基于云圖像處理的城市車廂和站臺擁擠度的檢測與研究

【摘 ?要】隨著我國的科技、經濟不斷發展城市軌道交通也在不斷增多，越來越多的人選擇城市軌道交通出行，人們在進行較遠距離出行時可供選擇的城市軌道交通路線就變得多樣化，人們出行時的人口密度和車站擁擠度也是對于預測下一步人們行駛路線至關重要的。利用車廂攝像頭，截取每次列車出站時刻時的影像，增加擁擠度、換乘等權重運行算法進行初步預測，結果存入數據庫。結果在App平臺發布，根據用戶反饋修正預測結果[1]。

【關鍵詞】城市軌道交通;攝像頭;擁擠度;數據分析系統

引言

我國經濟的快速發展，城市化建設工程不斷加快，私家車數量逐漸增多，因而道路交通擁堵問題也日益嚴重，尤其是城市主要路段和商業領域交通擁堵十分嚴重，或許這些已經成為阻礙城市發展的重要因素。針對這一交通問題，交通數據分析系統技術顯得尤為重要，這種技術利用互聯網與通訊技術擁擠圖像識別技術，并且在相應的電子設備上配置檢測設備，從而實現對車輛息數據和人口擁擠度數據進行有效采集和分析整理[2]。此外，這種交通數據分析系統技術會及時把檢測數據傳輸給監控中心，這樣監控中心就會根據傳輸的數據對實際的交通情況制定出合理的控制方案。由此可見，公安管理部門應該在道路交通安全工作方面對道路進行動態管控，特別是在交通卡口處、站臺集聚處一定要制定一套智能化的管控分析系統，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.研究現狀

在如今，測量交通人群密度的手段有IC卡、列車測量、紅外線測量等方式，但由于上述方式不能準確地將不同車廂的人群密度分開，以至于不能夠準確地得出車廂的人群基數，并且這些傳統方式的步驟十分困難。所以本文利用攝像頭采集人體信息，運用基于頭發灰度信息的人頭檢測和基于膚色信息的人頭檢測，兩種方法結果進行匹配，通過灰度化、預處理等，濾除噪聲所帶來的干擾，從而使得不同人群的圖形變得更加清晰，以便為檢測提高準確性。運用基于頭發灰度信息的人頭檢測和基于膚色信息的人頭

2.k-均值聚類法

k-均值聚類法是按照一定的聚類準則將整個數據集分成 k 個聚集的算法。在視頻交通檢測應用中，利用 k-均值法就是將拍攝到的交通場景中的像素聚類為 k 個表示不同物體的區域塊。Kottle提出了一種 k-均值法的分割算法[3]，其聚類準則是利用了像素的三個特征：縱橫坐標灰度值，其中灰度值可以將屬于不同物體的像素分離，而坐標則決定了像素的歸屬區域。然而這種方法的缺點是分割區域的數目要作為初始參數，顯然在復雜的交通場景中，事先預測可以正確分割圖像的區域數目是比較困難的，因為這取決于場景中的車輛數目。為了解決這個問題，文獻[4] 提出了一種多段（Multi-stage）分割方法，事先固定初始分割區域數目（6 ～10 個），然后根據初始分割區域的密度和大小來決定是否對此區域繼續劃分。

3.圖像處理

通過攝像機將行駛車輛的視頻圖像按序列連續捕捉下來并數字化，存入內存或幀緩存中，將采集到的序列數字圖像進行預處理如濾波除噪、圖形銳化、對比度增強，再對預處理后的圖像分割，對分割后的目標圖像進提取特征，進行分類識別。運用基于頭發灰度信息的人頭檢測和基于膚色信息的人頭檢測，兩種方法結果進行匹配。通過灰度化、預處理等，濾除噪聲所帶來的干擾，以便為檢測提高準確性。通過以上兩種方式得到的結果進行匹配，從而得到準確度較高的人群擁擠度信息。

最終我們通過此結果對車輛的人數進行誘導，對車廂內攝像頭采集和處理的圖片進行進一步的數值計算，利用車廂攝像頭，截取每次列車出站時刻時的影像，增加擁擠度、換乘等權重運行算法進行初步預測，結果存入數據庫。結果在App平臺發布，根據用戶反饋修正預測結果，這種研究方向可以做到準確地對每幀的靜態圖片進行理論化的計算，提高了實際情況的準確度。

5.結束語

對于人員擁擠度準確分析系統而言，該系統是一個非常復雜的系統，它不僅涉及到網絡連接應用、模型設計、圖像處理，而且還涉及到信息和數據采集和處理等各個方面。另外，該數據分析系統在城市交通運行方面發揮著非常重要的作用。

因此我相信在不久的將來，相關領域人員就會在人口擁擠度分析系統的基礎上繼續對該系統進行創新，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”，中國夢終將在我們一代代青年的接力奮斗中變為現實。

參考文獻：

[1]鄧波，黃同成，劉遠軍.基于4G移動網絡的大數據與云計算技術應用分析及展望—以城市智能交通系統為例[J].信息與電腦（理論版），2015（23）：28-30.

[2]李林.基于hadoop的海量圖片存儲模型的分析和設計[D].杭州：杭州電子科技大學，2011.

[3]J Badenas，M Bober，F 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，Florence，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

作者簡介：

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

（作者單位：（重慶交通大學）