鄭凱，王娟娟，謝國坤，王冠軍

(西安交通工程學(xué)院，陜西 西安 710300)

0 引言

當(dāng)前，隨著城市軌道交通技術(shù)的發(fā)展，地鐵作為人們?nèi)粘３鲂械闹匾煌üぞ?，在緩解城市交通壓力、促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展等方面發(fā)揮著重要作用。而地鐵客流作為影響城市軌道交通運(yùn)行與布局的重要因素，客流的有效檢測對城市軌道交通的整體布局與客運(yùn)調(diào)度起著十分重要的作用。傳統(tǒng)的紅外檢測、大數(shù)據(jù)分析等[1-3]方法，易受外部環(huán)境或個別樣本誤差的干擾而造成較大的檢測誤差。本文基于機(jī)器視覺技術(shù)，從客觀事物的圖像中獲取有用信息，并對采集的圖像進(jìn)行背景提取、閾值分割、降噪處理，通過對人物像素點(diǎn)的提取與統(tǒng)計，完成對地鐵站點(diǎn)客流的檢測。機(jī)器視覺不僅排除了人為主觀因素的干擾，同時降低了外部環(huán)境及個別樣本誤差對整個檢測結(jié)果的影響，提高了檢測精度與效率，因此具有一定的應(yīng)用價值。

1 客流檢測的方案設(shè)計

本客流檢測系統(tǒng)將攝像裝置安裝于客流較為集中、客流速度較為緩慢的地鐵站點(diǎn)進(jìn)站檢票口正上方，其分布與結(jié)構(gòu)如圖1所示。

圖1 檢測系統(tǒng)的布局

攝像機(jī)的選擇和安裝決定了所獲取圖像的質(zhì)量，故選擇了穩(wěn)定性高的工業(yè)攝像機(jī)。設(shè)攝像機(jī)安裝高度為h，攝像機(jī)視角為α，安裝時攝像機(jī)的水平俯視角度為β。

為了能夠有效覆蓋整個檢票通道，獲取足夠的目標(biāo)信息，攝像機(jī)安裝的水平俯視角度β與攝像機(jī)視角α的關(guān)系應(yīng)基本滿足[4-5]下式：

(1)

由式(1)可知，攝像機(jī)視角α的取值約為50°，攝像機(jī)的水平俯視角度β取值約為40°。同時，由于地鐵站點(diǎn)內(nèi)部的空間高度一般在4～5m，因此攝像機(jī)安裝高度h與地鐵站點(diǎn)內(nèi)部的空間高度基本相同，即可滿足檢測需求。

2 檢測系統(tǒng)的圖像處理

1)背景的提取與更新

對客流目標(biāo)進(jìn)行檢測的過程中，良好的圖像背景是進(jìn)行目標(biāo)識別的重要基礎(chǔ)。通過背景提取有效地區(qū)分了檢測目標(biāo)與圖像背景間的范圍。本文采用了算術(shù)平均法[6-7]提取背景圖像，即在特定的時間區(qū)間內(nèi)取像素點(diǎn)亮度與色彩信息的平均值，并以這個均值作為背景圖像對應(yīng)像素點(diǎn)的值，進(jìn)而達(dá)到濾除背景圖像中突變噪聲點(diǎn)的目的，其數(shù)學(xué)模型如下[8-9]：

(2)

式中：B(x,y)表示背景圖像；Ii(x,y)表示第i幀序列圖像；N表示平均幀數(shù)。

選取N=60，并進(jìn)行MATLAB仿真，從序列圖像的第1、20、40、60幀可以看出，在第1幀至第60幀存在少量的檢測目標(biāo)，如圖2所示。文中利用算術(shù)平均法對連續(xù)60幀的值進(jìn)行計算，得到了背景圖像，如圖3所示。

圖2 相應(yīng)各幀的圖像

圖3 算術(shù)平均法提取的背景圖像

由圖2、圖3可知，采用算術(shù)平均法獲得了較高質(zhì)量的背景圖像。同時，由背景提取獲取的圖像可以作為新的信息量，參與到新一輪的統(tǒng)計平均或加權(quán)平均之中，進(jìn)而實(shí)現(xiàn)了背景的自適應(yīng)更新。因此采用算術(shù)平均法提取背景圖像滿足本文的需求。

2)圖像的二值化處理

在實(shí)際應(yīng)用中，攝像機(jī)多處于固定狀態(tài)。因此，假設(shè)攝像機(jī)固定且只對視場內(nèi)的目標(biāo)進(jìn)行檢測，離開視場后再次進(jìn)入的物體則視為新目標(biāo)。本文采用了背景幀差法[10-11]進(jìn)行目標(biāo)圖像的檢測。若設(shè)二維數(shù)字圖像的平面坐標(biāo)為(x,y)，則基于背景幀差法的二值化數(shù)學(xué)模型為：

Di(x,y)=|Ii(x,y)-Bi(x,y)|

(3)

