一种交通枢纽旅客行李箱甩尾状态识别和安全监测方法

本发明涉及考虑组合运动的旅客行李箱甩尾状态识别模型和应用，应用于人群密集的交通枢纽场所。

背景技术：

1、旅客行走过程中，行李箱甩尾问题一直是交通枢纽人群稳定性分析所面临的一个挑战之一，在人群密集的公共场所中，其往往会导致人群的混乱和无序，并可能引发人群踩踏等重大安全事故。目前，尽管已经有一些研究关注行李箱与人群整体疏散之间的关系，但对于行李箱甩尾状态的识别和检测方面的研究仍然相对较少。行李箱甩尾可能会给旅客和周围的人造成伤害，因此需要开发出一种行李箱甩尾状态的识别技术，以提高人们的出行安全。

2、目前，针对行李箱甩尾状态识别的研究尚存在若干不足：1)目前已有一些研究关注检测行李箱提升的方法，如baumgartnert[1]通过不同的颜色表示，旅客与其携带物之间的运动关系，但尚未具体到针对行李甩尾状态识别这一领域，而仅仅是进行旅客和行李箱的分类。2)目前针对行李箱与旅客运动的研究主要集中宏观角度上，旅客携带行李箱对人群整体疏散的影响。例如kitazonoy等人提出了一种检测行李箱提升的方法，能监测旅客丢弃行李箱的异常行为，并对此行为进行警告。但缺乏从微观角度针对行李箱甩尾状态的研究。3)行李箱的甩尾状态与旅客的运动状态息息相关，目前对行李箱异常状态识别的研究中，缺乏对行李箱和旅客之间的运动关系的深入研究。

技术实现思路

1、为了进一步解决行李箱甩尾状态识别问题，本发明提出了一种全新的考虑组合运动的行李箱甩尾状态识别模型，应用时采用如运动学分析和机器学习算法等新的技术手段，提出更加全面、准确的运动状态检测方法，使得行李箱甩尾状态的识别更加准确和快速。

2、本发明技术方案如下：

3、交通枢纽旅客行李箱甩尾状态识别模型，其特征在于，对于行李箱的甩尾效应判定如下：

4、

5、其中：

6、1.从第t帧开始的行李箱所受的转角力f转,t，大于运动过程的小幅度转动的最大转角力f转，max；

7、2.在第t帧时，行李箱与旅客之间的质心距变化率δta,t大于0.2m/s，但是小于0.5m/s；

8、3.在第t帧时，行李箱与旅客之间的运动角速度大于正常运动的最大角速度

9、优选地，运动过程的小幅度转动的最大转角力f转，max＝1n；

10、优选地，正常运动的最大角速度为0.78rad/s。

11、一种交通枢纽旅客行李箱甩尾状态识别和安全监测方法，包括如下步骤：

12、步骤1、在交通枢纽人流密集场所设置监测相机、喇叭提示装备等，监测相机与控制室内的监测处理器相连；

13、步骤2、开启监测相机，其摄影方向与旅客运动方向相切，采集视频帧，并将视频数据提供给监测处理器；

14、步骤3、监测处理器通过分别通过单一目标跟踪算法mmtrack和findcontours分别计算出监测场所中行李箱的转角力f转,t、质心距变化率δta,t、运动角速度

15、步骤4、基于行李箱甩尾状态识别模型，对行李箱甩尾状态检测。

16、具体地，所述步骤3包括：

17、步骤3.1、针对相机采集到的视频帧，通过mmtrack提取行李箱运动信息至四参数元组ri，通过式(2)～式(8)计算出行李箱所受转角力f转,t；

18、步骤3.2、通过findcontours提取出行李箱的轮廓图片，并转化为灰度图；

19、步骤3.3、灰度图的i+j阶矩通过式(16)计算：

20、mij＝∑x∑yxiyjg(x,y)                  (16)

