本发明涉及公交领域，特别是涉及一种公交人流量统计方法及系统。
背景技术
为了更加合理地对公交车进行调度，提升城市的服务和管理水平，提升乘客的公交乘坐体验，需要对公交车的人流量进行统计。现有的公交人流量统计方法大概包括如下两种：
(1)采用专用图像处理设备
例如专利cn201310464624公开了一种基于kinect立体视觉的人流量统计方法。该方法采用openni读取深度图像，并通过阈值分割、消噪、投影操作，获得跟踪对象投影图，在跟踪对象投影图中得到跟踪轨迹点集合，以此对人进行跟踪计数。此方法需要kinect3d立体感摄像机作为视频输入，对摄像设备要求较高，成本较高。
还有专利cn201610840255提出了基于深度图像的公交车人流统计系统。该系统通过车门口的深度图像采集设备获取乘客的深度图像，前端处理器与车辆相连，获取车辆状态，控制设备启闭并计算乘客人流量。该系统需要深度图像传感器而不是传统摄像头，对摄像设备要求较高；同时须通过与车辆系统连接才能获取车辆车门的开启/关闭状态，增加了硬件成本。
(2)训练分类器检测人头进而实现人流量统计
例如专利cn201710417286首先利用支持向量机对乘客头部梯度方向直方图特征进行学习得到人头分类器。对输入视频的每帧图像进行降采样以及兴趣区域设置，再使用分类器检测人头目标，并采用匈牙利算法和核相关滤波实现多目标跟踪，最后设置虚拟线完成乘客人流量的自动计数。此方法需要采集大量的各种人头样本和负面样之后裁剪成特定的大小才能进行分类器训练，训练的时间也较长。并且如果训练后的分类器准确度不高，还需要加大样本量进行重新训练，较费时费力。同时在进行人头检测时为避免漏检需要进行多尺度检测，增加了许多计算量。
技术实现要素：
基于此，本发明的目的在于，提供一种公交人流量统计方法，其具有不需要进行大样本量的训练，大大减少运算量，提高统计效率，提高统计的准确性，对硬件设备要求不高，大大降低了成本低的优点。
一种公交人流量统计方法，包括如下步骤：
步骤s0：系统初始化，将车门状态设置为关门状态；
步骤s1：获取公交车内当前帧的视频图像，并提取该当前帧的视频图像中的前景图像；
步骤s2：判断车门状态，若车门处于开门状态，则进入步骤s5；若车门处于关门状态，则进入步骤s3。
步骤s3：获取前景图像中开门检测区域的特征值；
步骤s4：判断开门检测区域的特征值是否大于第一设定阈值，若是，则将车门状态设置为开门状态，并继续步骤s5；否则，获取下一帧的视频图像，并将该下一帧图像作为当前帧的视频图像，回到步骤s1；
步骤s5：获取前景图像中乘客检测区域的特征值以及该特征值对应的时间点，并存储至动态数组；
步骤s6：获取前景图像中关门检测区域的特征值；
步骤s7：判断关门检测区域的特征值是否大于第二设定阈值，若是，则继续步骤s8，并将车门状态设置为关门状态；否则，获取下一帧的视频图像，并将该下一帧图像作为当前帧的视频图像，回到步骤s1；
步骤s8：根据动态数组中的乘客检测区域的特征值以及该特征值对应的时间点，获取本次开门关门期间公交车上的上车人数；
步骤s9：获取下一帧的视频图像，并将该下一帧图像作为当前帧的视频图像，回到步骤s1，以对下次的开门关门期间公交车上的上车人数进行统计。
相比于现有技术，本发明通过获取视频图像，再根据视频图像上的像素点即可获取开门关门期间乘客上车的人数，不需要进行大样本量的训练，大大减少了运算量，提高了统计效率，提高了统计的准确性。进一步地，通过普通的摄像机即可获取视频图像，对硬件设备要求不高，大大降低了成本低。
进一步地，在步骤s1中，获取公交车内当前帧的视频图像后，对该当前帧视频图像通过高斯滤波去除噪音，再通过混合高斯背景模型获取前景图像，以去除图像噪音，提高后续统计的准确性。
进一步地，在步骤s8中，获取本次开门关门期间公交车上的上车人数，包括如下步骤：
步骤s81：将动态数组中的乘客检测区域的特征值按其所在帧的获取时间的先后顺序依序存储；
步骤s82：根据依序存储的乘客检测区域的特征值，获取局部峰值以及该局部峰值对应的时间点；
步骤s83：将获取的局部峰值按其对应的时间点的先后顺序依序存储，并以存储的第一个局部峰值作为当前局部峰值；
