公交客车乘客计数技术的研发进展

【摘要】准确统计公交客车的乘客数量对于合理调度公交车辆、优化公交线路、提高公交营运效率具有重要意义。本文对公交客车乘客计数技术的研发进展作了系统地研究概述。这些技术建立在公交IC卡信息提取、压敏踏板、被动式红外、主动式红外、主-被动复合式红外及图像处理的基础上，公交IC卡信息提取技术、压敏踏板技术、被动式红外技术、主动式红外技术和图像处理技术的代表性器件分别是公交IC卡系统、压敏传感器、热释电红外传感器、红外光电传感器、摄像及图像处理设备。

【关键词】客车；乘客；计数；技术；进展

伴随着我国城镇化的不断发展，与日俱增的城市人口使大中城市的交通压力越来越大。在“十一五”期间，我国就颁布了《关于优先发展城市公共交通的意见》，“十二五”期间公交优先仍然是城市交通的重要发展战略。这既是民众出行的需要，又是建设低碳城市的需要。2012年10月，国务院对城市优先发展公共交通作了研究部署。准确采集公交车辆的实时载客信息从而指导合理调度公交车辆、优化公交线路、提高公交营运效率是有关城市公共交通的重要研究课题之一。[1]本文拟就公交客车乘客计数技术的研发进展作一系统扼要地归纳研究。

1.公交IC卡客流信息提取技术

通过对IC卡数据接口系统的设计，可获取乘客上下车的时间、相应站点等数据，也可以通过对数据的分析得到乘客出行的基本信息，如平均出行次数、起迄点分布、平均换乘次数、出行耗时、出行距离等。[2，3]由于一般实行上车刷卡、下车不再刷卡，所以下车人数、起讫点分布等只能据IC卡获取的信息推测出来。另外，对不使用IC卡的乘客不能进行统计。该法的优点是技术简单、成本较低。

2.压敏踏板式计数技术

压敏踏板式计数是在车门的台阶上安装特种垫子，当乘客出入车门踩踏在垫子上时，计数系统就可判定乘客在上车或下车。屈建中等[4]在车门的第一台阶和第二台阶上分别安装4块加压导电橡胶JSR PCR，该橡胶在未受力时阻值很大，而受力时阻值瞬间降为0，借助扩展的8155即可检测乘客上下车的信号。根据第一、二台阶信号变化的顺序，可确定乘客上下车的方向。之所以要在每级台阶安装4块JSR PCR是考虑乘客走动时，可能有其他乘客滞于台阶上，而使某块或某两块JSR PCR预先受力。这种导电橡胶踏板开关可以做得很薄，不影响车门开启。在车门的两侧固定部位，安装红外光信号发射接收装置用于测定乘客的身高，判断其是否需要买票。所用的红外检测电路（图1）不同于一般的红外截光调制光传感器电路，红外发光管不直接发射调制光，而是用调制光信号电压控制由555时基电路组成的震荡器，如此红外发光管将产生调频载波光信号。调制光经调频后，抗干扰能力更强，定向性极高，不受阴晴昼夜的影响。这种采用了红外线与导电橡胶踏板的协同检测方式，可以有效防止靠单纯红外检测时的刻意遮挡作弊行为。王喆君等[5]开发了一种基于新型高分子薄膜型光纤列阵感压的客流计数系统，感压原理建立在光散射强度与高分子材料密度变动的对应关系上。当乘客上下车踩踏台阶上感压薄膜的过程中，在脚对感压膜的压强分布上表现出压强分布的质心发生时空变化，该质心的时空变化包含着脚与传感膜接触面积的时空变化和脚对感压膜作用力的时空变化。这种变化对应了乘客上下车的运动特征，据此可以实现对乘客上下车人数及方向的测量。王喆君等按此法对单人单脚、单人前后双脚、两人同向、两人逆向、一人停留一人运动、两人紧贴和自然混合七种模式作了测试，结果的计数准确率在95%以上。一般人的鞋底最宽处在脚掌，足弓处宽度小于脚掌最大宽度及脚跟的最大宽度，脚跟最大宽度小于脚掌的最大宽度。如能获取完整的脚印，据脚印不同部位的宽度特征即可判断乘客上下车的方向。王晓等[6]通过使用方阵标准化电容式传感器采集脚印实现了对上下车乘客的计数。其传感器结构有三层，上、下两层分别是绝缘橡胶和平滑钢板，传感器在中间呈矩阵排列。将采集的脚印图按其在传感器橡胶板上的位置放到坐标系中，借助计算机判断独立脚印的个数和方向从而确定上下车的人数。王晓等也对特殊上下车情形的不完全脚印进行了讨论。据称该方法基本解决了人流拥挤、多人同时上下车的计数问题。陈岳川[7]将一能采集上下车乘客脚形、方向的压力点阵阵列传感器置于车门台阶上；选用点阵扫描电路，对压力点阵阵列传感器所采集到的电信号进行扫描采集；将上述步骤所获取的电信号进行处理并统计出上下车的客流人数；将所统计出的客流人数发送到一信息采集模块上，并由该设备形成记录、存储、显示。系统包括用于对上车和下车的客流人数进行统计的客流统计模块和将客流人数进行记录、存储、显示的信息采集模块。该方法不受单方向、单人次的限制，能对一个车门同时双向、多人上下车及乘客之间小间隔的情况进行客流人数统计。邓如丰等[8]除了在一、二台阶安装压差式传感器用于计数外，还在第二台阶后沿加装了由传感器触发的槽式自动防超载门。

