基于机器视觉的地铁分流系统
来源:用户上传
作者:
摘要：利用机器视觉和人脸识别的地铁分流预警系统，有针对性的将乘客疏导和分流，有效地解决拥堵问题合理利用人力资源，符合智慧城市、智能生活的趋势。
关键词：人脸识别;地铁分流;智慧生活;树莓派
中图分类号：U231+.92 文献标志码：A 文章编号：1674-9324（2019）21-0055-02
本系统是基于openmv和树莓派的智能地铁分流系统。通过openmv摄像头进行人脸识别并且采集数据，将数据传输给树莓派进行数据分析和测算整理，推算出相应的地铁内部的单位人流密度，进行分流规划和智能推荐。当人流达到警戒阈值时，会启动系统进行测算，在地铁行进过程中进行安全语音播报，并且在将要到的站台进行智能推荐，对相应人流密度较少的车厢进行到站前推荐，能够更大程度地减轻人流压力，将正在排队的人群进行合理化分配和安排。openmv作为摄像头采集部分，采集通过门口的人数，采集回來的信息通过串口传送到树莓派上进行分析，最后会在屏幕上（在实际中屏幕是在地铁的站台处，屏幕和单片机连接）显示车厢内的人数和车厢拥挤程度的情况。如果超过车厢内的座位数量，屏幕上则会显示该节车厢为拥挤状态，建议在站台等候的人进入另外的车厢。
同时此系统也是基于对于社会现状的判断——我国的人口数量多、城市少、城市人口密度大，我国城市发展迅速，城市人口急剧上升，客流增大，地铁虽然能减轻地面上交通拥堵问题，但随着地铁普及，人流涌向地铁，地铁拥堵问题也日益严重。上海、北京地铁拥堵问题十分严峻。身处在现代社会中能够深切感受到地铁带来的便利，但也受节假日地铁拥堵问题困扰，于是便产生了通过分流的办法来缓解拥堵压力。与此同时，愈加频发的踩踏事故也促使去对公共交通的改进产生思考。2005年10月25日四川江通校园发生踩踏事故，致8死27伤;2009年12月7日，湖南湘潭育才中学踩踏事故致8死26伤;2014年12月31日上海外滩发生踩踏事件，致36人死，49人伤亡。这些惨痛的现实说明，在公共场合，对于踩踏事故的发生加以预防刻不容缓，对公共场所的人流进行疏通，使之能够有效预防踩踏事故的发生。同时由于对于高危场所的监控疏忽，近年来，高危易燃品所导致的事故也逐年上升。本系统基于此，可以对于人流高低峰来分配工作，将工作效率最大化。
下面介绍一下系统的具体运作方式——由于列车每节车厢内人数不均匀，导致车厢的空间利用不均匀使得个别车厢十分拥堵而有些车厢却相对空闲。且在列车到站前，人们无法预知车厢人员的状况，且列车停靠时间短暂，也没有足够的时间供人们选择车厢，所以导致拥堵的车厢越来越拥堵，空闲的车厢仍然空闲。而得益于科技领域机器视觉的高速发展，可以通过摄像头进行人脸识别，有助于去统计人流并进行分析。通过告知乘客未来车站空闲车厢情况来进行分流，保证各个车厢人数平均，这样便能达到分流效果缓解地铁拥堵压力。
目前主流的人脸识别技术基本上可以归为三类：
1.基于人脸几何特征方法。
2.基于模版的方法，有特征脸方法，神经网络方法，动态连接匹配方法等。
3.基于模型的方法，有主动形状模型和主动外观模型等。
人脸识别部分本项目采用的是特征脸方法，特征脸方法是90年代初期由Turk和Pentland提出的目前最流行的算法之一，具有简单有效的特点，也称为基于主成分分析（principal component analysis，简称PCA）的人脸识别方法[1]。
特征脸方法的本质是PCA降维。一般来说，摄像头采集图像的越清晰，越容易识别人脸。而图像清晰则导致了图像维度呈二次曲线增长，假设一幅图像大小是30*30的，那么其维度就是900维，将其组织成一组向量，便可以应用任何机器学习算法。但是在实际应用当中，一幅图像的向量维度普遍偏高，算法复杂度也会随之升高，因此需要使用PCA算法降维，来降低向量维度，同时让信息损失最小化。
特征脸的训练过程主要三步：
