本发明涉及图像处理技术领域，尤其涉及车辆客流量统计方法及系统。
背景技术：
出租车客流分布数据是出租车营运系统进行调度管理的重要依据，但由于客流量在时间上和空间上分布的不均匀性，给统计工作带来一定难度。所以，出租车行业一直以来缺乏实时准确的出租车客流量信息，并且也没有成熟的客流信息统计方案，大大阻碍了出租车管理统筹调度的实现以及智能调度的发展。
目前出租车客流量统计主要有两种方法，第一种是基于重力传感器的载客分析方法，第二种是基于运动目标跟踪的客流统计方法。第一种方法硬件设备安装复杂且不能兼容车内监控功能，第二种方法如专利cn201610272194.x的“基于人脸检测及跟踪的客流量统计系统”，其对跟踪目标检测的准确性和跟踪的稳定性要求较高。
技术实现要素：
本发明所要解决的技术问题是：提供一种可快速准确统计车辆客流量的方法和系统。
为了解决上述技术问题，本发明采用的技术方案为：一种车辆客流量统计方法，包括：
s1：采集视频；
s2：对所述视频的各检测区域分别进行人脸检测；若存在人脸，则进行步骤s3，若否，则返回步骤s1；
s3：融合各检测区域的人脸检测结果；
s4：统计客流量信息。
一种车辆客流量统计系统，包括：
摄像模块，用于摄取视频；
检测模块，用于检测各检测区域中的人脸；
判断模块，用于判断各检测区域是否存在人脸；
融合模块，用于融合各检测区域的人脸检测结果；
统计模块，用于统计客流量。
本发明的有益效果在于：通过对采集的视频分区域进行检测，可以过滤掉无效检测区域，提高检测的效率和准确性，进一步提高后续融合和统计的运算效率。
附图说明
图1为本发明实施例的首次进行区域分割流程图；
图2为本发明实施例的将检测区域进行网格化示意图；
图3为本发明实施例的对网格化的检测区域进行修正示意图；
图4为本发明客流量统计方法流程图；
图5为本发明实施例的融合检测结果示意图；
图6为本发明实施例的客流量统计系统框图；
标号说明：
1、当前人脸目标；2、第一目标类；3、第二目标类；4、摄像模块；
5、检测模块；6、判断模块；7、融合模块；8、统计模块；9、分割模块。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于：通过对采集的视频分区域进行检测，可以过滤掉无效检测区域，提高检测的效率和准确性。
请参照图1至图6，一种车辆客流量统计方法，包括：
s1：采集视频；
s2：对所述视频的各检测区域分别进行人脸检测；若存在人脸，则进行步骤s3，若否，则返回步骤s1；
s3：融合各检测区域的人脸检测结果；
s4：统计客流量信息。
从上述描述可知，本发明的有益效果在于：通过对采集的视频分区域进行检测，可以过滤掉无效检测区域，提高检测的效率和准确性，进一步提高后续融合和统计的运算效率。
进一步的，当首次采集视频时，步骤s1之后包括：
s11：对所述视频进行人脸检测；若存在人脸，则进行步骤s12，若否，则返回步骤s1；
s12：是否存在乘客，若是，则进行步骤s13；若否，则返回步骤s1；
s13：进行区域分割，然后返回步骤s1。
由上述描述可知，对首次采集的视频做区域分割为后续采集视频分区域进行人脸检测做准备。
进一步的，步骤s2之后还包括：根据当次人脸检测结果重新进行区域分割，作为下一次人脸检测的各检测区域。
由上述描述可知，对每一次采集的视频做人脸检测时，都以上一次做的区域分割作为检测区域，即对人脸检测区域进行动态分割。
进一步的，所述进行人脸检测具体为：对视频帧间隔n帧进行选择性分析，当出现人脸目标后，以当前帧为中心，对所述当前帧的前后n帧视频进行逐帧分析。
由上述描述可知，对视频帧间隔进行分析，可以提高分析效率，只要选择合适的间隔帧数就可以既提高检测效率又不引起漏检。
进一步的，重新进行区域分割之前还包括：判断人脸目标属于前排目标还是后排目标，具体为：
当
当