3.被动式红外计数技术

被动式红外又称热释电红外，它具有二维探测、识别特征。被动式红外传感器只能探测变化的热量，灵敏度很高。当人体经过被动式红外探测区时，由于人体的不透明，背景的强度会减弱，人体高于环境的温度使得探测器捕获到的红外线增多，探测器能把这个光线密度的增加转化为温度的增加继而转化为电信号的变化。被动式红外传感器通常包含两个串联的电极化方向相反的热释电元，两个热释电元接收到的热量及先后顺序、输出波形皆不同，可识别上车和下车。

无人售票公交车的乘客是从前门上车、从后门下车，前后门的宽度大约在70-80cm，人的宽度一般在50cm，故每次仅能有一个人上下车。何燎武[9]、杨洁等[10]根据这些车门参数，把对人体温度敏感的热释电红外传感器安在车门的左边或左右两边，上下车的乘客与传感器的距离一般不会超过20cm，使检测得以实施。前后门感应器的电路设计如图2。在公交车前门安放一个加法计数器对上车的乘客进行加法计数，在公交车后门安放一个减法计数器对下车乘客进行减法计数。当车开动后，把两计数器数字相加便可得到车上的人数，把该人数一边通过预置数的方式预置到减法计数器中，等待下次到站使用，一边通过显示器显示出来。杨洁的文献中给出了前后门计数器的电路图、开车后车上人数的统计电路图、车载显示器电路图及载客计数器的总电路图。周超等[11]将两个美国KDS9热释电红外传感器安装在车门的两侧，车门开启即启动检测。传感器的干涉滤波片允许某些波长范围的红外辐射通过，能将阳光、灯光和其他红外辐射遮住。由单片机实现加减计数并通过LED显示出来。传感器探测到的人体红外信号经放大后送给窗口比较器。不同幅度的信号与窗口比较器的上下限比较后输出高低电平信号从而判断乘客的上下车。比较器的上下限电压即参考电压分别设为3.8v和1.2v。当单片机判断车上乘客数量超过规定时，将通过P1.O口输出1kHz的音频信号驱动扬声器报警（可使用音频放大集成芯片LM386），同时通过P1.5口输出一高电平，通过继电器使点火线路断开从而锁定客车，待超载解除后声光报警相应解除，客车解锁，恢复运行。王晓利[12]基于两个RE200B热释电传感器设计的客车防超载系统与周超的大同小异。对于长途客车，一般只有一个车门或只允许乘客从一个门上下车，据此邹显圣[13]在车门上方安置两个热释电传感器（图3），借助单片机与相应的接口设备配合实施数据处理。当乘客由车门上车时，传感器B首先检测到信号，随之传感器A再次检测到这名乘客的信号，处理系统就判断有乘客上车，计数器执行加1操作；相反，当传感器A先检测到信号，而传感器B后检测到信号，处理系统就判断为有乘客下车，计数器执行减1操作。本系统利用了AT89C51与X1203的I2C接口总线作为实时时钟电路的构建方案，采用AT24C32存储卡实现数据存储功能。报道[13]中给出了有关电路图。

