[发明专利]一种车站预防逃票的智能监控识别方法及系统

权利要求书

1.一种车站预防逃票的智能监控识别方法，其特征在于，包括以下步骤：

S1、获取位于车站闸机入口处正在检票的行人视频；

S2、基于HOG结合SVM分类器自动检测行人视频中每个人的行为运动，以区分过闸机的行人和非行人，得到正过闸机的行人图像；

S3、根据得到的正过闸机的行人图像，对行人过闸机时相邻行人之间的间隔距离进行计算，判断闸机开启一次的时间内连续两人及两人以上在通过闸机时相邻行人之间的实际间隔距离是否小于预设阈值，如果是，则进入步骤S4，反之，则进入步骤S6；

S4、自动截取闸机开启一次的时间内连续两人及两人以上过闸机的图片存档，并在存档的图片中标注出逃票的行人；

S5、重复步骤S1-S2，将新获取的所有正过闸机的行人图像与标注出逃票行人的存档的图片进行匹配识别，若新获取的正过闸机的行人图像中有被标注出逃票的行人，则控制闸机闭合，并通知被标注出逃票的行人进行补票，反之，则进入步骤S6；

S6、控制闸机放行。

2.根据权利要求1所述的车站预防逃票的智能监控识别方法，其特征在于，所述步骤S2包括以下步骤：

S21、基于HOG通过计算和统计行人视频中图像局部区域的梯度方向直方图来提取人体的特征；

S22、通过SVM分类器进行行人和非行人的区分，得到正过闸机的行人图像。

3.根据权利要求2所述的车站预防逃票的智能监控识别方法，其特征在于，所述步骤S21包括以下步骤：

S211、把行人视频中图像分割为包含若干个像素点的细胞单元；

S212、计算图像每一像素点的横坐标和纵坐标方向的梯度，并据此计算每个像素点处的梯度方向值；

S213、为每个细胞单元构建梯度方向直方图；

S214、把细胞单元组合成大的块，块内归一化梯度直方图，则一个块内所有细胞单元的特征向量串联起来便得到所述块的HOG特征；

S215、收集HOG特征：将检测窗口中所有重叠的块进行HOG特征的收集，将所有块的HOG特征依次串联，得到行人视频中图像所呈现的待检测行人的HOG特征。

4.根据权利要求3所述的车站预防逃票的智能监控识别方法，其特征在于，所述步骤S21还包括以下步骤：S210、将行人视频中图像进行gamma空间和颜色空间标准化。

5.根据权利要求4所述的车站预防逃票的智能监控识别方法，其特征在于，所述步骤S3具体通过以下步骤实现：

S31、校准：计算将获得的行人图像变形为鸟瞰视图的变换矩阵，并预设鸟瞰视图与行人图像中对应距离的比例尺；

S32、侦测：将HOG和SVM分类器应用于行人图像，以在每个行人周围绘制边界框；

S33、测量：基于所述变换矩阵在给定每个人的边界框的情况下，在鸟瞰视图中估计每个人的位置；

S34、根据校准步骤中确定的比例尺，进行行人图像中相邻行人之间的实际间隔距离计算；

S35、判断闸机开启一次的时间内连续两人及两人以上在通过闸机时相邻行人之间的实际间隔距离是否小于预设阈值，如果是，则进入步骤S4，反之，则进入步骤S6。

6.根据权利要求5所述的车站预防逃票的智能监控识别方法，其特征在于，所述步骤S33具体通过以下过程实现：

S331、将所述变换矩阵应用于每个人的边界框的底部中心点，从而得出其在鸟瞰视图中的位置，每个人的边界框的底部中心点在鸟瞰视图中均呈现出来投影点；

S332、计算同一列相邻投影点之间的距离，该距离即为相邻行人在鸟瞰视图中呈现的间隔距离。

7.根据权利要求6所述的车站预防逃票的智能监控识别方法，其特征在于，所述步骤S34具体通过以下过程实现：根据校准步骤中确定的比例尺，基于步骤S332中获得的相邻行人在鸟瞰视图中呈现的间隔距离，进行行人图像中相邻行人之间的实际间隔距离计算。