[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

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種地鐵逃票行為的檢測方法與系統(tǒng)。該系統(tǒng)包括實時成像模塊，用于將多個攝像頭采集到的各子區(qū)域RGB圖像進(jìn)行圖像拼接操作，投射到BIM地面上；姿態(tài)估計模塊，用于從獲取的RGB圖像中提取人體關(guān)鍵點(diǎn)，并通過深度學(xué)習(xí)檢測翻越、鉆過閘機(jī)等強(qiáng)行通過的逃票行為；并行逃票檢測模塊，該模塊利用姿態(tài)估計模塊中得到的人體關(guān)鍵點(diǎn)中提取出的雙腳關(guān)鍵點(diǎn)熱力圖，經(jīng)過后處理用于判斷是否存在并行逃票行為；數(shù)據(jù)分析模塊，用于在固定周期內(nèi)統(tǒng)計發(fā)生所述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經(jīng)常發(fā)生逃票行為的位置信息。該系統(tǒng)顯著提高了地鐵檢票率以及對地鐵逃票行為的檢測率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種基于人工智能的地鐵逃票行為的檢測方法與系統(tǒng)。

背景技術(shù)

地鐵逃票的方式五花八門，但最主要的還是以下幾種：第一是并行逃票，該方法是刷一次卡同時通過多人，多發(fā)生在閘機(jī)口處；第二是以翻越的形式逃票，該方法是在閘機(jī)處和護(hù)欄處都會發(fā)生；第三是從閘機(jī)口鉆過去已達(dá)到逃票的目的。

在申請公布號為CN110378179A，即基于紅外成像的地鐵逃票行為檢測方法及系統(tǒng)的專利申請文件中，提出了一種基于連通域的逃票行為檢測方法與系統(tǒng)。

在申請公布號為CN111064925A，即地鐵乘客逃票行為檢測方法和系統(tǒng)的專利文件中，提出了一種當(dāng)人員軌跡與刷卡區(qū)域有重疊時即可判定存在刷卡行為的方法。

在申請公布號為CN103605967A,即一種基于圖像識別的地鐵防逃票系統(tǒng)及其工作方法的專利文件中，提出了一種基于投影曲線的特征實現(xiàn)目標(biāo)分割來統(tǒng)計實際通過閘機(jī)口的人數(shù)的方法。

發(fā)明人在實踐中，發(fā)現(xiàn)上述現(xiàn)有技術(shù)存在以下缺陷：

上述發(fā)明創(chuàng)造中給出的方法對于逃票行為的檢測率不是很高，對于緊貼身體的逃票行為存在很大誤檢的可能，以及對于假裝刷卡而快速通過的逃票行為會出現(xiàn)漏檢情況。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于人工智能的地鐵逃票行為的檢測方法與系統(tǒng)，以解決上述現(xiàn)有技術(shù)的缺陷，所采用的技術(shù)方案具體如下：

第一方面，本發(fā)明一個實施例提供了一種基于人工智能的地鐵逃票行為的檢測方法，具體包括獲取感興趣(region of interest，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；對熱力圖堆疊判斷停留時間，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)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；在閘機(jī)口開放時間內(nèi)，統(tǒng)計人體雙腳關(guān)鍵點(diǎn)的數(shù)量，判斷實際通過的人數(shù)；在人數(shù)大于1時，判斷存在并行逃票行為。

第二方面，本發(fā)明另一個實施例還提供了一種基于人工智能的地鐵逃票行為的檢測系統(tǒng)，具體包括姿態(tài)估計模塊、并行逃票檢測模塊和數(shù)據(jù)分析模塊。

其中，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。

關(guān)鍵點(diǎn)檢測模塊，用于獲取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)；所述ROI區(qū)域包括閘機(jī)口所在的區(qū)域。

關(guān)鍵點(diǎn)預(yù)測模塊，基于時間卷積網(wǎng)絡(luò)(Temporal convolutional network，TCN)對所述人體關(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；所屬逃票行為包括翻越逃票行為與鉆過閘機(jī)口逃票行為。

其中，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。

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。

對比模塊，用于對所述熱力圖堆疊判斷停留時間，當(dāng)停留時間超過預(yù)設(shè)閾值時定存在刷卡行為；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。