4.主动式红外计数技术

5.主—被动复合式红外计数技术

为了最大可能地抵消单一种类传感器的不足，使系统受光线、地板和其他环境因素的影响尽量减小，沈惠平等[19]同时采用主、被动传感器，进行了双通道测试研究。报道中提到把传感器安装在车门正上方，但没有给出具体排布图示。根据探测区内的红外光束被打断的次数和顺序来判定乘客的数量及乘客上下车的方向。研究显示，用主、被动相结合的探测方式能很好地区分单个被动传感器难以区分的不停晃动的情形；但对两人并排上下车的情形还是难以与单独一个人的情形相区别。沈惠平等以神经网络作为识别乘客运动方向和计数的算法，经过训练的神经网络对乘客基本上下车情形的方向识别和计数能达到97%的准确率。在王君伟等[20]设计的主、被动红外相结合的系统中，当主动红外探测到有乘客经过时，通过电路调大被动红外的的放大系数，这样一定程度上减小了被动红外对震荡敏感的不足。王君伟等对传统的动态时间规整算法加以改进后引用到了乘客上下车信号的识别上。该法对基本上下车情形的判别准确率达97%，但对两人并排情形还是难以与一个人的情形相区别。徐斌等[21]通过在前后车门进出方向上安装由反射式红外传感器阵列+热释电红外传感器阵列组合的感应系统（图7），两个反射式红外传感器之间的距离为10cm。为提高由发射模块和接收模块组成的反射式红外传感器的发射效率，对红外发射管进行数字脉冲调制，接收部分采用红外接收一体头；热释电红外传感器模块则由热释电红外传感器和信号放大处理电路组成。当有乘客经过光电感应区时，来自红外发射管的红外线经人体反射后被红外接收处理电路接收处理而输出高电平，同时热释电红外传感器感应到人体红外信号后经调理电路放大等处理也输出高电平；当没有乘客经过感应区时，红外接收处理电路保持低电平，热释电红外信号调理电路也输出低电平。如果是货物经过车门，虽然反射式红外传感器有感应但热释电红外传感器无感应，这就把乘客和货物区别开来。通过两个反射式红外传感器感应的先后顺序可判断乘客是上车还是下车。该研究建议每个车门均位一字型安装三个如上的传感器单元。该方法多次测试的平均精度在85%左右。伍景宇等[22]将被动式红外传感器和红外反射式开关组成的阵列安装在上下车门的上方，阵列的每个点由一个被动式红外传感器和一个红外反射式开关捆绑组成。被动式红外传感器和红外反射式开关感应到的人体信号分别经过多路选择器和信号处理电路进行放大、滤波、比较转换成电脉冲信号，再由CPU的I/O口读入，数据存储在数据存储器中，CPU根据读到阵列感应脉冲的个数和图案按照一定的算法判断上下车的方向和统计上下车的人数，最后由CPU的串口把每站上下车人数发送给车载终端或者控制中心。车载终端或者控制中心再做最后的实时人数的计算。据称，该法采集到的信息准确度高、传送方便可靠，成本较低。

6.图像处理计数技术

基于摄像机拍摄的图像对人体目标进行识别、跟踪和计数，其效果很大程度上取决于后续处理算法和所用软件的性能。从理论上说，模式识别的所有方法都可以用于人体目标的识别。基于图像处理的客流采集技术可分为两种，即利用单摄像机获得平面信息[23，24]和利用两个或多个摄像机获得立体视觉[25，26]。

