[发明专利]一种城市轨道交通闸机事件智能识别方法

摘要

本发明涉及一种城市轨道交通闸机事件智能识别方法，通过在刷卡闸机门上合理排列漫反射型红外线传感器，检测数据送入PC中进行神经网络的训练，区分成人、孩子和物品，建立智能识别模型来检测逃票。与传统闸机相比，引入这种识别方法的闸机具备智能识别的功能，闸机自身便可识别通过闸机的乘客是正常通行还是非正常通行。目前一些具备智能识别功能的闸机，依靠运动个体在时间上和空间上遮挡传感器情况人为进行逻辑判断，对一些不规则行走的运动个体识别效果不甚理想。与其相比，本发明引入深度学习网络这个概念，通过前期对大量各式各样的数据的训练能大大提高闸机智能识别系统的鲁棒性。

主权项

一种城市轨道交通闸机事件智能识别方法，其特征在于，具体包括如下步骤：1）在人通过检票的轨道闸机一面上安装漫反射型红外线传感器进行检测：在闸机门入口、检票前端处安装进门检测传感器，有效刷卡后打开闸机门；在乘客刷卡后进入步态检测区处安装上下两排漫反射型红外线传感器，一排传感器距离地面高度35cm，传感器互相之间的间距为15 cm，检测数据作为成人和孩子辨别数据，另一排传感器距离地面高度15cm，传感器互相之间的间距为15 cm，检测数据作为人和拖拉行李箱辨别数据；在闸机门出口安装出口检测传感器，在乘客走出后关闭闸机门；2）样本采集：选择不同的代表性单人成年乘客、身高低于1.3m儿童乘客、携带行李箱的单人乘客、前后距离间隔很短模拟逃票的乘客通过步骤1）中的轨道闸机门，存储数据和对应特征；3）将步骤2）采集的数据作为模型输入送入限制玻尔兹曼机（RBM）数学模型进行学习，得到具有较好权重和偏置初值神经网络模型；4）将步骤2）中的数据和对应特征送入BP算法中，达到结果调整步骤3）所得神经网络模型的误差；5）对所得神经网络模型进行训练，重新进入步骤2）～4）进行新样本采集、新神经网络模型权重和偏置计算、新新神经网络模型误差调整，直到误差值降至可接受的阈值；6）最终得到训练后，可得到步骤2）中4种乘客的神经网络模型，用以进行闸机一票一人的识别判断。