专利名称：一种闸机通道系统、闸机通道的通行目标识别方法及系统的制作方法
技术领域：
本发明涉及检票系统领域，尤其涉及一种闸机通道系统、闸机通道的通行 目标识别方法及系统。
背景技术：
目前，随着交通系统的日益发展，各个国家、地区逐步采用闸机自动检票 系统，现有技术的闸机检票系统通常釆用在闸机通道中布置传感器的方式为乘 客提供快速检票和出入通行服务。现有技术的方案仅能对通道内通行的对象进 行筒单的识别，做出简单的通行关系，不能处理复杂(比如，多人紧挨通行、 行人带货物通行等)的通行关系。
发明内容
鉴于此，本发明实施例提供一种闸机通道系统、闸机通道的通行目标识别 方法及系统。釆用本发明实施例可通过简单、准确、可靠的方法识别出闸机通 道中的通行目标的类别、数目、运动方向、运动速度以及归属关系。
首先，本发明实施例提供了一种闸机通道的通行目标识别方法，该方法包
括
采集所述闸机通道中的步态传感器的输出状态；
当采集到有步态传感器输出"断开"的输出状态后，对所述闸机通道进行 视频采集；
根据采集到的步态传感器的输出状态信息以及采集到的视频信息识别所述 闸机通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系。
相应的，本发明实施例还提供了一种闸机通道的通行目标识别系统，该系 统包括
步态传感器；
步态采集单元，与所述步态传感器相连接，用于采集所述步态传感器的输出状态；
视频采集单元，与所述步态采集单元相连接，用于当所述步态采集单元釆 集到有步态传感器输出"断开"的输出状态后，对所述闸机通道进行视频采集；
中央处理单元，分别与所述步态釆集单元和所述^f见频采集单元相连接，用 于根据所述步态采集单元采集到的步态传感器的输出状态信息以及所述视频采 集单元采集到的视频信息识别所述闸机通道中的通行目标的类别、数目、运动 方向、运动速度以及归属关系。
相应的，本发明实施例还提供了一种闸机通道系统，该系统包括有机体、 阻挡门、验票系统以及上述的闸机通道的通行目标识别系统。
本发明实施例通过采集间机通道中的步态传感器的输出状态信息以及对闸 机通道采集的视频信息识别所述闸机通道中的通行目标的类别、数目、运动方 向、运动速度以及归属关系，实现了通过简单、准确、可靠的方法识别出闸机 通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系的目的。
图1是本发明的一种闸机通道的通行目标识别系统的一个实施例结构组成 示意图2是本发明的一种闸机通的通行目标识别方法的一个实施例流程示意图； 图3是本发明的闸机通道系统的一个实施例的安装侧面图。
具体实施例方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实 施例对本发明作进一步地详细描述。
本发明实施例提供的一种闸机通道系统包括有机体、阻挡门、验票系统以 及上述的闸机通道的通行目标识别系统。其中，所述机体、阻挡门以及验票系 统为现有技术内容，在此不重复叙述，图l是本发明的一种闸机通道的通行目 标识别系统的一个实施例结构组成示意图；如图1所示，本实施例的闸机通道 的通行目标识别系统包括步态传感器1、步态釆集单元2、视频采集单元3以及 中央处理单元4，其中，
所述步态传感器1包括多个对射的光电管传感器，所述多个对射传感器包括多对相互配对的发射传感器和接收传感器，当没有通行目标(具体实现中， 可能单个人、人携带货物、多人紧挨等情形)在闸机通道中通行时，所述对射 传感器中的发射传感器发出的光可以被配对的接收传感器接收，此时，接收传
感器输出"导通"的输出状态；当有通行目标在闸机通道中通行，使所所述对 射传感器中的部分发射传感器发出的光被遮挡，此时，与所述发射传感器配对 的接收传感器不能接收到对应发射传感器发出的光，所述接收传感器将输出"断 开"的输出状态作为该对传感器的输出。本实施例中，所述多个对射传感器以 的发射传感器及接收传感器分别以水平直线方式排列安装在所述闸机通道的左 右侧壁的下半部分， 一般在正常的成年人的膝盖与脚踝之间的与地面平行的直 线上等间距(间距小于等于18cm),这样当有行人或动物在闸^L通道中通行时， 步态传感器的输出状态即可反映出所述行人或动物的步态。
