一种基于通行逻辑的通行检测方法和系统与流程

1.本发明涉及检测技术领域，尤其涉及一种基于通行逻辑的通行检测方法和系统。


背景技术：

2.自助闸机通道，通常用于管理人流并规范行人出入，因此广泛应用在地铁、高铁、机场、海关、边检、写字楼等场所。然而，在使用自助闸机通道通行时易出现尾随现象，给合法授权人员和管理者带来人身和财产的损害。
3.在现有技术中，通常采用人工检测通行的手段去防止尾随现象的发生。但是一来单靠人工进行检测效率不高，且在检测人员疲累时或人流量大时易出现检测遗漏或检测失误的情况；二来给每条通道都配备检测人员的人工成本过高，因此亟需一种自动化的通行检测方法，以防止尾随现象的发生。
4.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本发明的主要目的在于提供一种自动化的通行检测方法，以防止尾随现象的发生。
6.为实现上述目的，本发明提供了一种基于通行逻辑的通行检测方法，所述方法包括以下步骤：
7.通过预设位置处的距离传感器采集检测区域内的数据；
8.基于所述数据和通行逻辑判断是否存在初步异常；
9.若判定存在所述初步异常，则启动红外探测器，通过所述红外探测器采集所述检测区域内的红外数据；
10.基于所述红外数据判断是否存在异常通行。
11.可选地，所述基于所述数据和通行逻辑判断是否存在初步异常的步骤，包括：
12.基于所述数据，获取所述检测区域内被检测目标的数量和高度；
13.在所述数量大于预设数量时，判断所述被检测目标的高度是否大于预设高度；
14.在所述被检测目标的高度大于所述预设高度时，检测所述被检测目标的物体形状是否符合预设形状；
15.在所述检测区域内存在至少两个大于预设高度且不符合预设形状的被检测目标时，基于所述通行逻辑判断是否存在初步异常。
16.可选地，所述基于所述数据，获取所述检测区域内被检测目标的数量和高度的步骤，包括：
17.基于所述数据，对所述检测区域内的点云进行聚类分析，获取所述被检测目标的点云聚类结果；
18.基于所述点云聚类结果，确定所述被检测目标顶部位置的聚类中心；
19.基于所述聚类中心所对应的点云，获取所述被检测目标的高度和位置；
20.基于所述检测区域内所述被检测目标的位置，获取所述被检测目标的数量。
21.可选地，所述基于所述红外数据判断是否存在异常通行的步骤，包括：
22.基于所述红外数据，确定所述检测区域内所述被检测目标的红外热像图；
23.基于所述红外热像图，判断所述被检测目标中是否存在至少两个行人；
24.若存在，则判定存在异常通行。
25.可选地，所述基于所述红外热像图，判断所述被检测目标中是否存在至少两个行人的步骤，包括：
26.基于所述红外热像图，判断所述检测区域中是否存在至少两个拥有热源统一且热源面积超过预设面积的对象；
27.若存在，则判定所述被检测目标中存在至少两个行人。
28.可选地，所述基于所述红外数据判断是否存在异常通行之后，还包括：
29.若判定存在所述异常通行，则触发告警信息，并关闭通行闸门。
30.可选地，所述若判定存在所述异常通行，则触发告警信息，并关闭通行闸门之后，还包括：
31.采集所述异常通行时的人脸信息，并将所述人脸信息添加至预设警戒电子档案。
32.此外，为实现上述目的，本发明还提出一种基于通行逻辑的通行检测系统，所述基于通行逻辑的通行检测系统包括：
33.第一采集模块，用于通过预设位置处的距离传感器采集检测区域内的数据；
34.第一判断模块，用于基于所述数据和通行逻辑判断是否存在初步异常；
35.第二采集模块，用于若判定存在所述初步异常，则启动红外探测器，通过所述红外探测器采集所述检测区域内的红外数据；
36.第二判断模块，用于基于所述红外数据判断是否存在异常通行。
