牛佩佩，卢燕飞，周 骥

（北京交通大学 电子信息工程学院，北京 100044）

智能视频分析在乘客拥挤检测方面的应用

牛佩佩，卢燕飞，周 骥

（北京交通大学 电子信息工程学院，北京 100044）

本文以轨道交通中普遍存在的乘客拥挤问题为例，简述智能视频分析系统在轨道交通中的实现过程。智能视频分析技术是轨道交通系统运营管理及公共安全保障的重要部分，也是处理轨道交通突发事件及防范恶性事件的必要手段。它能帮助工作人员进行安全监控，尽可能地避免各类突发事件的发生，在事发后迅速做出反应，并根据视频记录提取各类证据。

视频分析；背景差法；乘客检测

近年来，国内外轨道交通安全事故频发，旅客滞留、车站关闭、轨道线路不畅通等现象时有发生，既延误了乘客的出行时间，也对轨道安全运营构成威胁。轨道交通运营管理部门必须时刻关注站内重要区域的客流状况，以便能够及时处理突发事件。

智能视频分析（IVS，Intelligent Video Surveillance）技术源自于计算机视觉技术，主要应用在智能安防领域中。智能视频分析技术能够通过预设场景背景或实时更新背景的方法将视频图像中的前景目标物体与背景分离，并进一步对目标物体进行实时分析、跟踪，对可疑行为进行告警，用户可根据不同场景中视频摄像机预设的报警行为标准，一旦监视跟踪的目标物体的行为符合系统中的报警准则，系统就会自动报警，提醒工作人员进行相应的处理。

由于人的观察能力会因为长期观察监控视频画面而降低，出现精神涣散、注意力分散、反应能力下降。而智能视频分析系统能够做到每天24 h不间断的监控及自动报警，节省监控人员的工作压力，在出现异常时发出告警，提醒监控人员进行人工复查并处理异常。

1 乘客检测的关键技术及实现流程

1.1 乘客检测的关键技术

乘客检测实际就是运动目标检测在轨道交通系统中的应用，运动检测的方法主要有：检测目标物体运动的光流法[1]、帧差法[2]、背景差法[3]以及根据人体肤色等方法进行乘客检测。运动检测算法对比如表1。

目前应用最为广泛的是背景差分法，背景差分法是在背景相对静止的场景中，建立一个与当前图像一致的但没有前景物体的背景图像，检测时将当前视频图像减去背景图像，进行二值化来获取当前前景物体。

表1 运动检测算法对比

背景差法的乘客检测过程中，在使用图像差法由当前图像减去背景图像后，需将差值图像与阈值相比较，才能正确分离前景图像，因此阈值的选取，也是检测正确与否的关键。阈值的选取方法有很多，常见的方法有：固定阈值法、双峰法、大津法OTSU等，本文选择大律法进行阈值选取。

大律法实际是最大类间方差值法，利用阈值分割出前景和背景图像，当取最佳阈值时背景和前景的差别应该是最大的。大律法的衡量标准是最大类间方差，因为方差是衡量像素灰度值分布均匀性的一种度量，背景和前景物体相差越大，方差值也会越大，二值化的效果越好，如果2者之间有错分的情况会使方差值变小。大律法用时少，性能稳定，但对噪声和目标大小十分敏感，当目标与背景的大小相差悬殊时效果不太理想。

综上所述，在地下站厅情况下乘客检测算法如图1所示。

图1 基于背景差法的乘客检测算法

1.2 智能视频监控系统实现过程

智能视频分析就是利用计算机视觉、视频图像处理技术以及人工智能技术对视频的内容进行分析，根据分析结果和系统预先设置的应用规则判断是否告警，使视频监控系统具有智能化水平。典型的智能视频监控系统工作流程如图2所示。

图2 智能视频分析系统实现过程

1.3 智能视频分析系统类型

根据智能视频分析系统中视频分析模块所在的位置，可以将智能视频监控系统分为前端智能和后端智能[4]。前端智能分析系统主要是利用DSP方式实现，将智能视频分析算法加载到摄像机、视频服务器等前端设备中，在视频采集设备上直接运行算法对视频图像进行分析，这样可以减少后端客户端设备上的运算压力，提高视频分析准确性。后端智能分析系统则主要是依靠软件来完成的，能够运行在普通的客户端设备上，后端视频分析系统的优势在于不需要对前端视频采集设备进行升级替换，在原有的设备基础上安装智能视频分析软件即可，很大程度上节省了设备的投资，但由于原有设备的局限和客户端设备运算能力，后端智能分析的准确性较低。

2 智能视频分析系统应用实例

在轨道交通系统中，由于北京地铁客流量大、人群密集，同时安全隐患也比较多，仅仅依靠地面上的工作人员和视频监控人员是无法完成对整个站厅的整体安全防范及突发事件的应急处理，需要智能设备终端对整个轨道交通系统进行全天、实时监控。北京地铁运营公司根据车站的实际情况、车站运营环境等信息，在每个车站均配备了视频分析系统，主要应用包括扶梯急停检测、扶梯逆向运行检测、人员翻越扶梯分析、单向通道逆向分析、站台和通道内拥挤检测、站台和通道内滞留分析、人员计数等。由于监控项目较多，本文仅以“通道拥挤分析”作为智能视频分析系统的案例。