所述步态采集单元2与所述步态传感器1相连接，用于采集所述步态传感 器1的输出状态。具体实现中，步态釆集单元2以设定的釆样频率(比如，100HZ) 釆集所述步态传感器1的输出状态，比如，设通道中的传感器为8对，在第一 采样时刻tl， 一行人刚进入闸机通道，对射传感器的第1、 2对传感器中的发射 传感器发出的光被遮挡，导致与其配对的接收传感器无法接收到对应发射传感 器发出的光，所述第1、 3对传感器中的接收传感器输出"断开"的输出状态(假 设用逻辑符号"0"表示断开)，通道中其他的传感器发出的光不会被遮挡，因 此，通道中其他的接收传感器将输出"导通"的输出状态(假设用逻辑符号'T' 表示导通)，这样tl时刻步态采集单元2采集到的步态传感器的输出状态为 "01011111";在第二采样时刻t2,所述行人移动到闸机通道中，对射传感器的 第5、 7对传感器中的发射传感器发出的光被遮挡，导致与其配对的接收传感器 无法接收到对应发射传感器发出的光，所述第5、 7对传感器中的接收传感器输 出"断开"的输出状态(假设用逻辑符号"0"表示断开)，通道中其他的传感 器发出的光不会被遮挡，因此，通道中其他的接收传感器将输出"导通"的输 出状态H艮设用逻辑符号"1"表示导通)，这样t2时刻步态采集单元2采集到 的步态传感器的输出状态为"11110101"。
所述视频采集单元3与所述步态采集单元2相连接，用于当所述步态釆集 单元2采集到有步态传感器l输出"断开"的输出状态后，对所述闸机通道进 行视频采集。所述视频采集单元2可通过背景差分法结合前后帧差分法对所述闸机通道进行视频采集；假设背景差分图像函数为&"力，该函数表示时刻t 的目标图像与背景图像的差分。前后帧差分图像函数为&"力，该函数表示时 刻t时前后帧图像的差分。Tl、 T2、 T3是为区分目标图像与背景图像而设置的 三个阈值，假设视频采集单元3通过上述三个阈值确认目标象素点是否为运动 的象素点，比如假设当&(W)〈K 和^"力<^则认为目标象素点s是不变化 的背景点，当 F""0>:r3 ，则该目标象素点是运动变化的点。这样视频采集单 元3通过上述背景图^f象差分法结合前后帧差分法可采集到相应的视频信息。具 体实现中，视频采集单元2可以为摄像头。
所述中央处理单元4分别与所述步态釆集单元2和所述视频釆集单元3相 连接，用于才艮据所述步态采集单元2采集到的步态传感器1的输出状态信息以 及所述视频釆集单元3采集到的视频信息识别所述闸机通道中的通行目标的类 别、数目、运动方向、运动速度以及归属关系。仍参考图1，本实施例的中央处 理单元4具体包括4仑廓获得单元41、分类识别单元42以及跟踪单元43，其中， 所述轮廓获得单元41用于根据所述视频采集单元3采集到的视频信息，并 结合所述步态釆集单元2釆集到的步态传感器1的输出状态信息获得所述闸机 通道中通行目标的轮廓区域；仍参考图1,本实施例的轮廓获得单元41具体包 括修正单元410和处理单元411,其中，所述修正单元410用于根据所述步态采 集单元2采集到的步态传感器1的输出状态信息修正所述视频采集单元3采集 到的视频信息，使所述采集到的视频信息与所述采集到的步态传感器的输出状 态信息一致；比如，当视频釆集单元3通过背景差分法结合前后帧差分法对所 述闸机通道进行视频采集时，修正单元410进一步根据釆集到的步态传感器1 的输出状态来修正所述视频采集单元3采集的视频信息。比如，视频采集单元3 采集的视频信息在通道中的位置A区域有通行目标，而步态采集单元2采集到 相应位置的传感器的输出状态为"导通"，则认为视频信息检测有误，在这种情 况下，自适应修改^与^的值，使所述采集到的视频信息与所述采集到的步态传 感器的输出状态信息一致，为以后步态传感器的信息与人体轮廓传感器的信息 相互配合做准备。处理单元411用于对所述修正单元410修正后的视频信息进 行连通域处理，获得所述闸机通道中通行目标的4仑廓区域。具体实现中，检测 出的运动象素点构成前景象素点。对前景象素点作数学形态学的开和闭运算， 去除孤立的错误点，并连接正确的目标运动象素点，使目标运动象素点形成连通区域，获得所述闸机通道中通行目标的轮廓区域。
