[發明專利]基于徑向基神經網絡的紅外光電客流采集裝置及方法

無效

• 申請號: 200810052525.4
• 申請日: 2008-03-26
• 公開（公告）號: CN101256687A
• 公開（公告）日: 2008-09-03
• 發明（設計）人: 顧軍華;韓煥平;朱方;郝麗萍;郭志濤;張健楠
• 申請（專利權）人: 河北工業大學
• 主分類號: G07C9/00
• 分類號: G07C9/00;G06N3/06;G06M1/272
• 代理公司: 天津市杰盈專利代理有限公司
• 代理人: 趙敬

技術領域

本發明涉及自動檢測技術，特別是一種基于徑向基神經網絡的紅外光電客流采集裝置及方法，將紅外光電檢測技術和徑向基神經網絡算法相結合，建立了一個基于RBF神經網絡的客流計數系統，用于公共場所的客流采集。

背景技術

客流數據對于依賴客流的行業意義重大。對于盈利性的行業，客流的數量和駐留習慣直接決定了營銷決策的制定；對于非盈利性的行業，統計客流的數量本身就等于執行安全防衛工作，確保了統計區域的安全。隨著統計分析技術和計算機技術的不斷發展，客流統計已開始進入自動化階段，要求能夠提供即時、可靠的客流量信息。

中國專利CN200610129636公開了一種基于人體模型的紅外光電客流統計裝置，包括紅外光電發射器陣列和光電接收器陣列、控制/判斷單元，兩個陣列的發射器和接收器之間具有一一對應的關系；所述控制/判斷單元由微處理器及其外圍電路構成，控制所述紅外光電發射器陣列發射信號，并對通過光電接收器陣列所采集到的信號進行處理，根據人體模型學算法區分人與物體，判決是否有人通過，根據各排光電接收陣列接收紅外光的順序，判斷人體通過方向；當多人同時通過時，判決通過人的個數。該裝置對硬件設備需求量較大，所涉及的人體模型學算法，是根據人體形狀進行判斷的，算法復雜，缺乏智能化的思想，因此容易出現誤判。

中國專利CN?200510060288公開了一種基于立體視覺的公交客流統計方法，該方法利用處理器對立體視覺裝置獲取的雙目圖像進行立體視覺處理，得到場景中的各點到攝像機之間的距離，然后在距離上設置閥值，得到距離攝像機某一距離范圍內的場景中的所有點，通過對這些點去噪、擬和，再結合單目圖像的特征識別方法，將那些近似組成圓的場景中的點的集合作為人的頭部，從而實現了人頭部的檢測，再將人頭部檢測的結果的位置、半徑、灰度信息交由跟蹤算法實施跟蹤，便可以判斷出客流的運動方向，從而完成客流信息統計。該專利申請，在硬件上，需要采用攝像機等設備，成本較高，在軟件上，僅僅對圖像提取了人體頭部信息，位置、半徑、灰度信息交由跟蹤算法實施，從而判斷客流的運動方向，此種判斷方法對攝像機、跟蹤算法精確性的依賴程度很高，從技術上難以實施，難以達到較高的分辨率。

可行的客流采集方法要求有較低的設備成本，且能夠對較大量的連續客流進行計數，但現有的客流采集裝置和方法都不能滿足上述要求，目前也未見有此類較成熟的技術。

發明內容

本發明目的在于提供一種基于徑向基神經網絡的紅外光電客流采集裝置及方法，可以克服已有技術的不足。將紅外光電檢測技術和徑向基神經網絡算法相結合，建立了一個基于RBF神經網絡的客流計數系統，用于公共場所的客流采集；成本低、實時客流計數準確率高、誤差率較低。本發明是一種具有理論和實際意義的紅外光電客流采集裝置和客流統計方法。

本發明提供的基于徑向基神經網絡的紅外光電客流采集裝置包括：

紅外對射光電傳感器、開關量接口卡和計算機。

其中紅外線對射光電傳感器將根據顧客的行走遮擋產生變化信號，所述的紅外光電管為四組。

開關量接口卡，將紅外光電傳感器產生的信號傳給與其相連的計算機中，作為RBF神經網絡識別系統的輸入。

計算機負責徑向基神經網絡的訓練、數據的預處理以及客流人數分類識別和輸出。

所述的紅外光電管的發射端與接受端之間對射安裝在同一條直線上，其中的任意一條發射端的紅外光電管不影響其他的接收端。當有物體通過時，光線被遮擋，接收端指示燈亮，并輸出一個高電平脈沖；當沒有物體通過時，輸出一個低電平脈沖。

紅外光電傳感器的發射端發射紅外波長信號，當紅外線被遮擋時，接收端指示燈亮，并產生信號1，當紅外線不被遮擋時，接收端指示燈不亮，產生信號0。這樣便可以通過開關量接口卡將采集0-1序列傳給相連的計算機，接口卡直接連接到計算機的主板插槽上。通過設置接口卡上面的開關設置可以確定保存的計算機地址。這時，每當客流經過，紅外傳感設備產生相應的信號，基地址里儲存了0，1數據。

本發明提供的一種基于徑向基神經網絡的紅外光電客流的采集方法包括的步驟：

由光電管遮擋產生信號對走過紅外光電區的顧客進行采集計數，開關量接口卡將紅外光電傳感器產生的信號傳給與其相連的計算機，采用RBF神經網絡模式識別方法，處理采集客流數據，進行訓練、分類識別，完成計數功能；

所述的訓練過程包括數據獲取、預處理、特征提取、訓練網絡參數設定、客流神經網絡分類器的設計；