基于視頻識別和手機gps的公交數(shù)據(jù)獲取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于公交數(shù)據(jù)調(diào)查技術(shù)領(lǐng)域，尤其涉及一種基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法。
【背景技術(shù)】
[0002]隨著社會經(jīng)濟發(fā)展，城市化進程速度越來越快，交通問題日趨嚴(yán)重，而公共交通作為解決城市交通問題的有效方式，合理的規(guī)劃調(diào)度運營合理性顯得尤為重要。構(gòu)建合理的公交運營系統(tǒng)一方面可以提高服務(wù)質(zhì)量吸引市民采用公交出行，減少交通擁堵，另一方面減少公交公司本身運營成本，此外減少小汽車的出行有利于緩解環(huán)境問題，實現(xiàn)可持續(xù)發(fā)展。
[0003]客流出行數(shù)據(jù)及車輛滿載率是公共交通規(guī)劃及調(diào)度運營的重要數(shù)據(jù)基礎(chǔ)，但現(xiàn)有對于該數(shù)據(jù)采集方式主要分為兩種:一種是才用人工采集方式，另外一種是基于公共交通IC卡的刷卡記錄獲取該數(shù)據(jù)，前者數(shù)據(jù)獲取成本較高，且由于是人工采集存在誤差，特別是數(shù)據(jù)存在滯后性，無法獲取實時數(shù)據(jù)；后者的主要問題是公共交通IC無法獲取下車信息，采用理論的數(shù)據(jù)概率推導(dǎo)模型，不可避免出現(xiàn)數(shù)據(jù)誤差甚至錯誤。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的發(fā)明目的是:為了解決現(xiàn)有技術(shù)中公交數(shù)據(jù)調(diào)查工作量及誤差較大，調(diào)查數(shù)據(jù)單一等問題，本發(fā)明提出了一種基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法。
[0005]本發(fā)明的技術(shù)方案是:一種基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法，包括以下步驟:
[0006]A、獲取公交視頻數(shù)據(jù)和手機GPS數(shù)據(jù)；
[0007]B、根據(jù)公交視頻數(shù)據(jù)得到公交運行路線及用戶上下車數(shù)據(jù)；
[0008]C、根據(jù)手機GPS數(shù)據(jù)得到用戶出行路徑數(shù)據(jù)；
[0009]D、將用戶出行路徑數(shù)據(jù)與公交運行路線及用戶上下車數(shù)據(jù)進行匹配，得到公交出行OD數(shù)據(jù)和公交滿載率實時數(shù)據(jù)及線路客流數(shù)據(jù)。
[0010]進一步地，所述步驟B中根據(jù)公交視頻數(shù)據(jù)得到用戶上下車數(shù)據(jù)，具體包括以下分步驟:
[0011]B1、結(jié)合幀間差分方法和背景差分方法提取目標(biāo)運動區(qū)域；
[0012]B2、利用基于輪廓標(biāo)記的分水嶺算法對目標(biāo)進行分割；
[0013]B3、利用基于邊界輪廓的目標(biāo)識別算法對步驟B2中分割得到的目標(biāo)進行識別；
[0014]B4、利用目標(biāo)追蹤方法對步驟B3中識別得到的目標(biāo)進行跟蹤，并根據(jù)目標(biāo)運動特征進行計數(shù)，得到用戶上下車數(shù)據(jù)。
[0015]進一步地，所述步驟BI利用幀間差分方法和背景差分方法提取目標(biāo)運動區(qū)域，具體包括以下分步驟:
[0016]B11、對公交視頻數(shù)據(jù)中當(dāng)前幀利用幀間差分方法和背景差分方法進行處理，得到幀間差分圖像和背景差分圖像；
[0017]B12、將幀間差分圖像和背景差分圖像進行或運算得到或運算圖像；
[0018]B13、將幀間差分圖像和或運算圖像分別進行網(wǎng)格化處理；
[0019]B14、對幀間差分圖像中小網(wǎng)格內(nèi)的非零像素數(shù)目進行統(tǒng)計，并通過設(shè)定閾值判斷小網(wǎng)格內(nèi)非零像素數(shù)目是否小于閾值；若小網(wǎng)格內(nèi)非零像素數(shù)目小于閾值，則判斷該小網(wǎng)格為噪聲網(wǎng)格；若小網(wǎng)格內(nèi)非零像素數(shù)目大于或等于閾值，則判斷該小網(wǎng)格為正常網(wǎng)格；
[0020]B15、將或運算圖像中與幀間差分圖像中噪聲網(wǎng)格位置對應(yīng)的小網(wǎng)格像素值設(shè)置為零，提取得到目標(biāo)運動區(qū)域圖像。
[0021]進一步地，所述步驟B2利用基于輪廓標(biāo)記的分水嶺算法對目標(biāo)進行分割，具體包括以下分步驟:
[0022]B21、對目標(biāo)運動區(qū)域進行輪廓分割處理；
[0023]B22、對目標(biāo)進行漫水填充處理；
[0024]B23、對目標(biāo)運動區(qū)域圖像進行形態(tài)學(xué)處理；
[0025]B24、提取色塊輪廓并記錄各候選目標(biāo)，得到目標(biāo)分割圖像。
