的图像； 通过对采集的图像进行动态路径识别区分上车乘客和下车乘客， 利用神经网络模型识 别图像中的上 车乘客人 数和下车乘客人 数； 将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联， 对 断面客流进行实时统计。 2.根据权利要求1所述的基于安全门的客流监测方法， 其特征在于， 所述通过对采集的 图像进行动态路径 识别区分上 车乘客和下 车乘客， 包括： 根据采集的图像进行动态路径识别形成路径拟合曲线， 根据路径拟合曲线将图像数据 拆分为上车数据集点和下车数据集点， 通过回归分析形成区别上车乘客与下车乘客的图 像。 3.根据权利要求1所述的基于安全门的客流监测方法， 其特征在于， 所述利用神经网络 模型识别图像中的上 车乘客人 数和下车乘客人 数， 包括： 对图像进行 特征提取； 获取各个乘客的标签位置， 根据视图场景中所有的标签位置生成标签密度图； 根据所述标签密度图计算图像中的上 车乘客人 数和下车乘客人 数。 4.根据权利要求3所述的基于安全门的客流监测方法， 其特征在于， 所述对图像进行特 征提取， 包括： 通过不同尺度的编码块对图像进行编码， 形成内部表示的编码数据； 对内部表示的编码组进行解码， 形成包 含尺度信息的特 征数据。 5.根据权利要求4所述的基于安全门的客流监测方法， 其特征在于， 所述通过不同尺度 的编码块对图像进行编码， 形成内部表示的编码数据， 包括： 将上层编码块的输出Vi下采样到与Vi+1相同的尺度， 通过两层卷积编码得到 下层编码块 的输出Vi+1； 同时， 将下层编码块的输出Vi+1输入到对应尺度的解码块 参与解码。 6.根据权利要求5所述的基于安全门的客流监测方法， 其特征在于， 所述对内部表示的 编码数据进行解码， 形成包 含尺度信息的特 征数据， 包括： 将下层解码块的输出Pi+1上采样到与Vi相同的尺度， 将下层解码块的输出Pi+1与上层编 码块的输出Vi在通道方向上 连接， 形成新的特 征图； 对新的特 征图进行两层卷积解码， 得到上层解码块的输出Pi； 每层解码块的输出作为一个尺度的特征， 所有解码块的输出形成包含各个尺度信 息的 特征数据。 7.根据权利要求3所述的基于安全门的客流监测方法， 其特征在于， 所述获取各个乘客 的标签位置， 根据视图场景中所有的标签位置生成标签密度图， 包括： 对乘客人头位置进行 标注得到乘客的图片平面 坐标； 通过单应性变换将乘客的图片平面坐标转换为投影平面坐标， 将投影平面坐标作为乘 客的标签位置； 将视图场景中所有的标签位置与二维离 散高斯核相卷积， 生成标签密度图。 8.根据权利要求3所述的基于安全门的客流监测方法， 其特征在于， 所述根据 所述标签 密度图计算图像中的上 车乘客人 数和下车乘客人 数， 包括：权　利　要　求　书 1/3 页 2 CN 114973127 A 2计算所述标签密度图中的像素值， 对所述标签密度图中所有的像素值进行累加， 根据 累加的像素值计算图像中的上 车乘客人 数和下车乘客人 数。 9.根据权利要求3所述的基于安全门的客流监测方法， 其特征在于， 所述方法还包括： 利用损失函数对所述卷积神经网络模型进行优化； 所述损失函数由欧式距离公式和 局部一致性损失公式加权所 得； 所述欧式距离公式用于计算标签密度图与真实密度图之间的像素损失； 所述局部一 致性损失公式用于平衡所述标签密度图中像素之间关联性带来的误差 。 10.根据权利要求1所述的基于安全门的客流监测方法， 其特征在于， 所述将神经网络 模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联， 对断面客流进 行实 时统计， 包括： 将神经网络模型识别的上车乘客人数和下车乘客人数与通过断面的时间进行关联， 计 算列车通过前一断面时的上车乘客人数和下车乘客人数以及通过本 断面的上车乘客人数 和下车乘客人 数； 根据通过前一断面时的上车乘客人数和下车乘客人数以及通过本断面的上车乘客人 数和下车乘客人 数计算本断面的断面 客流。 11.一种基于安全门的客 流监测系统， 其特 征在于， 所述系统包括： 图像采集装置， 布设于安全门， 用于采集上 下车乘客的图像； 图像识别模块， 用于对所述图像采集装置采集的图像进行动态路径识别区分上车乘客 和下车乘客， 利用神经网络模型识别图像中的上 车乘客人 数和下车乘客人 数； 客流统计模块， 用于将所述图像识别模块识别的上车乘客人数和下车乘客人数与通过 断面的时间进行关联， 对断面 客流进行实时统计。 12.根据权利要求11所述的基于安全门的客流监测系统， 其特征在于， 所述图像采集装 置有三个， 三个所述图像采集装置分别布设于候车站台的安全门的正上方、 左上方、 右上 方。 13.根据权利要求11所述的基于安全门的客流监测系统， 其特征在于， 所述图像识别模 块包括路径 识别模块和特 征识别模块； 所述路径识别模块用于根据采集的图像进行动态路径识别形成路径拟合曲线， 根据路 径拟合曲线将图像数据拆分为上车数据集点和下车数据集点， 通过回归分析形成区别上车 乘客与下 车乘客的图像； 所述特征识别模块用于利用神经网络模型识别图像中的上车乘客人数和下车乘客人 数。 14.根据权利要求13所述的基于安全门的客流监测系统， 其特征在于， 所述特征识别模 块包括特 征提取模块、 融合模块以及 密度像素计算模块； 所述特征提取模块用于对所述路径拟合模块形成的区别上车乘客与下车乘客的图像 进行特征提取； 所述融合模块用于获取各个乘客的标签位置， 根据视图场景中所有的标签位置生成标 签密度图； 所述密度像素计算模块用于计算所述标签密度图中的像素值， 对所述标签密度图中所 有的像素值进行累加， 根据累加的像素值计算图像中的上 车乘客人 数和下车乘客人 数。权　利　要　求　书 2/3 页 3 CN 114973127 A 3