本发明涉及客流密度检测的技术领域，尤其涉及基于图像处理的客流密度检测方法，该方法中的步骤，可以建立功能模块，组合成功能模块构架，主要通过存储在计算机可读存储介质中的计算机程序来实现。
背景技术：
近几年，随着政府对智能公交事业投入力度的加大，我国智能公共交通系统已初现端倪，客流密度检测系统是的重要组成部分。
现有的客流密度检测一般是基于人数与像素数成正比的关系来估计人群密度的方法。具体做法有两种，一种是首先用背景减的方法除掉每幅图像的背景，然后计算剩下的人群图像所占的总像素数。另一种是用背景减的方法除掉每幅图像的背景后，借助边缘检测法提取单个人的边缘，对边缘进行细化，计算边缘的总像素数。但是这两种方法由于人群图像跟背景图有时会不容易清楚的区别出来，使得检测可能出现误差。
技术实现要素：
本发明的目的是提供一种快速有效的客流密度检测方法。
通过以下技术方案实现上述发明目的：
本发明提供一种客流密度检测方法，其特征在于，包括以下步骤：
步骤a1.获取预设监测区域的实时视频，并从所述实时视频获取视频序列图像，对所述视频序列图像进行灰度化处理，得到相应的灰度图像；
步骤a2.把所述灰度图像生成对应的灰度共生矩阵；
步骤a3.计算所述灰度共生矩阵的特征值，该特征值为所述视频序列图像的纹理特征；
步骤a4.根据所述纹理特征进行分类，以得到客流密度等级。
其中，步骤a1中具体地，对所述视频序列图像进行中值滤波处理，以去除噪声和干扰。
其中，采用双目摄像机进行视频拍摄。
对于本发明给出的客流密度检测方法中的步骤，可以建立功能模块，组合成功能模块构架，主要通过存储在计算机可读存储介质中的计算机程序来实现。
有益效果：本发明从预设监测区域所拍到的实时视频中获取视频序列图像，对所述视频序列图像进行灰度化处理，得到相应的灰度图像，从而突显人群图像与背景图像的不同，以便于区分，把灰度图像生成对应的灰度共生矩阵，然后计算灰度共生矩阵的纹理特征，最后根据纹理特征进行分类，以得到客流密度等级从而实现实时、清楚、准确的客流密度检测。
具体实施方式
结合以下实施例对本发明作进一步描述。
在车站的乘客入口处设有视频采集模块，其可监测到乘客进入车站的人流，视频采集模块把实时监测到的实时视频送至服务器，服务器据此获取按时间排序的视频序列图像，并对该视频序列图像进行灰度化处理，得到相应的灰度图像，从而突显人群图像与背景图像的不同，以便于区分，克服了传统的客流密度检测方法人群图像与背景图像的不容易区别的问题，服务器把灰度图像生成对应的灰度共生矩阵，然后计算灰度共生矩阵的纹理特征（如局部平稳特征值、对比度特征值、角二阶矩特征值、相关度特征值等），不同密度的人群图像对应的纹理特征不同：高密度的人群在纹理特征上表现为细模式；低密度的人群图像在背景图像也为低频时在纹理特征上表现为粗模式，这样就可以根据纹理特征进行分类，以得到客流密度等级，将客流密度等级划分为5类（很少、少、正常、多、很多）。
本实施例中，对视频序列图像进行中值滤波处理，以去除噪声和干扰，从而提高图像的识别效果。
本实施例中，视频采集模块采用双目摄像机立体视觉（ccd）设计，相较于现有的单摄像头视频分析技术精度和准确度更高；双目摄像机在同一电路板上进行集成，并通过相同的时钟进行同步，以保证视频采集的一致性；双目摄像机还包括镜头座，镜头座之间设有固定金属配件，以保证摄像头的稳定性，并能够为镜头的散热提供辅助。
对于本发明给出的客流密度检测方法中的步骤，可以建立功能模块，组合成功能模块构架，主要通过存储在计算机可读存储介质中的计算机程序来实现。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。