CN103605967A - 一种基于图像识别的地铁防逃票***及其工作方法 - Google Patents

Abstract

本发明公开了一种基于图像识别的地铁防逃票***，其特征在于，包括刷卡信息适配器、成像装置，刷卡信息适配器、成像装置均与嵌入式中央处理模块连接，嵌入式中央处理模块还与报警装置、开关门控制装置连接，刷卡信息适配器连接进站刷卡***的信号端口。本发明在现有的闸道自动检票***基础上，加装机器视觉***和刷卡信息适配器，由嵌入式信号处理***实时获取当前检测区人数及检测区的人数替换信息，并通过比较刷卡人数计数器与检测区人数计数器的计数值，判断逃票现象，控制闸口的开启和报警。

Description

一种基于图像识别的地铁防逃票***及其工作方法

技术领域

本发明涉及一种基于图像识别的地铁防逃票***及其工作方法，属于地铁智能检票***技术领域。

背景技术

随着我国国民经济的飞速发展和人民生活水平的不断提高，人们的出行也更为频繁，城市轨道交通作为一种重要而且方便的出行方式，已被越来越多的人们接受和选择。城市轨道交通同样也面临着增加运能、提高服务质量、提高竞争能力的迫切需求。为了适应其发展要求，如何利用先进的智能化技术创造一个安全、方便、快捷的进站***已成为当前的迫切需要。自动售检票***作为轨道交通***中时刻与出行人***流的一项重要工具，也面临着巨大的挑战，自动售检票***是终端设备中，内部部件之间关联最为复杂的设备。自动检票机的使用，实现了旅客进站刷票自助化和智能化，大大降低了由人工检票带来的人力消耗，提高了进站效率，同时也可以避免了人工操作引起的不必要的错误。但同时，由于采用全自动的无人值守自助检票***，也容易出现逃票现象的发生及检票过程中的各种漏洞和弊端。

发明内容

本发明要解决的技术问题是：提供了一种利用机器视觉***和图像处理技术，实现地铁进站逃票自动报警的基于图像识别的地铁防逃票***及其工作方法，解决了逃票现象的发生及检票过程中的各种漏洞和弊端的问题。

为了解决上述技术问题，本发明的技术方案是提供了一种基于图像识别的地铁防逃票***，其特征在于，包括刷卡信息适配器、成像装置，刷卡信息适配器、成像装置分别与嵌入式中央处理模块连接，嵌入式中央处理模块还与报警装置、开关门控制装置连接，刷卡信息适配器接进站刷卡***的信号端口，并在嵌入式中央处理模块中分别设置了刷卡人数计数器和检测区人数计数器。

一种基于图像识别的地铁防逃票***的工作方法，其特征在于，包括以下工作步骤：

步骤1：采集刷卡信息适配器的触发信号，若有进站刷卡信号，刷卡人数计数器加1，否则，刷卡人数计数器的计数值不变；

步骤2：通过摄像头采集检测区当前图像，并将其与背景模板图像进行差影运算后，对所得的差影图像进行列投影，根据投影曲线的特征，实现目标分割，并提取检测区内的当前人数，记入检测区人数计数器；

步骤3：通过对直接前帧与当前帧图像的人体目标跟踪，获取检测区人数的替换信息，并修改刷卡人数计数器的计数值；

步骤4：比较刷卡人数计数器与检测区人数计数器的值，若前者等于后者，则开放闸口，转入步骤1；否则，关闭闸口，并发出报警信号，等待处理。

优选地，所述步骤3检测区人数的替换信息，是将当前图像与其直接前帧的人体目标区域质心做相关匹配，通过跟踪相邻图像帧的人体目标，实现对当前图像检测区的新进人体数目和退出人体数目的统计。

为了能更好地实现检票过程的自动化和智能化，防止逃票现象的发生，本发明在现有的闸道自动检票***基础上，加装机器视觉***和刷卡信息适配器，由嵌入式信号处理***实时获取当前检测区人数及检测区的人数替换信息，并通过比较刷卡人数计数器与检测区人数计数器的计数值，在不影响乘客进站速度及现有运营公司管理模式的基础上，判断逃票现象，并控制闸口的开启和报警，实现逃票自动报警。与现有技术相比，本发明具有以下的优点：本发明可以在不改变现有设备的基础上，弥补现有设备的不足。利用机器视觉和图像处理技术来智能化识别逃票现象，并给出报警信号，提高进站自动检票的准确性及智能化程度。