在基于视频图像处理的乘客计数系统中，背景与前景目标的分割是运动目标检测的关键。李苗等[27]在背景差法的基础上，利用统计的方法得到初始化背景；为了解决背景光线亮度变化问题，提出了利用平均灰度差的方法，采用自适应背景更新算法，依据像素点的动态信息更新背景。以此法为基础可以很好地实现视频图像序列中的运动目标检测，有效地实现目标分割。姜伟等[28]将当前图像和背景图像提取边缘再做背景差。该方法受光照条件变化和干扰物的影响较小，能够有效提取目标边缘；在此基础上通过Hough变换获得乘客头部的圆形轮廓，除去检测到的虚假轮廓，从而实现对乘客头部的识别。李衡宇等[29]计算每帧场景图像和背景图像作差分后目标的面积，把该面积当作曲线纵坐标，帧数当作曲线横坐标，找到曲线上的所有波峰并将其按表1分类，最后根据波峰的类型累加计算通过的人数。实验显示，该算法的计数准确率达到85%以上。田牛等[30]比较了Robert算子、Sobel算子、Prewitt算子和Canny算子，认为Canny算子能更好地适于提取和保留图像中的边缘信息，尤其是运动的人体轮廓，能较好地避免环境变化的影响。田牛等在对直接帧间差法和基于边缘信息的帧间差法进行比较后，对提取边缘信息后的图像进行帧间差分，大大减小了处理的计算量。在空洞填充后，基于投影法进行目标分割，效果良好。采用特征跟踪与预测相结合的方式，求取当前目标位置，利用卡尔曼滤波器对已有的每个目标进行预测估计，若匹配不到合适的目标则用预测值代替。根据计算得出的目标中心位置，给每个视场中出现的目标建立目标链，记录目标运动的信息。熊伟等[31]基于一种行时空图处理方法设计了公交车乘客计数系统。视频捕获部分由CCD摄像头、广角镜头和视频采集卡构成。摄像头按垂直向下摄像的方式安装，这样可最大限度地减少乘客上下车时的相互遮挡；鉴于车门高度有限，为获取足够的视场而安装广角镜头。在人体目标的识别上，全幅图像中人头的宽度和行时空图中运动人体目标的宽度都是在一定范围内变化的，超出该范围的就不是人体目标。目标的计数根据互相匹配的运动目标的位置来进行。模拟实验显示，当同时上下车的乘客不多于3人时，识别率为96.7%；同时上下车的乘客为3～5人时，识别率为93.3%。该系统的优点在于克服了其他图像方法中数据量大、算法复杂、实时困难的弊端，该法受阴影、光照等因素影响也小；但在高峰时段人流拥挤时识别误差会高些。吴喜梅等[32]先生成双行时空图，然后用行帧差提取运动目标区域，基于头部特征提取出运动目标，最后采用区域质心匹配法对人体目标进行匹配与计数。Gerhard Rigoll等[33]曾利用伪二维隐马尔可夫模型(P2DHMM)来检测人体。方成荫等[34]借助普通数码摄像镜头，采用模板匹配设计和P2DHMM模式识别模型，进行了单人、双人和多人同时上下车的模拟实验。研究认为，将摄像头安装在车门顶部，垂直向下检测人头和肩膀截面，能获取清楚的影像，人头和肩膀截面不会被拥挤的人群遮挡。将摄像头所采集到的数据通过模拟数字转化器ADC转化成数字信号，输入到DSP中。