一种基于物联网远程智能人流统计控制系统

本发明涉及智能控制，具体涉及一种基于物联网远程智能人流统计控制系统。

背景技术：

1、人员分布密集的校园内发生紧急状况需要撤离时，大量学生从多个教学实验中心机房中撤离，在人流中极易造成慌乱踩踏事件，为了保证建筑物通道内行人的安全疏散，实现对建筑物内的人流的智能统计监测和分流指挥至关重要，在现有技术中，人流控制系统通过图像识别和行人检测对一个空间内的人流运动特征的进行分析，从而实现对监测范围内的人流监测，建筑内的不同类型通道内的人流运动特征存在差异，对不同通道内的人流分析采用的模型和模型判断标准不唯一，并且不同类型的通道监控相机下的人流运动路线存在联动性；当紧急人员疏散时，不同类型的通道构成了整个疏散路线，但是远程监测人员很难通过多个监控屏幕对整体的人流运动进行监测，不同通道内的摄像机对通道内的空间覆盖程度有限，当疏散过程中存在地点的要求时，仅对单一监控下的人流分析无法对整体的疏散过程进行动态监测，为了增加不同类型通道的级联匹配程度，实现对人流远程智能控制，提高逃生通道设置的准确性，本发明处了一种基于物联网远程智能人流统计控制系统。

技术实现思路

1、针对上述情况，为了克服现有技术之缺陷，本发明之目的提供了一种基于物联网远程智能人流统计控制系统，模型构造模块根据不同监控采集端口的人流运动构造匹配的模型进行微观分析，再由联动分析模块结合微观模型的分析结果对所有疏散路线的人流运动规律进行分析，提高了人流运动分析的准确性，通过联动分析模块对不同监控采集端口之间的相互影响进行级联分析，提高了远程对人流统计和控制的动态监控效率。

2、一种基于物联网远程智能人流统计控制系统，包括数据采集模块、数据存储模块、人流控制模块、图像分析模块、目标识别模块、模型分析模块、联动分析模块；

3、所述人流控制模块统计建筑内的所有疏散路线，并对疏散路线进行标号，记为ri，i∈[1，n]，n为建筑内疏散路线的条数，n条疏散路线交叉组成逃生疏散网；

4、所述数据采集模块通过n个监控采集端口对不同通道空间内的人流运动数据进行采集，并将采集的人流运动数据存储于数据存储模块，路线ri的监控采集端口个数为ri，ri∈[1，n]，监控采集端口对应覆盖的人流运动空间人流涌入的入口数目不同；

5、通过监控采集端口对人流运动的视频信息进行采集，所述图像分析模块对不同监控采集端口的视频信息进行图像帧处理，再由所述目标识别模块对人流中的运动目标进行目标追踪，图像分析模块和目标识别模块将图像的像素坐标映射到多维空间坐标系中；

6、所述模型分析模块结合图像分析模块和目标识别模块的分析过程对通道空间内的人流变化进行数据统计，并根据人流运动的速度、密度、流量构造对应的微观模型，不同的入口数目的人流运动空间采用不同的微观模型进行时空内人流的运动规律分析，并得到通道内的人流运动的速度时空分布特征和密度时空分布特征；

7、所述联动分析模块根据人流运动疏散终点的位置建立目标函数，并对n个节点之间的反馈关系进行分析，联动分析模块再对疏散网中所有通道的人流运动路径特征进行宏观联动分析，将一个监控采集端口覆盖的人流运动空间记为人流运动路径中的一个节点，一条疏散路线中包括ri个节点，提取不同节点的速度时空分布特征和密度时空分布特征得到整条疏散路线的特征矩阵，再对不同疏散路线之间的耦合进行动态分析得到疏散路线之间影响值，最后联动分析模块通过建立的动态观测方程对人流疏散过程进行预测；

8、所述人流控制模块结合联动分析模块的预测结果对建筑内的人流疏散进行指挥，使得在紧急疏散过程中，人流运动按着最佳的疏散路线进行疏散。

9、进一步地，所述联动分析模块首先确定人流运动的终点位置，不同位置的行人通过自组织的形式进行人流疏散运动，再通过对所有节点组成的疏散网的整体分析来进行动态观测，具体过程如下：

10、步骤一、将人流疏散的终点与各个节点之间的空间距离记为xi，i∈[1，n]，联动分析模块根据人流运动的终点位置结合节点数据确定目标函数f(t)，节点数据中包括空间距离、人流量和时间，终点坐标记为(x*，y*，z*)，节点的空间位置坐标为(x，y，z)，

11、

12、根据目标函数对不同的疏散路线的人流运动的过程进行判定；

13、步骤二、将人流运动路径中的人流汇入节点记为当前节点p，计算当前节点p与相邻节点q之间的相关系数，s1、s2分别为当前节点p与相邻节点q之间的特征向量，计算公式为ρ表示相关系数，cov表示协方差，e表示数学期望，根据相关系数的值判断相邻节点之间的相关关系，当ρ＞0时，节点之间人流运动规律为正反馈，当ρ＜0，节点之间人流运动规律为负反馈；