所述分类识别单元42用于通过基于Haar-Like特征的AdaBoost分类算法结 合步态传感器的输出状态信息识别所述轮廓区域包括的通行目标的类别、数目；
仍参考图1，本实施例的分类识别单元42具体包括划分单元420、提取单元 421以及识别单元422，其中，划分单元420用于根据步态采集单元2采集到的 步态传感器的输出状态以及所述处理单元411获得的轮廓区域的范围将所述轮 廓区域划分为多个独立的轮廓区域；具体实现中，划分单元420可根据普通人 的轮廓范围将大的轮廓区域划分为多个独立的轮廓区域。提取单元421用于提 取所述多个独立轮廓区域的Haar-Like特征；Haar-Like特征包括边缘特征、直 线特征以及折线特征中的一种或多种。识别单元423通过AdaBoost分类算法对 所述提取的Haar-Like特征进行分析处理，并结合采集到的步态传感器的输出状 态识别所述多个独立轮廓区域包括的通行目标的类别和数目。识别单元423根 据不同通行目标具有不同的Haar-Like特征的原理，通过AdaBoost分类算法对 所述提取的Haar-Like特征进行分析处理，并结合不同通行目标呈现出的不同步 态的原理识别所述多个独立轮廓区域包括的通行目标的类别和数目。具体实现 中，每个Haar-Like特征有黑白两部分组成，其特征计算如下 Haar_Like—Feauture — w—b*sum(area—b)+w_w*sum(area—w)
其中w—b黑色区域的权重，w_w白色区域的权重，sum(areaj3)黑色部分所围 图像区域的像素和，sum(area—w)白色部分所围图像区域的像素和。
基于Haar-Like特征的AdaBoost分类算法实施如下
AdaBoost是把弱分类器集成起来，构成强分类器，然后通过强分类器的级联 来达到分类的效果，首先定义如下概念
给定一组训练样本((x,，y,), i=l，...,N}，其中^, = {0,1},其中训练样本中m个 含有人体轮廓的图像，n个没有人体轮廓的图像。其中m+n=N。如果x,.是含有 人体轮廓的图像，则乂=0,否则乂=1。
第j个Haar-Like特征生成的简单分类器形式为
<formula>formula see original document page 10</formula>,其他
其中^表示简单分类器的值；《为阈值；^表示不等号的方向，只能取土i; 力("表示特征值。 具体步骤如下1) 初始化误差权重，对于^=0的样本，气,=1/2 7;对于；;,=1的样本，
fi^ =1/2"。
2) 对每个t-l,…，T(其中T为训练的次数)
2.1) 权重归一化， <_
lx乂
户i
2.2) 对于每个特征j，按照上面的方法生成相应的简单分类器、，计算相对 于当前权重的误差
。=S" ')-乂 I
2.3) 选择具有最小误差e,的简单分类器/z,加入到强分类器中去。
2.4) 更新每个样本所对应的权重w,+1，, = e'
如果第Z个样本:c,j皮正确分类，则e,.-O,反之e,. =1, A =i
3) 最后形成的强分类器为、(x)- ，U"A")^S"'
O,其他
最后将强分类器串联起来，形成分级分类器，达到区分通行目标类别的目的。
所述跟踪单元43用于根据连续采集的视频信息和步态传感器的输出状态信 息对所述轮廓区域中的通行目标进行跟踪，获得所述通行目标的位置、运动方 向、运动速度以及归属关系。具体实现中，视频采集单元3以设定的采样频率 (比如25帧/秒)采集视频信息，跟踪单元43将相邻帧的视频信息进行关联， 并认为不同帧相同或相邻位置的图像为相同目标；同样的，步态采集单元2也 以设定的采样频率(如前所述的100HZ)采集步态传感器的输出状态，跟踪单 元43将相邻帧的步态传感器输出状态信息进行关联；这样跟踪单元43根据连 续采集的视频信息和步态传感器输出状态信息即可获得闸机通道中通行目标的 位置、运动方向、运动速度以及归属关系。