实时采集到的测试影像数字信号与参考影像数字信号用P2DHMM算法进行取值，得到一个距离值。随着人被监视到部分的增加，测试影像与参考影像的差距增加，距离值增加，形成的曲线会有—个峰值，计算峰个数可得到经过车门的乘客人数。据称，该法在实验室场景下的识别率达到100%。潘浩等[35]从复杂背景、低分辨率和特殊拍摄角度条件下的图像提取人头特征曲线，基于部分椭圆弧的椭圆模板参数的估算识别出人头，采用连续自适应均值平移算法对人头目标进行跟踪，分析得出目标轨迹，使孤立于各帧中的目标有机地联系起来实现计数。该检测法适合正面人头、有一定旋转角度的人头、被部分覆盖的人头和同一场景的多个人头，在较复杂的背景下该法准确率达93%。于海滨等[36]也提出了以提取乘客头部轮廓特征为手段的客流检测方法，采用针对类圆检测的改进型Hough变换，并针对Hough变换结果进行了结合模糊置信度的感知聚类，有效地去除虚假候选头部轮廓，从而实现对视场中每个乘客的准确定位。现场实验结果表明，应用该方法进行公交客流统计，准确率可达85%以上。徐建华等[37]提出了一种基于多次区域生长和通过头部特征再次提取的算法来检测人头从而对乘客计数的方法，研究中采取较为简便的质心跟踪法，并且在跟踪的时候通过归一化的形式匹配，进一步提高了分割的精度。通过采集公交车上的实时图像研究显示，该法准确率超过84%。郑力明等[38]基于乘客头发的长短颜色、肤色、体型及衣裤鞋的颜色等细部特征，引入改进的中值滤波、腐蚀膨胀和相关性分析等操作，实现了公交线路上任意两站间的客流统计。朱秋煜等[39-41]则在车门正上方垂直安装两个平行同步摄像机，这可最大程度地避免乘客之间的相互遮挡。为了方便判断目标的运动方向，在计数区域设置与乘客运动方向垂直且相隔一定距离的两条虚拟计数线。提取每帧视图中两条计数线所在行的灰度信息按时间轴依次展开，并取最近的固定行数构成灰度行时空图。按行帧差法利用行时空图中连续两行或几行图像数据的差异检测可能的运动目标；再基于区域的配准计算可能目标的视差，在行视差时空图中二次检测运动目标，如果像素视差值大于一定阈值则确认为是运动目标，否则认为是由于光照变化等干扰因素所造成的虚假运动目标。乘客的运动方向依据其到达两条计数线的先后顺序确定。实验结果显示，该法在实验室模拟计数错误率为±4%；在公交车上计数错误率在±8%。刘济林等[42]通过处理器采用立体视觉算法对由车门顶端采集到的双目图像进行处理，得到场景中的各点到摄像机之间的距离，然后在距离上设置阈值，得到距摄像机某一距离范围内的场景中的所有点，通过对这些点的去噪、拟和，再借助单目图像的特征识别方法，将那些近似组成圆的场景中点的集合作为人的头部，从而实现对人头部的检测，再将检测到的人头部的位置、半径、灰度信息交由跟踪算法实施有效跟踪，便可获得客流的运动方向、上下车人数等实时、准确的客流统计信息。该法提升了公交客流统计系统的准确率，获得的客流信息可作为调配城市公交车辆班次密度和公交线路规划设计的依据。

