(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210870695.3 (22)申请日 2022.07.22 (71)申请人 北京交通大 学 地址 100044 北京市海淀区西直门外上园 村3号 (72)发明人 王艳辉　赵盛盛　丁子峰　郭建媛　 李曼　刁欣然　 (74)专利代理 机构 北京市商 泰律师事务所 11255 专利代理师 邹芳德 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01)G06V 10/74(2022.01) G06T 7/246(2017.01) G06T 7/254(2017.01) G06T 7/277(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) (54)发明名称 城轨车站区域 客流信息获取方法及系统 (57)摘要 本发明提供一种城轨车站区域客流信息获 取方法及系统， 属于城市轨道交通运营维护技术 领域， 获取城轨车站区域的监控视频； 利用预先 训练好的检测模 型对获取的监控视频进行处理， 得到视频中乘 客的数量和乘客的位置信息； 基于 检测到的乘 客位置信息， 根据乘 客外观特征和运 动特征对乘 客进行匹配， 根据匹配结果将乘客运 动轨迹进行关联， 得到乘客运动信息； 基于乘客 运动信息， 结合视频中像素坐标与真实世界坐标 的转换关系， 得到乘客的运动速度， 并结合乘客 的数量得到所有乘客运动速度的平均值， 作为区 域客流速度。 本发明对客流速度和客流密度的检 测精度高， 对目标的跟踪定位更加准确。 权利要求书3页 说明书11页 附图3页 CN 115311617 A 2022.11.08 CN 115311617 A 1.一种城轨车站区域 客流信息获取 方法， 其特 征在于， 包括： 获取城轨车站区域的监控视频； 利用预先训练好的检测模型对获取的监控视频进行处理， 得到视频中乘客的数量和乘 客的位置信息； 基于检测到的乘客位置信息， 根据乘客外观特征和运动特征对乘客进行匹配， 根据匹 配结果将乘客 运动轨迹进行关联， 得到乘客 运动信息； 基于乘客运动信息， 结合视频中像素坐标与真实世界坐标的转换关系， 得到乘客的运 动速度， 并结合乘客的数量得到所有乘客 运动速度的平均值， 作为区域 客流速度。 2.根据权利要求1所述的城轨车站区域客流信 息获取方法， 其特征在于， 像素坐标与真 实世界坐标的转换关系包括： 选取监控区域内的多个特 征点； 获取所述多个特 征点在监控视频图像中的像素坐标以及真实世界坐标； 根据所述多个特征点的像素坐标与真实世界坐标的对应关系， 建立坐标关系方程组， 利用最小二乘法进行求 解得到视频监控设备的投影矩阵； 结合投影矩阵和图像中任意 一点的像素坐标通过坐标 换算公式得到真实坐标。 3.根据权利要求2所述的城轨车站区域客流信 息获取方法， 其特征在于， 得到视频监控 设备的投影矩阵， 包括： 其中， (u,v)为特 征点的像素坐标， (xw,yw)特征点的真实坐标， 为投影矩阵。 4.根据权利要求1所述的城轨车站区域客流信 息获取方法， 其特征在于， 所述检测模型 的预先训练包括： 搭建原始YOLOv5模型， 将算法的输入端、 B ackbone、 Neck结构、 输出端搭建出来并进行 连接； 在Backbone尾部加入CBAM注意力机制， 对YOLOv5的网络结构进行优化； 采用 α ‑CIoU作 为YOLOv5的损失函数， 对YOLOv5的损失函数进行优化； 采用 α ‑CIoU‑NMS算法作为非极大值 抑制方法对YOLOv5的后处 理方法进行优化。 5.根据权利 要求4所述的城轨车站区域客流信息获取方法， 其特征在于， 采用 α ‑CIoU作权　利　要　求　书 1/3 页 2 CN 115311617 A 2为YOLOv5的损失函数， 对YOLOv5的损失函数进行优化， 包括： 其中， b， bgt分别代表了检测框B和真实框G的中心点， ρ 代表的是计算两个中心点间的欧 式距离； c代表的是能够同时覆盖检测 框B和真实框G 的最小矩形的对角线距离； IoU为预测 框和真实框的交并比， w和h为预测框的宽和高， wgt和hgt分别为真实框的宽和高， α 为常数。 6.根据权利要求4所述的城轨车站区域客流信 息获取方法， 其特征在于， 基于检测到的 乘客位置信息， 根据乘客外观特征和运动特征对乘客进行匹配， 根据匹配结果将乘客运动 轨迹进行关联， 得到乘客 运动信息， 包括： 使用DeepSort算法对乘客跟踪； 其中， 提取目标运动特征和外观特征， 运动特征包括目标的检测框中心位置、 长宽比、 高度， 外观特征为深度学习模型提取 的目标图像特征； 将检测的结果与追踪的轨迹进行匹 配， 即根据目标特征的关联性来对检测结果能否与跟踪轨迹进 行匹配进 行判断； 其中， 针对 目标的运动特征， 使用马氏距离来度量跟踪与检测之间的相似度； 针对目标的外观特征， 使 用余弦距离来度量外观特征的相似度， 然后使用匈牙利算法对目标前后两帧的特征进 行级 联匹配， 匹配到的目标则跟踪成功， 未匹配成功的目标继续使用IOU匹配对目标进行跟踪； 最终使用卡尔曼滤波结合目标跟踪的结果更新目标当前轨迹以确定所有目标的运动 轨迹。 7.一种城轨车站区域 客流信息获取系统， 其特 征在于， 包括： 获取模块， 用于获取城轨车站区域的监控视频； 检测模块， 用于利用预先训练好的检测模型对获取的监控视频进行处理， 得到视频中 乘客的数量和乘客的位置信息； 匹配模块， 用于基于检测到的乘客位置信息， 根据乘客外观特征和运动特征对乘客进 行匹配， 根据匹配结果将乘客 运动轨迹进行关联， 得到乘客 运动信息； 计算模块， 用于基于乘客运动信息， 结合视频中像素坐标与真实世界坐标的转换关系， 得到乘客的运动速度， 并结合乘客的数量得到所有乘客运动速度的平均值， 作为区域客流 速度。 8.一种非暂态计算机可读存储介质， 其特征在于， 所述非暂态计算机可读存储介质用 于存储计算机指 令， 所述计算机指 令被处理器执行时， 实现如权利要求 1‑6任一项所述的城 轨车站区域 客流信息获取 方法。 9.一种计算机程序产品， 其特征在于， 包括计算机程序， 所述计算机程序当在一个或多 个处理器上运行时， 用于实现如权利要求1 ‑6任一项所述的城轨车站区域客流信息获取方 法。 10.一种电子设备， 其特征在于， 包括： 处理器、 存储器以及计算机程序； 其中， 处理器与 存储器连接， 计算机程序被存储在 存储器中， 当电子 设备运行时， 所述处理器执行所述存储权　利　要　求　书 2/3 页 3 CN 115311617 A 3