其中，s为视频图像区域的总面积，w为视频图像区域的宽度，h为视频图像区域的高度，p为判断阈值。
由上述描述可知，判断是前排目标还是后排目标有利于进行较为准确的区域分割。
进一步的，步骤s3中，融合各检测区域的人脸检测结果具体为：判断相邻两帧图像的人脸目标区域的重叠面积，若大于预设值，则将两帧图像的人脸目标区域取并集融合为一个目标类。
由上述描述可知，因为同一个人脸目标的变化范围有限，所以对重叠面积大于一定值的人脸目标区域取并集融合为一个目标类。
进一步的，步骤s3中，融合各检测区域的人脸检测结果还包括：缩小图像的人脸目标区域的面积，得到图像的有效人脸目标区域；判断所述有效人脸目标区域与目标类是否重叠，若所述有效人脸目标区域与两个以上的目标类存在重叠，则根据所述有效人脸目标区域到各个目标类的距离和重叠面积的两个权值进行归类判断：
其中，(x,y)为当前图像的有效人脸目标区域的中心坐标，
将当前图像的有效人脸目标区域进行目标归类后，不与目标类所在的检测区域取并集，仅累计归属于目标类的数量winnum。
由上述描述可知，缩小图像的人脸目标区域的面积可以得到可靠性更高的人脸目标区域，然后根据距离和重叠面积综合判断有效人脸目标区域属于哪个目标类，可防止误判和错误的归类。
进一步的，步骤s4中，统计客流量信息具体为：对各个目标类的winnum进行统计，若winnum大于预设值，则视为一个有效客流，若否，则视为误检。
由上述描述可知，对winnum进行判断可以降低人脸检测准确率对客流量统计的影响，提高客流量统计的准确性和稳定性。
一种车辆客流量统计系统，包括：
摄像模块，用于摄取视频；
检测模块，用于检测各检测区域中的人脸；
判断模块，用于判断各检测区域是否存在人脸；
融合模块，用于融合各检测区域的人脸检测结果；
统计模块，用于统计客流量。
进一步的，还包括：分割模块，用于进行人脸检测区域分割。
实施例
请参照图1至图6，本发明的实施例一为：一种车辆客流量统计方法，包括如下内容：
如图1所示，首先采集视频，若是第一次采集视频，则进行人脸检测，若视频中不存在人脸，则再次进行视频采集，直到采集到具有人脸的视频为止；当视频中存在人脸时，再判断所述人脸中是否存在乘客，当没有乘客时，再次进行视频采集，直到采集的视频存在乘客为止；当存在乘客时对视频进行区域分割得到检测区域，为后续对视频的各检测区域分别进行人脸检测做准备。本实施例中，通过载入基于lbp特征的多角度人脸分类器对各检测区域的视频帧分别进行人脸检测。由于视频帧图像之间存在一定的连续性，所以不必对全部视频帧进行分析，仅需要重点关注人脸目标出现前后的一系列图像即可，即对视频帧进行选择性分析，分析方法为：n＝rand()％n，其中n为间隔帧数，n为最大间隔帧数，本实施例中，n的取值范围为[3,6]，其取值过小则失去选择性分析的意义，过大容易引起漏检。当出现人脸目标后，以当前帧为中心，对所述当前帧的前后n帧视频进行逐帧分析。本实施例中，若是统计出租车客流量，则在计价器压表事件发生后采集视频。
如图2所示，通过透视将车辆内座空间区域变换成如图所示的网格图像，本实施例中，摄像头装设在后视镜位置，摄像头到前排的距离大约为到后排距离的两倍，所以假设前排与后排乘客的人脸尺寸也符合所述比例关系，假设目标位于后排，则有如下关系式：
其中，s1为前排人脸目标检测区域的面积，s2为后排人脸目标检测区域的面积，s为视频图像区域的总面积，w为视频图像区域的宽度，h为视频图像区域的高度，l为后排每一个目标区域的长度和宽度，考虑到人脸具有一定的活动范围以及人脸目标之间具有一定的间隔，所以l的取值可以按照实际人脸目标的尺寸大小进行适量的放大，例如为实际人脸目标宽度的两倍，当然，也可以根据车辆内部空间的实际情况进行其他比例的放大。
若果将前排目标误判为后排目标，则有关系式：
本实施例中，通过以下方式判断人脸目标是属于前排目标还是后排目标，
当
当
