三級可容錯狀態匹配的閘機通行邏輯算法設計

孔曉健 陳祥獻 張 寧

(1.中國科學院上海技術物理研究所,200083,上海; 2.浙江大學生物醫工程與儀器科學工程學院，310027，杭州;3.浙江眾合機電股份有限公司,310052,杭州∥第一作者，研究實習員)

?

三級可容錯狀態匹配的閘機通行邏輯算法設計

孔曉健1陳祥獻2張 寧3

(1.中國科學院上海技術物理研究所,200083,上海; 2.浙江大學生物醫工程與儀器科學工程學院，310027，杭州;3.浙江眾合機電股份有限公司,310052,杭州∥第一作者，研究實習員)

針對閘機系統的現狀以及選取的硬件基礎,基于全局全過程的設想,以狀態轉換為聯系，構建“傳感器狀態”、“獨立狀態”、“組合狀態”的三級閘機通行邏輯算法模型。通過分區進行模式抽象,繼而采用模式匹配的方式初步判斷模式狀態,憑借“容錯函數”冗余行為的動態性,再次判斷目標對象種類并進行目標的識別,實現閘機通道內運行的邏輯判斷。選取較為常見的正常成年人的通行特征,進行算法的程序驗證,初步論證本算法具有一定的正確性和可靠性。

地鐵; 閘機系統; 人體識別; 傳感器; 容錯函數

First-author′s address Shanghai Institute of Technical Physics, Chinese Academy of Sciences,200083,Shanghai,China

閘機是自動售檢票系統的關鍵設備,它利用內部智能識別系統進行通行邏輯分析識別。這正是閘機設計和開發的核心。而乘客通行情況的復雜性使得如何快速、準確地進行乘客進出站的識別方法是當前面臨的難題。

從20世紀70年代起,多家國外公司都開始著手研發能有效適用于城市軌道交通的閘機智能識別系統,我國在90年代開始進行嘗試性研究[1]。以分解物體運動活動為動作、行為和事件為主要理論基礎判斷運動個體的事件識別技術[2]成為主流的方法,形成知識庫和判別法則[3]。此方法能識別大部分情況,但因識別單元基于運動個體,還不能檢測多個物體情況,也不能區分人和類人物體。基于XYT模型[4]通過步態模式[5]捕捉的壓分與識別能彌補該方法的部分缺陷,根據特征分辨出人和類人物體,但仍無法區分間隔很近的多個個體。

1 算法概述

分析、對比各種技術現狀,限于成本等因素制約,現有閘機仍以傳感器對射信號遮擋為主導識別輸入,如浙江眾合機電股份有限公司采用的由瑞典固力保公司設計的剪式閘門(已應用于杭州地鐵1號線)可雙向通行,其傳感器分布如圖1所示。

圖1 傳感器在閘機外殼上的位置布局及分區示意圖

本設計將針對這16元傳感器信號進行分區分析形成五部分區域,進而分級分析抽取“傳感器狀態”、“單獨狀態”和“組合狀態”模式,與模式庫內進行匹配分析,初步判斷當前可能的模式狀態。繼而通過相匹配的“容錯函數”冗余運動體的運動狀態匹配計算符合度,再次判斷準確的運動狀態。本算法在驗證過程中,基于仿真各種可能經常發生的情況,初步建立了各種模式狀態及相對應的“容錯函數”的模式庫。

2 分級全過程

基于文獻[6]提出的動作、行為和事件理論思想,本算法類比刻畫了基于“傳感器狀態”、“單獨狀態”和“組合狀態”三級狀態的運動過程模式。本模式既有層次階梯式性,又相互關聯一體,即使在最高級“組合狀態”判斷時仍需評估初級“傳感器狀態”的匹配性。另外,又寓時間參數于運動模式過程中,形成如狀態機的變換卻又有時鐘計數。

2.1 傳感器狀態

設定最基本狀態為“傳感器狀態”,即當前t時刻16元傳感器的狀態向量x(t)=[x1,x2,…,x16],其中xi表示每一對傳感器信息量1或0。在分區分析過程中,對“傳感器狀態”做適應性調整,只關注當前區域中傳感器的狀態x(t)=[xi,xj,…,xk]。因其隨時間改變,若出現“全零狀態”時,不單獨考慮,需分析之前最近時刻的“非零狀態”。

2.2 單獨狀態

設定由幾種具有一定變化規律的“傳感器狀態”形成、可以用來簡單判斷當前閘機內部運動體情況的狀態系列為“單獨狀態”,如圖2所示。為提高準確度,以某一標識符表示該“單獨狀態”完成的程度。“單獨狀態”具有以下特征:

圖2 “單獨狀態”示例

(1) 并非單獨時刻點,時間上具有連續性,由有限等周期間隔的離散化傳感器狀態構成;

(2) 形成的整體序列應該可以被簡單化分類,由有限個傳感器狀態(如下以某數值表示這一狀態持續時間長度)的變化來表示;

(3) 能夠表示在閘機通道內物體特有的種類、位置及運動可能趨勢。

2.3 組合狀態

將被考察時間段內所有“單獨狀態”的變換系列稱之為“組合狀態”。如圖3所示,這五個“單獨狀態”形成一個類似狀態轉化圖序列完成了整個“組合狀態”——成人正常通過閘機。

除以上正常過程狀態外,還可考慮以下情況:

圖3 “組合狀態”示例

(1) 目標入侵——已辨認一個目標位置后又確認其他目標從另一側進入;

(2) 目標丟失——目標從通道內突然消失,無任何信號(全零狀態);

(3) 目標止步不前——目標停止前進,信號持續維持原樣。

以上特殊狀況可通過比對當前及之前一段時間內傳感器狀態,較容易進行識別,且日常生活中發生可能性較低,此處暫不做討論。

3 模式匹配

眾所周知,人體等目標在行走過程中,雖可抽象出大體上具備的步態等人體特征,但仍有小部分運動過程具有隨意性。前文所述的分區分級三級模式旨在刻畫運動體在通過閘機過程中的固有運動狀態屬性,刻畫的是相似情況下的大體運動輪廓。而本節將論述的“容錯函數”在于刻畫目標運動的隨機性,主要用于消除在運動體通過閘機過程中固有運動狀態的不確定性。它能夠在標準的框架模型下,實現一定的冗余,更加準確地對運動過程的細節加以復原。

3.1 目標分類

本文認為目標可以分解成為成人(男、女)、小孩、包、箱等元素。同一時間段若能辨認多種物體運動狀態,則可判定為多物體運動。但這些目標應非交叉粘連狀,即可完整被分割成近似完整的多個部分,這些部分的重疊部分應很小因而可基本忽略不計。如人拉行李箱時可完全將人的運動和箱子的運動分解成兩部分,只有手拉著箱子的這一小部分是重疊的。故下文中將直接選取單一部分簡化處理。

3.2 容錯判斷

模擬通行過程,改變通過閘機的時間等變量繪制如圖4的成年人正向、逆向通過閘機通道16對傳感器遮擋情況的概率-時間圖,對比曲線可知:正逆向過程整體信號變化趨勢相同,相應的每對信號波動變化情況恰好相反。

本文提出引入單位周期內某特定單獨狀態單一傳感器的時刻容錯率函數(簡稱“容錯函數”),即當前“單獨狀態”、單位周期內某一時刻下某一傳感器發生不符合模式的遮擋情況時,此時系統是否判定發生錯誤的要求程度,從100%至0表示一定判錯的嚴重程度。“容錯函數”從概率分布的角度表達出這些隨機性因素對模式匹配判斷過程帶來的影響程度。在容錯判斷中的核心,正是通過采用容錯率來消除不匹配度的影響來輔佐再次判斷的正確性。

圖4 正常成年人正向、逆向通過閘機16對傳感器信號狀況

3.3 分區實現

根據正常行進過程,結合疊加性與近似的對稱性考慮,將閘機組成的通道分成如圖1五個區域以方便進行狀態提取。以區域1分析為示例,其他區域類似。區域1包含第1-3號傳感器,繪制圖像發現兩者的“單獨狀態”幾乎一致:

001(0.157)→011(0.215)→111(0.256)→110(0.194)→100(0.178);

001(0.172)→011(0.211)→111(0.234)→110(0.189)→100(0.194)。

但是,每一對傳感器所對應的信號曲線則有明顯的差異(如圖5所示),對已處理獲得概率-時間圖做一次函數擬合,得到相應的容錯函數。考慮其復雜性和必要性的關系,容錯函數可分段擬合及增加擬合多項式次數。正向的第1號傳感器容錯函數可寫為:

圖5 正常成年人正向、逆向通過閘機區域時傳感器信號狀況

3.4 補充修正

在建模過程中,發現實現容錯函數的應用需預估“單獨狀態”的周期長度。根據各傳感器曲線的特點,現采用其第一次和最后一次傳感器遮擋發生變化的時刻作為曲線的定型點,進而復原整個周期曲線。但因人體行進的隨意性,這些點也具有一定的隨意性。