相应的，本发明实施例提供了一种闸机通道的通行目标识别方法，该方法 包括采集所述闸机通道中的步态传感器的输出状态；当采集到有步态传感器 输出"断开"的输出状态后，对所述闸机通道进行视频采集；根据采集到的步 态传感器的输出状态信息以及采集到的视频信息识别所述闸机通道中的通行目 标的类别、数目、运动方向、运动速度以及归属关系。具体的，图2是本发明的一种闸机通道的通行目标识别方法的一个实施例 流程示意图。如图2所示，本实施例的闸机通道的通行目标识别方法包括
步骤S100，采集所述闸机通道中的步态传感器的输出状态；所述步态传感 器包括多个对射的光电管传感器，所述多个对射传感器包括多对相互配对的发 射传感器和接收传感器，当没有通行目标(具体实现中，可能单个人、人携带 货物、多人紧挨等情形)在闸机通道中通行时，所述对射传感器中的发射传感 器发出的光可以被配对的接收传感器接收，此时，接收传感器输出"导通"的 输出状态；当有通行目标在闸机通道中通行，使所所述对射传感器中的部分发 射传感器发出的光被遮挡，此时，与所述发射传感器配对的接收传感器不能接 收到对应发射传感器发出的光，所述接收传感器将输出"断开"的输出状态作 为该对传感器的输出。本实施例中，所述多个对射传感器以的发射传感器及接 收传感器分别以水平直线方式排列安装在所述闸机通道的左右侧壁的下半部 分， 一般在正常的成年人的膝盖与脚踝之间的与地面平行的直线上等间距(间 距小于等于18cm)，这样当有行人或动物在间机通道中通行时，步态传感器的 输出状态即可反映出所述行人或动物的步态。具体实现中，以设定的采样频率 (比如，100HZ)采集所述步态传感器的输出状态，比如，设通道中的传感器为 8对，在第一采样时刻tl, 一行人刚进入闸机通道，对射传感器的第1、 2对传 感器中的发射传感器发出的光被遮挡，导致与其配对的接收传感器无法接收到 对应发射传感器发出的光，所述第1、 3对传感器中的接收传感器输出"断开" 的输出状态(假设用逻辑符号"0"表示断开)，通道中其他的传感器发出的光 不会被遮挡，因此，通道中其他的接收传感器将输出"导通"的输出状态(假 设用逻辑符号'T'表示导通)，这样tl时刻采集到的步态传感器的输出状态为 "01011111";在第二采样时刻t2,所述行人移动到闸机通道中，对射传感器的 第5、 7对传感器中的发射传感器发出的光被遮挡，导致与其配对的接收传感器 无法接收到对应发射传感器发出的光，所述第5、 7对传感器中的接收传感器输 出"断开"的输出状态(假设用逻辑符号"0"表示断开)，通道中其他的传感 器发出的光不会被遮挡，因此，通道中其他的接收传感器将输出"导通"的输 出状态(假设用逻辑符号"1"表示导通)，这样t2时刻采集到的步态传感器的 输出状态为"11110101"。
步骤S101，当采集到有步态传感器输出"断开"的输出状态后，通过背景差分法结合前后帧差分法对所述闸机通道进行视频采集；具体实现中，可通过 背景差分法结合前后帧差分法对所述闸机通道进行视频釆集；假设背景差分图 像函数为&(W)，该函数表示时刻t的目标图像与背景图像的差分。前后帧差分 图像函数为&(W),该函数表示时刻t时前后帧图像的差分。Tl、 T2、 T3是为 区分目标图像与背景图像而设置的三个阈值，假设视频采集单元3通过上述三 个阈值确认目标象素点是否为运动的象素点，比如假设当^"力〈乃和
&"，0<:r2则认为目标象素点s是不变化的背景点，当 &"0>:r3 ，则该目标
象素点是运动变化的点。这样通过上述背景图像差分法结合前后帧差分法可采 集到相应的一见频信 息。
步骤S102，根据采集到的步态传感器的输出状态信息修正所述根据背景差 分法结合前后帧差分法釆集到的所述视频信息，使所述采集到的视频信息与所 述釆集到的步态传感器的输出状态信息一致；比如，采集的视频信息在通道中 的位置A区域有通行目标，而采集到相应位置的传感器的输出状态为"导通"， 则认为视频信息检测有误，在这种情况下，自适应修改^与^的值，使所述采集 到的视频信息与所述采集到的步态传感器的输出状态信息一致，为以后步态传 感器的信息与人体轮廓传感器的信息相互配合做准备。