其中，s为视频图像区域的总面积，w为视频图像区域的宽度，h为视频图像区域的高度，p为判断阈值。p是一经验阈值，可根据摄像头视角范围做相应的调整，本实施例中p的取值范围为[1,2]，优选的，p取值1.5。
本实施例中，为了降低乘客头部偏离正常位置引起的区域划分误差，同时排除司机人脸对客流量统计的影响，对上述的网格图像进行修正，如图3所示的虚线框中的区域作为人脸检测的各检测区域，排除司机所在位置的人脸检测区域，可以提高检测的效率。如果检测区域出现多个人脸检测目标，则对检测区域进行合并，并根据当次人脸检测结果重新进行区域分割，作为下一段视频人脸检测的各检测区域。
由于首次进行区域分割和对网格区域进行修正之后，已经排除了司机人脸对客流量的影响，所以后续在进行人脸检测时，只需要判断在各个检测区域是否存在人脸即可，如图4所示，其检测方式与上述的首次进行人脸检测的方式一样，并且，根据当次人脸检测结果进行区域分割，作为下一段视频人脸检测的各检测区域，即对各检测区域进行动态分割，以改善由于摄像头位置变化带来的检测区域不匹配的问题，提高检测精度和准确性。
进行人脸检测之后，需要融合各检测区域的人脸检测结果。本实施例中，通过判断相邻两帧图像的人脸目标区域的重叠面积来进行，若大于预设值，则将两帧图像的人脸目标区域取并集融合为一个目标类。本实施例中，所述目标类是指前排检测区域、后排左边检测区域、后排中间检测区域和后排右边检测区域。为了呈现整个人脸的轮廓特征，检测区域中会有部分背景图像，若是人脸目标之间的距离较近，如图5所示，在融合检测结果时可能会出现以下两种情况：如图5(a)所示，存在一个目标类时，当前人脸目标1不属于所述第一目标类2而被误判到第一目标类2中；如图5(b)所示，存在多个目标类时，例如存在第一目标类2和第二目标类3，当前人脸目标1本来属于第一目标类2而被融合到错误的第二目标类3中。针对上述问题，本实施例中，通过缩小图像的人脸目标区域的面积，得到图像的有效人脸目标区域；判断所述有效人脸目标区域与目标类是否重叠，若所述有效人脸目标区域与两个以上的目标类存在重叠，则根据所述有效人脸目标区域到各个目标类的距离和重叠面积的两个权值进行归类判断：
其中，(x,y)为当前图像的有效人脸目标区域的中心坐标，
最后统计客流量信息，对各个目标类的winnum进行统计，若winnum大于预设值，则视为一个有效客流，若否，则视为误检。如此可以降低人脸检测的准确率对客流量统计的影响，提高客流量统计的准确性和稳定性。
如图6所示，与所述车辆客流量统计方法相对应，本实施例还涉及一种车辆客流量统计系统，包括：
摄像模块4，用于摄取视频，摄像模块4安装在车辆内部后视镜附近；
检测模块5，用于检测各检测区域中的人脸；
判断模块6，用于判断各检测区域是否存在人脸；当为首次采集视频时，还用于判断视频中是否存在乘客；
融合模块7，用于融合各检测区域的人脸检测结果；
统计模块8，用于统计客流量；
分割模块9，用于进行人脸检测区域分割，本实施例中，对人脸检测区域进行动态分割。
另外，在统计出客流量后，还可以对所述统计结果进行显示，例如显示在车辆安装的显示屏上或者其他可显示的电子设备上。
综上所述，本发明提供的车辆客流量统计方法及系统，通过对采集的视频分区域进行检测，可以过滤掉无效检测区域，提高检测的效率和准确性，进一步提高后续融合和统计的运算效率。进行人脸检测时对视频帧选择性进行分析，通过选择合适的间隔帧数就可以既提高检测效率又不引起漏检；缩小图像的人脸目标区域的面积可以得到可靠性更高的人脸目标区域，然后根据距离和重叠面积综合判断有效人脸目标区域属于哪个目标类，可防止误判和错误的归类；对winnum进行统计判断可以降低人脸检测准确率对客流量统计的影响，提高客流量统计的准确性和稳定性。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。