附图说明

图1是本发明采用的***功能结构示意图；

图2是本发明摄像头安装示意图；

图3是本发明图像的检测区示意图。

其中：1为摄像头，2为闸道位置，3为进站通道，4为检测区，5为收费区，6为免费区，7为刷卡位置，8为进站口，9为检票入口。

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明所述内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明涉及一种基于图像识别的地铁防逃票***及其工作方法，将图像采集、处理、显示及控制功能集于一体，通过机器视觉对检测区进行监控，实现地铁防逃票功能。嵌入式中央处理模块以Cortex-A8为中央处理器件，构建图像处理与检测控制平台，包括信号适配器、液晶显示器等，同时，构建装置还包括LED白光光源、数字CMOS图像传感器、报警器及***检测软件等。其***功能结构如图1所示。

一种基于图像识别的地铁防逃票***，其包括刷卡信息适配器、成像装置，刷卡信息适配器、成像装置分别与嵌入式中央处理模块连接，嵌入式中央处理模块还与报警装置、开关门控制装置连接。刷卡信息适配器接进站刷卡***的信号端口，并在嵌入式中央处理模块中分别设置了刷卡人数计数器和检测区人数计数器。

本发明在现有的闸道自动检票***基础上，加装机器视觉***和刷卡信息适配器，其摄像头安装示意图如图2所示。通过嵌入式中央处理模块对检测区视频图像的智能化处理，自动获取当前图像检测区人数及检测区的人数替换信息，通过比较刷卡人数计数器与检测区人数计数器的计数值，判断逃票现象，并控制闸口的开启和报警。

一种基于图像识别的地铁防逃票***的工作方法，包括以下工作步骤：

步骤1：采集刷卡信号适配器的触发信号，若有进站刷卡信号，刷卡人数计数器加1，否则，刷卡人数计数器计数值不变。

步骤2：通过摄像头1采集检测区4当前图像，并将其与背景模板图像进行差影运算后，对所得的差影图像进行列投影，根据投影曲线的特征，实现目标分割，提取检测区4内的人数，记入检测区人数计数器。

步骤3：通过对直接前帧与当前帧图像人体目标跟踪，获取检测区4人数的替换信息，并修改刷卡人数计数器。检测区4人数的替换信息，是通过将当前图像与其直接前帧的人体目标区域质心做相关匹配，跟踪相邻图像帧的人体目标，实现对当前图像检测区4的新进人体数目和退出人体数目的统计。

步骤4：比较刷卡人数计数器与检测区人数计数器的值，若前者等于后者，则开放闸口，转入步骤1；否则，关闭闸口，并发出报警信号，等待处理。

在检测过程中，准确地获取的检测区4中的人数是本发明的关键所在。本发明采用图像投影区域分割算法及对图像序列人体目标跟踪方法获取检测区4当前人数及人体目标变换信息。人体目标识别跟踪，是为了准确识别检测区4当前退出的人数，从而更新检票计数器中的人体数目。对图像的检测区人体目标的区的有效分割是人体分类、跟踪和行为理解的前提。考虑到本发明实时性要求及图像背景的不变性，在图像处理过程中，首先需要将获取的当前图像与背景图像进行相减，去除背景干扰，突显检测区域图像的人体特征信息，特别是抑制动态环境噪声等具有明显的效果。通过对当前图像与背景图像进行差影，再对检测区4进行列方向投影，可以有效地实现人体区域分割。

设当前获取图像进行减影运算后，得到的图像为F(x，y)，其有效检测区4的图像为g(i，j)，它实际上对应检票刷卡后的人行通道区域，设其大小为W×N，如图3所示，其右边对应刷卡位置7，左边对应闸道进站位置，上、下边对应人行通道边界。很明显，通过去除背景后，该区域无人通过时，所对应像素值为0，当有人通过时，将会引起所对应的区域灰度值变化。若对g(i，j)图像进行垂直方向灰度投影运算后，就可实现对检测区人体目标竖直方向分割。用V(i)表示g(i，j)灰度图的垂直方向投影(即列投影)，即：

$V\left(i\right)=\underset{j=1}{\overset{W}{\mathrm{\Σ}}}g(i,j),i=\mathrm{1,2},...,N---\left(1\right)$

