[發(fā)明專利]一種基于人工智能的地鐵逃票行為的檢測方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010971990.9
• 申請日: 2020-09-16
• 公開（公告）號: CN112084987A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 楊曉敏;范會笑
• 申請（專利權(quán)）人: 楊曉敏
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G07C9/29
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的地鐵逃票行為的檢測方法，其特征在于，該方法包括以下步驟：

獲取ROI區(qū)域的RGB圖像并進(jìn)行特征提取，得到人體關(guān)鍵點(diǎn)以及人體雙腳關(guān)鍵點(diǎn)熱力圖；所述ROI區(qū)域包括閘機(jī)口的ROI區(qū)域；

對所述熱力圖堆疊判斷得到停留時間，當(dāng)停留時間超出預(yù)設(shè)閾值時判定存在刷卡行為；

當(dāng)所述刷卡行為與刷卡臨時數(shù)據(jù)庫中的刷卡信息一致時，判斷刷卡成功；

在所述閘機(jī)口開放時間內(nèi)，統(tǒng)計所述人體雙腳關(guān)鍵點(diǎn)的數(shù)量，判斷實際通過的人數(shù)；

在所述人數(shù)大于1時，判斷存在并行逃票行為。

2.根據(jù)權(quán)利要求1所述的一種基于人工智能的地鐵逃票行為的檢測方法，其特征在于：

所述人體雙腳關(guān)鍵點(diǎn)熱力圖從所述人體關(guān)鍵點(diǎn)中提取得到的。

3.根據(jù)權(quán)利要求1所述的一種基于人工智能的地鐵逃票行為的檢測方法，其特征在于：

所述停留時間是根據(jù)所述熱力圖的數(shù)量結(jié)合相機(jī)采樣幀率得到的。

4.根據(jù)權(quán)利要求1所述的一種基于人工智能的地鐵逃票行為的檢測方法，其特征在于：

所述統(tǒng)計人體雙腳關(guān)鍵點(diǎn)的數(shù)量的方法為通過相機(jī)的幀率，根據(jù)固定幀數(shù)間隔對人體雙腳關(guān)鍵點(diǎn)數(shù)量進(jìn)行統(tǒng)計，當(dāng)統(tǒng)計結(jié)果數(shù)量與預(yù)設(shè)統(tǒng)計結(jié)果數(shù)量一致時，將該統(tǒng)計結(jié)果作為最終統(tǒng)計結(jié)果。

5.根據(jù)權(quán)利要求1所述的一種基于人工智能的地鐵逃票行為的檢測方法，其特征在于，還包括：

在一定時間內(nèi)對不同的逃票行為進(jìn)行統(tǒng)計，分析逃票行為的常用方式以及發(fā)生逃票行為的位置；所述不同逃票行為包括所述并行逃票行為、翻越逃票行為和鉆過閘機(jī)口逃票行為。

6.一種基于人工智能的地鐵逃票行為的檢測系統(tǒng)，其特征在于，該系統(tǒng)包括：

姿態(tài)估計模塊、并行逃票檢測模塊和數(shù)據(jù)分析模塊；

所述姿態(tài)估計模塊，包括關(guān)鍵點(diǎn)檢測模塊和關(guān)鍵點(diǎn)預(yù)測模塊；

所述關(guān)鍵點(diǎn)檢測模塊，用于基于人體關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò)對獲取的ROI區(qū)域的RGB圖像得到人體關(guān)鍵點(diǎn)；所述ROI區(qū)域包括閘機(jī)口所在的區(qū)域；

所述關(guān)鍵點(diǎn)預(yù)測模塊，用于基于人工神經(jīng)網(wǎng)絡(luò)對人體關(guān)鍵點(diǎn)在連續(xù)幀中形成的二維動作序列進(jìn)行預(yù)測，判斷逃票行為；所述逃票行為包括翻越逃票行為與鉆過閘機(jī)口逃票行為。

所述并行逃票檢測模塊包括關(guān)鍵點(diǎn)獲取模塊、對比模塊和判斷模塊；

所述關(guān)鍵點(diǎn)獲取模塊，用于從所述人體關(guān)鍵點(diǎn)中提取人體雙腳關(guān)鍵點(diǎn)熱力圖；

所述對比模塊，用于對所述熱力圖堆疊判斷停留時間，當(dāng)所述停留時間超過預(yù)設(shè)閾值時判定存在刷卡行為；在所述刷卡行為與刷卡臨時數(shù)據(jù)庫中的刷卡信息一致時，判斷刷卡成功；

所述判斷模塊，用于在閘機(jī)口開放時間內(nèi)，統(tǒng)計所述人體雙腳關(guān)鍵點(diǎn)的數(shù)量，判斷實際通過的人數(shù)；在所述人數(shù)大于1時，判斷存在并行逃票行為；

所述數(shù)據(jù)分析模塊，用于在固定周期內(nèi)統(tǒng)計發(fā)生不同類型的逃票行為的次數(shù)，分析逃票行為的變化趨勢以及發(fā)生逃票行為的位置信息；所述逃票行為的類型包括所述翻越逃票行為、鉆過閘機(jī)口逃票行為和并行逃票行為。

7.根據(jù)權(quán)利要求5所述的一種基于人工智能的地鐵逃票行為的檢測系統(tǒng)，其特征在于：

所述人工神經(jīng)網(wǎng)絡(luò)為TCN網(wǎng)絡(luò)。

8.根據(jù)權(quán)利要求5所述的一種基于人工智能的地鐵逃票行為的檢測系統(tǒng)，其特征在于：

所述關(guān)鍵點(diǎn)檢測模塊中的人體關(guān)鍵點(diǎn)檢測網(wǎng)絡(luò)結(jié)合聯(lián)合嵌入向量機(jī)制得到人體關(guān)鍵點(diǎn)。

9.根據(jù)權(quán)利要求5所述的一種基于人工智能的地鐵逃票行為的檢測系統(tǒng)，其特征在于：

所述判斷模塊統(tǒng)計所述人體雙腳關(guān)鍵點(diǎn)數(shù)量的方法為通過相機(jī)的幀率，根據(jù)固定幀數(shù)間隔對人體雙腳關(guān)鍵點(diǎn)數(shù)量進(jìn)行統(tǒng)計，當(dāng)統(tǒng)計結(jié)果數(shù)量與預(yù)設(shè)統(tǒng)計結(jié)果數(shù)量一致時，將該統(tǒng)計結(jié)果作為最終統(tǒng)計結(jié)果。

10.根據(jù)權(quán)利要求5所述的一種基于人工智能的地鐵逃票行為的檢測系統(tǒng)，其特征在于：

該系統(tǒng)還包括實時成像模塊；

所述實時成像模塊包括預(yù)處理模塊、特征提取模塊和圖像拼接融合模塊；

所述預(yù)處理模塊，用于對采集到的各子區(qū)域圖像進(jìn)行預(yù)處理操作，對預(yù)處理后的圖像進(jìn)行投射變換，得到待拼接的圖像；

所述特征提取模塊，用于對所述待拼接圖像提取特征點(diǎn)；

所述圖像拼接融合模塊，用于對相鄰圖像進(jìn)行特征點(diǎn)匹配，確定兩幅圖像之間的變換關(guān)系，進(jìn)行圖像融合。