一种基于激光测距的智能人流量分类统计系统及其方法
【专利摘要】本发明一种基于激光测距的智能人流量分类统计系统及其方法，所述系统包含一个激光测距系统客户端、一个激光统计仪、一个测定初始距离的挡板；所述激光统计仪发射包含由控制板、云台、一号激光模块、二号激光模块和三号激光模块，一号激光模块发出的激光垂直于挡板，二号激光模块与一号激光模块位于同一水平面，且二号激光模块发出的激光与挡板成一角度，三号激光模块位于一号激光模块的正上方，配有云台，且三号激光模块发出的激光垂直于挡板，所述一号激光模块、二号激光模块和三号激光模块经控制板连接至激光测距系统客户端。本发明一种基于激光测距的智能人流量分类统计系统及其方法，软件开发简单、硬件成本低廉且使用方便、精度高又不会对行人造成隐私泄露问题。
【专利说明】
一种基于激光测距的智能人流量分类统计系统及其方法
技术领域
[0001] 本发明涉及一种人流量统计系统及其方法，尤其是一种利用激光测距的方式对人 流量进行智能分类统计的系统及其方法。
【背景技术】
[0002] 当今的商业瞬息万变，如何在最短的时间内对市场微弱变化做出快速精准的反 应，并且最大限度的节约商业运作成本，从而实现高效的商业运营管理已经成为商业运营 成败的核心要素；因此，如何提高零售业、文化娱乐等公共场所业的运营管理，客流信息的 精准分析统计已然成为每个运营管理者所面对的首要任务； 目前，公认的客流量统计方式有两种，一是基于监控摄像头进行分析;二是基于红外系 统，根据红外光束被行人打断的次数进行统计的break-beam系统； 对比方式一:监控摄像头人流量统计系统需要各种识别算法，所以这种方式不但开发 难度较大；而且由于其需要基于监控图像进行分析，因此需要画质清楚且存储量大的摄像 头，而此类摄像头价格昂贵;另外，摄像头拍照、识别、存储等操作会带来行人隐私泄露的问 题，存在一定的法律风险； 对于方式二:红外人流量统计方法虽然软件开发难度小，但是其本身具有较大的使用 限制，比如它无法放置在运动物体上，所以在某些场合不能很好的使用；而且更为重要的是 红外方式容易被外界因素干扰，导致统计精度较差。
【发明内容】
[0003] 本发明的目的在于克服上述不足，提供一种软件开发简单、硬件成本低廉且使用 方便、精度高又不会对行人造成隐私泄露问题的基于激光测距的智能人流量分类统计系统 及其方法。
[0004] 本发明的目的是这样实现的： 一种基于激光测距的智能人流量分类统计系统，所述系统包含一个激光测距系统客户 端、一个激光统计仪、一个测定初始距离的挡板； 所述激光统计仪发射包含由控制板、一号激光模块、二号激光模块和三号激光模块，一 号激光模块发出的激光垂直于挡板，二号激光模块与一号激光模块位于同一水平面，且二 号激光模块发出的激光与挡板成一角度，三号激光模块位于一号激光模块的正上方，且三 号激光模块发出的激光垂直于挡板，所述一号激光模块、二号激光模块和三号激光模块经 控制板连接至激光测距系统客户端。
[0005] 本发明一种基于激光测距的智能人流量分类统计系统，所述激光统计仪和挡板位 于移动物体上，且激光统计仪和挡板之间保持相对静止。
[0006] 本发明一种基于激光测距的智能人流量分类统计系统，所述挡板为墙体。
[0007] 本发明一种基于激光测距的智能人流量分类统计系统，所述挡板为除墙体外的固 定物体。
[0008] 一种基于激光测距的智能人流量分类统计方法，所述方法的步骤为： 步骤一:一号激光模块、二号激光模块距离地面高度为A值，一号激光模块发射的激光 垂直指向挡板，二号激光模块与一号激光模块之间的间距为B值，二号激光模块与挡板之间 的垂直距离和一号激光模块与挡板之间的垂直距离相同，但二号激光模块发出的激光与挡 板平面之间的夹角的角度值为E，三号激光模块位于一号激光模块的正上方，且三号激光模 块距距离地面的高度值为C值； 步骤二:一号激光模块、二号激光模块和三号激光模块首先分别测量出他们与挡板之 间的间距作为初始距离;随后一号激光模块、二号激光模块和三号激光模块实时测距，并将 测量到的距离与初始距离进行比较；当一号激光模块测量到的距离与初始距离有偏差时表 示有行人通过； 步骤三:根据一号激光模块和二号激光模块发出的激光触发的先后来判断行走走动的 方向； 步骤四：根据一号激光模块和三号激光模块是否同时被触发，可以判断行人是否是免 票儿童。