其中，g(i，j)表示差分结果图像在(i，j)位置的像素值，W为检测区图像的高度，而N为检测区图像宽度。为了减小因噪声干扰而产生的误差，首先对V(i)数组进行中值滤波，去除脉冲噪声及椒盐噪声。可以明显从V(i)看出每个峰值附近是运动人体潜在区域。为了实现对潜在人体所在区域进行分割，可以根据投影曲线的分布情况自适应地找到一个合理的阈值，分割出个体区域。在本发明中，通过如下的方法对人体目标进行分割。首先计算出V(i)最大值V_max，其中i∈[1，N]，则在某一连续区间满足V(i)≥α·V_max，(0≤α≤1)，且该连续区间宽度满足一定条件时，则可认为该区间具有潜在人体存在。若用i＝a_k表示第k个潜在人体存在区域的开始位置；i＝b_k表示第k个区域的结束位置，即在区间[a_k，b_k]均有V(i)≥α·V_max。假设单个人体在图像中占有的最小宽度为pW(可以通过实验测量)，由于当2个人或更多人同时进入检测区4时，若他们是紧挨着的，对于单目摄像头来说，是难于区分进入该区间到底有多少个人。但从经验可知，2个人的所占的区间肯定比1个人所占的区间大，即使是一个人所占的区间，由于体形、衣服的关系，也可能会有大小之差。为了能处理这种情况，本发明采用了如下的经验公式进行判断：

若满足：pW≤(b_k-a_k)<1.4pW则可认为是单人区间。

若满足：1.4pW≤(b_k-a_k)<2.6pW则可认为是双人连续区间。

若满足：2.6pW≤(b_k-a_k)<3.6pW则可认为是三人连续区间。

若满足：3.6pW≤(b_k-a_k)<4.8pW则可认为是四人连续区间。

若满足：4.8pW≤(b_k-a_k)<5.8pW则可认为是五人连续区间。

要准确地从上述的多人区域分割出单人所占的区域，可以通过进一步提高V(i)的阈值进行划分，直至将划分的区间数，满足人体数目要求。

由于人进站的过程是一个动态的连续过程，在视频图像序列任意一帧上都有可能新目标出现(检票进入检测区)或旧目标消失(进站走出检测区)的情况。为了能对逃票现象进行准确地判断，需要对当前图像帧及其直接前帧图像帧所检测出的个体特征和人数进行比较，识别出直接前帧不存在，但当前帧图像存在的新进个体、直接前帧存在，但当前帧图像不存在的退出个体及直接前帧和当前帧图像均存在的保留个体，从而正确地修改当前刷卡人数计数器的数值，为正确判别逃票现象提供保证。为了达到此目的，需要对检票进入检测区的个体进行跟踪。本发明采用相关匹配算法，通过对人体目标区域质心匹配，实现对个体目标进行准确跟踪。

在本发明中，将分割出的单人矩形区域的质心作为运动人体的跟踪点。由于视频图像相邻帧间时间间隔较短，目标的特征参数不可能发生突变，同一人体目标在相邻两帧图像的目标质心位置和检测中所得的边框变化不大，目标有速度渐变过程且近似匀速，即运动具有连续性。在检测区内，由于通道较窄，且较短，人体目标是以队列的形式运动和动态变化，无插队现象。本发明采用相关匹配跟踪方法如下：设某一时间间隔内，所获取检测区的图像序列为G=(G₁，G₂，...，G_n，..)，且第n帧图像G_n检测到m个个体目标分别为s_1，n，s_2，n，...，s_m，n，目标s_i，n(1≤i≤m)的质心的坐标为((pos_x_i，pos_y_i)。若在第n-1帧检测到k个目标记为s_1,n-1，s_2,n-2，...，s_k,n-1，则采用相关匹配算法，是以各个体目标区域质心来进行匹配设别。

先将G_n-1的目标s_1,n-1与G_n帧检测到目标s_1，n，s_2，n，...，s_m，n按顺序做匹配操作，一旦能与其中某目标s_i，n能匹配上，则根据队列的性质，可判定其前面的目标项s_1，n，s_2，n，...，s_i-1,n，均为新进检测区域的人体的目标。

然后同样的方法，将G_n的目标s_m，n与G_n-1帧检测到目标s_k,n-1，s_k-1,n-1，...，s_1,n-1按顺序做匹配操作，一旦能与其中某目标s_j，n-1能匹配上，由根据队列的性质，则前面的目标项s_k,n-1，s_k-1,n-1，...，s_j-1,n-1，均为离开检测区进入闸道的人体目标。

通过上述方法，不仅可以确定当前检测区4的人数，并可以确定，与其直接前帧图像比较，在当前图像中，有多少是刷卡检票新进入检测区4的人数，有多少是刚离开检测区4而进站的人数。

