[发明专利]一种基于隐马尔科夫模型的人流量监测方法

说明书

本发明公开了一种基于隐马尔科夫模型的人流量监测方法，所述方法为，(1)、搭建实验环境：采用一种无线射频层析成像网络节点作为网络的通信基础；利用网络节点构建完整的无线传感网络通信系统；(2)、实验数据的收集与处理：无线传感网络数据的处理方法为“发射‑接收‑存储”；根据实验接收的信号强度计算出链路的衰减值作为特征向量训练混合高斯的隐马尔科夫模型；(3)、实时人员统计方法：实时接收数据计算出链路衰减值，通过与不同参数的GMM‑HMM模型比较取拥有最大似然的模型类别作为对应的人数类别，统计通过人数。本发明结构简单、在实现上方便可行、且适用于大多数场景。

技术领域

本发明涉及无线传感器网络技术领域，具体涉及一种基于隐马尔科夫模型的人流量监测方法。

背景技术

目前人流量监测问题已经成为一个社会性问题，在很多公共场合及时了解人流量信息能保证公共场合的正常秩序，根据人员密度，使用者可以了解场所的人数以及变化趋势，对于潜在的状况做出及时的处理，同时，实时掌握人流量情况也能给使用者提供最大的利益。目前人流量监测主要有两种方法：接触式与非接触式。接触式主要包括入口机械栏杆装置和踏板压力传感器。非接触式主要包括红外检测技术与视频监测技术。入口机械栏杆装置计数方便且计数精确，但此方法设备复杂，所需成本较高，而且对人们的出行产生了一定的影响，不利于形成良好的客户印象；踏板压力传感器主要是通过压力传感器来完成的，此方法结构简单且方便快速，但对条件要求比较严格，不仅需要大量的压力传感器而且需要所有人进出时必须经过布有压力传感器的区域，且对多人同时进出此方法用明显的局限性。红外检测技术对单人检测准确率非常高，但当有多人或者是有障碍物通过时，红外线技术精确度就会大大降低；视频统计技术根据摄像头获取图像，然后配合计算机进行人体目标识别。该方法直观简单且准确率比较高，但是使用这种方法往往会得到大量的图像数据，这样就会使得数据处理工作变得更加复杂，而且在实际环境中，各种光效也对图像处理效果有很大的影响。由于该方法对图像采集和处理设备要求较高从而导致成本也较高。

发明内容

本发明所要解决的问题是：提供一种基于隐马尔科夫模型的人流量监测方法，结构简单、在实现上方便可行、且适用于大多数场景。

本发明为解决上述问题所提供的技术方案为：一种基于隐马尔科夫模型的人流量监测方法，所述方法为，

(1)、搭建实验环境：采用一种无线感知网络节点作为网络的通信基础；利用网络节点构建完整的无线感知网络通信系统；

(2)、实验数据的收集与处理：无线感知网络数据的处理方法为“发射-接收-存储”；根据实验接收的信号强度计算出链路的衰减值作为特征向量训练混合高斯的隐马尔科夫模型；

(3)、实时人员统计方法：实时接收数据计算出链路衰减值，通过与不同参数的GMM-HMM模型比较取拥有最大似然的模型类别作为对应的人数类别，统计通过人数。

优选的，所述无线感知网络系统包括门框、传感器节点、汇聚节点以及PC机。

优选的，所述“发射-接收-存储”方式为：

(1)、接通电源，门框上的感知节点以轮询的方式周期性的将各节点所组成链路的射频信号强度发射出来；

(2)、传感器节点发送的周期射频信号被连接在PC机上的汇聚节点接收并通过串口助手传输到PC机保存为txt文本。

优选的，所述混合高斯的隐马尔科夫模型分类算法为：

(1)、数据预处理：对每个数据文本删除前后不完整的周期，使得到的数据为若干个完整的周期，将十六进制转换成十进制并减去偏移量得到真实RSS值；

(2)、提取特征值：提取出有人与无人情况下每个数据样本的每个完整周期的每条有效链路平均射频信号强度值，并将其转换成M×1的特征向量，将有人与无人情况下的有效链路的射频信号强度特征向量做差，得到特征信号强度的衰减特征向量；