37.本发明通过预设位置处的距离传感器采集检测区域内的数据；基于数据和通行逻辑判断是否存在初步异常；若判定存在初步异常，则启动红外探测器，通过红外探测器采集检测区域内的红外数据；基于红外数据判断是否存在异常通行。不同于现有技术中采用的人工检测判断的通行检测方法，本发明首先根据距离传感器采集的数据和通行逻辑进行初次判断，然后基于红外检测数据进行二次判断，在防止特殊误判情况的发生的前提下判断是否存在异常通行。因此通过上述方式，本发明提供了一种基于通行逻辑的自动化的通行检测方法，有效防止尾随现象的发生。
附图说明
38.图1为本发明通行检测方法第一实施例的流程示意图；
39.图2为本发明通行检测方法第二实施例的流程示意图；
40.图3为本发明通行检测方法第三实施例的流程示意图；
41.图4为本发明基于通行逻辑的通行检测装置第一实施例的结构框图。
42.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
43.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
44.本发明实施例提供了一种基于通行逻辑的通行检测方法，参照图1，图1为本发明基于通行逻辑的通行检测方法第一实施例的流程示意图。
45.本实施例中，所述通行检测方法包括以下步骤：
46.步骤s10：通过预设位置处的距离传感器采集检测区域内的数据；
47.需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算服务设备，例如平板电脑、个人电脑等，还可以是能够实现相同或相似功能的其他电子设备。此处以上述通行检测设备对本实施例和下述各实施例提供的通行检测方法进行具体说明。
48.可理解的是，上述预设位置可以是距离传感器的安装位置。为了方便距离传感器更好的采集数据，通常将距离传感器安装在自助闸机通道上方或侧面。距离传感器是传感器的一种，一般用于感应其与某物体间的距离以完成预设的某种功能，根据其工作原理的不同可分为光学距离传感器、红外距离传感器和超声波距离传感器，而超声波距离传感器的工作精度也易受温度影响，因此本实施例优选采用激光距离传感器进行数据采集，采集方法可以是距离传感器以非可见光的方式扫描完整的检测区域，以此获取检测区域内完整的2d深度图像。
49.需要说明的是，上述检测区域可以是距离传感器需要采集数据的区域，检测区域可以是整个通行通道，可以是稍大于通行通道的范围，具体范围本实施例对此不加限制。其中，检测区域又可以划分为识别区和非识别区，识别区是需要进行数据分析的区域，非识别区是不需要进行数据分析的区域，本实施例通过分析距离传感器在识别区内采集到的数据来判断通行是否正常，而识别区可以是通道中接近闸门的部分区域，可以是整个通行通道，具体范围本实施例不加限制。
50.在具体实现中，距离传感器首先采集检测区域内的2d深度图像，然后将距离传感器本身的数据坐标系转换为以地面为平面的地面坐标系，将2d深度图像转换为3d点云数据，对点云数据进行地面配准，得到每个点云之间的距离，其中，坐标转换方法可以是：根据距离传感器安装位置以及安装角度，并结合实验对距离传感器进行标定，得到距离传感器的数据坐标系相对于地面坐标系的旋转偏移角度，然后根据偏转角度进行转换。最后计算每个点云到识别区的距离，判断点云是否处于划分的识别区内，并消除处于非识别区内的数据。
51.步骤s20：基于所述数据和通行逻辑判断是否存在初步异常；
52.可理解的是，通过距离传感器采集到的数据分析识别区内被检测目标的具体情况时，可能得出的分析情况有以下几种：人与人，人与物，物与物。因此，上述通行逻辑可以是：当检测到识别区内存在人与人或存在人与物的情况时，即识别区内的被检测目标中存在至少一个行人时，就可以判定存在初步异常，然后进行下一步红外检测；而若检测到识别区内被检测目标中并不存在行人时，则不启动红外探测器，不进行步骤s30。易理解的是，在进行数据分析过程中，容易出现将物品误判成人类的情况，因此本实施例通过距离传感器采集的数据和通行逻辑做初次判断时，在进行数据分析的过程中要注意将物品与人类进行区分。因此，本实施例中，所述步骤s20，可包括以下步骤：
