CN110647855A - 一种基于人脸识别的地铁车站客流统计方法 - Google Patents

Abstract

本发明提供一种基于人脸识别的地铁车站客流统计方法，属于轨道交通运营管理技术领域。该方法由车站控室处理器分析安装在车站各出入口和屏蔽门出入口的图像采集装置采集的图像，对人脸图像提取，并进行人脸识别、出入口人数统计、基于哈希算法的人脸追踪、自动捕捉和自动保存等功能处理；车站控室终端进行车站客流统计，并绘制客流时间分布图。解决了车站内客流的实时统计，追踪人物图像以识别犯罪人员；实时绘制客流时间分布图，对于地铁运营管理者完善安全监控、合理安排运营计划、行车调度和线路规划设计等提供参考数据。该方法识别率高、实时性强，实用性好，可用于其他场所客流统计。

Description

一种基于人脸识别的地铁车站客流统计方法

技术领域

本发明涉及轨道交通运营管理技术领域，特别是涉及一种基于人脸识别的地铁车站客流统计方法。

背景技术

地铁车站是城市轨道交通路网的重要节点，客流拥堵现象经常发生，当大客流逼近或超过车站客流承载力时，客流疏导将面临严峻考验，会发生滞留、拥挤甚至踩踏等安全隐患。车站客流量大小直接关系到乘客安全、运营安全和服务质量。

现有对地铁站内客流统计技术主要分为以下几种：(1)传统站台人工客流计数法，其主要缺陷是：不能及时、准确统计站内客流，需要耗费大量的人力财力。(2)AFC数据分析，即利用自动售票***统计，其主要缺陷是：主要针对各个闸机的进出站客流量进行统计，无法对屏蔽门出入口或者列车车门上下的数进行统计。(3)视频监控法，即图像智能分析技术，其主要缺陷是：视频分析处理工作量大，且对应用场合有视野宽、安装结构高等要求。在国内各车站中，仅配有摄像头对站厅、站台和车厢进行监控，并没有设置专门的视频客流统计设备。

如何实时对地铁车站内客流量进行统计，为车站值班员快速统计车站各种客流指标，提前做好应对大客流措施提供可靠的数据；进一步利用人脸识别技术构成网上罪犯追逃***，对减少犯罪率提供支持；对于地铁运营管理者完善安全监控、合理安排运营计划、运行管理、行车调度和线路规划设计等具有重要意义，是目前亟待解决的问题。

发明内容

本发明所要解决的技术问题是：

(1)对车站各出入口客流和屏蔽门出入口客流进行准确检测及统计，实现对车站内客流的实时统计；

(2)对图像中检测到的人脸和待追踪人物图像对比分析，识别犯罪人员；

(3)对图像中检测到的人脸进行捕捉并采集保存；

(4)实时统计的车站内客流时间分布图，对于地铁运营管理者完善安全监控、合理安排运营计划、行车调度和线路规划设计等提供参考数据。

本发明解决其技术问题所要采用的技术方案是：一种基于人脸识别的地铁车站客流统计方法。为了清楚表述本发明的技术方案，进行以下说明：

该统计方法主要实现地铁车站进、出站口以及列屏蔽门上下口的人数统计、人脸追踪、人脸捕捉、人脸保存以及自动录入等功能。具体功能主要有：

(1)人数统计对提取出的每一张人脸进行分析判定，看是否为同一个人或者是否为人；在识别是人后，进行人数统计；

(2)人脸追踪实现将需要追踪的人物图像与提取到的人脸进行遍历判断，计算其相似度，从而实现其功能；

(3)人脸捕捉实现对提取到的人脸实时保存。

(4)人脸保存功能将自动获取每一帧图像视屏中以便后期快速查询人物；

(5)***还具有自动录入功能：将确认要统计的人脸按时间顺序保存下来。

在车站各出入口和屏蔽门出入口均预装至少一个图像采集设备，用于采集车站的各个出入口的实时图像，图像采集设备可以采用摄像头、摄像机等；每个图像采集设备通过有线或无线网络连接至车站控制室的相应处理器及数据服务器。车站控制室的处理器用于图像控制界面设置、图像显示和存贮。数据服务器对每个进站口和出站口图像采集设备进行编号，并为每个出入口在数据库人脸统计表中分配一个ID号。

