基于機器視覺的地鐵分流系統
來源:用戶上傳
作者:
摘要：利用機器視覺和人臉識別的地鐵分流預警系統，有針對性的將乘客疏導和分流，有效地解決擁堵問題合理利用人力資源，符合智慧城市、智能生活的趨勢。
關鍵詞：人臉識別;地鐵分流;智慧生活;樹莓派
中圖分類號：U231+.92 文獻標志碼：A 文章編號：1674-9324（2019）21-0055-02
本系統是基于openmv和樹莓派的智能地鐵分流系統。通過openmv攝像頭進行人臉識別并且采集數據，將數據傳輸給樹莓派進行數據分析和測算整理，推算出相應的地鐵內部的單位人流密度，進行分流規劃和智能推薦。當人流達到警戒閾值時，會啟動系統進行測算，在地鐵行進過程中進行安全語音播報，并且在將要到的站臺進行智能推薦，對相應人流密度較少的車廂進行到站前推薦，能夠更大程度地減輕人流壓力，將正在排隊的人群進行合理化分配和安排。openmv作為攝像頭采集部分，采集通過門口的人數，采集回來的信息通過串口傳送到樹莓派上進行分析，最后會在屏幕上（在實際中屏幕是在地鐵的站臺處，屏幕和單片機連接）顯示車廂內的人數和車廂擁擠程度的情況。如果超過車廂內的座位數量，屏幕上則會顯示該節車廂為擁擠狀態，建議在站臺等候的人進入另外的車廂。
同時此系統也是基于對于社會現狀的判斷——我國的人口數量多、城市少、城市人口密度大，我國城市發展迅速，城市人口急劇上升，客流增大，地鐵雖然能減輕地面上交通擁堵問題，但隨著地鐵普及，人流涌向地鐵，地鐵擁堵問題也日益嚴重。上海、北京地鐵擁堵問題十分嚴峻。身處在現代社會中能夠深切感受到地鐵帶來的便利，但也受節假日地鐵擁堵問題困擾，于是便產生了通過分流的辦法來緩解擁堵壓力。與此同時，愈加頻發的踩踏事故也促使去對公共交通的改進產生思考。2005年10月25日四川江通校園發生踩踏事故，致8死27傷;2009年12月7日，湖南湘潭育才中學踩踏事故致8死26傷;2014年12月31日上海外灘發生踩踏事件，致36人死，49人傷亡。這些慘痛的現實說明，在公共場合，對于踩踏事故的發生加以預防刻不容緩，對公共場所的人流進行疏通，使之能夠有效預防踩踏事故的發生。同時由于對于高危場所的監控疏忽，近年來，高危易燃品所導致的事故也逐年上升。本系統基于此，可以對于人流高低峰來分配工作，將工作效率最大化。
下面介紹一下系統的具體運作方式——由于列車每節車廂內人數不均勻，導致車廂的空間利用不均勻使得個別車廂十分擁堵而有些車廂卻相對空閑。且在列車到站前，人們無法預知車廂人員的狀況，且列車?？繒r間短暫，也沒有足夠的時間供人們選擇車廂，所以導致擁堵的車廂越來越擁堵，空閑的車廂仍然空閑。而得益于科技領域機器視覺的高速發展，可以通過攝像頭進行人臉識別，有助于去統計人流并進行分析。通過告知乘客未來車站空閑車廂情況來進行分流，保證各個車廂人數平均，這樣便能達到分流效果緩解地鐵擁堵壓力。
目前主流的人臉識別技術基本上可以歸為三類：
1.基于人臉幾何特征方法。
2.基于模版的方法，有特征臉方法，神經網絡方法，動態連接匹配方法等。
3.基于模型的方法，有主動形狀模型和主動外觀模型等。
人臉識別部分本項目采用的是特征臉方法，特征臉方法是90年代初期由Turk和Pentland提出的目前最流行的算法之一，具有簡單有效的特點，也稱為基于主成分分析（principal component analysis，簡稱PCA）的人臉識別方法[1]。
特征臉方法的本質是PCA降維。一般來說，攝像頭采集圖像的越清晰，越容易識別人臉。而圖像清晰則導致了圖像維度呈二次曲線增長，假設一幅圖像大小是30*30的，那么其維度就是900維，將其組織成一組向量，便可以應用任何機器學習算法。但是在實際應用當中，一幅圖像的向量維度普遍偏高，算法復雜度也會隨之升高，因此需要使用PCA算法降維，來降低向量維度，同時讓信息損失最小化。
特征臉的訓練過程主要三步：