53.步骤s201：基于所述数据，获取所述检测区域内被检测目标的数量和高度；
54.需要说明的是，上述数据即为识别区内的点云数据，本实施例通过对识别区内的点云数据进行聚类分析，从而获取识别区内被检测目标的点云聚类结果。采用的聚类分析方法可以是：系统聚类法、动态聚类法、有序样品聚类法等，当然也可以通过采用以k-均值、k-中心点等算法为基础的聚类分析工具进行聚类分析，具体的分析方法和手段本实施例对此不加限制。点云聚类结果中包括被检测目标顶部位置的聚类中心，该聚类中心所对应的点云在地面坐标系统中的高度即为被检测目标的高度，该聚类中心相对于识别区的位置即为被检测目标所述的位置，因此通过位置分析可得到识别区内的聚类中心的个数，也就得到了识别区内被检测目标的数量。
55.步骤s202：在所述数量大于预设数量时，判断所述被检测目标的高度是否大于预设高度；
56.步骤s203：在所述被检测目标的高度大于所述预设高度时，检测所述被检测目标的物体形状是否符合预设形状；
57.步骤s204：在所述检测区域内存在至少两个大于预设高度且不符合预设形状的被检测目标时，基于所述通行逻辑判断是否存在初步异常。
58.可理解的是，首先需要检测识别区内的被检测目标的数量，并判断检测到的数量是否大于预设数量。通常来说，预设数量为一，当然特殊情况下预设数量也可以大于一，例如：一行五人的旅游团进入某地参观，只要其中一人缴纳了参观费，旅游团五人皆可进入，此时的预设数量可以为五，因此预设数量的具体数值，本实施例对此不加限制。
59.此外，在现实应用场景中，行人在通过自助闸机通道通行时，其可携带的行李等物品通常有体积和高度的限制，因此在检测到识别区内的被检测目标的数量大于预设数量后，可以通过高度进行首次判断。若不满足高度要求，可以进一步判断该不满足高度要求的被检测目标的形状是否符合预设形状。易理解的是，若被检测目标为行李等物品，形状较为规整方正，而若被检测目标为人类时，形状则较为不规则，因此可以通过被检测目标的物体形状进行二次判断，其中，被检测目标的物体形状可以是基于被检测目标的3d点云数据的轮廓获得。同样地，本实施例可以基于被检测目标的物体形状或被检测目标的轮廓，判断被检测目标中是否存在至少一个行人，然后依照上述通行逻辑判断是否进行下一步s30。
60.需要说明的是，上述预设高度可以根据具体运用场景进行更改，例如：机场的可携带行李的尺寸要求是不得超过55
×
40
×
20立方厘米，此时预设高度可以是60厘米，而火车站的可携带行李的尺寸要求是外部尺寸长、宽、高之和不超过160厘米，此时的预设高度就可以是100厘米，因此预设高度的具体数值，本实施例不加限制。此外，预设高度可以存储在上述通行检测设备中，也可以由相关负责人员根据具体运用场景手动输入。上述预设形状则存储在通行检测设备内的预设形状库中，预设形状根据常见的可携带行李等物品的尺寸进行设计，如20寸行李箱的尺寸，大容量的手提旅行包的尺寸等。
61.在具体实现中，首先判断识别区内被检测目标的数量是否大于预设数量，再判断所有被检测目标的高度是否大于预设高度，消除高度小于预设高度的被检测目标的点云数据。然后检测剩下的被检测目标的形状是否符合预设形状，再消除符合预设形状的被检测目标的点云数据。最后，检测识别区内的被检测目标的数量，若仍存在至少两个被检测目标时，基于通行逻辑，即基于剩下的被检测目标的3d点云数据的轮廓判断被检测目标中是否
存在至少一个行人，若存在，则判定存在初步异常，进行下一步红外检测；若不存在则不进行步骤s30。
62.步骤s30：若判定存在所述初步异常，则启动红外探测器，通过所述红外探测器采集所述检测区域内的红外数据；
63.步骤s40：基于所述红外数据判断是否存在异常通行。