[0009] 本发明一种基于激光测距的智能人流量分类统计方法，上述步骤三中，当多人并 排进出时，如果首先触发了一号激光模块，则系统以激光发射的频率以每次沒角度快速转 动云台并发射二号激光对人群做正面扫描（二号激光模块安装于云台上，云台为一水平旋 转机构，），记录返回的距离/，扫描完成之后云台快速转回初始角度等待人群触发二号激 光，此时认为人群行走方向为进;如果首先触发了二号激光，且短时间内触发到一号激光， 则在一号激光被触发的瞬间，系统同样以激光发射的频率以每次角度获快速转动云台并发 射二号激光对人群做背面扫描，扫描完成之后云台快速转回初始角度，记录返回的距离/， 此时认为人群行走方向为出。
[0010] 如此我们得到一组以发射次序:?:、发射角度鈇、返回距离'和垂直距离J形成的四 维变量：
四维变量集合形成的点群投影到垂直距离A、发射次序的平面上得到一些分布规律 的点，这些点经高斯拟合之后得到一条如下分段曲线： 函数为：d 结合该函数图像的局部波峰个数、图像图形学和常规行为模式对人数进行判断。
[0011] 本发明一种基于激光测距的智能人流量分类统计方法，上述步骤四中，设置A值为 0.8m，表示普通学步儿童身高，设置C值为1.4m，表示免票儿童身高。
[0012]本发明一种基于激光测距的智能人流量分类统计方法，所述方法中，一号激光模 块、二号激光模块和三号激光发射采集的数据经控制板发送至激光测距系统客户端进行运 算，上述数据应用矫正算法处理，综合高斯算法和卡尔曼滤波过滤微小变化，不断修正在运 动状态或者静止状态下造成的误差。
[0013]本发明一种基于激光测距的智能人流量分类统计方法，所述矫正算法，其包含有 下述步骤： 1) 数据采集:一号激光模块、二号激光模块和三号激光模块不断采集其到固定板的距 离，结合不同运动状态不同方位，不同速度不断获取测量距离值组合图像； 2) 状态处理:应用数据融合算法对采集到的图像进行综合融合，得到对现实状态的可 靠描述，计算出某一状态的纠偏量。
[0014] 3)轨迹跟踪:应用卡尔曼滤波对测量的测距值进行最优估计，得到滤波精度估计 值，通过目标物体的运动状态，以不断修正在运动状态或者静止状态造成的误差。
[0015] 具体的讲，所述矫正算法，其包含有下述步骤： 1) 数据采集:一号激光模块、二号激光模块和三号激光模块不断采集其到固定板的距 离，测量目标在运动状态下的从测距板到激光仪器的距离值并组合图像，以每秒发射30次 激光光束为计，在测量过程中分别以3个激光模块为原点测得测量值的三维数据：
2) 状态处理:应用数据融合算法对采集到的图像进行综合融合，得到对现实状态的可 靠描述，从而得到当前测量值^(幻的目标运动轨迹，进而预测在下一状态下的估计值 冰々 + ιμ)，计算出在这运动状态的纠偏量σ。
[0016] 首先建立一个离散系统，在k时刻假设该棹制系统的状态模型为：
在k时刻的测量值为：
结合k时刻的上一时刻的状态模型，获得k时刻的估计值：
计算在获得k时刻的估计值后的纠偏量：
式中，、.表分别是系统的第一参数和第二参数，_疗表不控制量，iF和好:分别表不系统 噪声和观测噪声，?为测量过程的系统参数，总为系统噪声的协方差阵，￡/_为夂的转置矩 阵。
[0017] 3)轨迹跟踪：结合卡尔曼滤波对测量的测距值和估计值进行最优估计 得到滤波精度估计值，通过目标物体的运动状态，以不断更新由于各种噪声 造成的误差〃:，使得滤波后的值更加接近真实值。
[0018] 利用在k时刻的测量值和估计值得到k时刻的实际值：
计算卡尔曼增益kg: 更新在k时刻的实际纠偏量：
