本发明属于公共交通工具客流统计管理技术领域，具体设计一种边沿连通分割客流统计方法。
背景技术：
目前，公交车多数仍沿用传统的客流统计方法，通常采用人工统计的方法来取得客流量数据，虽然精度可以满足要求，但是消耗人力、财力，且不具备系统性和全面性。刷卡机、投币机等接触式设备，虽然脱离了人工，但是一般只能一次通过一人，且无法满足较高的精度和同时统计上、下车人数的要求。而现在应用最广泛的红外线检测系统，此类系统为非接触式，相比接触式设备，有了很大的提高。但在实际运行中，当多个乘客连续或同时通过红外装置时，就会出现遮挡，单个乘客在检测目标区域暂时的停留，或者躯体和携带物品的干扰，也会对统计的精准度产生影响。
近几年，随着政府对智能公交事业投入力度的加大，我国智能公交系统已经初部发展，而客流计数系统是重要组成部分，如何能够为公交公司提供更加实时、清楚、准确的乘客交通统计数据已成为运营商的准求目标。
与智能公交系统相结合的客流计数系统中，有一种在车门门头位置安装客流统计终端单独进行统计分析，这些统计方式或者设备成本较高、安装难度大，或者只能针对单人次统计的简单情况，而在各种技术各自为战的情况下，这些缺点总会不可避免。对于运动目标检测，传统方法主要有背景差法、帧差法和光流法。背景法主要应用于背景变化不大或者变化较为缓慢的环境，在目标进入摄像机范围之前，提取背景图，目标进入之后，用当前图像减去背景图，得到运动目标。背景更新是背景法的重点，目前主要有单高斯和混合高斯背景模型法。公交车上由于每个站台环境不一样，而且受光线和遮挡影响非常大，所以不适于采用背景差法。帧差法虽然受光线影响不大，但是在拥挤的时候，多个乘客容易粘连在一起，如何将单独乘客分割出来是一个难题。考虑到即使拥挤的时候，乘客的头部也很少靠在一起，所以以头部作为计数目标易于实现。目前有许多学者采用边缘提取和hough变化寻找人头，该方法计算量大，占用存储空间也较大。另外，目前的形态学客流统计方法对人员的头部特征要求比较高。出现马尾辫，戴帽子，弯腰形成的头部椭圆的形状都有较高的误差率。
光流法在检测运动目标中具有其优势：可以在不知道任何场景信息的情况下，检测出运动目标。目前基于梯度的光流计算方法得到了广泛的应用。采用光流法进行运动物体检测的问题主要在于光流法计算耗时，实时性和实用性都较差，纯粹采用光流法检测运动目标不太实际，但是可以将光流计算方法和其他方法相结合来检测运动目标。
技术实现要素：
本发明针对目前公交车客流统计的现状和问题，提供一种边沿连通分割客流统计方法，使用kinect深度摄像头，采用形态学分层原理分割人体，记录人数，达到客流统计的目的。
采用的技术方案：一种边沿连通分割客流统计方法，深度摄像头放置在公交车进出门正上方，乘客上下车通过摄像头；其特征在于，包括以下步骤：
第1步骤：安装并调整使摄像头距离车门底部2-2.5米，截取每个乘客从车底部向上120-190cm高度范围形成的图像。
第2步骤：根据所截取的图像高度落差梯度变化情况进行边缘检测，得出边缘图像。
第3步骤：由图像高度落差形成的边缘图像，进行图像形态学处理，处理后的边缘图像和原深度图像进行融合（原深度图像就是原有的图像，没有进行过处理的图像）；图像边缘是二值化后的图像，数据大小为0和1。又进行了形态学处理，边缘为0，和原图像进行与操作。最终得到各个目标物清晰边缘的分割图像，由于边缘图像进行了形态学处理，故而融合后的处理，主要突出了主体部分，细枝末节都得到了弱化。
第4步骤：求取融合后图像的连通域t；
第5步骤：筛选出面积大于特定阈值t0的连通域区域t’（即为目标物），针对每个连通域进行边缘距离弱化；（边缘距离：连通域中每个边缘在x方向和y方向到另一个边缘点的个数。将满足（sumx<thrxsumy<thry）的方向上的所有点置为0；依据变化后的每个图像的连通域t’的形状，面积，落差比来判断是否是一个人；
第6步骤：根据第5步骤的判断结果，若是一个人，记录一个人的形状中心点，作为标记pi；
第7步骤：根据第5步骤的判断结果，若不是一个人的情况，则跳过，进行分割区域处理：根据灰度均值，进行问题连通域t1分层处理，然后再进行第4步骤处理；（一般情况下，会出现两人身高类似，行走并行的情况）。
第8步骤：记录以上被检测人员的坐标点m和帧序号n，依据欧式距离分析判别是否为同一人，并得出每个人的行走路径；
第9步骤：依据第8步骤得出来的每个人的行走路径来判断每个人是否上下车。
有益效果：本发明利用kinect深度摄像头使用形态学分层原理分割人体，记录人数，该方法简单实用，在公交车客流统计实践中，得到了较好的准确度。并且保持了实时性。依据目前的形态学客流统计方法，对人员的头部特征要求比较高。出现马尾辫，戴帽子，弯腰形成的头部椭圆的形状都有较高的误差率。而此方法完全规避了这些问题的形成。提高了准确度。
具体实施方式
本发明所采用的边缘连通分割客流统计方法需要将kinect深度摄像头放置在公交车进出门正上方，根据乘客上下车通过摄像头的过程，通过深度摄像头采集的图像进行分析后确定统计人数。利用深度摄像头采集图像后进行分析的具体步骤如下：
第1步骤：安装并调整使摄像头距离车门底部约2.3米，截取每个经过门口的乘客由车底部向上120-190cm高度范围形成的图像集sn=a1，a2,......,an；
第2步骤：根据每个图像的高度落差梯度变化情况分别进行边缘检测，得出边缘图像集qn。
gx=(-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)
+(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)
+(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)
=[f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]
gy=1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)
+0*f(x-1,y)0*f(x,y)+0*f(x+1,y)
+(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1)
=[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)]
其中gx及gy分别代表经横向及纵向边缘检测的图像灰度值，f(a,b),表示图像(a,b)点的灰度值。
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
通常，为了提高效率使用不开平方的近似值：
如果梯度g大于某一阀值则认为该点(x,y)为边缘点。对应该点的图像为边缘图像。
第3步骤：由图像高度落差形成的边缘图像集qn，分别进行图像形态学处理，和原深度图像进行融合；wn=~qn&&sn.将边缘图像取反后和原图像进行与运算。融合后的图像wn根据大于0为1的原则进行二值化处理，接着将wn进行腐蚀操作。qn进行形态学腐蚀运算erosion。
第4步骤：求取融合后图像的连通域t；
第5步骤：筛选出面积大于特定阈值的连通域区域（即为目标物），针对每个连通域进行边缘距离弱化；（边缘距离：连通域中每个边缘在x方向和y方向到另一个边缘点的个数。将满足（sumx<thrxsumy<thry）的方向上的所有点置为0；
第6步骤：根据第5步骤的判断结果，若是一个人，记录一个人的形状中心点，作为标记；
第7步骤：根据第5步骤的判断结果，如果不是目标物，则跳过分析判断；
第8步骤：记录以上记录人员的坐标点和帧序号，依据欧式距离分析判别是否为同一人；
第9步骤：依据第8步骤得出来的每个人的行走路径来判断每个人是否上下车。