一是準備一組人臉的圖像（假設圖像數量為n，圖像的像素為R×C）。圖像要求拍攝條件相同，且圖像內人臉的特征部位所在坐標盡量相同。分別將每一幅圖像的每一行像素串聯在一起，產生n個具有R×C個元素的行向量。將產生的n組行向量儲存在矩陣T中，矩陣的每一行是一個圖像。
二是減去圖像的均值向量。圖像均值向量A要首先計算，并且T中的每一個圖像都要減掉均值向量。
三是計算出矩陣T的協方差矩陣S，然后計算出協方差矩陣的特征值和特征向量。因為其每一個特征向量的維數與原始圖像的一致，所以每一個特征向量可以被看作是一個圖像。這些向量就是所謂的特征臉。保留其中較大特征值的特征向量，形成數據庫，特征臉訓練便完成了。
本項目由于受限于硬件，測試場地設為實驗室。測試時將攝像頭擺放在相應位置，將其與樹莓派相連，同時與單片機進行無線通信。多名隊員在教室門口被安排成假定要進入車廂內的乘客，每當有乘客進入“車廂內”，攝像頭將會捕捉人臉，計算其特征值，并與數據庫進行對比，若確認為人臉，就進行人流規劃。計算出站臺人數最有期望值，同時將數據發送至單片機，單片機的液晶屏上會推薦乘客去往相應空閑的車廂，同時給出實時的車廂人數，由于技術限制，本組成員當前階段只能進行兩至三個車廂的測試。
以上作為本系統所覆蓋的基礎，而后續拓展則是將大數據結合，能夠將行李箱所占空間記入，結合相應具有特征性的地鐵站例如：火車站、客運站等，能夠估計推算出相應地鐵站的上下人數從而與大數據分析相結合，合理進行站臺運營和制定應急預案。防止在節日前后發生意外事故，防微杜漸，避免事故。同時采用了樹莓派和大數據分析相結合，受到公共集會踩踏事故啟發，希望能夠引導乘客避免擁堵和擁擠，提供更好的乘車環境，與此同時，減輕地鐵工作人員的壓力，將人工智能的概念引入，也希望能夠構建一個智能互聯的社會，讓城市生活更加方便快捷安全。
而接下來是關于使用的硬件資源介紹，主要是以32單片機為主控控制系統——STM32F103RCT6：Cortex-M3采用目前主流ARM V7-M架構，相比曾風靡一時的ARMV4T架構擁有更加強勁的性能，更高的代碼密度，更高的性價比。Cortex-M3處理器結合多種突破性技術，在低功耗、低成本、高性能三方面具有突破性的創新，使其在這幾年迅速在中低端單片機市場異軍突起。而數據采集部分則采用了近兩年很突出的openMv攝像頭，OpenMV采用的STM32F427擁有豐富的硬件資源，這使得樹莓派這一硬件資源具有極強的可移植性——引出UART，I2C，SPI，PWM，ADC，DAC以及GPIO等接口方便擴展外圍功能。USB接口用于連接電腦上的集成開發環境OpenMVIDE，協助完成編程、調試和更新固件等工作。[2]
最后是數據處理系統，是以樹莓派為核心的，它是一款基于ARM的微型電腦主板，以SD/MicroSD卡為內存硬盤，卡片主板周圍有1/2/4個USB接口和一個10/100以太網接口（A型沒有網口），可連接鍵盤、鼠標和網線，這意味著樹莓派比一般的單片機具有更加全面的功能，是符合信息時代的主流趨勢的。[3]
本系統的創新點在于不止可以應用在地鐵中，也可推廣到很多人流密集區域，并且利用人工智能和數據分析技術，就地鐵本身而言，能夠提高大家的出行效率，并且有效規避了發生意外踩踏事故的風險，減輕了工作人員等相關從業人員的負擔，同時也更好地保護了群眾的生命財產安全。同時相應的對于該系統的應用也有一些設想，毫無疑問未來的社會是智能的社會，該系統也可以延展到機器人方向，正如同隨著服務機器人技術的迅速發展，其應用也逐漸擴展到各個領域。
參考文獻：
[1]cicilover人臉識別之特征臉方法CSDN[Z].
[2]OpenMV機器視覺模塊簡介-Micro Vision Device-CSDN博客[Z].
[3]沈理強，周張濤，王澤南，許森東.基于樹莓派的交通燈實時控制系統[J].電子世界，2018-02-08.
轉載注明來源:http://www.hailuomaifang.com/9/view-14826246.htm