式中X为观测噪声的协方差阵，€为?的转置矩阵。
[0019] 与现有技术相比，本发明的有益效果是： 本发明采用三个排列成L形的激光模块分别进行实时激光测距，通过三个激光模块同 时进行测距的方式判断人流的方向、分类、人数统计，采用激光测距方式相比于摄像头的图 像处理而言软件开发难度较小、成本低;且无需拍照，保证了行人的隐私不受侵犯隐私;而 且激光稳定相好、不容易受到环境的影响，从而使得其统计精度高。
【附图说明】
[0020] 图1为本发明一种基于激光测距的智能人流量分类统计系统的结构示意图。
[0021] 图2为本发明一种基于激光测距的智能人流量分类统计系统的激光统计仪的控制 板的内部电路框图。
[0022] 图3为本发明一种基于激光测距的智能人流量分类统计系统中二号激光模块对并 排人数进行统计的原理示意图。
[0023]图4为本发明一种基于激光测距的智能人流量分类统计系统中函数
的图像。
【具体实施方式】
[0024] 参见图1~4,本发明涉及的一种基于激光测距的智能人流量分类统计系统，所述系 统包含一个激光测距系统客户端、一个激光统计仪、一个测定初始距离的挡板； 所述激光测距系统客户端可以调整参数并结合高斯算法和卡尔曼滤波过滤微小误差 变化;所述客户端可以检测障碍物并发出警报； 所述激光统计仪发射包含由控制板、一号激光模块、二号激光模块和三号激光模块，一 号激光模块发出的激光垂直于挡板，二号激光模块与一号激光模块位于同一水平面(一号 激光模块和二号激光模块之间的间距为20cm~5〇 Cm)，且二号激光模块发出的激光与挡板成 一角度，三号激光模块位于一号激光模块的正上方，且三号激光模块发出的激光垂直于挡 板，所述一号激光模块、二号激光模块和三号激光模块经控制板连接至激光测距系统客户 端； 上述激光统计仪和挡板也可以放在移动物体上，只要两者之间保持相对静止即可;所 述测定初始距离的挡板要能接收到所述三个激光测距模块发出的激光，如果有墙体可以接 收激光，可以省略挡板一一也可以理解为此时墙体即为挡板； 本发明一种基于激光测距的智能人流量分类统计方法，可以判断人流量的方向、种类 并统计人数，可以安放在运动物体上，受光线、震动的影响小。
[0025] 本发明一种基于激光测距的智能人流量分类统计方法，使用步骤为： 步骤一:一号激光模块、二号激光模块距离地面高度为A值，一号激光模块发射的激光 垂直指向挡板，二号激光模块与一号激光模块之间的间距为B值，二号激光模块与挡板之间 的垂直距离和一号激光模块与挡板之间的垂直距离相同，但二号激光模块发出的激光与挡 板平面之间的夹角的角度值为E，三号激光模块位于一号激光模块的正上方，且三号激光模 块距距离地面的高度值为C值； 步骤二:一号激光模块、二号激光模块和三号激光模块首先分别测量出他们与挡板之 间的间距作为初始距离;随后一号激光模块、二号激光模块和三号激光模块实时测距，并将 测量到的距离与初始距离进行比较；当一号激光模块测量到的距离与初始距离有偏差时表 示有行人通过； 步骤三:根据一号激光模块和三号激光模块发出的激光触发的先后顺序判断行走的方 向；同时，当多人并排进出时，如果首先触发了一号激光模块，则系统以激光发射的频率以 每次设角度快速转动云台并发射二号激光对人群做正面扫描，记录返回的距离/，扫描完 成之后云台快速转回初始角度等待人群触发二号激光，此时认为人群行走方向为进;如果 首先触发了二号激光，且短时间内触发到一号激光，则在一号激光被触发的瞬间，系统同样 以激光发射的频率以每次角度决决速转动云台并发射二号激光对人群做背面扫描，扫描完 成之后云台快速转回初始角度，记录返回的距离/，此时认为人群行走方向为出。
[0026] 如此我们得到一组以发射次序?:、发射角度汶、返回距离/和垂直距离《成的四 维变量：
四维变量集合形成的点群投影到垂直距离4、发射次序?:的平面上得到一些分布规律 的点，这些点经高斯拟合之后得到一条如下分段曲线：
函数为： 其图像如图4所示； 结合曲线的局部波峰个数、图1豕ESJ形子和_吊吴：tV来判断人数。