该客流统计方法包括以下步骤：

步骤1：图像信息采集；

安装在车站出入口和屏蔽门出入口的图像采集设备实时采集车站各个出入口的图像，并将采集到的图像数据传送至车站控制室处理器；

较佳地，各出入口用摄像头采集地铁车站的乘客图像的方法包括：车站控制室处理器打开相应摄像头，截取一帧图像，并加载人脸特征库，具体地，可采用OpenCV的人脸识别Haar特征分类器。

步骤2：人脸图像提取；

对图像灰度化，用人脸识别特征库对象搜索出图像中全部人脸，得到每个人脸的坐标及大小。用矩形或圆依次每标识一张人脸，人脸计数值更新。

较佳地，对图像利用公式Gray＝0.299*R+0.587*G+0.114*B做灰度化处理，其中，R、G和B分别表示红色亮度值、绿色亮度值和蓝色亮度值，以降低运算强度。具体地，用OpenCV的人脸识别Haar特征分类器对灰度图像进行人脸搜索，通过每次搜索窗口扩大10％，并检测出灰度图像中所有人脸在图像中的位置。

用矩形或圆依次每标识一张人脸，人脸计数值更新的方法包括：

对灰度图像中已经获得坐标的所有人脸，依次用矩形框或圆圈出，每圈出一张人脸，首先人脸数计数值更新，接着判断是否要人数统计、是否追踪、是否捕捉。

步骤3：功能处理；

车站控制室处理器设有显示控制界面，各种状态是通过控制界面输入的，在控制界面中，具有打开图片文件夹按钮、保存图片按钮、捕捉人脸按钮、开始追踪按钮、统计人数按钮和自动录入按钮等6个图片按钮，用来设置6种工作状态。需要统计人数时，在控制界面中按下“统计人数”按钮；需要捕捉人脸图片时，在控制界面中按下“捕捉人脸”按钮；需要进行追踪时，在控制界面中按下“开始追踪”按钮；需要保存图片时，在控制界面中按下“保存图片”按钮；需要自动录入图像信息时，在控制界面中按下“自动录入”按钮。

各种功能状态的具体判断过程如下：

步骤3.1：判断是否为人数统计状态，具体的，判断是否人数统计按钮按下，是统计按钮按下，即处于人数统计状态，检测当前人脸下边缘是否符合要求，以及该人脸是否在2s内保持，如果满足上述提取的人脸信息条件，则根据提取的人脸信息统计人脸数量，并按照该入口ID编号或该出口ID编号，用新的统计计数值更新车站控制室数据库人脸统计表中对应出入口的出口人数字段数据或入口人数字段数据，统计计数的方式采用但不限于连续加或连续减的方式，本实施例中计数方式采用统计计数值加1；每个出入口均具有唯一的ID编号，根据该入口ID编号或该出口ID编号进行区分。如果不是处于人数统计状态，则进入步骤3.2；

在更新数据库表中人脸数量信息时，需要将人脸图像信息录入保存，实现的方法可以采用手动录入的方式，也可以采用自动录入的方式，本发明中为了提高工作效率，采用自动录入的方式，具体包括：判断是否自动录入人脸图像，即判断是否自动录入按钮按下，如果是自动录入按钮按下，则进行自动录入人脸，截取当前人脸图像，按照时间将人脸图像保存在车站控制室处理器。