14、步骤三、两条疏散路径交叉的节点记为重合节点，不同的疏散路线的人流在重合节点处汇入，再由模型分析模块对重合节点处的人流运动规律进行微观分析，两条疏散路线之间通过重合节点后，人流运动之间相互影响，利用协同数值来表示疏散路径中所有重合后人流运动发生改变的程度，不同疏散路径之间人流运动的协同数值进行计算得到wij，i和j表示路径的下标，i、j∈[1，n]，ri和rj为i和j两条疏散路径的节点数，

15、

16、其中，ui(k)和分别为与重合节点相邻且人流流向相同的节点流量，两个节点分别属于两条疏散路径，k为路径相交个数，xk、xik、xjk为空间距离；

17、步骤四、联动分析模块结合模型分析模块分析结果，对所有疏散路线中不同节点的速度时空分布特征和密度时空分布特征进行分析得到对应的特征矩阵联动分析模块再结合不同疏散路线之间的协同程度对人流运动过程中的不同节点的动态状态进行动态观测，并对观测值进行判断，

18、

19、其中，η1为速度，η2为密度，η3为流量，η4为覆盖空间，ti为人流疏散时间，t表示不同的时刻值，动态预测模型根据不同时刻预测数值的变化来对疏散过程的参数波动进行预测，再结合设定的目标函数对预测数值进行判定。

20、所述目标识别模块对监控的视频中的行人进行多目标识别，再经过识别效果判定，将识别成功的行人坐标进行转换，并对行人的位置进行矫正；所述图像分析模块和目标识别模块将采集到的数据进行坐标转换，再由模型分析模块中对空间区域内的人流的密度和人流速度进行分析计算，通过对行人目标的位置时空分布构造分析模型得到行人流的速度时空分布和密度时空分布的基本图，再通过基本图对人流的运动规律进行分析。

21、模型分析模块根据通道空间的类型构造不同的模型对人流运行规律进行分析，按照当前监控采集端口覆盖区域的人流汇入口的数量分为对通道进行划分，包括y型通道、直行通道、t形通道和十字通道。

22、所述目标分析模块的检测框底部和中心坐标的关系式如下：

23、

24、其中，u1为像素坐标系下，检测框中心的横坐标，v1为像素坐标下，检测框中心的纵坐标，h为像素坐标系下，检测框的高度，u为像素坐标系下，检测框底部中心的横坐标，v为像素坐标系下，检测框底部中心的纵坐标。

25、所述图像分析模块对图像中行人的像素坐标系的坐标进行转换，公式如下：

26、

27、其中，m为转换矩阵，xw为空间坐标系下的横坐标，yw为空间坐标系下的纵坐标，zw为空间坐标系下的竖直坐标，z为相机坐标系下的人距离监控的距离。

28、人流速度分析关系公式如下：

29、

30、其中，vi(t)表示行人i在t时刻的瞬时速度值，wi(t)表示行人i从t时刻到(t+t)之间行走的距离，n表示的是行人总数，

31、

32、其中表示时间平均速度，xi，t表示行人i在第t帧的坐标。

33、时空内的密度为ρ，表达公式如下：

34、

35、其中，将监控覆盖的空间进行区域划分，am表示第m个区域的面积，nt为t时刻研究区域的行人数。

36、由于以上技术方案的采用，本发明与现有技术相比具有以下优点：

37、1、本发明的图像分析模块和目标识别模块对监控采集端口采集人流运动的视频信息进行分析，通过图像帧处理和目标识别对人流中行人的位置坐标进行转换，通过视频信息快速确定人流中行人的运动数据，实现行人流的统计和远程监控，提高了人流统计和控制的效率。

38、2、本发明的模型分析模块结合图像分析模块和目标识别模块转换的坐标信息构造对应的分析模型，疏散路径中不同类型的通道空间内人流的分析采用不同的模型，模型分析模块通过模型与通道空间类型的匹配降低了模型带来的误差，使得模型分析的结果与实际人流运动规律贴合，通过构造不同的人流分析模型提高对人流数据分析的准确性。

39、3、本发明的联动分析模块结合模型分析模块对不同节点组成的整体进行联动分析，当人流运动存在目标时，联动分析模块通过对不同路径之间的相互作用关系和不同节点微观模型分析的结果对整体的人流运动规律进行动态分析，人流控制模块根据联动分析模块的预测结果对人流运动进行控制和指挥，提高了人流疏散过程中动态监测的准确性，加强了不同节点之间的级联程度，避免了远程监测人员通过对多个监控屏幕进行人为监测带来的误差，使得发生紧急疏散时，人流控制有效的远程指挥，帮助逃生通道设置。