2.1 系统设计

在每个地铁站中，根据北京市轨道交通系统中既有的专网视频监控系统摄像头布置情况，选取4～5路视频源作为分析数据，对于在摄像头不满足要求的区域增设2台摄像机以采集视频数据；在既有的通信设备室增设智能视频分析设备、网络交换机、数字录像设备、视频编解码设备、机柜，在综合控制室内增加一台客户端，设备电源均使用既有通信设备室电源系统。

各个地铁站的综合监控室、保卫室、安全监控室中均设置视频监控客户端，地铁站的视频分析客户端实现对本站视频图像的监控、调用，上级部门内的客户端拥有权限可查看任意地铁站点的任何时间视频图像的信息，例如北京地铁总调度室内的客户端可以调用北京任意一个地铁站的视频录像信息，并且都能够实现车站报警信息的接收，实现对轨道交通的实时监控。

由于在轨道交通中已安装数量庞大的视频采集设备，在此基础上采用前端智能技术，利用背景差分法实现视频分析系统的乘客拥挤检测功能。轨道交通中智能视频分析系统结构如图3所示。

图3 智能视频监控系统结构设计

2.2 轨道交通系统中乘客拥挤检测

在某地铁站选择入站通道、换乘通道、站台3处位置的摄像机图像，应用智能视频监控系统，对系统进行相关参数的设置，例如：密度值、速度值以及时间值等，通过分析在指定区域内乘客目标占整幅图像的百分比，超出预定阈值时系统会及时报警，观察不同参数设置下系统的报警情况。检测结果如表2。

表2 某地铁站入站通道乘客拥挤检测结果

2.3 需要说明的问题

（1）视频监控系统变被动监测为主动防范，能够实现防患于未然并在事后有据可查，但由于智能视频监控系统应用在轨道交通系统中还不成熟，在实际场景检测方面只是实现了较少部分的应用，并不能完全代替视频监控人员的工作，需要与监控人员合理配合才能发挥最大的作用。

（2）由于在客流量统计及人员行为检测、跟踪等方面的应用需要采用多重的算法综合来进行分析，并需要不断的调试、完善，提高检测准确性，现阶段的技术很难达到所需要的效果，因此本文中选择的应用是智能视频分析系统对乘客的拥挤检测，能够实现较高的准确率。

3 结束语

智能视频分析系统极大地提高了视频信息的应用价值，将人工从繁重的监控视频图像工作中解放出来，应用在轨道交通系统中更是能够保证轨道交通的安全运营，提高应急响应速度。但是因为技术尚不成熟，在监控系统建设施工方面经验也并不丰富，在发展中还会面临不少的挑战和问题。未来可以进一步研究智能视频分析系统的应用场景，结合具体应用的要求推进此项技术的应用范围，不断提高主动监控技术的水平，充分发挥视频监控系统的功能和作用。

责任编辑 方 圆

[1] Smith SM, Brady JM. ASSET-2: Real-Time motion segmentation and shape tracking[J]. IEEE Trans. on Pattern Analysis and Machine Intelligence, 1995,17 (8) : 237 - 244.

[2] Ridder C, Munkelt O, Kirchner H. Adaptive background esti-mation and foreground detection using Kalman-f i lter[C]. IN Proc of the Int’l Conf on Recent Advances in Mechatronics, ICRAM’95, UNESCO Chair on Mechatronics,1995:1 93-199.

[3] Stauffer C, Grimson WEL. Adaptive Background Mixture Models for Real-time Tracking[C]. In: Proc. Of the IEEE Computer Society Conf on Computer Vision and Pattern Recognition.1999：246-252.

[4] 成明盛.视频分析技术在铁路监控工程中的应用探讨[J].科学技术通讯，2009（144）：34-40.

[5] 陈怀霞.视频智能分析在校园安全管理中的应用分析[J].电脑知识与技术，2011，7（32）：7981-7982.

[6] 邹 芳,肖 坦,蒋征朋.视频分析技术综述及铁路应用初探[J].铁路通信信号工程技术，2008，5（3）：19- 21.

Application of intelligent video analysis in passenger congestion detection

NIU Peipei, LU Yanfei, ZHOU Ji
( School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China )

The paper chose the passenger congestion problems to outline the implementation process of intelligent video analysis technology in rail transport. Intelligent video analysis technology was applied to the Urban Transit System. It was not only an important part of Urban Transit operation and public safety, but also the necessary mean to deal with emergencies and prevent serious incidents. It could avoid all types of emergencies as much as possible, and help staff to respond quickly, and assist staff with extracting types of evidences from video recording.

video analysis; background subtraction method; passenger detection

U298.1∶TP39

A

1005-8451（2014）02-0046-03

2013-10-25

牛佩佩，在读硕士研究生；卢燕飞，高级工程师。