步骤3.2：判断是否为人脸追踪状态，即检测是否按下“开始追踪”按钮，如果是按下“开始追踪”按钮，进入人脸追踪状态，对步骤2中提取的人脸信息中的当前人脸图像截取，并与车站控制室数据库中存储的待追踪人物图像进行比较，采用哈希算法计算当前人脸图像与待追踪人物图像相似度，判断是否为待追踪人物，如果是待追踪人物，在控制界面响铃报警。进入步骤3.3；如果不是人脸追踪状态，则进入步骤3.3；

采用哈希算法计算当前人脸图像与待追踪人物图像相似度，主要对当前人脸图像采用均值哈希算法得到值a1，与对待追踪人物图像采用均值哈希算法得到值a2，由均值哈希算法值a1和a2，计算均值相似度值an；对当前人脸图像采用差值哈希算法得到值d1，与对待追踪人物图像采用差值哈希算法得到值d2，由差值哈希算法值d1和d2得到差值相似度值dn；当前人脸图像是否为待追踪人物由an和dn确定。

较佳地，均值哈希算法主要将图片压缩到i*j个像素，以消除不同尺寸、比例带来的影响；并转换为i*j级灰度图gray，其中，i表示行像素数，j表示列像素数；对灰度图用公式s＝s+gray[i,j]遍历累加，计算灰度像素和；用公式avg＝s/ (i*j)计算平均灰度值；遍历i*j个像素，当灰度值大于平均值，即gray[i,j]>avg，当前人脸图像均值哈希算法值a1或待追踪人物图像均值哈希算法值a2记为1，当灰度值小于等于平均值，即gray[i,j]≤avg，当前人脸图像均值哈希算法值a1 或待追踪人物图像均值哈希算法值a2记为0，累计得到图片的i*j个由1和0组成的均值哈希算法值a1或a2。

较佳地，差值哈希算法主要将图片压缩到i*j个像素，以消除不同尺寸、比例带来的影响；并转换为i*j级灰度图gray，其中，i表示行像素数，j表示列像素数，以简化色彩，遍历像素，当每行前一个像素大于后一个像素，即满足 gray[i,j]>gray[i,j+1]，当前人脸图像差值哈希算法值d1或待追踪人物图像差值哈希算法值d2记作1，当每行前一个像素小于等于后一个像素，即gray[i,j]≤ gray[i,j+1]，当前人脸图像差值哈希算法值d1或待追踪人物图像差值哈希算法值d2记作0，累计得到图片的i*j个由1和0组成的差值哈希算法值d1或d2。

较佳地，相似度算法对对当前人脸图像的均值哈希算法值a1和待追踪人物图像的均值哈希算法值a2，遍历判断，如果a1与a2不相等，则计数，累计值作为相似度值an；对当前人脸图像的差值哈希算法值d1和待追踪人物图像差值哈希算法值d2，遍历判断，如果d1和d2不相等，则计数，累计值作为相似度值dn。

步骤3.3：判断是否为人脸捕捉状态，即是否按下“捕捉人脸”按钮，如果是按下“捕捉人脸”按钮，则进入人脸捕捉状态，读取步骤2中提取的人脸信息中的当前图片中的人脸图片，并按照时间保存人脸图片；本实施例中保存图片的方法包括：当是人脸捕捉状态时，捕捉人脸计数加1，截取当前人脸图像，并保存为文件名中包含当前时间和捕捉人脸计数的图像。如果不是处于人数统计状态，则进入步骤4。

步骤4：更新显示数据；

车站控室处理器重复步骤3对采集图像中的每张人脸图像进行功能处理后，更新控制界面状态和人脸显示；

显示摄像头拍摄人脸图像的方法包括：

在对摄像头拍摄的图像进行灰度处理、检测出所有人脸，并依次用矩形框或圆圈出每张人脸后，更新精灵组管理的6个图片按键精灵，更新当前人脸数计数值、当前统计计数值和当前工作状态等显示，并显示摄像头拍摄的灰度处理后的带矩形框的人脸图像。