步骤S103，对修正后的视频信息进行连通域处理，获得所述闸机通道中通行 目标的轮廓区域；具体实现中，检测出的运动象素点构成前景象素点。对前景 象素点作数学形态学的开和闭运算，去除孤立的错误点，并连接正确的目标运 动象素点，使目标运动象素点形成连通区域，获得所述闸机通道中通行目标的 轮廓区域。
步骤S104，根据采集到的步态传感器的输出状态以及所述轮廓区域的范围 将所述轮廓区域划分为多个独立的轮廓区域；具体实现中，可根据普通人的轮 廓范围将大的轮廓区域划分为多个独立的轮廓区域。
步骤S105，提取所述多个独立的轮廓区域的Haar-Like特征；Haar-Like特 征包括边缘特征、直线特征以及折线特征中的 一种或多种。
步骤S106，通过AdaBoost分类算法对所述提取的Haar-Like特征进行分析处 理，并结合采集到的步态传感器的输出状态信息识别所述多个独立轮廓区域包 括的通行目标的类别和数目。根据不同通行目标具有不同的Haar-Like特征的原 理，通过AdaBoost分类算法对所述提取的Haar-Like特征进行分析处理，并结合不同通行目标呈现出的不同步态的原理识别所述多个独立轮廓区域包括的通
行目标的类别和数目。具体实现中，每个Haar-Like特征有黑白两部分组成，其 特征计算如下
Haar一Like一Feauture — w—b*sum(area—b)+w—w*sum(area—w) 其中w一b黑色区域的权重，w_w白色区域的权重，sum(area一b)黑色部分所围 图像区域的像素和，sum(area—w)白色部分所围图像区域的像素和。 基于Haar-Like特征的AdaBoost分类算法实施如下
AdaBoost是把弱分类器集成起来，构成强分类器，然后通过强分类器的级联 来达到分类的效果，首先定义如下概念
给定一组训练样本{(^乂)， i=l，...,N}，其中_>;, = {0,1},其中训练样本中m个 含有人体轮廓的图像，n个没有人体轮廓的图像。其中m+n=N。如果x,是含有 人体轮廓的图像，则乂.=0，否则少,-l。
第j个Haar-Like特征生成的筒单分类器形式为
O，其他
其中；^表示简单分类器的值；《为阈值；^表示不等号的方向，只能取土i;
力(x)表示特征值。 具体步骤如下
1) 初始化i吴差权重，对于乂 = 0的样本，气,=1/2附；对于乂.=1的样本， au =l/2w。
2) 对每个t二l,…，T(其中T为训练的次数)
2.1) 权重归一化，
声i
2.2) 对于每个特征j,按照上面的方法生成相应的筒单分类器、，计算相对 于当前权重的误差
2.3) 选择具有最d、误差《的简单分类器A,加入到强分类器中去。
2.4) 更新每个样本所对应的权重w(+1，,= A"'
如果第Z个样本;c,被正确分类，则e, =0，反之e, =1, /^=7^"1-。
3) 最后形成的强分类器为、(x)^，l "A")^1^
O,其他最后将强分类器串联起来，形成分级分类器，达到区分通行目标类别的目的。
步骤S107,根据连续采集的视频信息和步态传感器的输出状态信息对所述 轮廓区域中的通行目标进行跟踪，获得所述通行目标的位置、运动方向、运动 速度以及归属关系。具体实现中，以设定的釆样频率(比如25帧/秒)采集视频 信息，将相邻帧的视频信息进行关联，并认为不同帧相同或相邻位置的图像为 相同目标；同样的，也以设定的采样频率(如前所述的IOOHZ)采集步态传感 器的输出状态，跟踪单元43将相邻帧的步态传感器输出状态信息进行关联；这 样根据连续采集的视频信息和步态传感器输出状态信息即可获得闸机通道中通 行目标的位置、运动方向、运动速度以及归属关系。
