第20卷第1期2021年3月
南通航运职业技术学院学报
JOURNAL OF NANTONG VOCATI O NAL&TECHNICAL SHIPPING COLLEGE
Vol.20No.1
Mar.2021
doi：10.3969/j.issn.1671-9891.2021.01.007
张智华，孔维灿，曹伟，康泽宇，徐广泽
(江苏航运职业技术学
交通工程学
*，江苏南通226010)
摘要：在复杂环境下提高地铁：机智能识别系统的识别率是一项极其困难的工作$针对地铁：机通行中各种事件的不同情况，提出了一种基于支持'量机的智能识别方法，并设计了基于双CPU控制和红外传感器的智能检测识别系统，通过合理安排红外传感器的位置，｛取通行乘客经过：机通道时的运动序列，结合图像识别等辅助功能，最终判断通行乘客情况。大量样本数据表明，通过SVM的方法使控制系统精度和处理能力得到提高，识别率超过90%，较好地满足了市场需求。 关键词：：机；目标识别技术；双CPU；支持'量机
中图分类号:U231文献标志码：A文章编号:1671-9891(2021)1-0032-05
0引言
如何在复杂环境下提高地铁闸机智能识别系统的事件识别率，是一项极具挑战性的工作。我国地铁闸机智能检测识别系统研究工作始于20世纪90年代，起步晚，的计环境整的计系，产品性能同国外同类产品比仍当的，相关研究比。提一
于事件的通，事件识别、人步识别人识别识别技术。业提的，提一于人步检测的闸通。[2]省提一新的人识别，于别的人识别。冈提于的通，事件识别技术步识别技术闸通的通识别。旳识别，的，且85%的检测识别率能的。051本文提一机(Support Vector Machine，SVM""，通过合安排红外传位于闸机
通的位置，获取通乘经过闸机通时的运序列，最终断通乘的通式。同时，借助车站像识别等辅助装置获取通乘的身高信息，依应的识别断通过闸机通的乘是否存在现象。为验证闸机系统通过模型设计及为识别的效性，设计了基于双CPU红外线传的检测识别系统。
1基于SVM的闸机乘客通过事件识别模型分析
机SVM由Vapnik等人于1995年提并成著作，并由我国学者翻译，利最化的原
解决实际存在的问题，国模式识别领域的研究产生深的影响。机通常通过最小化结构误差训练分类问，是模式识别与智能控制领域研究的新。
豆袋弹通过采机式可将分为正、负两类。若采集到的一组点的属于两类，机的描述可如下：机立一，将同一类的点分在同一，两类点到超的最化。最分为一类与一的，同一类的
点之间的小。机生成的包含两类点的子集，我们为。4为两
集的最优分示意图，图中中线为最优分类线，分类线但能将两类正确分，训练误率0，能分类到最大。
收稿曰期：2021-02-25
沥青透水混凝土
基金项目：江苏省大学生创新计划训练项目(202012703010Y)
作者简介：张智华(1983-)，男，江苏如东人，江苏航运职业技术学院交通工程学院副教授，博士。
第1期张智华，孔维灿，曹伟，等：基于SVM的地铁闸机检测识别系统研究33
广最大距离
o
图1最佳分割超平面的分类间隔
$
假设训练数据样本集为{!,,",}(!$1,2……#)，其中!!!是%维输入指标,"!{-1,+1}是所需的输岀指标。最优分割平面的中间直线定义为：
"&+b二0(1) $
其中，为分割超平面的权系数向量为阈值。
为了最大化超平面之间的距离"""，需最小化参数""||2，要使传感器得到的数据阵列能够正确分类不同事件，则向量和为需满足以下方程式:
"*(+))-1#0(2)
而分离边界和最优超平面上这些点之间的欧几里得距离，由式(3)确定：
"*(二1(3) |"||一||"||'丿
因此，支持向量机目标为构建最优分割超平面来分类所有得到的传感器数据样本，可以通过凸优化的
方，则:
<",[(W!,+))-1]#0
定义拉格朗日函数方程为：
(W,),!))1II"II&-(卩["(+))-1](5)
2*=1
式中,！*为拉格朗日乘子。最优问题的解决方法可以通过求取函数的极值来实现,0(",',!)为求最小值，可以分"、b进行求导并令其为0，即有：
2
船10n+
「⑹船)0)0
将式(6)代入到式(5)，则优化问题式(4)变为：
#22
*=17*=i j=1
2
(!*"*二0
*=1
34南通航运职业技术学院学报2021年
则式(7)存在唯一解，若卩为最优解，则需满足！二＞
"=1
根据拉格朗日函数方程与上述不等式约束的乘积条件，则优化问题需要满足以下公式：
[$/)+&一1]二0(8)
当选取!〉0，可以求取&%二兀-由此可得到最优超平面函数。
"=1
通过目标识别模型即先将通行闸机时传感器获得的数据按照S0M识别方法进行数据，通过
目标的数，选测试数据库，运用SVM方法进行、测试进而提类
率。若得到的不满，需将数模型进一优化，通过选取，最终达到满的。2闸机检测识别控制系统整体设计
用器(Central Processing Unit，CP?”)进行的件，其中以
理器ARM(Advanced RISC Machines)为进行模、传感测识别模以
的，用ARM器进行识别模型的数据，通过RS232通一个CPU数据o CPU用数器DSP(Digital Signal Processor)为从控
机，时DSP机通过通式，由器上机o闸机测识别的2o
图2闸机检测识别控制系统的整体框图
2.1闸机传感器检测
的闸机识别要由件件，件为识别算，件要为用对射型传感器的件测路，选用对射型传感器测乘客通行情况。3
为传感器原，由射器接收器两，传感器平行在闸机两侧，当闸机之间测到物，传感器对应状态为0，否则状态数据为1。闸机行走通道平行了总共12对射型传感器，4 o进 测区传感器12用于测乘客情况，允许乘客停留进行刷卡人脸识别等操；传感器3至传感器10共8传感器于态测区域，传感器34用于测乘客的不明逃票行为，区域了跟随报警装，一旦没有经过刷卡进入区域则测报警装就会报警，直至退区域；测器了传感器1112，用于测乘客的情况，在区域里要求人员在一时间内离开区域，防止人员拥挤，影响正常乘客，若在一时间内未离，则会触语音提醒。
图3对射型红外传感器原理图
阐机检测进出方向
态测区图4
