地铁闸机检测系统中特定数目传感器布置方法(4)
3 传感器布置优化软件的构成
3.1 软件构成
软件应包括：视频数据库、视频图像处理、识别算法（应由用户选择或者给出）、传感器布置优化。
3.1.1 视频数据库
这是软件能有较好的优化效果的关键。它应包括各种行人通行的各种情况。应该有注意的采集不同性别、年龄、地区、着装、身高、体重的行人的通行情况。合法通行和非法通行都要达到一定的数量和多样性。
采集时视频信息时应注意：1.最好在蓝色背景下录制视频，且视频中的行人不应穿着或佩带蓝色或接近蓝色的衣物、饰品，以便后来更方便的去掉背景。2.应保证采集时的光照，可在地板上安灯以消除阴影。这样去掉背景二值化时剩下的即为行人在水平方向上的投影。3.要为非法通行的情况做分类，以便给识别算法以更灵活的空间（例如算法调整检测的严格程度等）。4.采集视频信息是要遵循一定的标准，以便软件的设计以及将来视频数据库的更新文护。
建立一套这样的视频数据库对中国的闸机检测技术的发展是很有帮助的。它不仅可以用作闸机检测系统的设计，还可以用作其他类似的通行检测系统上。
3.1.2 视频图像处理
这一部分已有的研究已经非常充分。在保证视频数据库质量的前提下，都可以较好的对行人同行的情况进行去背景和二值化的处理，得出行人通行时在水平方向上的投影。这里对此做简单介绍。
目标图像的提取方法主要有帧差法、光流法、和背景差法[2]。
帧差法是检测相邻两帧图像之间变化最简单的方法，但对于缓慢运动的物体在固定阈值下可能检测不到，且无法对应背景较大的场合。
光流法是利用运动目标随时间变化的光流特行进行运动检测。通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效的提取和跟踪运动目标。光流发的主要优点是对于目标在帧间的运动限制比较少，可以处理大的帧间位移，
但是计算复杂。
背景差法是利用当前图像与背景图像帧的差分来检测运动目标。这种方法可以提供最完全的特征数据。自适应背景差法计算简单，且对背景有较强的抑制性。差图像法相对比较容易，容易实时实现也是目前应用最广泛的目标检测算法。它需要先采集一帧不包含任何运动物体的固定静止参考帧，然后选择合适的阈值即可分割出来。
鉴于本问题处理图像的目的是为了模拟行人通行时的传感器的遮挡情况。固只要得到行人通行在水平方向的投影图像即可。所以采用背景差法。如上文所提，视频数据采集自蓝色背景下，且不含阴影。固只要设定合适的阈值，去掉蓝色背景即可。为了优化计算是的效率，将判断为背景的区域改为黑色，其他部分改为白色。
另外如果需要，还需对二值化后的图像进行去噪声等处理。相关的方法多且容易得到，在此不作介绍。
3.1.3 识别算法
这一部分应该由用户选择或给出。这是国内闸机研究的热点，相关研究很多。另外应注意，识别算法不应该只给出“是”或“否”的识别结果。这样不利于实际情况下的调整。识别出的结果应该转换为 之间的实数（具体的数据结构可以使浮点数等），它代表一个确信程度，若为0，则表示最确信的非法通行，若为1，则表示最确定的合法通行，之间的数，离哪一段的距离近，则表示越可能为那一段的情况。这样做的优势是可以根据情况做出灵活调整。例如后来发现某车站客流量很大，若检测过与严格，于效率不利。则应放松检测的标准。这时就可以调整最后判断的阈值即可。此外，这在评估识别算法效果和传感器布置优化中将发挥重要作用。