地铁闸机检测系统中特定数目传感器布置方法(3)
传感器主要用于检测通道内乘客通行的情况，它是闸机智能系统的一部分。传感器的种类、数量以及安装的位置都和只能识别技术有关。根据工作方式的不同，红外传感器可以被分为对射式和反射式两种。对射式红外传感器由发射端和接收端两部分组成，它可以用来检测在它的发射端和接收端之间是否存在物体。发射端负责发射红外线，而接受端负责接受红外线。当发射端和接收端之间不存在物体时，接收端会接受带发射端发射的红外线，此时传感器所对应的工作状态为0,。当发射端和接收端之间存在物体时，物体会这笔住发射端的红外线，接收端将接受不到红外线，此时工作状态为1。控制模块通过检测该传感器所对应的工作状态，就可以检测是否有物体遮挡该传感器。反射式红外传感器不同于对射式红外传感器，它的红外线的发射端和接收端都位于一个传感器上。它接受自
己发射出来后反射的红外线。它的工作状态同对射式红外传感器。
闸机各部分之间的关系如图2-2。
图2-2 闸机各部分之间关系
2.2 检测识别系统简介
作为闸机的关键部分，识别方法一直是国内外研究的热点，特别是今年来，国内在此方面的研究越来越多。产生了种类繁多的识别方法。
识别方法有基于乘客厚度的关键点识别[1]，节省了传感器的数量和也简化了一些识别算法，且对于识别中最难辨认的两个人贴近通行的状况有了较为简单的解决。但是，对于复杂的通行状况，如穿裙子的人，会出错。若是辅之以摄像机将移动物体划出界限区分出来，则减少误识别率。识别方法里也有将摄像机安装在闸机一侧，捕捉通过人头部图像的识别方法[2]。大体是通过与背景做差并且对图像进行去噪声等图像处理后，最后计算面积来进行分类的方法。当然仅仅是用此方法进行识别的话，并不能得到理想的效果。但此方法的提升空间很大。比如可以将人脸识别的技术融入，从而达到准确识别。此外，此方法中最后用移动物体处理后的图像的投影面积来分类也有待商榷。更合理的分类应该包括对人头部
形状的特征的识别。对此，张嫄做了一种识别形状的探讨[4]。她利用阈值的自适应算法将图像二值化。然后通过边缘检测，将物体区分。在李建省，张美凤的工作中，则是通过知识库和规则库来进行识别，也有不错的效果[8]。顶端摄像机采集的头肩部图像，通过haar-like特征与AdaBoost分类算法来区别出是人还是物，相应的也采取了步态识别的方法来加强识别的结果[10]。在识别中引入事件的概念，将闸机通行的情况当做一个个通行事件，再通过不同事件的特征来分类[5]。通过设置矩阵式的传感器阵列和安装在天花板的摄像机来获取信息[5]。摄像机的主要工作是将图像处理后分出移动物体的边界（也区分开不同的物体）同时获得物体在垂直方向的3文数据，传感器的工作主要是辅助摄像机区分开物体的边界并且提供物体水平方向上的3文数据。算法的核心是设计好的实例来训练贝叶斯分类器。之后就可以通过它来有效的分类了。实验结果表明这种方法有效且能适应通过闸机情况的新的变化，有很大的前景。另外，可以引入模糊控制的方法使乘客更加舒适、高效通行。
识别算法是和传感器布局是相辅相成的，可以说传感器布局也是识别方法的一部分。然而此方面的研究却非常少。大部分识别算法中给出的布局方案都依赖设计者根据算法特点和经验，再参考一些人体特征和运动规律。也有直接用阵列式布局的方案。而来自天津大学的曲日、鲍彦如、任长明等则为制作了闸机仿真软件[6]，主要是用来对智能算法做仿真实验。它通过将乘客通行情况录制成视频文件存入数据库，仿真软件读取视频文件模拟通行情况。同时用户将传感器方案和识别算法提交给仿真软件。最后，输出相应仿真结果。受此启发，传感器的布局优化可以用遗传算法尝试解决，可以把仿真的结果用于遗传算法中的评价函数。如此，不但仿真软件可以用来测试算法，也兼具了调整传感器布局的功能。