步骤s84：计算当前局部峰值和下一局部峰值之间的时间间隔；
步骤s85：判断当前局部峰值和下一个局部峰值之间的时间间隔是否小于第三设定阈值，若是，则在当前局部峰值和下一个局部峰值中，删除幅值较小的局部峰值，保留幅值较大的局部峰值，且将该保留的局部峰值作为新的当前局部峰值；否则，保留当前局部峰值和下一个局部峰值，并将下一个局部峰值作为新的当前局部峰值；
步骤s86：判断当前局部峰值是否为最后一个局部峰值，若是，则继续步骤s87；否则，回到步骤s84；
步骤s87：统计保留的局部峰值的个数，获取本次开门关门期间乘客上车的人数。
本发明还提供一种公交人流量统计系统，包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由所述处理器加载并执行：
判断车门状态，并在车门处于关门状态时，获取前景图像中开门检测区域的特征值，并在开门检测区域的特征值大于第一设定阈值时，则将车门状态设置为开门状态，并获取前景图像中乘客检测区域的特征值以及该特征值对应的时间点，且存储至动态数组；获取前景图像中关门检测区域的特征值；在关门检测区域的特征值大于第二设定阈值时，则将车门状态设置为关门状态，且根据动态数组中的乘客检测区域的特征值以及该特征值对应的时间点，获取本次开门关门期间公交车上的上车人数；
在车门处于开门状态时，则直接获取前景图像中乘客检测区域的特征值以及该特征值对应的时间点，且存储至动态数组。
相比于现有技术，本发明通过获取视频图像，再根据视频图像上的像素点即可获取开门关门期间乘客上车的人数，不需要进行大样本量的训练，大大减少了运算量，提高了统计效率，提高了统计的准确性。进一步地，通过普通的摄像机即可获取视频图像，对硬件设备要求不高，大大降低了成本低。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本发明实施例中公交人流量统计方法的流程图；
图2为本发明实施例中获取本次开门关门期间公交车上的上车人数的方法的流程图。
具体实施方式
请参阅图1，其为本发明实施例中公交人流量统计方法的流程图。该公交人流量统计方法，包括如下步骤：
步骤s0：系统初始化，将车门状态设置为关门状态；
步骤s1：获取公交车内当前帧的视频图像，并提取该当前帧的视频图像中的前景图像。
在一个实施例中，将用于获取公交车内的视频图像的摄像机安放位置在公交车前门之上的车厢顶部，摄像头垂直向下拍摄乘客上车的视频图像；其中摄像机采用普通常规的摄像机即可。
在一个实施例中，获取公交车内当前帧的视频图像后，对该当前帧视频图像通过高斯滤波去除噪音，再通过混合高斯背景模型获取前景图像。其中，所述前景图像为二值图，表征运动的区域为白色，表征非运动的区域为黑色。
步骤s2：判断车门状态，若车门处于开门状态，则进入步骤s5；若车门处于关门状态，则进入步骤s3。
步骤s3：获取前景图像中开门检测区域的特征值。
本发明中的开门检测区域为在视频图像中公交前门开门处的区域，其区域范围可以根据实际需要调整，具体的，可将公交前门开门时像素变化较大的区域作为开门检测区域。
步骤s4：判断开门检测区域的特征值是否大于第一设定阈值，若是，则将车门状态设置为开门状态，并继续步骤s5；否则，获取下一帧的视频图像，并将该下一帧图像作为当前帧的视频图像，回到步骤s1。
其中，若开门检测区域的特征值大于第一设定阈值，则说明车门开启，有乘客上下车，可以开始进行人流量统计；若开门检测区域的特征值小于或等于第一设定阈值，说明车门未开启，则不进行统计。
在一个实施例中，所述前景图像中开门检测区域的特征值为所述开门检测区域中表征运动的像素点与所述开门检测区域的总像素点数的比值。所述第一设定阈值为0.5-0.9，优选的，所述第一设定阈值为0.7。
步骤s5：获取前景图像中乘客检测区域的特征值以及该特征值对应的时间点，并存储至动态数组。
本发明中的乘客检测区域为在视频图像中乘客上车过程中需要经过的区域，，其具体的区域范围可以根据实际需要调整。
在一个实施例中，所述前景图像中乘客检测区域的特征值为所述乘客检测区域中表征运动的像素点与所述乘客检测区域的总像素点数的比值。
步骤s6：获取前景图像中关门检测区域的特征值。