(4)

式中：Ii(x,y)為圖像序列中當(dāng)前幀的灰度圖像；Bi(x,y)為當(dāng)前幀背景的灰度圖像；Mi(x,y)為相減后的二值化結(jié)果；T為相減后灰度圖像的閾值。

由于地鐵站點(diǎn)的內(nèi)部環(huán)境較為穩(wěn)定，基本不受外部環(huán)境等因素的打擾。因此選取了固定閾值T=20，并進(jìn)行了MATLAB仿真，其圖像處理的結(jié)果如圖4所示。

圖4 背景幀差后的圖像

由圖4可知，背景幀差法有效地檢測出了運(yùn)動目標(biāo)，并在一定程度上對噪聲起到了抑制作用。同時由圖4可知，背景幀差法雖然較為清晰地獲取了人物的輪廓，但在復(fù)雜背景中依然存在一定數(shù)量的噪聲點(diǎn)。因此，還需要對背景幀差后得到的二值化圖像進(jìn)行降噪處理。

3)圖像的形態(tài)學(xué)濾波

由圖4可知，背景中存在物體小幅度晃動、光線變化以及戴有口罩等不確定性的因素，這些因素使檢測圖像產(chǎn)生了較多的噪聲點(diǎn)。本文對背景差分后的二值化圖像進(jìn)行了形態(tài)學(xué)濾波[12]，采用了腐蝕法，通常X被B腐蝕的定義為

XΘB={z|(B)z?A}

(5)

式中：X為圖像矩陣；B為結(jié)構(gòu)元素矩陣。

在進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算時，用B對X進(jìn)行操作。其圖像的形態(tài)學(xué)濾波結(jié)果如圖5所示。

圖5 形態(tài)學(xué)濾波后的圖像

由圖5可知，通過對背景幀差法得到的二值化圖像進(jìn)行形態(tài)學(xué)濾波進(jìn)一步降低了噪聲的干擾，并獲得了更加清晰的人物整體輪廓，并為后續(xù)檢測軟件的設(shè)計提供了有效的人物像素點(diǎn)信息。

3 檢測系統(tǒng)的設(shè)計與結(jié)果分析

1)檢測軟件的設(shè)計流程

本文基于背景幀差的客流檢測算法進(jìn)行了客流檢測的軟件設(shè)計。客流檢測的軟件設(shè)計流程如圖6所示。

圖6 客流檢測的軟件設(shè)計流程

2)檢測系統(tǒng)的軟件設(shè)計

本文利用Python環(huán)境[13]開發(fā)了相應(yīng)的客流檢測軟件，通過對人物像素點(diǎn)的分析與統(tǒng)計完成客流檢測?？土鳈z測軟件界面如圖7所示。

圖7 客流檢測軟件界面

4 檢測實(shí)驗與結(jié)果分析

1)客流檢測實(shí)驗

以圖7客流檢測軟件為基礎(chǔ)導(dǎo)入實(shí)驗視頻，部分檢測結(jié)果分別如圖8、圖9所示。

圖8 客流較分散時的檢測畫面

圖9 客流較集中時的檢測畫面

由圖8、圖9可知，通過客流檢測軟件，實(shí)現(xiàn)了對實(shí)驗樣本中人物信息的檢測。

2)實(shí)驗結(jié)果分析

基于客流檢測系統(tǒng)，在進(jìn)行多次實(shí)驗的基礎(chǔ)上，對檢測數(shù)據(jù)進(jìn)行了統(tǒng)計。客流檢測的實(shí)驗結(jié)果如表1所示。

表1 客流檢測的實(shí)驗結(jié)果

由表1的實(shí)驗結(jié)果可知，在面對少量實(shí)驗樣本(人數(shù))時檢測率較高，而隨著檢測樣本(人數(shù))的增加，在檢測過程中雖出現(xiàn)了一定的漏檢現(xiàn)象，但通過實(shí)驗表明本系統(tǒng)能夠有效獲取目標(biāo)信息，檢測率高于90.00%，達(dá)到了設(shè)計目標(biāo)。

5 結(jié)語

本文以城市軌道交通客流檢測為背景，以準(zhǔn)確識別與檢測客流為目標(biāo)；以機(jī)器視覺技術(shù)為手段：以客觀圖像為研究對象。通過背景提取與更新、二值化、降噪、濾波與增強(qiáng)，獲取了客觀人物整體像素點(diǎn)信息。利用Python環(huán)境開發(fā)了相應(yīng)的客流檢測軟件，并將其用于客流檢測。最終通過對檢測軟件結(jié)果的分析，證明所設(shè)計的客流檢測系統(tǒng)能夠在復(fù)雜背景中有效獲得人物信息。實(shí)驗結(jié)果表明檢測準(zhǔn)確率高于90.00%，達(dá)到了本次設(shè)計的目標(biāo)，具有一定的應(yīng)用價值。