[发明专利]基于径向基神经网络的红外光电客流采集装置及方法

权利要求书

1、一种基于径向基神经网络的红外光电客流采集装置，其特征在于它包括：

红外对射光电传感器、开关量接口卡和计算机；

其中红外线对射光电传感器将根据顾客的行走遮挡产生变化信号，所述的红外对射光电管为4组；

开关量接口卡，将红外光电传感器产生的信号传给与其相连的计算机中，作为RBF神经网络识别系统的输入；

计算机负责径向基神经网络的训练、数据的预处理以及客流人数分类识别和输出。

2、按照权利要求1所述的客流采集装置，其特征在于所述的红外光电管的发射端与接受端之间对射安装在同一条直线上，其中的任意一条发射端的红外光电管不影响其他的接收端。

3、一种基于径向基神经网络的红外光电客流的采集方法，其特征在于包括的步骤：

由光电管遮挡产生信号对走过红外光电区的顾客进行采集计数，开关量接口卡将红外光电传感器产生的信号传给与其相连的计算机，采用RBF神经网络模式识别方法，处理采集客流数据，进行训练、分类识别，完成计数功能；

所述的训练过程包括数据获取、预处理、特征提取、训练网络参数设定、客流神经网络分类器的设计；

所述的分类识别是将已经训练好的网络作为基础，对特征提取后的数据进行处理，包括数据获取、预处理、数据分割、特征提取、客流神经网络分类器识别、统计人数。

4、一种基于径向基神经网络的红外光电客流的采集方法，其特征在于包括的步骤：

1)选择4组对射式红外光电管发射端与接受端在同一条直线上，置于公共场所进出口两侧，通过顾客行走通过该区域时对红外光电管的遮挡，来产生变化信号；

2)通过开关量接口卡，对红外光电管产生的变化信号进行扫描采集，并传输给计算机，存入基地址；

3)对基地址中的数据进行扫描，当数据发生变化时进行采样，包括存储变化的数据和变化发生的时刻；

4)将上述采集到的变化信号进行处理，提取其最大特征，作为RBF神经网络训练及神经网络识别系统的输入；

(1)数据预处理

第一步，去噪过程：采用阈值的方法进行去除数据中的无效数据，设定变化持续过程小于0.06ms视为噪音去除，并将其对应的状态值变为0；

第二步，归一化处理：将第一个光电管状态跳变开始，即为0时刻，用其它各状态对应的时间减去这个初始时间得出相对时间；

(2)数据分割

首先搜索每根红外光电管，寻找“1”第一次出现的位置，作为数据的分割起点，从这里开始，各组光电管以相同的步长进行检查，发现到在持续时间Δt内如果所有光电管均为“0”状态的时候视为分割点，进行数据分割操作，设定Δt为0.06s，分割完后的数据组没有数据的状态项补0；

(3)特征提取

将上述处理后的波形特征最大化的提取出来，其特征主要有波形相对时间、脉冲宽度、脉冲时间间隔，其中脉冲宽度，是状态1的持续时间；脉冲时间间隔，是两个状态1之间的状态所持续的时间；

5)设计客流神经网络分类器，将特征提取后的数据输入神经网络，训练网络参数，将已经训练好的网络作为基础，对特征提取后的数据进行客流神经网络分类器的识别、获取人数。

5、按照权利要求4所述的采集方法，其特征在于所述的特征提取后的矩阵为下面所示：

6、按照权利要求4所述的采集方法，其特征在于所述的客流神经网络分类器的识别、获取的设定为：

(1)客流输入层的选择根据实际的问题选定，红外客流统计里面的输入层就是数据特征提取后的矩阵；

(2)客流输出是分组识别后的每组的并行的人数，包括一人通过的情况，根据有导师的识别，最多并行人数为6，用3位输出；在识别的时候每位大于0.5的时候输出为1，小于0.5的时候输出为0，通过3位的输出表示1人、2人、3人、4人、5人和6人；

(3)隐含层选择隐含层采用径向基函数作为激励函数，该径向基函数为高斯函数(Gauss)。