64.可理解的是，基于距离传感器采集的数据对被检测目标进行初次判断后，可以避免大部分将物品误判成人的情况发生，但仍存在部分特殊物品可能会被误判，例如，高度超过140cm且形状不规整的自行车，高度超过120cm且形状不规整的大提琴等音乐器材，它们由于高度较高且形状不规整，均有可能会被误判为人，因此需要对被检测目标做进一步判断。而这类物件通常不会存在过高温度，因此本实施例可以采用红外探测器进行进一步的数据采集与检测。
65.需要说明的是，上述红外探测器可以是利用红外线来进行数据处理的一种传感器，可实现无接触温度测量。上述采集的红外数据可以是识别区内的被检测目标的红外辐射能量。
66.本实施例通过预设位置处的距离传感器采集检测区域内的数据；基于数据和通行逻辑判断是否存在初步异常；若判定存在初步异常，则启动红外探测器，通过红外探测器采集检测区域内的红外数据；基于红外数据判断是否存在异常通行。不同于现有技术中采用的人工检测判断的通行检测方法，本实施例通过距离传感器与红外检测共同作用的检测方式，即首先从距离传感器采集的数获取被检测目标的数量，在被检测目标的数量大于预设数量时，再根据被检测目标的高度与物体形状，以及通行逻辑进行初步判断，首次避免将物品误报成人类的情况。然后由红外检测数据进行二次判断，在防止特殊误判情况的发生的前提下决定是否存在异常通行。因此通过上述方式，本实施例提供了一种基于通行逻辑的自动化的通行检测方法，有效防止尾随现象的发生。
67.参照图2，图2为本发明基于通行逻辑的通行检测方法第二实施例的流程示意图，基于上述图1所示的实施例，提出本发明基于通行逻辑的通行检测方法的第二实施例。
68.本实施例中，步骤s40具体包括：
69.步骤s401：基于所述红外数据，确定所述检测区域内所述被检测目标的红外热像图；
70.步骤s402：基于所述红外热像图，判断所述被检测目标中是否存在至少两个行人；
71.步骤s403：若存在，则判定存在异常通行。
72.需要说明的是，本实施例中红外探测器首先采集识别区内的红外辐射能量分布，然后将其反映到红外探测器的光敏元件上，再将红外辐射能量转换为电信号，再将电信号转换为红外热像图。其中，红外辐射能量是被检测目标热辐射的红外线特定波段信号，红外热像图与识别区内物体表面的热分布场相对应，因此红外热像图中的不同图形代表不同的被检测目标，不同颜色代表被检测目标的不同温度。因此，本实施例通过将被检测目标发出的不可见红外辐射能量通转变为可见的红外热像图来做进一步判断。
73.而基于红外热像图判断识别区内是否存在至少两个行人，识别方法可以是：首先依据红外热像图中图形的形状信息、运动信息、人体的可能温度范围等特征进行阈值分割选取，从图像中分割出可能属于行人的候选区域；然后依据特定特征：人体的的热源一般是
统一分布(例如自行车的热源不是统一分布而是分散分布)且热源面积一般较大，对候选区域进行再次识别验证，然后找出候选区域中的行人，并统计数量。
74.此外，上述识别方法也可以是：首先依据行人的形状信息、运动信息、行人的温度比周围环境高等特征进行阈值分割选取，从图像中分割出感兴趣的候选区域；然后依据特定的特征如：形状特征以及行人运动步态特征等对候选区域进行进行再次识别验证，然后找出候选区域中的行人，并统计数量。
75.在统计好识别区内行人的数量后，若检测出识别区中的被检测目标中存在至少两个行人，则判定存在异常通行。
76.本实施例通过红外数据确定检测区域内所述被检测目标的红外热像图；基于红外热像图，判断被检测目标中是否存在至少两个行人；若存在，则判定存在异常通行。本实施例通过红外探测器采集的被检测目标的红外数据形成红外热像图，然后依据形状信息，运动信息和行人特征等特征对热像图中的物品与行人进行再次识别与区分，因而二次避免了将物品误报成人类的情况的发生，有效判断是否存在异常通行，即有效判断是否发生尾随现象。