闸机红外传感器检测点分布图
增高减肥鞋第1期张智华，孔维灿，曹伟，等：基于SVM 的地铁闸机检测识别系统研究
35
2.2智能检测识别流程软件设计及数据处理
通道内的事件识别算法流程如图5所示。通行乘客刷卡进入通道后，闸机系统检验是否检票，如果成功 检票，则闸门打开，乘客通过之后，判断是否为单人通过；若不是，则触发报警装置，现场工作人员予以确认。 如果没有检票，车站视频图像的信息采集对比功能则对乘客 行判断，如果乘客
1.3 &，合
不 票的 ，闸门打开；若不 1.3 &的 ，则触发报 装置，工作人员现场确认。
据相关 求，同时建立通行上位数据 示 。图6所示为 示 ，过
的工作状态
（“0 示
，“1 示 ，系统 1ms 的工作 ，对5—10
后时 发 的数据别予以 。 有乘客过闸机通道时,5—10
集
的数是
+行、6 的
行 系统 的 ，
的工
作 ，“1
0”），
成 为+*6的数据流， 为时 ， 为5—10 的
图5闸机通行识别算法流程图No.5 No.6 No.7 No.8 No.9No.10
红外传感器
图6乘客通行闸机传感器工作数据状态
3实验数据分析
验，通过 事 进行识别 ，事 1为单人没有 行李通过闸机通道,
单人 通过闸机通道; 事 2 为 人 行 人 后通过闸机通道; 事 3
为单人 行 通过闸机通道
据乘客通过检票设 时的
工作 为数据 ， 过 智能识别算法
，以对乘客通行过程
所 的事
确的判断，通过Matlab 软 采集 验数据，以
检测智能识别方法的 确 以曲日提 的 事件驱动的乘客通行算法得到的识别率、BP 神 网络算法
与支持向量机SVM 法进行对比 ，
60乳胶片
用来训练识别模，30 用来测试训练样
，则以得到表1所示数据。
表1不同方法下的识别率
背胶橡皮布
采用的法测试 /训练最小识别率最大识别率
成上上网平均识别率
基于事件驱动算法
无无
无
0.85BP 神经网络30/600.830.9
0.89
SVM 30/60
0.92
0.920.92
4结束语
针对地铁闸机通行中各种事件的不同情况，本研究提岀了一种基于SVM 的识别方法，并设计了基于双
36南通航运职业技术学院学报2021年
CPU控制和红外传感器的智能检测识别系统。大量样本数据实验表明，该方法得到了满意的结果，且使控制系统精度、处理能力得到提高，识别率超过90%。该方法对地铁闸机及其他门禁系统的智能检测具有一定的参考价值，检测识别率的提升能够较好地满足智能识别系统的市场需求。
参考文献：
[1]!日.城市轨道交通中闸机智能识别系统及其识别技术的研究[D].天津：天津大学,2005.
[2]牟总斌.基于人体头肩部与步态检测的闸机通行逻辑[J].城市轨道交通研究,2008(8):36-39.
[3]李建省，张美凤.自动检票中6启门式闸机控制系统[J].城市轨道交通研究,2008(1):38-41.
[4]杨超.基于ARM架构6地铁自动检票机控制系统6研究[D].北京：北京交通大学,2011.
[5]刘旭.圆筒型直线电机驱动闸机门控系统研究[D].沈阳：沈阳工业大学,2016.
[6]卢玉婷.基于SVM6闸机目标识别方法6研究[D].南京：南京理工大学,2013.
(责任编辑：张利)
Research on Detection and Recognition System of
Metro Gates Based on SVM
ZHANG Zhi-hua,KONG Wei-can,CAO Wei,KANG Ze-yu,XU Guang-ze
(School of Transportation Engineering,Jiangsu Shipping College,Nantong226010,China)
Abstract：It is an extremely difficult task to improve the recognition rate of the intelligent recognition
system of metro gates in a complex environment.In line with the different situations of various events in the movement of metro gates,an intelligent recognition method based on support vector machines is proposed,and an intelligent detection and recognition system based on dual CPU control and infrared sensors is designed,and the position of infrared sensors is reasonably arranged to obtain passengers'gate-passing movement sequence,and finally the situation of passing passengers in combination with auxiliary functions such as image recognition is judged.A large number of sample data show that the accuracy and processing capacity of the control system are improved by the SVM method,and the recognition rate reaches more than90%,which fairly satisfies the market demand.
Key words：metro gate;target recognition technology;dual CPU;support vector machine
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议