視頻智能分析技術在路網客流領域中的應用研究

摘要：隨著北京市軌道交通建設的不斷推進、運營的里程和線路不斷增多，覆蓋的范圍不斷增大、客流的數量不斷增加，對運營安全、運營組織、運營監管、運營異常事件處置等能力提出了新的要求，對數慧化、智能化運營的管控需求日趨明顯。基于此，本文對視頻智能分析技術在路網客流領域中的應用進行研究，以期為相關工作者提供有益借鑒。

關鍵詞：智能分析；監測；客流；預警

一、技術研究背景

傳統的視頻監控平臺一般通過人員監管和錄像來實現安全防護管理，實際上并不能主動有效地做到保障安全。目前的路網現狀為：監控點位過多，人員監控基本無法顧及全部的監控場景；監控人員的注意力無法24小時都準確高效地監控所有場景；通過“被動錄像”只能在“事件/事故”發生后通過調用錄像進行相應地回放取證，一方面損失已經發生，無法有效挽回，另一方面，采取人工回放錄像取證的方式效率低下。現有的視頻監控系統功能簡單，且以手動調用圖像的方式為主，調用方式不夠靈活、響應速度慢、智能化程度不高、不具備視頻圖像處理和分析能力、無法滿足對圖像的快速檢索或組團調用等實際需求。隨著路網內線路和攝像機數量的增加，手動操作的方式效率日益低下，從而影響運營異常事件下的快速圖像調用及事件處理，軌道交通指揮中心視頻監控系統的智能化程度有限。利用視頻智能分析技術，能夠將場景中的背景和目標分離開來，進而分析并跟蹤在攝像機場景內出現的目標。全路網各級調度員可以依據視頻分析功能，通過在不同場景的攝像機中預設不同的預警機制，一旦目標出現了違反場景中預定義規則的行為，系統會自動觸發預警，以供監控人員決策部署和調度，使監控人員的工作強度和工作壓力大大降低，提升視頻監控系統平臺的自動化處理水平，從而實現“事中即時預警”和“事后快速取證”的目標。

二、關鍵技術研究

在視頻監控平臺的基礎上采用智能分析等技術手段和措施，在不斷提升技術等級、提高識別度、降低誤報、縮短響應時長等前提下，使平臺能夠提供更加主動和可靠的安全防范能力。實時視頻分析采用服務器和客戶端方式實現，視頻分析支持對1080P視頻流的視頻智能分析，在6Mbps/s碼流，30FPS，1080P視頻流情況下進行分析，不得以減幀、降低分辨率的方式進行分析；同時支持向下兼容，可對D1標清視頻流的視頻進行智能分析。視頻分析的操作靈活方便，預警圖像能打斷正常的循環監視，經過確認后，能恢復正常的定點監視或循環監視。

視頻智能分析技術的應用場景如下：

（一）人群聚集風險預警

用于站廳、站臺、公共區或其他重要監控區域，可用于對多目標的現場密度進行監控，提供擁擠程度的具象化數據（劃定區域內的人數）。視頻監控平臺收集劃定區域內的人數，實時上傳到應用平臺，由應用平臺進行以下業務處理：當在所設定的時間范圍內，尤其重點關注持續高密度人群、排隊長龍等。當區域密度持續超過閾值，或單位面積內乘客分布的密集度在單位時間內突然陡增時產生預警，輔助區域內的實時監控和安全管理，及時人為干預、疏導、限流或采取其他有效措施，避免出現人員聚集或發生踩踏事故。智能分析系統支持基于區域內人數統計的客流密度檢測（劃定區域的實時人數），支持客流突變預警（由應用平臺判斷預警），如對客流人數、行進方向及運動規律突變的預警等。視頻監控平臺提供人數數據給應用平臺，由應用平臺支持趨勢習慣突變預警，如對不同日期相同時間段的客流突變預警。智能分析系統能進行自學習，可以不斷升級算法性能，并根據歷史分析結果持續優化算法，提高識別準確率。

（二）客流統計

通過視頻信息進行自動統計分析，為用戶提供實際準確度不低于95%的乘客進入或離開指定區域的人數、流量等信息，并且可顯示當前人數和變化的趨勢，以及區域內的人員數量，為相關用戶指定或調整管理舉措提供有效支持。具體而言，視頻智能分析技術支持靈活劃定區域并對劃定區域內的人數進行實時統計，支持對區域內任意時間段的人數進行統計，支持對300人以上場景的人群計數，支持攝像機安裝角度20度～80度范圍，支持場景自學習，可以不斷升級算法性能。

