[发明专利]一种基于机器视觉的闸机智能通行检测方法

权利要求书

1.一种基于机器视觉的闸机智能通行检测方法，其特征是，包括以下过程：

获取闸机进闸处的闸机监控图像；

基于获取的闸机监控图像，检测出闸机监控图像中所有行人并跟踪，获得每个行人的运动轨迹，基于行人的运动轨迹与设定的过闸直线之间的位置关系判断行人是否过闸，计算得到过闸行人的数量；

在闸机监控图像中提取每个过闸行人的单个行人图像，基于单个行人图像计算每个过闸行人的身高，并统计出身高不足规定的购票要求的行人数量；

基于过闸行人数量和身高不足购票要求的人数，计算获得购票过闸人数；

若购票过闸行人数量超过一个人，则判断有多人同时过闸机，进行逃票报警；

在闸机监控图像中划定包围闸门的像素判据区域，计算各个图像中像素判据区域的对应的累计灰度值变化量、变化幅值一致性判据、变化比例一致性判据、闸门匹配率判据，基于各个判据判定是否有跳闸行为，若有则发出跳闸逃票报警；

所述累计灰度值变化量、变化幅值一致性判据、变化比例一致性判据、闸门匹配率判据为：

累计灰度值变化量K₁(t)由以下公式可得：

X_i(t)＝I_i(t)-B_i(t),i＝1,2,3,...,n

式中:n为某闸机口判据区域像素面积；I_i(t)、B_i(t)分别为第i点像素在t时刻的前景、背景灰度值；X_i(t)为像素灰度值变化量；

变化幅值一致性判据K₂用方差来对图像灰度值变化的一致性进行判定：

式中，X(t)为某闸机口判据区域内像素幅值变化均值，K₂(t)为幅值变化的方差；

变化比例一致性判据K3具体计算方法如下：

其中，是Y_i(t)的均值，K₃(t)是像素前景与背景比值的方差；

闸门匹配率K₄，即通过像素判据区域作为模板匹配闸机口的闸门得到匹配率，获取跳闸时的匹配率K₄；

所述基于各个判据判定是否有跳闸行为，包括：

采用径向基函数神经网络，基于各个判据判定是否有跳闸行为；

K₄表示当模板滑动到源图像某点处的模板与源图像的匹配系数最大值，K₄＝1表示完美的匹配，K₄＝－1表示最糟糕的匹配，K₄＝0表示没有任何相关性；将4个判据作为径向基函数神经网络输入值、是否跳闸作为输出进行训练，得到最终判定结果，当判断发生跳闸时，进行跳闸逃票报警。

2.根据权利要求1所述的一种基于机器视觉的闸机智能通行检测方法，其特征是，所述检测出闸机监控图像中所有行人，包括：

在闸机监控图像中，基于yolov3目标检测算法检测出所有行人的识别框。

3.根据权利要求1所述的一种基于机器视觉的闸机智能通行检测方法，其特征是，所述基于行人的运动轨迹与设定的过闸直线之间的位置关系判断行人是否过闸，包括：

在闸机监控图像中闸机处绘制两道过闸直线，记为过闸直线一和过闸直线二，其中过闸直线一为各闸机的进闸机处连线，过闸直线二为各闸机的出闸机处连线，

若同一行人运动轨迹，被检测到经过过闸直线一且经过过闸直线二时，则判断此行人过闸；

若同一行人运动轨迹，仅被检测到经过过闸直线二时，也判断此行人过闸。

4.根据权利要求3所述的一种基于机器视觉的闸机智能通行检测方法，其特征是，在所述基于行人的运动轨迹与设定的过闸直线之间的位置关系判断行人是否过闸步骤之后还包括：若同一行人已判断为过闸，再次检测到其运动轨迹经过过闸直线时，不重复计数。

5.根据权利要求3所述的一种基于机器视觉的闸机智能通行检测方法，其特征是，所述同一行人运动轨迹被检测到经过过闸直线的判断依据是：

行人识别框中心点之前在过闸直线上方，然后又在同一过闸直线下方，则由此判断出行人通过过闸直线。