步骤5：客流统计；

根据步骤3中获得的各个出入口的出站人数或进站人数，车站控室终端按照待统计时间段，统计计算各个进出站口的进站客流量和出站客流量；并且根据该车站总的进站客流量与同一时间段总的出站客流量，获得该车站在某一时刻或某一时间内车站内的人流量。

本实施例中按照待统计时间段，计算各进站口客流量和出站口客流量的方法包括：根据车站的首班和末班发车时间，将待统计时间以小时为单位分段。在各时间段内的整点时间到来时，根据数据服务器中人脸统计表中每个入口ID 号和出口ID号，取出各入口进站人数字段和各出口出站人数字段。

步骤6：根据步骤5中客流统计的结果，绘制客流时间分布图，根据客流时间分布图对车辆进行调度和客流监控。

本发明用各时间段进站客流量减去出站客流量，得到车站客流量的方法包括：在各时间段内的整点时间到来时，将各入口取出的进站人数字段累加，将各出口取出的出站人数字段累加，用进站人数累加值和减去出站人数累加值，得到各时间段的车站客流量。

客流分布图可以是日客流分布图、周客流分布图、月客流分布图和年客流分布图，根据需要选取不同的统计时间段，以分析解决不同的问题，如：日客流分布图，可以获得每天客流量高峰期，可以根据客流量对每天不同时段的运营进行管理；周客流分布图，可以获得一周内不同工作日之间客流量的区别，从而调配车站工作人员数量、行车调度和线路规划；年客流分布图，可以获得一年内不同月份、不同季节之间客流量的区别，从而可以提前对节假日时间段的工作进行规划，保障出行。

统计日客流时间分布的方法包括：以时间为横坐标，车站客流量为纵坐标，绘制客流量柱状图，标明各时间段的客流量以及客流量的比例，并按照客流比例绘制各时间段的客流曲线。

本发明的有益效果是：

(1)对车站各出入口客流和屏蔽门出入口客流进行统计，实现对车站内客流的统计，改善目前车站没有实时站内客流统计的问题，实时性、准确性和安全性高。

(2)对进出站的乘客人脸和待追踪人物图像对比分析，识别犯罪人员；

(3)对采集到的乘客人脸进行捕捉并保存；

(4)实时统计的客流时间分布图，对于地铁运营管理者完善安全监控、合理安排运营计划、行车调度和线路规划设计等提供参考数据。

(5)一种基于人脸识别的地铁车站客流统计方法采用Python语言和 OpenCV编程，图像采集设备和车控室设备之间通过网络连接，车控室处理器与服务器可以在B/S模式下实现数据共享。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为本发明的车站***示意图。

图2为本发明实施例一种基于人脸识别的地铁车站客流统计方法的流程示意图。

图3为车站控制室处理器控制界面。

图4为日客流时间分布示意图。

具体实施方式

现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示，为本发明车站***的示意图，以一个车站为例进行说明，图中车站包括5个进站口和5个出站口，预先在车站各个进站口或者进站闸机口、出站口或者出站闸机口、站台屏蔽门上下车位置安装单目摄像头，单目摄像头连接至各自处理器。每个出入口处理器独自保存有车站控制室数据服务器IP地址的.txt文本文件，每个出入口处理器独自通过此IP地址，利用pymysql技术，借助车站wifi，连接车站控制室MySQL数据服务器。对每个地铁车站的入口和出口编号，并为每个出入口在车站控制室数据服务器人脸统计表中分配一个ID 号。每个出入口处理器根据该入口ID编号或该出口ID编号，初始化数据服务器中人脸统计表的入口进站人数字段或者出口出站人数字段。

