[发明专利]应用于城市轨道交通中逃票行为识别方法以及相关装置

权利要求书

1.一种应用于城市轨道交通中逃票行为的识别方法，其特征在于，包括步骤：

获取购票人员的面部图像，以及根据预置人脸识别算法，对所述面部图像进行识别处理，得到购票人员信息，将所有购票人员对应的购票人员信息组合，生成购票人员信息集；

获取设置于车门口的登车人群图像，以及根据预置过滤算法，对所述登车人群图像进行初始过滤处理，得到初始处理图像；

根据预置人群识别算法，对所述初始处理图像进行识别处理，得到所述登车人群图像对应的登车人员信息集；

判断所述登车人员信息集中的登车人员信息是否存在于所述购票人员信息集中；

若不存在，则将不存在的登车人员信息发送至预置监控管理IP地址。

2.根据权利要求1所述的应用于城市轨道交通中逃票行为的识别方法，其特征在于，在所述获取购票人员的面部图像，以及根据预置人脸识别算法，对所述面部图像进行识别处理，得到购票人员信息，将所有购票人员对应的购票人员信息组合，生成购票人员信息集之后，还包括：

将所述购票人员信息已被获取的通知信息发送至预置显示端口中。

3.根据权利要求1所述的应用于城市轨道交通中逃票行为的识别方法，其特征在于，所述根据预置人脸识别算法，对所述面部图像进行识别处理，得到购票人员信息包括：

将所述面部图像进行灰度化处理，得到面部灰度图像；

提取所述面部灰度图像中的所有灰度值，并根据所有所述灰度值排列顺序，生成面部特征矩阵；

根据预置分析卷积矩阵和预置卷积步长，将所述分析卷积矩阵与所述面部特征矩阵进行卷积处理，得到面部提取矩阵；

根据预置最大池化矩阵和预置池化步长，对所述面部提取矩阵进行最大池化矩阵，得到池化特征矩阵；

将预置权重矩阵与所述池化特征矩阵相乘，得的结果矩阵；

基于预置激活函数，对所述结果矩阵进行激活，得到购票人员信息。

4.根据权利要求1所述的应用于城市轨道交通中逃票行为的识别方法，其特征在于，所述根据预置过滤算法，对所述登车人群图像进行初始过滤处理，得到初始处理图像包括：

将所述登车人群图像由RGB图像转换为YCbCr图像，其中，Y为亮度，Cb为RBG输入信号蓝色部分与RGB信号亮度值之差，Cr是RGB输入信号红色部分与RGB信号亮度值之差；

基于预置高斯函数，对所述YCbCr图像中的Y分量进行滤波处理，得到滤波Y分量；

根据所述滤波Y分量，调整所述YCbCr图像，得到过滤YCbCr图像；

将所过滤YCbCr图像转换为RGB图像，将转换后的RGB图像确定为新的初始处理图像。

5.根据权利要求1所述的应用于城市轨道交通中逃票行为的识别方法，其特征在于，所述根据预置人群识别算法，对所述初始处理图像进行识别处理，得到所述登车人群图像对应的登车人员信息集包括：

将所述初始处理图像与预置前置矩阵集进行乘积预处理，得到初始输入矩阵集；

读取预置卷积矩阵集中的标签顺序，根据所述标签顺序，将所述初始输入矩阵集与所述卷积矩阵集中的矩阵进行卷积合并计算，得到深入输出矩阵集；

对所述深入输出矩阵集中的每个深入输出矩阵依次进行最大池化处理和拼接处理，得到结果矩阵；

对所述结果矩阵进行归一激活处理，得到所述登车人群图像对应的登车人员信息集。

6.根据权利要求5所述的应用于城市轨道交通中逃票行为的识别方法，其特征在于，所述读取预置卷积矩阵集中的标签顺序，根据所述标签顺序，将所述初始输入矩阵集与所述卷积矩阵集中的矩阵进行卷积合并计算，得到深入输出矩阵集包括：

将所述初始输入矩阵集与所述卷积矩阵集中第一标签的矩阵组合进行卷积计算，得到第一矩阵集合；

将所述第一矩阵集合与所述卷积矩阵集中第二标签的矩阵组合进行卷积计算，得到第二矩阵集合；

根据所述标签顺序循环迭代，将第N-1过渡矩阵集与所述卷积矩阵集值第N标签的矩阵组合进行卷积合并计算，得到深入输出矩阵集，其中，N为大于2的正整数。