7.其他计数技术

田学英等[43]在每个座椅底部和过道中每隔30cm都安装一个PLD204E圆板式测力传感器，当座椅上坐有乘客和过道中站有乘客时，传感器都可检测到各处的受力并通过向单片机发送高电平信号实现计数。兰春燕等[44]的设计要求乘客在公交站点通过按钮发出上下车及有关站点的请求，各站点请求的多少即反映出各站点的乘客数量，对此数据进行采集并发往数据中心，为公交调度所用。

8.结语

公交IC卡信息提取技术简单、成熟，在很多城市已有一定基础，成本较低。压敏踏板系统部件易损坏，维护费用较高。被动式红外传感器的精度易受到乘客着装的影响，当环境温度与人体温接近时以及外界光照强烈时，准确性变差。主动式红外技术自身光源稳定，多束光系统计数精确较高。复合式红外技术使成本加大，也并不必然减小计数误差。图像处理技术的精度很大程度上取决于图像质量及分析软件的水平，系统成本也较高。

参考文献

[1]REUTER L G,SPENCER B R.Passenger counting and service monitoring:a worldwide survey of transportation agency practices[R].New York:New York City Transit,2003.

[2]ZHU Xiao-hong.Study on passenger data collection in public transport[J].Urban Public Transport,2005(7):20-21.

[3]YAO Bao-zhen,YU Yan-hong,YU Bin.IC card automatic fare collection system and the gathering and processing of passenger flow data[J].Journal ofChangchunUniversityofTechonology(NaturalScienceEdition),2005,26(3):239-241.

[4]屈建中,张军,鲁墨武.长途客车客流量监测装置[J].测控技术,1994,13(3):23-26.

[5]WANG Zhe-jun,CHEN Bao-xue,SUI Guo-rong,et al.Automatic passenger flow counting system using fiber array membrane sensor[J].Acta Photonica Sinica,2009,38(9):2305-2309.

[6]WANG Xiao,WEI Zhiqiang,ZHOU Lijiang,et al.The detection and supervision system of passenger flow based on footprint direction recognition[J].Urban Transport of China,2005,3(3):27-31.

[7]陈岳川.一种公共交通车辆客流计数方法及系统:中国,200410054253[P].2006-03-08.

[8]DENG Ru-feng,LIU Wei-ming.Design of intelligent bus overload preventing system with access controls[J].Science Technology and Engineering,2011,11(30):7536-7538,7543.

[9]何燎武.公交车电子计数器的研究与设计[J].电脑编程技巧与维护,2011(8):7-8.

[10]杨洁,刘海民,舒梅.公交车载客人数电子计数器的设计[J].制造业自动化,2011,33(10上):127-129.

[11]周超,张定会,张君芳.智能型客车超载检测系统设计[J].电子技术应用,2007(8):41-43.

[12]王晓利.智能防超载安全信息识别系统设计[J].电子产品世界,2011,18(10):35-37.

[13]邹显圣.长途客运汽车自动乘客计数系统研究[J].现代电子技术,2009(23):191-193.

[14]陈山,潘天红,李正明,等.网络型公交客流检测系统的研制[J].计算机应用,2009(6):48-52.

[15]ZHAO Yong-qiang,HOU Hong-ling,ZHAI Ren-he.Design of passenger numbersmonitoringdeviceofcoachbus[J].Tractor&FarmTransporter,2010,37(2):70-71.

[16]王晓侃,冯冬青.智能型随机检测客车超载系统[J].电子技术应用,2008(2):54-56.

[17]桂要生,向桥,杨康,等.公交车防超载智能语音提示系统设计[J].电子元器件应用,2010,12(8):45-48.

[18]GAO Yu-long.Design and realization of enumerated system of bus[J].Applied Science and Technology,2004,31(3):6-8.

[19]SHEN Hui-ping,FAN Qi-fu.Neural network based automatic passenger counting system using infrared sensors[J].Control Engineering of China,2007,14(1):62-65.

[20]王君伟,范启富,白凌云.基于DTW的红外乘客计数系统[J].测控技术,2008,27(6):32-35.

[21]XU Bin,CHEN Xiao-bing.Development of automatic passenger counting system for city bus based on infared sensors[J].Bus Technology and Research,2010(5):12-14,17.

[22]伍景宇,潘景良,陈从华,等.一种公交车客流量实时统计的方法:中国,200410155552[P],2006-07-05.

[23]CHEN T H,CHEN T Y,CHEN Z X.An intelligent people-flow counting method for passing through a gate[C].Proceedings of 2006 IEEE International ConfernceonRobotics,AutomationandMechatronics,Bangkok,Thailand,2006:1-6.

[24]BARANDIARAN J,MURGUIA B,BOTO F.Real-time people counting using multiple lines[C].Proceedings of the Ninth International Workshop on ImageAnalysisforMultimediaInteractiveServices,Klagenfurt,Austria,,2008:159-162.