[0027] 步骤四：根据一号和三号激光是否同时被触发，可以判断行人是否是免票儿童，设 置A值为0.8m，表示普通学步儿童身高，设置C值为1.4m，表示免票儿童身高； 在上述步骤中，在客户端可设置A、B、C、D、E和计数精度值，应对不同的人流场合，计数 精度数值越小抗干扰能力变弱，可适应人流速度较快的场合，各参数可根据实际收集的数 据反馈进行调整。
[0028]同时，在上述步骤二中，实时测量到的距离在一定程度上发生变化时表示有物体 经过，在此过程中一号激光模块、二号激光模块和三号激光发射采集的数据经控制板发送 至激光测距系统客户端进行运算，上述数据应用矫正算法处理，同时运用高斯算法和卡尔 曼滤波相结合，采集在正常工作状态下激光器采集到的微小距离变化，建立状态方程和测 量方程进行卡尔曼滤波估值，以不断修正在运动状态或者静止状态下造成的误差； 所述矫正算法，其包含有下述步骤： 1)数据采集:一号激光模块、二号激光模块和三号激光模块不断采集其到固定板的距 离，测量目标在运动状态下的从测距板到激光仪器的距离值并组合图像，以每秒发射30次 激光光束为计，在测量过程中分别以3个激光模块为原点测得测量值的三维数据：
4)状态处理:应用数据融合算法对采集到的图像进行综合融合，得到对现实状态的可 靠描述，从而得到当前测量值^沐）的目标运动轨迹，进而预测在下一状态下的估计值 例；Α+ιμ)，计算出在这运动状态的纠偏量σ。
[0029] 首先建立一个离散系统，在k时刻假设该控制系统的状态模型为： 在k时刻的测量值为：
结合k时刻的上一时刻的状态模型，获得k时刻的估计值：
计算在获得k时刻的估计值后的纠偏量：
式中，&:、表分别是系统的第一参数和第二参数，IT表示控制量，嚴和炉分别表示系统 噪声和观测噪声，?为测量过程的系统参数，京为系统噪声的协方差阵，为A的转置矩 阵。
[0030] 5)轨迹跟踪：结合卡尔曼滤波对测量的测距值和估计值进行最优估计 疯得到滤波精度估计值，通过目标物体的运动状态，以不断更新由于各种噪声 造成的误差〃:，使得滤波后的值更加接近真实值。
[0031] 利用在k时刻的测量值和估计值得到k时刻的实际值：
计算卡尔曼增益kg:
更新在k时刻的实际纠彳扁葛··
式中史为观测噪声的协方差阵，g为是的转置矩阵。
[0032] 另外：需要注意的是，上述【具体实施方式】仅为本专利的一个优化方案，本领域的技 术人员根据上述构思所做的任何改动或改进，均在本专利的保护范围之内。
【主权项】
1. 一种基于激光测距的智能人流量分类统计系统，其特征在于:所述系统包含一个激 光测距系统客户端、一个激光统计仪、一个测定初始距离的挡板； 所述激光统计仪发射包含由控制板、一号激光模块、二号激光模块和Ξ号激光模块，一 号激光模块发出的激光垂直于挡板，二号激光模块与一号激光模块位于同一水平面，且二 号激光模块发出的激光与挡板成一角度，Ξ号激光模块位于一号激光模块的正上方，且Ξ 号激光模块发出的激光垂直于挡板，所述一号激光模块、二号激光模块和Ξ号激光模块经 控制板连接至激光测距系统客户端。2. 如权利要求1所述一种基于激光测距的智能人流量分类统计系统，其特征在于:所述 激光统计仪和挡板位于移动物体上，且激光统计仪和挡板之间保持相对静止。3. 如权利要求1所述一种基于激光测距的智能人流量分类统计系统，其特征在于:所述 挡板为墙体。4. 如权利要求1所述一种基于激光测距的智能人流量分类统计系统，其特征在于:所述 挡板为除墙体外的固定物体。