77.参照图3，图3为本发明基于通行逻辑的通行检测方法第三实施例的流程示意图，基于上述图1或2所示的实施例，提出本发明基于通行逻辑的通行检测方法的第三实施例，图3以基于图1所示的实施例提出的实施例为例。
78.在本实施例中，所述步骤s40之后还包括：
79.步骤s50：若判定存在所述异常通行，则触发告警信息，并关闭通行闸门。
80.步骤s60：采集所述异常通行时的人脸信息，并将所述人脸信息添加至预设警戒电子档案。
81.可理解的是，当出现异常通行情况，即判定通行通道中存在至少两个行人时，应立即触发告警信息。例如，当检测到通道内有两个行人同时通行时，可以点亮警告灯，并开启语音播报系统进行警告，提醒闸门一次只限一人通过，请后一个行人立即退出通道等待下一次身份验证；也可以点亮警告灯，并将异常通行情况发送给相关工作人员，提醒相关工作人员立即前往出现异常通行情况的通道进行查看，以维护通行秩序。同时，在检测到存在异常通行情况后，应立即关闭通行闸门，以防未授权人员不顾警告信息趁机通过闸门。
82.此外，为了进一步提高通行检测的安全性，可以在发生异常通行时，采集行人的人脸信息，并将该人脸信息添加至预设警戒电子档案。预设警戒电子档案存储在通行检测设备中，其内部存储所有已发生的异常通行情况中采集到并经过二次确认后的人脸信息。易理解的是，部分异常通行情况是由于行人过于匆忙而不小心进入已存在行人的通行通道而发生，不是有意为之。此类情况在经过相关工作人员的二次确认后，可将该类情况下对应的行人人脸信息从预设警戒电子档案中删除。设置预设警戒电子档案的作用在于提高对曾经试图尾随的人员的警戒性。当通过摄像头采集到这类人员的人脸信息后，立即通知相关工作人员前往该类人员所处的通道所在位置，以防该类人员再次尾随。
83.本实施例在判定存在异常通行情况时，立即触发告警信息，并关闭通行闸门。同时，采集所述异常通行时的人脸信息，并将所述人脸信息添加至预设警戒电子档案。本实施例在确定存在异常通行后，立即采取措施如触发告警信息和关闭闸门来防止未授权人员趁机通过闸门，同时，在二次确认异常通行情况属实后，采集异常通行的人脸信息，以加强对
该类人员的防范，防尾随现象的再次发生，提高了通行检测的安全性。
84.参考图4，图4为本发明基于通行逻辑的通行检测系统第一实施例的结构框图。
85.如图4所示，本发明实施例提出的基于通行逻辑的通行检测系统包括：
86.第一采集模块401，用于通过预设位置处的距离传感器采集检测区域内的数据；
87.第一判断模块402，用于基于所述数据和通行逻辑判断是否存在初步异常；
88.第二采集模块403，用于若判定存在所述初步异常，则启动红外探测器，通过所述红外探测器采集所述检测区域内的红外数据；
89.第二判断模块404，用于基于所述红外数据判断是否存在异常通行。
90.本实施例通过预设位置处的距离传感器采集检测区域内的数据；基于数据和通行逻辑判断是否存在初步异常；若判定存在初步异常，则启动红外探测器，通过红外探测器采集检测区域内的红外数据；基于红外数据判断是否存在异常通行。不同于现有技术中采用的人工检测判断的通行检测方法，本实施例首先根据距离传感器采集的数据和通行逻辑进行初次判断，然后基于红外检测数据进行二次判断，在防止特殊误判情况的发生的前提下判断是否存在异常通行。因此通过上述方式，本实施例提供了一种基于通行逻辑的自动化的通行检测方法，有效防止尾随现象的发生。
91.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
92.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
93.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
94.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。