[25]TERADA K,YOSHIDA D,OE S,et al.A method of counting the passing people by using the stereo images[C].Proceedings of the IEEE International Confernce on Image Processing,Kobe,Japan,1999:338-342.

[26]DEPARIS J P,KHOUDOUR L,MEUNIER B,et al.A device for counting passengers making use of two active linear cameras comparison of algorithms[C].proceedings IEEE International conference on Systems,Man and Cybernetics.Beijing,China.1996,3:1629-1634.

[27]李苗,刘卫宁,孙棣华.一种适于公交乘客计数的自适应背景更新算法[J].计算机工程与应用,2006(36):216-218.

[28]JIANG Wei,GAO Jun-wei,LIU Xin.Bus passengers'head detecting based on edge-based background subtraction and hough transform[J].Journal of Qingdao University(Engineering & Technology Edition),2010,25(2):1-4.

[29]LI Heng-yu,HE Xiao-hai,WU Wei,et al.Bus pedestrian flow calculation system based on computer vision[J].Journal of Sichuan University(Natural Science Edition),2007,44(4):825-830.

[30]TIAN Niu,YING Jie.Couning for passenger flow based on Canny edge frame subtractionalgorithm[J].MicrocomuputerInformation,2010,26(11-2):196-198.

[31]熊伟,朱秋煜.一种基于视频的公交客流计数方法[J].现代电子技术,2008(14):95-98.

[32]WU Xi-mei,ZHU Qiu-yu,YANG Yu.A practical video-based algorithm for passenger counting[J].Microcomuputer Information,2009,25(9-3):50-52.

[33]RIGOLL G,EICKELER S,MULLER S.Person tracking in realworld scenarios using statistical methods[C].Grenoble:IEEE, 2000:342.

[34]FANG Cheng-yin,MA Jian-wen,CHEN Xue,et a1．Study on P2DHMM method of automatic passenger counting for bus managemen[J].Computer Engineering and Applications,2008,44(11):241-243,248.

[35]PAN Hao,GAO Zhibao,HE Xiaohai,et al.Pedestrian flow detection algorithm in public transport system based on computer vision[J].Computer Engineering,2007,33(11):216-218,263.

[36]YU Hai-bin,LIU Ji-lin.A vision-based method to estimate passenger flow in bus[J].Journal of Image and Graphics,2008,13(4):716-722.

[37]XU Jian-hua,CHEN Xiao-rong,DAI Shu-guang,et al.Research of the algorithmforbuspassengers’statistics based on video[J].Microcomuputer Information,2010,26(12-2):231-232.

[38]ZHENG Li-ming,PAN Xin.Research on passenger counting method based on passenger’sbelongingsextraction[J].ComputerEngineeringandApplications,2009,45(2):201-204.

[39]ZHU Qiu-yu,TANG Li,YU Ming,et al.A passenger counting method based on stereovision[J].Journal of Image and Graphics,2009,14(11):2391-2395.

[40]朱秋煜,唐利,赵宇,等.基于双行视差时空图的公交车客流自动计数方法及其系统:中国,200910052597[P].2009- 10-28.

[41]朱秋煜,陆克澎,周静,等.基于立体视觉的公交客流拥挤度采集方法:中国,200910201246[P].2010-05-26.

[42]刘济林,于海滨,沈晔湖.基于立体视觉的公交客流统计方法及其系统:中国,200510060288.2[P].2006-02-08.

[43]TIAN Xueying,QIN Jiahe,ZHAO Kai,et al.Design on an intelligent system that can prevent the bus from overload[J].Automobile Applied Technology,2012(5):37-39.

[44]LAN Chunyan,CHEN Xin.Study on the mass transit passenger flow OD data collection technology based on the passengers demand[J].Urban Public Transport,2012(3):25-28.

基金项目：2012年度国家级大学生创新创业训练计划项目（201210422011）。

作者简介：石琳琦（1991—），女，河北衡水人，现就读于山东大学物理学院微电子系，研究方向：电子科学与技术。