图3是本发明的闸机通道系统的一个实施例的安装侧面图。图3中示出了 了闸机通道系统一侧的机体201、阻挡门203、及通行目标识别系统中的步态传 感器202和通行目标识别系统中的摄像头200 (具体实现中，闸机通道系统的验 票系统及通道通行目标识别系统的其他模块单元设置在机体内部，故这些模块 在图3中未示出)，其中，所述步态传感器202以水平直线方式排列安装在所述 闸机通道的机体内侧壁的下半部分。图中各步态传感器相对地面的高度为15-45 厘米，相邻步态传感器之间的间距不大于18厘米。所述摄像头200设置在所述 机体201的上方，摄像头200的摄取范围至少包括阻挡门前通道长度1/6区域(图 中示出了摄像头可设置的三个位置)。本实施例通过采集步态传感器202的输出 状态结合摄像头200釆集的视频信息双重信息识别闸机通道的通行目标的类别、 数目、运动方向、运动速度以及归属关系，实现了通过简单、准确、可靠的方 法识别出闸机通道中的通行目标的类别、数目、运动方向、运动速度以及归属 关系的目的。
本发明实施例通过采集闸机通道中的步态传感器的输出状态信息以及对闸 机通道采集的视频信息识别所述闸机通道中的通行目标的类别、数目、运动方 向、运动速度以及归属关系，实现了通过简单、准确、可靠的方法识别出闸机 通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系的目的。
以上所列举的仅为本发明一种较佳实施例而已，当然不能以此来限定本发 明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
权利要求
1、一种闸机通道的通行目标识别方法，其特征在于，包括采集所述闸机通道中的步态传感器的输出状态；当采集到有步态传感器输出“断开”的输出状态后，对所述闸机通道进行视频采集；根据采集到的步态传感器的输出状态信息以及采集到的视频信息识别所述闸机通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系。
2、 如权利要求1所述的闸机通道的通行目标识别方法，其特征在于，所述 的对所述闸机通道进行视频采集的步骤具体包括通过背景差分法结合前后帧差分法对所述闸机通道进行视频采集。
3、 如权利要求2所述的闸机通道的通行目标识别方法，其特征在于，所述 的根据采集到的步态传感器的输出状态信息以及采集到的视频信息识别所述闸 机通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系的步骤 具体包括根据背景差分法以及前后帧差分法采集到的视频信息，并结合采集到的步 态传感器的输出状态信息获得所述闸机通道中通行目标的轮廓区域；通过基于Haar-Like特征的AdaBoost分类算法结合步态传感器的输出状态 信息识别所述轮廓区域包括的通行目标的类别、数目；根据连续采集的视频信息和步态传感器的输出状态信息对所述轮廓区域中 的通行目标进行跟踪，获得所述通行目标的位置、运动方向、运动速度以及归 属关系。
4、 如权利要求3所述的闸机通道的通行目标识别方法，其特征在于，所述 的根据背景差分法以及前后帧差分法釆集到的视频信息，并结合步态传感器的 输出状态信息获得所述闸机通道中通行目标的轮廓区域的步骤具体包括根据采集到的步态传感器的输出状态信息修正所述根据背景差分法结合前 后帧差分法釆集到的所述视频信息，使所述采集到的视频信息与所述采集到的步态传感器的输出状态信息一致；对修正后的视频信息进行连通域处理，获得所述闸机通道中通行目标的轮 廓区域。
5、 如权利要求3所述的闸机通道的通行目标识别方法，其特征在于，所述 的通过基于Haar-Like特征的AdaBoost分类算法结合步态传感器的输出状态信 息识别所述轮廓区域包括的通行目标的类别、数目的步骤具体包括根据釆集到的步态传感器的输出状态以及所述轮廓区域的范围将所述轮廓 区域划分为多个独立的轮廓区域；提取所述多个独立的轮廓区域的Haar-Like特征；通过AdaBoost分类算法对所述提取的Haar-Like特征进行分析处理，并结 合采集到的步态传感器的输出状态信息识别所述多个独立轮廓区域包括的通行 目标的类别和^t目。