以第2號傳感器第一次遮擋情況為例(見圖6)。分采樣周期為10 ms、20 ms兩組,以第一次出現遮擋情況的時刻為橫坐標,以頻率為縱坐標,統計足夠多的數據,做最簡單的處理,即取整個曲線的峰值對應的數值作為參考點。若有可能再進一步修正,可以選取一部分區域作為參考點區域,則可以減少誤差。同樣方法對所有傳感器進行數據統計采集和處理,得到一系列的定型點。

圖6 第2號傳感器第一次出現遮擋的時刻分布

4 算法驗證

通過已有的閘機仿真測試系統,模擬多種情況(不同運動個體,不同運動速度等),按照如上算法的描述建立匹配的模式庫。初步建立正常成年男人行走的不同模式狀態及相應的“容錯函數”,并在驗證算法的程序中嵌入。

根據已有閘機系統,獲得幾組測試信號數據并以文本文件的格式存儲在計算機中。通過導入測試文本給出相應結果的方式進行驗證,主要分為以下兩類情況:

(1) 根據正常成年人通過閘機的不同階段分別選取了八組進行過程的信號。如圖7所示的最后輸出結論與事實相吻合:①均識別出了這是正常成年人;②根據實際的行走過程給出了相應的位置情況。

圖7 相同目標不同狀態識別組圖(以進入順序為序列)

(2) 如圖8所示,分別選取了正常成年人正向通過閘機、正常成年人逆向通過閘機、兒童正向通過閘機。三組信號最后的輸出結論與事實相吻合:①前兩者識別出了這是正常成年人,后者由于是兒童而非正常成年人,得到的是暫無法識別目標;②繼而由于不符合行走模式,做出了錯誤判斷,而對于符合模式的第一、二種情況,得到了通行結束的結論。

圖8 不同目標識別組圖(分別為:正常成年人正向、逆向、小孩)

根據這兩類情況的測試,可以進一步確定該算法模型的正確性,但仍需進一步完善眾多細節。

5 結語

針對現狀及選取的閘機系統硬件基礎,本文提出了一種新的識別方法。本方法兼顧在閘機通過時運動狀態的確定性和隨機性。首先,類比優化提出了三級狀態的運動模式,匹配還原運動的大致輪廓,判斷模式狀態。其次,創新性地引入“容錯函數”，冗余不同運動狀態下模式匹配中的波動性,修正了判斷的錯誤率,再次判斷獲得目標的種類和所處的狀態。通過測試,該算法模型具有一定正確性。

但在本模式匹配中,模式是預先定義和獲得的,具有局限性,事先須明確目標分類和通道分布等。另外,在模式匹配過程中,如何對整體模式復原還需要進一步探究。本文提出的容錯函數,是出于對匹配過程中的匹配程度的考慮,具有一定影響意義,但在實際應用過程中,發現仍可以對容錯函數的分段周期做靈活的變換。此外,在此基礎上著重考慮如何對離散點與已知曲線的擬合,這或許將是提高閘機智能識別系統正確率的一個方法。

[1] 趙靖.軌道交通閘機智能識別系統硬件平臺和控制程序的研制[D].天津：天津大學,2006.

[2] 曲日,鮑彥如,任長明，等.城市軌道交通中閘機事件識別技術[J].中國鐵道科學,2006,27(4):112.

[3] 李建省,張美鳳.地鐵閘機控制系統中人體識別技術的研究與應用[J].電氣傳動自動化,2008,30(1):22.

[4] SOURABH A N.Analyzing and Recognizing Walking Figures in XYT[C]∥IEEE Computer Vision and Pattern Recognition.Seattlw:IEEE;1994:469-474.

[5] 孫佳.一種基于離散時空模型的步態識別方法[D].天津：天津大學,2007.

[6] POLANA R,NELSON,R,Detecting activities[C]∥IEEE Computer Vision and Pattern Recongnition.NewYork：IEEE,1993:2-7.

Logic Algorithm Design of Automatic Ticket Machine with Three Levels of Fault-tolerant StateKONG Xiaojian, CHEN Xiangxian, ZHANG Ning

In view of the present situation of the automatic ticket machine and the adopted hardware, a logic algorithm model of three-level gate access is built based on full-process state conversion, including “state of sensor”,“state of independence” and “state of combination”.Partition of the abstract model is the first step, followed by the use of pattern matching to determine the possible state pattern. Based on the dynamic function of fault-tolerant redundancy, different kinds of objects are classifiedand their targets recognized.In such a way, the logic judgment of operation in the machine channel could be made. The common features of normal adults are selected, through program verification, the algorithm is proved to be correct and reliable.

metro; automatic ticket machine system; human identification; sensor; fault-tolerant function

U 293.22

10.16037/j.1007-869x.2016.05.006

2014-07-09)