（三）電扶梯異常監測

可實時監控自動扶梯在運行中的倒轉、急停、抖動等異常事件，并在事件發生3秒內觸發警示信息。

（四）乘客追逐、劇烈運動監測

可對乘客在站廳、站臺、公共區域內追逐、打鬧，以及在通道內劇烈活動等危險行為進行實時監測并預警。

（五）逆行監測

可實時監測所設定各個區域，識別人員、車輛等在禁行方向的行為或者運動并觸發預警。逆行監測可應用于單/雙向通道等場合，在視頻畫面中可支持最多達24個區域的監測。

（六）入侵監測

針對進入所設定的虛擬禁區或跨越所設定的虛擬邊界目標進行監測追蹤，按照用戶設置的規則實時預警。人員入侵監測可應用于線路防護，站內重點設施和區域。

（七）進入禁區監測

可針對預定區域監測，可設定警戒區域，如設備用房等；可設置最多24個防區，每個防區可單獨設置監測規則，并可以多防區同時進行監控。可選擇“進入禁區、離開禁區、邊界進入禁區、邊界離開禁區、在區域中出現監控、從區域中消失監控”中的其中一種監控項目進行實時監控。若非法目標非法出入該區域，可立即監控識別并實時預警。監控時間可以由用戶設定。

（八）越線監測

可通過視頻分析技術來代替常規監測和預警方式。在場景上設置一條或多條虛擬線路，設定越線方向后，任何符合規則的目標均可被監測，并觸發預警。可設置最多16條折線，每條折線可分別設置監測方位等規則，并可以多折線進行監測和追蹤。

（九）逗留、滯留監測

實時監測在設定區域內徘徊、逗留、滯留的目標是否超過設定時間，并實時預警。逗留/滯留監測應用在線路和站內重點區域。

（十）可疑物品遺留監測

自動監測被遺留的可疑物品，超過時間后，對符合設定規則的目標進行實時預警。能偵測出物品離開人的情況，如超出時間，系統就會按照設定的形式觸發預警，來提示值班人員，以便及時排除存在的隱患，尤其是預防火災爆炸事故發生。

三、實施效果分析

基于對路網感知能力的提升，針對軌道交通各類事故及隱患，利用視頻智能分析和大數據等先進手段，由以往的被動發現轉變為主動預警；利用視頻智能分析能力，全面監視疏導過程，及時修正引導方案直至徹底消除隱患，形成完整業務閉環。以往的運營監視模式以行車和設備為主，對客流的監視并未得到充分重視，同時，傳統監測模式在客流監視的硬件技術上存在較大欠缺。通過建立指揮調度管理系統，結合歷年的網絡化運營歷史數據、視頻智能分析技術、客流調查數據，改變以往對路網運營監視的管理模式，建立以乘客為主體，對乘客出行全環節進行關注，融合行車狀態信息主動感知判斷，以及消弭風險隱患的新一代軌道交通路網運營監視管理模式。

客流監視是路網監視的核心業務。通過大數據采集，排查路網內可能產生乘客聚集的點位，再通過專業客流調查隊現場排查。分析各點位客流密度、速度以及人數；劃分四個評價等級，即嚴重擁擠、擁擠、通行受限及自由通行，并以ABCD四個等級作為標識。目前，全路網已知的風險點位有400多個，根據風險程度不同分為A、B、C三級，用黑紅黃三種顏色表示。其中，A級風險點90多個，B級風險點170多個，C級風險點220多個。將這些風險點發生的時間、地點導入數據庫，最終建立客流的風險隱患數據庫。系統將按照不同等級、不同時間、不同地點的點位信息將其推送到大屏上，并通過視頻監視系統的視頻聯動功能，自動關聯該點位的攝像機，自動引導調度員在不同的時間關注不同的風險點位。

在監視時，將乘客出行的全流線劃分為六大風險環節，分別為站外限流、人物同檢、站內樓梯、站內通道、站內聚集、站臺乘降等。通過視頻智能分析技術對六大風險環節進行全貌監視，并以風險等級進行排序。對高風險等級以置頂顯示的方式提醒調度時刻關注，同樣，對于高風險等級的車站信息以置頂標紅方式顯示。

除了站內的客流情況外，系統還關注列車內的乘客擁擠狀態。基于完整的清分模型，基于乘客OD、通行時間、列車開行計劃，將乘客合理地匹配到每一輛車上，實時計算車載人數。同時，調度人員也可以通過車載視頻，實時掌握車廂內的情況。智能分析預警區域置頂顯示智能分析預警的視頻，視頻右側展示該視頻的詳細信息，包括線路、車站、位置、實時密度、3分鐘均值等。