本发明中的关门检测区域为在视频图像中公交前门关门处的区域，其区域范围可以根据实际需要调整，具体的，可将公交前门关门时像素变化较大的区域作为关门检测区域。
在一个实施例中，所述前景图像中关门检测区域的特征值为所述关门检测区域中表征运动的像素点与所述关门检测区域的总像素点数的比值。
步骤s7：判断关门检测区域的特征值是否大于第二设定阈值，若是，则继续步骤s8，并将车门状态设置为关门状态；否则，获取下一帧的视频图像，并将该下一帧图像作为当前帧的视频图像，回到步骤s1。
其中，若关门检测区域的特征值大于第二设定阈值，则说明车门关闭，乘客已经停止上下车；若关门检测区域的特征值小于或等于第二设定阈值，则继续获取乘客检测区域的特征值。所述第二设定阈值为0.5-0.9，优选的，所述第二设定阈值为0.7。
步骤s8：根据动态数组中的乘客检测区域的特征值以及该特征值对应的时间点，获取本次开门关门期间公交车上的上车人数。
步骤s9：获取下一帧的视频图像，并将该下一帧图像作为当前帧的视频图像，回到步骤s1，以对下次的开门关门期间公交车上的上车人数进行统计。
请参阅图2，图2为本发明实施例中获取本次开门关门期间公交车上的上车人数的方法的流程图。
在获取本次开门关门期间公交车上的上车人数时，具体包括如下步骤：
步骤s81：将动态数组中的乘客检测区域的特征值按其所在帧的获取时间的先后顺序依序存储。
步骤s82：根据依序存储的乘客检测区域的特征值，获取局部峰值以及该局部峰值对应的时间点。
在一个实施例中，获取局部峰值的方法为：在依序存储的乘客检测区域的特征值中，将大于其前边和后边各10个特征值，且大于第四设定阈值的特征值作为局部峰值。即本发明的乘客检测区域的特征值至少为21个，前后各10个的特征值均不考虑。所述第四设定阈值为0.1-0.3，优选的，所述第四设定阈值为0.2。
步骤s83：将获取的局部峰值按其对应的时间点的先后顺序依序存储，并以存储的第一个局部峰值作为当前局部峰值。
步骤s84：计算当前局部峰值和下一局部峰值之间的时间间隔。
步骤s85：判断当前局部峰值和下一个局部峰值之间的时间间隔是否小于第三设定阈值，若是，则在当前局部峰值和下一个局部峰值中，删除幅值较小的局部峰值，保留幅值较大的局部峰值，且将该保留的局部峰值作为新的当前局部峰值；否则，保留当前局部峰值和下一个局部峰值，并将下一个局部峰值作为新的当前局部峰值。
其中，若当前局部峰值和下一个局部峰值之间的时间间隔小于第三设定阈值，说明这两个局部峰值为同一人的特征值，只需要保留一个较大的局部峰值以表征该人的特征即可。若当前局部峰值和下一个局部峰值之间的时间间隔大于或等于第三设定阈值，说明这两个局部峰值为两个人的特征值，因此，需要将这两个表征不同的人局部峰值均保留。在一个实施例中，所述第三设定阈值为1-3秒，优选的，所述第三设定阈值为2秒。
步骤s86：判断当前局部峰值是否为最后一个局部峰值，若是，则继续步骤s87；否则，回到步骤s84。
步骤s87：统计保留的局部峰值的个数，获取本次开门关门期间乘客上车的人数。
相比于现有技术，本发明通过获取视频图像，再根据视频图像上的像素点即可获取开门关门期间乘客上车的人数，不需要进行大样本量的训练，大大减少了运算量，提高了统计效率，提高了统计的准确性。进一步地，通过普通的摄像机即可获取视频图像，对硬件设备要求不高，大大降低了成本低。
本发明还提供一种公交人流量统计系统，包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由所述处理器加载并执行：
获取公交车内当前帧的视频图像，并提取该当前帧的视频图像中的前景图像；
判断车门状态，并在车门处于关门状态时，获取前景图像中开门检测区域的特征值，并在开门检测区域的特征值大于第一设定阈值时，则将车门状态设置为开门状态，并获取前景图像中乘客检测区域的特征值以及该特征值对应的时间点，且存储至动态数组；获取前景图像中关门检测区域的特征值；在关门检测区域的特征值大于第二设定阈值时，则将车门状态设置为关门状态，且根据动态数组中的乘客检测区域的特征值以及该特征值对应的时间点，获取本次开门关门期间公交车上的上车人数；