在本发明的实施过程中，跟踪匹配算法具有像素级精度，完全满足个体跟踪精度要求。其实现方法是假设图像序列的连续的两帧图像分别为f_t-1和f_t。其中，我们将f_t看成为当前图像，而f_t-1是当前图像的直接前帧。跟踪的任务就是根据f_t-1图像上的已知人体区域质心点p(x，y)所在的某特征区域子图像d，采用相关匹配的方法在f_t图像上进行搜索，找到与之最匹配的区域子图像d′。搜索成功后，则由区域子图像d′所对应的点p′(x，y)点，就是d子区域对应质心点p(x，y)的位置。其中，由点p(x，y)到p′(x，y)点之间的相应距离，表示了该人体目标在在图像f_t-1和f_t间隔间的运动位移。为了实现点匹配，可以定义一个相关函数，来表示p(x，y)和p′(x，y)两点所在区域子图像d和d′的匹配程度。设两幅进行匹配计算的图像f_t-1和f_t，在f_t-1中选择的子区域图像d所在的区域图像为g，其大小为m×n，而在图像f_t选定的匹配子区域图为S，其大小为M×N，用S_x，y表示S中以(x，y)为左上角点与g大小相同的子块。用公式(2)表示相关计算表达式，当γ的值达到最大时，其极值点(最大值)所对应的坐标(x，y)表示最佳匹配。式中

和

分别表示其图像区域的灰度均值。

$\mathrm{\&gamma;}(x,y)=\frac{\frac{1}{\mathrm{mn}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{S}_{x,y}(i,j)-{\stackrel{\&OverBar;}{S}}_{x,y})(g(i,j)-\stackrel{\&OverBar;}{g})}{\sqrt{\frac{1}{\mathrm{mn}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(S_{x,y}(i,j)-{\stackrel{\&OverBar;}{S}}_{x,y})}^2\sqrt{\frac{1}{\mathrm{mn}}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(g(i,j)-\stackrel{\&OverBar;}{g})}^2}}---\left(2\right)$

本发明在实施过程中，可采用下列器材：

(1)嵌入式中央处理模块：采用Rrea1210型号的开发板，其主要参数为：内核为处理器Cortex-A8的三星蜂鸟处理器S5PV210，主频为1GHz，支持NEON指令，支持3D图形加速(Power VR SGX540)和OpenGL-1.1&2.0、OpenVG1.0，支持JPEG硬件编解码，最大支持8192×8192分辨率，内存为4G bits DDR2。支持RGB24Bit接口及TVOUT视频输出。

(2)图像传感器：采用的CMOS型号为OV3460，2048*1536像素，成像区域大小为3626μm x2709μm，像素大小为1.75μm x1.75μm，最高速度可达30帧每秒。

(3)白光源YBL-86-29，电气参数24v／8.6w，外形尺寸(mm)86×29×18，LED排数为5，带漫射片。环境温度为25℃时，以50％白色光源亮度连续可靠工作超过30，000小时(衰减量为50％时)，并使用频闪控制时可延长光源的使用寿命。

(4)光学镜头：M3Z1228C-MP FA工业300万象素镜头，规格Format：2／3"；接口方式：C；焦距(mm)：12-36(可变)；光圈(F)：2.8-16C；视场角(水平HOR)°：41.0-13.6；最近物像距离(M)：0.2；有效口径：前Front27.2；后Rear

12.1；前置滤光镜螺纹35.5×0.5；外形尺寸

41.6×53。

Claims (3)

1.一种基于图像识别的地铁防逃票***，其特征在于，包括刷卡信息适配器、成像装置，刷卡信息适配器、成像装置分别与嵌入式中央处理模块连接，嵌入式中央处理模块还与报警装置、开关门控制装置连接，刷卡信息适配器接进站刷卡***的信号端口，并在嵌入式中央处理模块中分别设置了刷卡人数计数器和检测区人数计数器。

2.一种如权利要求1所述的基于图像识别的地铁防逃票***的工作方法，其特征在于，包括以下工作步骤：

步骤1：采集刷卡信息适配器的触发信号，若有进站刷卡信号，刷卡人数计数器加1，否则，刷卡人数计数器的计数值不变；

步骤2：通过摄像头(1)采集检测区(4)当前图像，并将其与背景模板图像进行差影运算后，对所得的差影图像进行列投影，根据投影曲线的特征，实现目标分割，并提取检测区(4)内的当前人数，记入检测区人数计数器；

步骤3：通过对直接前帧与当前帧图像的人体目标跟踪，获取检测区(4)人数的替换信息，并修改刷卡人数计数器的计数值；

步骤4：比较刷卡人数计数器与检测区人数计数器的值，若前者等于后者，则开放闸口，转入步骤1；否则，关闭闸口，并发出报警信号，等待处理。

3.如权利要求2所述的一种基于图像识别的地铁防逃票***的工作方法，其特征在于，所述步骤3检测区(4)人数的替换信息，是将当前图像与其直接前帧的人体目标区域质心做相关匹配，通过跟踪相邻图像帧的人体目标，实现对当前图像检测区(4)的新进人体数目和退出人体数目的统计。

Images