基于机器视觉技术的地铁拥挤度提示系统的设计

2022-04-22江兴盟

电子测试 2022年7期

关键词：空洞车厢卷积

江兴盟

（河南省高速铁路运营维护工程研究中心，河南郑州，451460）

0 引言

本文提出设计基于机器视觉技术的地铁拥挤度提示系统，在列车进站之前能够提示乘客等候位置车厢的拥挤情况，乘客就能提前移动到人员较少的车厢位置等候，既提高乘客的乘坐体验也提高了地铁的运营效率。

1 技术方案

地铁车厢立席乘客的空间舒适度方面的研究，吴奇兵等[2]引入地铁车厢内乘客心理舒适度，结合乘客感知空间舒适性调查，建立乘客空间理论模型，并以此得到基于空间舒适性的立席密度评价标准，标准如表1所示。从而得出地铁车厢内乘客的舒适感与立席密度有关，也就是与车厢实际人数的多少有关。

表1 基于乘客空间舒适性的立席密度

因此有效统计出地铁车厢内实际人数，成为问题解决的关键。

目前，上海轨道交通12号线和深圳地铁11号线采用了车辆称重的方法，检测乘客载重量，从而估算出列车载客人数。该方法主要通过在列车车厢的悬挂弹簧上安装压力传感器，检测计算出列车的承载重量，再根据乘客的平均体重计算出车厢载客人数。车辆称重技术能够实时反馈车厢乘客载重量，但由于地铁运行中颠簸等原因，在载客人数与载重量之间的转变上，无法确保数据的精准度与有效性。

本文采用的方法是运用机器视觉技术，通过摄像头拍摄的视频图像结合智能识别算法, 检测出车厢内部乘客的人数及拥挤度信息。地铁拥挤度提示系统主要组成包括：车厢内机器视觉模块、中心服务器、PIS服务器、车站显示屏终端，如图1所示。

图1 系统结构图

列车车厢安装由摄像头和前端处理器构成的车厢机器视觉模块，通过对车厢内乘客人员的图像采集，并将检测图像发送到拥挤度识别系统中进行识别检测，通过分析计算，识别计算出车厢人员拥挤度情况，分为4个拥挤度等级，叠加车厢编号信息发送到车载监控主机。车载监控主机再叠加上列车编号，通过车地无线网络实时传送到中心服务器。

中心服务器汇总各运营列车的实时拥挤度数据信息，与PIS服务通信，由PIS系统进一步接收、解析，分别将对应列车数据发送到相应车站，并转换成图形界面，传送到车站显示屏，为乘客提供参考。

2 车载设备部分

通过地铁车厢中安装的摄像头抓取图像，送到前端处理器进行图像分析，识别出车厢内拥挤度情况，叠加上车辆编号和车厢编号，通过网络单播的方式，通过车地无线网络转发给中心服务器。

2.1 图像获取

由于地铁车厢内部空间狭长，高峰时段非常拥挤，单台摄像机无法覆盖整个地铁车厢。每节车厢内通常布置四台摄像机，摄像机两两错位拍摄，每台摄像机监控范围约6米。在高峰时间，车厢非常拥挤，乘客相互遮挡情况较为严重[3]。

通过实地调查和对比摄像机采集的图像数据，发现单节车厢内乘客分布相对均匀，车厢中央通道区域具有明显的不同拥堵程度的特征。因此，每节车厢都会选择该区域内摄像头的图像数据进行分析。

2.2 图像处理

根据地铁车辆监控视频的特点，不同位置的乘客在图像中尺度不同，相互遮挡。在算法选择方面，与Crowdnet、MCNN、SCNN等方法相比，CSRnet是计算拥挤人群密度的最佳回归模型[4]。

CSRNet网络可以理解高度拥挤的场景并执行准确的计数估计以及呈现高质量密度图。该网络主要包括前端和后端网络两个部分。

图2 地铁车厢中间位置采集图像

前端网络采用不含全连接层的VGG-16网络，采用3×3的卷积核。研究表明，当感知域大小相同时，卷积核越小，卷积层数越多，模型优于具有较大卷积核和较少卷积层的模型。选用了VGG-16网络的10层卷积层和3层池化层的输出，获得1/8大小尺寸的特征图。卷积层数的增加会减少输出图像，增加生成密度图的难度。因此，使用空洞卷积神经网络作为后端网络，在保持分辨率的同时扩展感知域，生成高质量的人口分布密度图。

后端网络采用空洞卷积神经网络。定义一个二维的空洞卷积如下公式：

其中：x(m,n)是长宽分别为M和N的输入图像信息

y(m,n) 是经过卷积核w(i,j)得到空洞卷积的输出参数r表示空洞率

如果r=1则空洞卷积就是普通卷积。实验证明，空洞卷积利用稀疏的卷积核，实现交替卷积和池化操作，在没有增加网络参数和计算规模的前提下增大了感知域，更适合人群密度估计任务。而普通的卷积操作需要增加卷积层数才能获得更大的感知域，而且也增加了更多的数据操作。空洞率为r的空洞卷积操作，KxK的卷积核会被扩大为K+(K-1)(r-1)。图3中卷积核大小为3×3的感知域分别被扩大为5×5和7×7。

图3 空洞卷积

后端网络的六层空洞卷积层，空洞率相同。最后，使用1×1普通卷积层输出结果。它的功能是有一个更大的接收字段，而不需要池化。与传统的池化、卷积和上采样操作相比，避免了池化导致的精度损失。

网络结构如下：

填充所有卷积层以保持其原始大小[5]。图中卷积层的参数表示为“conv-(卷积核大小)-(通道数)-(空洞率)”，其中最大池化层大小为2×2，步数为2。

将原始图像输入模型得到单通道图(X/8,Y/8,1)，即预测的密度图。将密度图上的所有值相加，即预测的人数。密度图上值大的表示该区域人流密集。最终，将检测的拥挤度划分为4级。

图4 CSRNet的网络架构

表2 地铁车厢拥挤度划分

2.3 数据通信

拥挤度信息采用JSON格式，并通过MQTT协议传输到中心服务器。MQTT（Message Queuing Telemetry Transport，消息队列遥测传输协议））。它建立在TCP/IP协议上，，广泛应用到物联网领域。它基于发布/订阅（pub/subscribe）模式“轻量级”的通信协议。JSON（JavaScript Object Notation）是一种轻量级数据交换格式，读写方便，也可以由计算机解析和生成[6]。

传输的数据包括车厢拥挤度等级，叠加车辆信息包括：当前站、下一站、车辆号、车厢号等通过车地无线传输系统传送到中心服务器。