6、 如权利要求5所述的闸机通道的通行目标识别方法，其特征在于，所述 的Haar-Like特征包括边缘特征、直线特征以及折线特征中的一种或多种。
7、 一种闸机通道的通行目标识别系统，其特征在于，包括 步态传感器；步态采集单元，与所述步态传感器相连接，用于采集所述步态传感器的输 出状态；视频采集单元，与所述步态采集单元相连接，用于当所述步态采集单元采 集到有步态传感器输出"断开"的输出状态后，对所述闸机通道进行视频采集；中央处理单元，分别与所述步态采集单元和所述^L频采集单元相连接，用 于根据所述步态采集单元采集到的步态传感器的输出状态信息以及所述视频采 集单元采集到的视频信息识别所述闸机通道中的通行目标的类别、数目、运动 方向、运动速度以及归属关系。
8、 如权利要求7所述的间机通道的通行目标识别系统，其特征在于，所述 视频采集单元通过背景差分法结合前后帧差分法对所述闸机通道进行视频采集；所述中央处理单元具体包括轮廓获得单元，用于根据所述视频采集单元采集到的视频信息，并结合所 述步态采集单元采集到的步态传感器的输出状态信息获得所述闸机通道中通行目标的轮廓区域；分类识别单元，用于通过基于Haar-Like特征的AdaBoost分类算法结合步 态传感器的输出状态信息识别所述轮廓区域包括的通行目标的类别、数目；跟踪单元，用于根据连续采集的视频信息和步态传感器的输出状态信息对 所述轮廓区域中的通行目标进行跟踪，获得所述通行目标的位置、运动方向、 运动速度以及归属关系。
9、 如权利要求8所述的闸机通道的通行目标识别系统，其特征在于，所述 的轮廓获得单元具体包括修正单元，用于根据所述步态采集单元采集到的步态传感器的输出状态信 息修正所述视频采集单元采集到的视频信息，使所述采集到的视频信息与所述 采集到的步态传感器的输出状态信息一致；处理单元，用于对所述修正单元修正后的视频信息进行连通域处理，获得 所述闸机通道中通行目标的轮廓区域。
10、 如权利要求8所述的闸机通道的通行目标识别系统，其特征在于，所 述的分类识别单元具体包括划分单元，用于根据步态采集单元采集到的步态传感器的输出状态以及所 述处理单元获得的轮廓区域的范围将所述轮廓区域划分为多个独立的轮廓区域；提取单元，用于提取所述多个独立轮廓区域的Haar-Like特征；识别单元，通过AdaBoost分类算法对所述提取的Haar-Like特征进行分析处理，并结合采集到的步态传感器的输出状态识别所述多个独立轮廓区域包括的通行目标的类别和数目。
11、 一种闸机通道系统，包括有机体、阻挡门、验票系统以及权利要求7所述的闸^L通道的通4亍目标识别系统。
12、 如权利要求11所述的闸机通道系统，其特征在于，所述的步态传感器 以水平直线方式排列安装在所述闸机通道的机体内侧壁的下半部分。
13、 如权利要求12所述的闸机通道系统，其特征在于，所述的步态传感器 相对地面的高度为15~45厘米，相邻步态传感器之间的间距不大于18厘米。
14、 如权利要求11所述的闸机通道系统，其特征在于，所述视频采集单元 包括视频摄取器，该视频摄取器设置在所述机体的上方。
15、 如权利要求13所述的闸机通道系统，其特征在于，所述视频摄取器的 摄取范围至少包括阻挡门前通道长度1/6区域。
全文摘要
本发明实施例公开了一种闸机通道的通行目标识别方法，包括采集所述闸机通道中的步态传感器的输出状态；当采集到有步态传感器输出“断开”的输出状态后，对所述闸机通道进行视频采集；根据采集到的步态传感器的输出状态信息以及采集到的视频信息识别所述闸机通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系。本发明实施例还公开了一种闸机通道的通行目标识别系统和闸机通道系统。采用本发明，具有通过简单、准确、可靠的方法识别出闸机通道中的通行目标的类别、数目、运动方向、运动速度以及归属关系的优点。
文档编号G07B11/00GK101436314SQ20071003138
公开日2009年5月20日 申请日期2007年11月14日 优先权日2007年11月14日
发明者牟总斌 申请人:广州广电运通金融电子股份有限公司