管理人員或調度人員可以通過點擊視頻智能分析詳情區域右上角的按鈕，獲取該視頻的智能分析區域內過去1小時的客流趨勢圖。其中，橫軸代表過去的1小時時間，縱軸代表人數，橫線代表預警閾值。當客流人數超過閾值的次數達到設定值則會出現預警（見圖2）。

視頻智能分析技術主要實現對當前預警提供多種并行處理方式的功能。

預警提醒。當有預警發生時，頁面可提示預警。用戶可以通過點擊提示信息快速查看所有未處理的預警信息。預警提醒功能可滿足以下要求：有預警發生，頁面顯示提示信息。用戶點擊預警提示信息，系統顯示所有未處理的實時預警列表。

預警處理。快速檢索預警信息并進行預警處理，支持進行批量處理。預警處理時需系統支持提供處理意見，以便后續跟進預警情況。

預存錄像。當系統檢測到視頻中的目標物體觸發某項規則時，啟動預警錄像，同時執行存儲計劃錄像，支持用專用播放器回放顯示預警框的錄像。該功能可以滿足以下要求：當預警產生時，進行錄像。預存儲：0～300秒，由用戶設置，需要將產生預警之前的若干秒視頻錄下來。錄像延遲：0～300秒，由用戶設置，事件結束后仍繼續錄像若干秒才停止。存儲計劃錄像：需要至少能保存30天錄像，所有智能分析結果的圖像存儲15天。

預警和分析結果上傳，將相應數據（行為分析預警、人數及密度數據等）信息上傳至應用平臺，供應用平臺調用并處理。

通過視頻智能分析，結合全景視頻拼接技術，能夠有效突破攝像機采集圖像視場的物理限制。基于視頻圖像特征提取，并結合攝像機參數、點位位置、角度等，包括如何基于CPU和GPU異構并行架構，實現對大規模數據的并發處理和對超高分辨率數據的實時全景融合處理，其中包含對多路視頻GPU并行渲染和動態拼縫融合等技術關鍵點。針對不同的視頻，通過圖像處理，采取特征點與策略相匹配，找到兩幅圖像的影射關系，根據坐標點變化關系，將兩幅圖像合并到同一個坐標系圖中，然后通過校正變形、融合邊緣處理，得到全景視圖。為了達到監控的實時性與精確性要求，全景視圖監控可分為初始化和正常監控兩大部分。初始化，即通過圖像匹配攝像機之間的空間位置關系，引入最優化思維確定兩幅圖像的拼接位置關系；正常監控，即根據初始化階段確定的各項參數，針對每幀視頻進行加速融合，從而實現實時精確的全景視圖監控。

四、結束語

視頻智能分析技術在路網客流領域中的應用研究，構建了基于圖像識別、機器學習、海量數據的信息基礎設施。通過攝像機智能編組技術，實現對乘客服務的全過程、全方位監控和追蹤，并分析軌道交通不同出行區域（站臺、通道或其他重要監控區域），實現對各個風險點位的風險點密度和換乘通道客流的計數分析，尤其關注持續時間長的高密度人群、排隊長龍等。當區域密度持續超過閾值，或單位面積內乘客分布的密集在單位時間內突然陡增時實時預警。同時，提供穿越防護欄、跨線入侵、特殊區域入侵、可疑物品遺留、非常規物品搬移、特殊物品保全、人員快速移動、徘徊監測、逆行監測、電扶梯異常監測、非法停車以及人群聚集預警、人員劇烈運動等異常行為進行分析，實現視頻信息自動統計實際準確度95%以上的目標，為全路網各級調度員進行安全管控和實時監測提供輔助，幫助其處理各種異常行為，及時采取干預、疏導、限流等措施，避免人員聚集或踩踏的發生。

作者單位：郝建威 中國鐵路通信信號上海工程局集團有限公司

參考文獻

[1]李旭東.智能視頻監控系統在城市軌道交通的運用分析[J].信息記錄材料，2021，22（01）：205-207.

[2]譚筠梅，王履程，雷濤，等.城市軌道交通智能視頻分析關鍵技術綜述[J].計算機工程與應用，2014，50（04）：1-6+17.

[3]李曼.城軌路網客流模態建模及其演化機理研究[D].北京交通大學，2017.