需要说明的是，本实施不限定摄像头的安装位置，示例性地，采用平视采集方式，即将摄像头放置在目标正前方或侧方，实时采集地铁出入口乘客通行图像。

如图2所示，本发明的一种基于人脸识别的地铁车站客流统计方法，包括以下步骤：

该客流统计方法包括以下步骤：

步骤1：图像信息采集；

安装在车站出入口和屏蔽门出入口的图像采集设备实时采集车站各个出入口的图像，并将采集到的图像数据传送至车站控制室处理器；

较佳地，各出入口用摄像头采集地铁车站的乘客图像的方法包括：车站控制室处理器打开相应摄像头，截取一帧图像，并加载人脸特征库，具体地，可采用OpenCV的人脸识别Haar特征分类器。

步骤2：人脸图像提取；

对图像灰度化，用人脸识别特征库对象搜索出图像中全部人脸，得到每个人脸的坐标及大小。用矩形或圆依次每标识一张人脸，人脸计数值更新。

较佳地，对图像利用公式Gray＝0.299*R+0.587*G+0.114*B做灰度化处理，以降低运算强度，其中，R、G和B表示红色亮度值、绿色亮度值和蓝色亮度值。具体地，用OpenCV的人脸识别Haar特征分类器对灰度图像进行人脸搜索，通过每次搜索窗口扩大10％，并检测出灰度图像中所有人脸在图像中的位置。

用矩形或圆依次每标识一张人脸，人脸计数值更新的方法包括：

对灰度图像中已经获得坐标的所有人脸，依次用矩形框或圆圈出，每圈出一张人脸，首先人脸数计数值更新，接着判断是否要人数统计、是否追踪、是否捕捉。

步骤3：功能处理；

如图3所示，车站控制室处理器设有显示控制界面，控制界面上具有打开图片文件夹按钮、保存图片按钮、捕捉人脸图片按钮、开始追踪按钮、统计人数按钮和自动录入按钮等6个图片按钮，用来设置6种工作状态。控制界面可监听鼠标事件，当鼠标奇数次按下6个图片按键中某一个按钮时，分别表示设置打开图片文件夹、打开保存图片、打开捕捉人脸、打开追踪、打开统计人数和打开自动录入等工作状态。并创建精灵组来统一管理6个按键精灵的绘制和更新。控制界面可实时显示当前人脸数计数值、当前统计计数值和当前工作状态。当前人脸数计数值current faceCount为1，当前统计计数值current passenger 为5，当前工作状态current_state为“Start Statistics”，即开始统计人数。

每个出入口处理器独自借助opencv计算机视觉库以及Python编程语言，加载人脸特征库，打开自己连接的摄像头，截取一帧图像，对图像灰度化，并检测出灰度图像中所有人脸在图像中的位置。

每个出入口处理器对图像中的每个人脸做如下处理：每次用矩形框或圆圈出一张人脸，首先人脸数计数值加1，接着判断是否人数统计，是统计时，进一步检测当前人脸下边缘是否取值在符合要求，示例性地，人脸下边缘在360-420 之间，且该人脸保持在2s以上，如满足这2个条件则统计计数值加1，并根据该入口ID编号或该出口ID编号，用新的统计计数值更新数据服务器人脸统计表的入口进站人数字段或者出口出站人数字段。然后判断是否自动录入，如是，截取当前人脸，保存具有当前时间的人脸图像。是追踪时，读出追踪嫌疑人图像，并截取当前人脸图像，采用哈希算法对比2张图像。本实施例中，所述哈希算法为既要满足2张图像的均值哈希算法值的相似度值an小于35，也要满足 2张图像的差异值哈希算法值的相似度值dn小于35。不是追踪时，判断是否人脸捕捉；是人脸捕捉时，捕捉人脸计数加1，截取当前人脸图像，并保存为文件名中包含当前时间和捕捉人脸计数的图像。

本实施例中，均值哈希算法和差异值哈希算法均将图片压缩到8*8的尺寸，得到64个像素，以消除不同尺寸、比例带来的影响。并简化色彩，将图像转换为64级灰度，使得所有像素总共有64种颜色。

