基于机器视觉技术的地铁车厢拥挤度提示系统研究

陈享成

（郑州铁路职业技术学院 电子工程学院，河南郑州，450052）

0 引言

近些年，随着轨道交通运输网络迅猛发展，作为公共交通的重要组成部分，城市轨道交通建设取得了巨大成就。城市轨道交通具有便捷、快速等特点，能够尽可能的满足人们出行需求。在“十三五”规划纲要中，国家明确提出推进交通运输低碳发展，实行公共交通优先，加强轨道交通建设。这使得轨道交通成为公民出行的最佳途径。而随着人民生活水平的提高和生活节奏的加快，人们对交通环境、出行条件的要求越来越高，城市轨道交通正进行着一场深刻的“交通革命”。安全、快捷、经济、舒适、环保的城轨列车无疑成为高速运行时代的重要角色。

随着城市轨道交通快速、便捷等优势突显。越来越多的人开始选择地铁出行，这样就造成客流需求持续激增，大客流冲击下的供需矛盾日益凸显。尤其是环境复杂、客流可控性差、突变性强、疏散条件差的地下车站尤为突出。2014 年11 月6日，北京地铁5号线，晚高峰时刻，在地铁门和安全门之间由于拥挤夹死一名乘客。2015 年4月20 号，早高峰时刻，深圳地铁由于乘客晕倒，导致大客流的踩踏事件。如何在现如今客流需求持续激增的情况下，有效保证地铁向着更加安全、便捷、舒适方向发展，这对地铁运营来说是一项全新的挑战[1]。

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

因此需统计出地铁车厢内实际人数，并在地铁站台显示出相关信息，从而引导乘客前往乘客较少的车厢等候区等候上车，这样不仅可以提高乘客乘车的舒适感和便捷性，同时缓解地铁站台固定区域附近乘客拥挤的情况。提高地铁运营的安全和效率[3-5]。本文提出了一种基于机器视觉技术的地铁车厢拥挤度提示系统，直接利用地铁列车现有监控视频，建立车厢乘客数据集，通过机器视觉技术实现列车车厢客流人数统计，并将统计的车厢客流人数与数据服务中心进行通信，以期为行车调度、运营监控等部门提供准确数据依据，方便地铁运营管理者实时了解车内客流状态，合理安排行车调度，保证列车高效运行、便捷乘客出行[6-8]。

1 系统总体概述

系统图像采集部分安装于地铁列车车厢内，运用地铁列车现有监控视频采集地铁车厢内场景图，通过图像分析，判断乘客数量，再将信息传输至列车车载PIS（乘客信息服务系统）系统的车载监控主机上，再将数据单播转发至中心PIS 服务器，中心PIS 服务器上通过网络组播方式，转发至各车站站台PIS 系统上。再在车站站台PIS 系统的LCD 控制器上，解析对应列车乘客数据，转化为图形化图像传送至LCD 屏，并保持LCD 屏幕上多媒体信息、安全提示信息及其发布信息不变。系统网络拓扑图如图2 所示。

图2 系统网络拓扑图

2 系统图像采集及处理

传统的利用机器视觉的目标计数算法通过检测后计数的方式实现，决定计数准确度的关键在于目标检测的精度。早期的目标检测算法多基于目标的纹理特征，如HOG，STIP，LBP 等，结合支持向量机和图像金字塔来检测多尺度目标。随着深度学习领域的发展，利用卷积神经网络的目标检测算法相较于传统算法有了较大的性能提升，例如Mask-RCNN, YOLO,SSD 等。但密集场景拥挤度分析受限于环境噪声、目标遮挡、透视扭曲、目标分布不均匀等因素，导致图像中的目标具有多角度旋转的密集排列特性，因而难以采用基于检测的方法。

目前主流的技术是通过CNN 来学习目标密度图，密度图表征了图像中各像素临近区域内的目标密度，它可以藉由带标记的训练样本集来生成。密度图估计一般包括特征提取(编码器)和密度图生成(解码器)模块两个部分。目前针对图像分类、目标识别应用产生了多种高性能的卷积神经网络特征提取模型，如VGG 系列(VGG-16/19)、ResNet 系列（ResNet-50/101）、DarkNet、Densenet 等。但大量的研究发现，VGG 在密度图估计任务中性能最优。本课题采用预训练的VGG-16 模型的前十个网络层和三个最大数池化层，以此获得1/8 尺寸的特征图。从特征图解码为密度图阶段，为充分利用各中间尺度特征图的信息并平衡准确度和计算复杂度，采用简化的特征金字塔模型，将各尺度特征图依次叠加，从而获得1/2 尺寸的密度图，然后使用反卷积模块获得原始分辨率的密度图。

图3 基于VGG+FPN 的密度图估计算法方案

为实现有效统计人数的目的，系统硬件环境部署采用：树莓派3B+安装OpenVINO 与Intel Movidius 神经计算棒NCS2 的环境部署。系统地铁车厢密度检测效果图如图4 所示。

图4 地铁车厢密度检测效果图

3 系统数据通信及转发

系统网络通信使用原有通信网络，不增设通信线路，实施方案通过升级车辆TCMS系统软件，将各车厢视频监控采集的人数数据加入，通过网络单播的方式，转发给车载PIS 系统。每列车车载PIS 系统的车载监控主机上，新增转发软件，用于接收和转发TCMS 系统数据，将采集的人数数据单播转发至中心PIS 服务器。在中心PIS 服务器上，新增转发软件，其功能通过网络组播方式，转发至各车站的LCD 控制器上，为乘客出行提供参考。数据通信及转发示意图如图5 所示。

图5 数据通信及转发示意图

4 显示系统设计与实现

拥挤度提示屏采用原有PIS 系统显示屏，每个车站站台PIS 系统的LCD 控制器新增一个适用于PIS 系统的HDMI 转换器，利用原控制器的视频板输出光SDI 信号，传输至站台对应显示屏。利用现有光输出板、光矩阵等设备，其他视频信号连接保持不变。

PIS 系统显示器界面在原屏幕下方位置显示乘客车厢客流密度信息，利用列车示意图的颜色来表示车厢乘客拥挤程度，其中绿色代表拥挤程度为舒适，黄色代表拥挤程度为适中，橙色代表拥挤程度为拥挤，红色代表拥挤程度为非常拥挤。其他屏幕信息为原有PIS 系统信息。PIS 系统显示界面如下图6 所示。

图6 PIS 系统显示界面

5 结论

本文针对地铁车站迫切需求，以地铁乘客乘车的安全性、便捷性、舒适性与智能化为出发点，在不增加额外设备的基础上，利用地铁列车现有监控视频信息，实现视频监控与拥挤度提示的双重作用。自主研发具有地铁列车车厢客流人数实时统计和显示功能的车厢拥挤度提示系统。系统采用VGG 作为特征提取模块，采用特征金字塔构建密度图，实现对地铁车厢内图像进行客流密度统计；以列车网络控制系统(TCMS)为中心搭建数据转发平台，实现数据从监测终端到车站显示屏的通信及传输；以车站PIS（乘客信息服务系统）系统为显示平台，实时显示地铁车厢拥挤情况，从而有效引导站台乘客前往乘客较少的车厢等候区等候上车，提高地铁车站运营的安全及效率和乘客乘车的舒适感及满意度。