21、其中，mij表示原点矩，i和j表示矩的阶数，x和y表示图像中的像素坐标，g(x,y)表示坐标(x,y)处的像素灰度值；

22、步骤3.4、通过式(16)计算出灰度图的零阶矩m00和一阶矩m01，则旅客(cx,cy)与行李箱(bx,by)质心坐标由式(17)、式(18)给出：

23、

24、

25、则行李箱与旅客之间的质心距变化率δta,t为：

26、

27、其中，t为行李箱和旅客之间的质心距，δt表示第i帧和第n帧之间行李箱和旅客间质心距的变化量，δt表示第i帧和第n帧之间间隔的时间；

28、在行李箱甩尾过程中，由于时间很短，将转动角度记为式(20)、式(21)、式(22)：

29、

30、

31、

32、其中δl为质心位移，δθ为行李箱转角，d为行李箱拉杆长度，d+cy近似为质心转动半径。

33、具体地，所述步骤4，行李箱甩尾状态识别模型为：

34、

35、即：

36、1.从第t帧开始的行李箱所受的转角力f转,t，大于运动过程的小幅度转动的最大转角力f转，max；

37、2.在第t帧时，行李箱与旅客之间的质心距变化率δta,t大于0.2m/s，但是小于0.5m/s；

38、3.在第t帧时，行李箱与旅客之间的运动角速度大于正常运动的最大角速度

39、对行李箱甩尾状态检测，即判断是否满足所述行李箱甩尾状态识别模型。

40、优选地，运动过程的小幅度转动的最大转角力f转，max＝1n。

41、优选地，正常运动的最大角速度为0.78rad/s。

42、进一步地，对行李箱甩尾状态检测，当满足上述的三个判定条件后，可判定行李箱与旅客在t时刻发生了甩尾的异常状态，将可能导致危险发生，然后通过喇叭提示装备及时在交通枢纽人流密集场所播放和提示行人注意和预警，直到恢复正常状态；

43、否则判定行李箱运动状态正常。

44、本发明的有益效果：

45、与其他识别方式不同，本发明针对行李箱在整个运动状态的运动特征进行识别，并且可以对行李箱后续运动状态进行预测。根据识别结果，可以及时发出预警，有效地避免行李箱甩尾可能带来的危害，对人群密集的交通枢纽场所安全管理具有重要意义。

技术特征：

1.一种交通枢纽旅客行李箱甩尾状态识别和安全监测方法，其特征在于，包括步骤：

2.如权利要求1所述的方法，其特征在于，所述步骤3包括：

3.如权利要求2所述的方法，其特征在于，所述步骤3.1中，

4.如权利要求1所述的方法，其特征在于，所述步骤4，行李箱甩尾状态识别模型为：

5.如权利要求3所述的方法，其特征在于，运动过程的小幅度转动的最大转角力f转，max＝1n。

6.如权利要求3所述的方法，其特征在于，正常运动的最大角速度为0.78rad/s。

7.如权利要求3所述的方法，其特征在于，对行李箱甩尾状态检测，当满足行李箱甩尾状态识别模型的三个判定条件后，可判定行李箱与旅客在t时刻发生了甩尾的异常状态，将可能导致危险发生，然后通过喇叭提示装备及时在交通枢纽人流密集场所播放和提示行人注意和预警，直到恢复正常状态；否则判定行李箱运动状态正常。

技术总结
本发明提出了一种交通枢纽旅客行李箱甩尾状态识别和安全监测方法，包括步骤：交通枢纽人流密集场所设置监测相机、喇叭提示装备；开启监测相机，采集视频帧，并提供给监测处理器；监测处理器通过分别通过单一目标跟踪算法MMTrack和findContours分别计算出监测场所中行李箱的转角力、质心距变化率、运动角速度；基于行李箱甩尾状态识别模型，对行李箱甩尾状态检测。本发明针对行李箱在整个运动状态的运动特征进行识别，并且可以对行李箱后续运动状态进行预测；根据识别结果，可以及时发出预警，有效地避免行李箱甩尾可能带来的危害，对人群密集的交通枢纽场所安全管理具有重要意义。

技术研发人员：赵荣泳,李咪渊,李浩男,朱文杰,贾萍,李翠玲,马云龙
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/1/15