5. -种基于激光测距的智能人流量分类统计方法，其特征在于:所述方法的步骤为： 步骤一：一号激光模块、二号激光模块距离地面高度为A值，一号激光模块发射的激光 垂直指向挡板，二号激光模块与一号激光模块之间的间距为B值，二号激光模块与挡板之间 的垂直距离和一号激光模块与挡板之间的垂直距离相同，但二号激光模块发出的激光与挡 板平面之间的夹角的角度值为Ε，Ξ号激光模块位于一号激光模块的正上方，且Ξ号激光模 块距距离地面的高度值为C值； 步骤二：一号激光模块、二号激光模块和Ξ号激光模块首先分别测量出他们与挡板之 间的间距作为初始距离;随后一号激光模块、二号激光模块和Ξ号激光模块实时测距，并将 测量到的距离与初始距离进行比较；当一号激光模块测量到的距离与初始距离有偏差时表 示有行人通过； 步骤Ξ:根据一号激光模块和二号激光模块发出的激光触发的先后来判断行走走动的 方向； 步骤四：根据一号和Ξ号激光是否同时被触发，可W判断行人是否是免票儿童。6. 如权利要求5所述一种基于激光测距的智能人流量分类统计方法，其特征在于:上述 步骤Ξ中，当多人并排进出时，如果首先触发了一号激光模块，则系统W激光发射的频率W 每次拼角度快速转动云台并发射二号激光对人群做正面扫描，记录返回的距离J:，扫描完 成之后云台快速转回初始角度等待人群触发二号激光，此时认为人群行走方向为进;如果 首先触发了二号激光，且短时间内触发到一号激光，则在一号激光被触发的瞬间，系统同样 W激光发射的频率W每次角度岛快速转动云台并发射二号激光对人群做背面扫描，扫描完 成之后云台快速转回初始角度，记录返回的距离/，此时认为人群行走方向为出； 如此我们得到一组W发射次序《、发射角度获、返回距离乂和垂直距离放形成的四维变 量： 扭，'吗.，.在為.)南;:;，斯，鸟>'公2來％.為，.在，.^.3.)".-:|，.:也^ 四维变量集合形成的点群投影到垂直距离沁、发射次序《的平面上得到一些分布规律 的点，运些点经高斯拟合之后得到一条如下分段曲线： 函数为：口如 K(/，6，f) 结合该函数图像的局部波峰个数、图像图形学和常规行为模式对人数进行判断。7. 如权利要求5所述一种基于激光测距的智能人流量分类统计方法，其特征在于:上述 步骤四中，设置A值为0.8m，表示普通学步儿童身高，设置C值为1.4m，表示免票儿童身高。8. 如权利要求5所述一种基于激光测距的智能人流量分类统计方法，其特征在于:所述 方法中，一号激光模块、二号激光模块和Ξ号激光发射采集的数据经控制板发送至激光测 距系统客户端进行运算，上述数据应用矫正算法处理，综合高斯算法和卡尔曼滤波过滤微 小变化，不断修正在运动状态或者静止状态下造成的误差。9. 如权利要求8所述一种基于激光测距的智能人流量分类统计方法，其特征在于:所述 矫正算法，其包含有下述步骤： 1)数据采集:一号激光模块、二号激光模块和Ξ号激光模块不断采集其到固定板的距 离，测量目标在运动状态下的从测距板到激光仪器的距离值并组合图像，W每秒发射30次 激光光束为计，在测量过程中分别W3个激光模块为原点测得测量值的Ξ维数据：状态处理:应用数据融合算法对采集到的图像进行综合融合，得到对现实状态的可靠 描述，从而得到当前测量值心脚的目标运动轨迹，进而预测在下一状态下的估计值 如A +11巧，计算出在运运动状态的纠偏量σ ; 首先建立一个离散系统，在k时刻假设该控制系统的状态模型为：在k时刻的测量值为：结合k时刻的上一时刻的状态模型，获得k时刻的估计值：计算在获得k时刻的估计值后的纠偏量：式中，口、盈分别是系统的第一参数和第二参数，杖表示控制量，职和扩分别表示系统 噪声和观测噪声，某为测量过程的系统参数，径为系统噪声的协方差阵，力心的转置矩 阵； 轨迹跟踪:结合卡尔曼滤波对测量的测距值和估计值进行最优估计谋排悼+鸣，得到 滤波精度估计值，通过目标物体的运动状态，W不断更新由于各种噪声造成的误差巧，使得 滤波后的值更加接近真实值； 利用在k时刻的测量值和估计值得到k时刻的实际值：计算卡尔曼增益kg:更新在k时刻的实际纠偏量：式中蓝为观测噪声的协方差阵，赏为?的转置矩阵。
【文档编号】G01S17/08GK105842704SQ201610151898
【公开日】2016年8月10日
【申请日】2016年3月17日
【发明人】邢怀球, 管过, 宋荣中, 巩丽涛, 王瑶, 田猛, 邢康桥, 朱晋逾
【申请人】江苏汉德天坤数字技术有限公司