一是准备一组人脸的图像（假设图像数量为n，图像的像素为R×C）。图像要求拍摄条件相同，且图像内人脸的特征部位所在坐标尽量相同。分别将每一幅图像的每一行像素串联在一起，产生n个具有R×C个元素的行向量。将产生的n组行向量储存在矩阵T中，矩阵的每一行是一个图像。
二是减去图像的均值向量。图像均值向量A要首先计算，并且T中的每一个图像都要减掉均值向量。
三是计算出矩阵T的协方差矩阵S，然后计算出协方差矩阵的特征值和特征向量。因为其每一个特征向量的维数与原始图像的一致，所以每一个特征向量可以被看作是一个图像。这些向量就是所谓的特征脸。保留其中较大特征值的特征向量，形成数据库，特征脸训练便完成了。
本项目由于受限于硬件，测试场地设为实验室。测试时将摄像头摆放在相应位置，将其与树莓派相连，同时与单片机进行无线通信。多名队员在教室门口被安排成假定要进入车厢内的乘客，每当有乘客进入“车厢内”，摄像头将会捕捉人脸，计算其特征值，并与数据库进行对比，若确认为人脸，就进行人流规划。计算出站台人数最有期望值，同时将数据发送至单片机，单片机的液晶屏上会推荐乘客去往相应空闲的车厢，同时给出实时的车厢人数，由于技术限制，本组成员当前阶段只能进行两至三个车厢的测试。
以上作为本系统所覆盖的基础，而后续拓展则是将大数据结合，能够将行李箱所占空间记入，结合相应具有特征性的地铁站例如：火车站、客运站等，能够估计推算出相应地铁站的上下人数从而与大数据分析相结合，合理进行站台运营和制定应急预案。防止在节日前后发生意外事故，防微杜渐，避免事故。同时采用了树莓派和大数据分析相结合，受到公共集会踩踏事故启发，希望能够引导乘客避免拥堵和拥挤，提供更好的乘车环境，与此同时，减轻地铁工作人员的压力，将人工智能的概念引入，也希望能够构建一个智能互联的社会，让城市生活更加方便快捷安全。
而接下来是关于使用的硬件资源介绍，主要是以32单片机为主控控制系统——STM32F103RCT6：Cortex-M3采用目前主流ARM V7-M架构，相比曾风靡一时的ARMV4T架构拥有更加强劲的性能，更高的代码密度，更高的性价比。Cortex-M3处理器结合多种突破性技术，在低功耗、低成本、高性能三方面具有突破性的创新，使其在这几年迅速在中低端单片机市场异军突起。而数据采集部分则采用了近两年很突出的openMv摄像头，OpenMV采用的STM32F427拥有丰富的硬件资源，这使得树莓派这一硬件资源具有极强的可移植性——引出UART，I2C，SPI，PWM，ADC，DAC以及GPIO等接口方便扩展外围功能。USB接口用于连接电脑上的集成开发环境OpenMVIDE，协助完成编程、调试和更新固件等工作。[2]
最后是数据处理系统，是以树莓派为核心的，它是一款基于ARM的微型电脑主板，以SD/MicroSD卡为内存硬盘，卡片主板周围有1/2/4个USB接口和一个10/100以太网接口（A型没有网口），可连接键盘、鼠标和网线，这意味着树莓派比一般的单片机具有更加全面的功能，是符合信息时代的主流趋势的。[3]
本系统的创新点在于不止可以应用在地铁中，也可推广到很多人流密集区域，并且利用人工智能和数据分析技术，就地铁本身而言，能够提高大家的出行效率，并且有效规避了发生意外踩踏事故的风险，减轻了工作人员等相关从业人员的负担，同时也更好地保护了群众的生命财产安全。同时相应的对于该系统的应用也有一些设想，毫无疑问未来的社会是智能的社会，该系统也可以延展到机器人方向，正如同随着服务机器人技术的迅速发展，其应用也逐渐扩展到各个领域。
参考文献：
[1]cicilover人脸识别之特征脸方法CSDN[Z].
[2]OpenMV机器视觉模块简介-Micro Vision Device-CSDN博客[Z].
[3]沈理强，周张涛，王泽南，许森东.基于树莓派的交通灯实时控制系统[J].电子世界，2018-02-08.
转载注明来源:https://www.xzbu.com/9/view-14826246.htm