步骤4：更新显示数据；

车站控室处理器重复步骤3对采集图像中的每张人脸图像进行功能处理后，更新控制界面状态和人脸显示；

本实施例中，每个出入口处理器对摄像头采集到的图像进行灰度处理并依次用矩形框圈出每张人脸后，更新6个图片按键精灵，更新当前人脸数计数值、当前统计计数值和当前工作状态等显示，并显示摄像头拍摄的灰度处理后的带矩形框的人脸图像。

步骤5和步骤6：客流统计及分布图绘制；

具体地，车站控制室数据服务器负责存储各地铁出入口统计的进站人数字段和各出口出站人数字段，由车站控制室终端完成日客流时间分布图的绘制。

如图4所示的日客流时间分布示意图是车站控制室终端显示的，示例性地，按照首班和末班发车时间分别为5：50和22：50，将待统计时间从5:30至23:30，以小时为单位，分为18个时间段。在每个时间段内的整点时间到来时，车站控制室终端根据车站控制室数据服务器中人脸统计表中每个入口ID号和出口ID 号，取出各入口进站人数字段和各出口出站人数字段。将各入口取出的进站人数字段累加，将各出口取出的出站人数字段累加，用进站人数累加值和减去出站人数累加值，得到18个时间段的车站客流量。以时间为横坐标，车站客流量为纵坐标，绘制客流量柱状图，标明18个时间段的客流量以及客流量占总客流量的比例，并按照客流比例绘制各时间段的客流曲线。

本实施例中，车站控制室终端利用地铁现有的通信网络将本站客流量统计结果传送给控制中心，为控制中心合理安排运营计划、运行管理、行车调度等提供参考数据。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (8)

1.一种基于人脸识别的地铁车站客流统计方法，其特征在于：包括以下步骤：

步骤1：图像信息采集；

安装在车站出入口和屏蔽门出入口的图像采集设备实时采集车站各个出入口的图像，并将采集到的图像数据传送至车站控制室处理器；

步骤2：人脸图像提取；

对图像灰度化，用人脸识别特征库对象搜索出图像中全部人脸，得到每个人脸的坐标及大小；用矩形或圆依次每标识一张人脸，人脸计数值更新；

步骤3：功能处理；

步骤3.1：判断是否为人数统计状态，如果处于人数统计状态，则对步骤2中提取的人脸信息中的当前人脸图像确认后，统计人脸数量，更新车站控制室数据服务器数据表中对应出入口的出站人数或进站人数；如果不是处于人数统计状态，则进入步骤3.2；

步骤3.2：判断是否为人脸追踪状态，如果是人脸追踪状态，对步骤2中提取的人脸信息中的当前人脸图像截取，并与车站控制室数据库中存储的待追踪人物图像进行比较，采用哈希算法计算当前人脸图像与待追踪人物图像相似度，判断是否为待追踪人物，如果是待追踪人物，在控制界面响铃报警；如果不是人脸追踪状态，则进入步骤3.3；

步骤3.3：判断是否为人脸捕捉状态，如果是人脸捕捉状态，截取步骤2中提取的人脸信息中的当前人脸图像，并按照时间保存人脸图片；如果不是处于人数捕捉状态，则进入步骤4；

步骤4：更新显示数据；

车站控室处理器重复步骤3对采集图像中的每张人脸图像进行功能处理后，更新控制界面状态和人脸显示；

步骤5：客流统计；

根据步骤3中获得的各个出入口的出站人数或进站人数，车站控室终端按照待统计时间段，统计计算各个进出站口的进站客流量和出站客流量；并且根据该车站总的进站客流量与同一时间段总的出站客流量，获得该车站在某一时刻或某一时间内车站内的人流量。

2.如权利要求1所述的基于人脸识别的地铁车站客流统计方法，其特征在于：还包括步骤6，根据步骤5中客流统计的结果，绘制客流时间分布图，根据客流时间分布图对车辆进行调度和客流监控。