在车门处于开门状态时，则直接获取前景图像中乘客检测区域的特征值以及该特征值对应的时间点，且存储至动态数组。
在一个实施例中，将用于获取公交车内的视频图像的摄像机安放位置在公交车前门之上的车厢顶部，摄像头垂直向下拍摄乘客上车的视频图像；其中摄像机采用普通常规的摄像机即可。
在一个实施例中，获取公交车内当前帧的视频图像后，对该当前帧视频图像通过高斯滤波去除噪音，再通过混合高斯背景模型获取前景图像。其中，所述前景图像为二值图，表征运动的区域为白色，表征非运动的区域为黑色。
本发明中，在系统初始化时，所述车门状态设置为关门状态。
本发明中的开门检测区域为在视频图像中公交前门开门处的区域，其区域范围可以根据实际需要调整，具体的，可将公交前门开门时像素变化较大的区域作为开门检测区域。
其中，若开门检测区域的特征值大于第一设定阈值，则说明车门开启，有乘客上下车，可以开始进行人流量统计；若开门检测区域的特征值小于或等于第一设定阈值，说明车门未开启，则不进行统计。
在一个实施例中，所述前景图像中开门检测区域的特征值为所述开门检测区域中表征运动的像素点与所述开门检测区域的总像素点数的比值。所述第一设定阈值为0.5-0.9，优选的，所述第一设定阈值为0.7。
本发明中的乘客检测区域为在视频图像中乘客上下车过程中需要经过的区域，，其具体的区域范围可以根据实际需要调整。
在一个实施例中，所述前景图像中乘客检测区域的特征值为所述乘客检测区域中表征运动的像素点与所述乘客检测区域的总像素点数的比值。
本发明中的关门检测区域为在视频图像中公交前门关门处的区域，其区域范围可以根据实际需要调整，具体的，可将公交前门关门时像素变化较大的区域作为关门检测区域。
在一个实施例中，所述前景图像中关门检测区域的特征值为所述关门检测区域中表征运动的像素点与所述关门检测区域的总像素点数的比值。
其中，若关门检测区域的特征值大于第二设定阈值，则说明车门关闭，乘客已经停止上下车；若关门检测区域的特征值小于或等于第二设定阈值，则继续获取乘客检测区域的特征值。所述第二设定阈值为0.5-0.9，优选的，所述第二设定阈值为0.7。
在获取本次开门关门期间公交车上的上车人数时，所述处理器加载并执行：
将动态数组中的乘客检测区域的特征值按其所在帧的获取时间的先后顺序依序存储；
根据依序存储的乘客检测区域的特征值，获取局部峰值以及该局部峰值对应的时间点；
将获取的局部峰值按其对应的时间点的先后顺序依序存储，并以存储的第一个局部峰值作为当前局部峰值；
计算当前局部峰值和下一局部峰值之间的时间间隔；
判断当前局部峰值和下一个局部峰值之间的时间间隔是否小于第三设定阈值，若是，则在当前局部峰值和下一个局部峰值中，删除幅值较小的局部峰值，保留幅值较大的局部峰值，且将该保留的局部峰值作为新的当前局部峰值；否则，保留当前局部峰值和下一个局部峰值，并将下一个局部峰值作为新的当前局部峰值；
在当前局部峰值为最后一个局部峰值时，统计保留的局部峰值的个数，获取本次开门关门期间乘客上车的人数。
在一个实施例中，获取局部峰值的方法为：在依序存储的乘客检测区域的特征值中，将大于其前边和后边各10个特征值，且大于第四设定阈值的特征值作为局部峰值。即本发明的乘客检测区域的特征值至少为21个，前后各10个的特征值均不考虑。所述第四设定阈值为0.1-0.3，优选的，所述第四设定阈值为0.2。
其中，若当前局部峰值和下一个局部峰值之间的时间间隔小于第三设定阈值，说明这两个局部峰值为同一人的特征值，只需要保留一个较大的局部峰值以表征该人的特征即可。若当前局部峰值和下一个局部峰值之间的时间间隔大于或等于第三设定阈值，说明这两个局部峰值为两个人的特征值，因此，需要将这两个表征不同的人局部峰值均保留。在一个实施例中，所述第三设定阈值为1-3秒，优选的，所述第三设定阈值为2秒。
相比于现有技术，本发明通过获取视频图像，再根据视频图像上的像素点即可获取开门关门期间乘客上车的人数，不需要进行大样本量的训练，大大减少了运算量，提高了统计效率，提高了统计的准确性。进一步地，通过普通的摄像机即可获取视频图像，对硬件设备要求不高，大大降低了成本低。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。