[0026]進一步地，所述B3利用基于邊界輪廓的目標(biāo)識別算法對分割得到的目標(biāo)進行識另U，具體包括以下分步驟:
[0027]B31、對目標(biāo)進行篩選，去除不符合目標(biāo)特征及位置的目標(biāo)；
[0028]B32、分別對目標(biāo)進行前后識別和左右識別，得到目標(biāo)識別結(jié)果。
[0029]進一步地，6.如權(quán)利要求1所述的基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法，其特征在于，所述步驟D將用戶出行路徑數(shù)據(jù)與公交運行路線及用戶上下車數(shù)據(jù)進行匹配得到公交出行OD數(shù)據(jù)和公交滿載率實時數(shù)據(jù)及線路客流數(shù)據(jù)，具體包括以下分步驟:
[0030]D1、將用戶出行路徑數(shù)據(jù)與公交運行路線進行匹配，得到公交出行路徑集；
[0031]D2、將公交出行路徑集中每條路徑到達各公交站點時間與公交運行路線中公交到達各公交站點時間進行匹配，得到公交出行OD ;
[0032]D3、根據(jù)用戶上下車數(shù)據(jù)，得到公交車輛實時滿載率；并結(jié)合步驟D2中得到的公交出行0D，得到公交線路客流數(shù)據(jù)。
[0033]本發(fā)明的有益效果是:本發(fā)明利用視頻識別和手機GPS相結(jié)合的方法，減少了人力物力資源消耗，解決了采用手機定位及公交定位匹配存在不準(zhǔn)確性的問題，提高了公交數(shù)據(jù)調(diào)查種類，能夠準(zhǔn)確獲取公交出行OD數(shù)據(jù)和公交滿載率實時數(shù)據(jù)及線路客流數(shù)據(jù)，為公交線網(wǎng)規(guī)劃、公交資源配置及調(diào)度優(yōu)化提供了數(shù)據(jù)指出，同時也為公交實時調(diào)度提供了重要數(shù)據(jù)。
【附圖說明】
[0034]圖1是本發(fā)明的基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法流程示意圖。
【具體實施方式】
[0035]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0036]如圖1所示，為本發(fā)明的基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法流程示意圖。一種基于視頻識別和手機GPS的公交數(shù)據(jù)獲取方法，包括以下步驟:
[0037]A、獲取公交視頻數(shù)據(jù)和手機GPS數(shù)據(jù)；
[0038]B、根據(jù)公交視頻數(shù)據(jù)得到公交運行路線及用戶上下車數(shù)據(jù)；
[0039]C、根據(jù)手機GPS數(shù)據(jù)得到用戶出行路徑數(shù)據(jù)；
[0040]D、將用戶出行路徑數(shù)據(jù)與公交運行路線及用戶上下車數(shù)據(jù)進行匹配，得到公交出行OD數(shù)據(jù)和公交滿載率實時數(shù)據(jù)及線路客流數(shù)據(jù)。
[0041]在步驟A中，本發(fā)明的公交視頻數(shù)據(jù)可以通過對車門區(qū)域進行視頻拍攝得到。由于車門區(qū)域是乘客上下車的必經(jīng)通道，因此將車門臺階區(qū)域作為監(jiān)控區(qū)域，當(dāng)有運動目標(biāo)時就可以被檢測到，并可通過目標(biāo)運動軌跡判斷上下車行為，從而實現(xiàn)目標(biāo)的計數(shù)。本發(fā)明進行視頻拍攝時攝像機采用傾斜拍攝的方式，傾斜拍攝可以拍攝到人體大部分軀體特征，可避免部分遮擋，同時傾斜拍攝能夠保證目標(biāo)的特征在視頻序列內(nèi)是連續(xù)的。
[0042]在步驟B中，由于公交運行規(guī)劃路線及其各個站點固定，因此本發(fā)明根據(jù)公交視頻數(shù)據(jù)中公交車輛的到站行為及到達各個站點的時刻得到公交運行路線。由于某些公交?？空敬脩羯贤贶囮P(guān)門后，又有極少數(shù)的用戶需要上車而需要開門，因此本發(fā)明以有效開車門時刻作為公交車輛到站行為的判斷標(biāo)準(zhǔn)。這里有效開車門時刻是指通過設(shè)置閾值對本次開車門行為距離上次開車門行為的時刻差進行判斷；當(dāng)本次開車門行為距離上次開車門行為的時刻差小于閾值時，則本次開車門行為對應(yīng)時刻不是有效開車門時刻；當(dāng)本次開車門行為距離上次開車門行為的時刻差大于或等于閾值時，則本次開車門行為對應(yīng)時刻是有效開車門時刻。
[0043]由于目標(biāo)的頭部特征個體差異變化較大，故單純地基于頭部特征對目標(biāo)計數(shù)的方法存在較大局限性。而以視頻序列的角度來看目標(biāo)的上下車行為，目標(biāo)的位置特征更適合作為目標(biāo)檢測和目標(biāo)計數(shù)的判斷標(biāo)準(zhǔn)。本發(fā)明中根據(jù)公交視頻數(shù)據(jù)得到用戶上下車數(shù)據(jù)，具體包括以下分步驟:
[0044]B1、利用幀間差分方法和背景差分方法提取目標(biāo)運動區(qū)域；