3.如权利要求1所述的基于人脸识别的地铁车站客流统计方法，其特征在于：各出入口用摄像头采集地铁车站的乘客图像，并检测图像中的人脸的方法包括：打开摄像头，截取一帧图像；加载人脸特征库；对图像利用公式Gray＝0.299*R+0.587*G+0.114*B做灰度化处理，以降低运算强度，对灰度图像用OpenCV的人脸识别Haar特征分类器进行人脸搜索，通过每次搜索窗口扩大10％，并检测出灰度图像中所有人脸在图像中的位置；

用矩形或圆依次每标识一张人脸，人脸计数值更新的方法包括：

对灰度图像中已经获得坐标的所有人脸，依次用矩形框或圆圈出，每圈出一张人脸，首先人脸数计数值更新，接着判断是否要人数统计、是否追踪、是否捕捉。

4.如权利要求1或2所述的基于人脸识别的地铁车站客流统计方法，其特征在于：步骤3.1中还包括以下步骤：判断是否自动录入人脸信息，如果是自动录入人脸信息，截取人脸图像，按照时间保存该张人脸图像。

5.如权利要求1或2所述的基于人脸识别的地铁车站客流统计方法，其特征在于：步骤3.2中采用哈希算法计算当前人脸图像与待追踪人物图像相似度，主要对当前人脸图像采用均值哈希算法得到值a1，对待追踪人物图像采用均值哈希算法得到值a2，由均值哈希算法值a1和a2，计算均值相似度值an；对当前人脸图像采用差值哈希算法得到值d1，对待追踪人物图像采用差值哈希算法得到值d2，由差值哈希算法值d1和d2得到差值相似度值dn；当前人脸图像是否为待追踪人物由an和dn确定。

6.如权利要求5所述的基于人脸识别的地铁车站客流统计方法，其特征在于：所述均值哈希算法具体为：

将图片压缩到i*j个像素；并转换为i*j级灰度图gray，其中，i表示行像素数，j表示列像素数；对灰度图用公式s＝s+gray[i,j]遍历累加，计算灰度像素和；用公式avg＝s/(i*j)计算平均灰度值；遍历i*j个像素，当灰度值大于平均值，即gray[i,j]>avg，当前人脸图像均值哈希算法值a1或待追踪人物图像均值哈希算法值a2记为1，当灰度值小于等于平均值，即gray[i,j]≤avg，当前人脸图像均值哈希算法值a1或待追踪人物图像均值哈希算法值a2记为0，累计得到图片的i*j个由1和0组成的均值哈希算法值a1或a2。

7.如权利要求5所述的基于人脸识别的地铁车站客流统计方法，其特征在于：所述差值哈希算法具体为：

将图片压缩到i*j个像素；并转换为i*j级灰度图gray，其中，i表示行像素数，j表示列像素数，遍历像素，当每行前一个像素大于后一个像素，即满足gray[i,j]>gray[i,j+1]，当前人脸图像差值哈希算法值d1或待追踪人物图像差值哈希算法值d2记作1，当每行前一个像素小于等于后一个像素，即gray[i,j]≤gray[i,j+1]，当前人脸图像差值哈希算法值d1或待追踪人物图像差值哈希算法值d2记作0，累计得到图片的i*j个由1和0组成的差值哈希算法值d1或d2。

8.如权利要求5所述的基于人脸识别的地铁车站客流统计方法，其特征在于：所述相似度算法具体为：

对当前人脸图像的均值哈希算法值a1和待追踪人物图像均值哈希算法值a2，遍历判断，如果a1与a2不相等，则计数，累计值作为相似度值an；对当前人脸图像差值哈希算法值d1和待追踪人物图像差值哈希算法值d2，遍历判断，如果d1和d2不相等，则计数，累计值作为相似度值dn。

Images