通行状态检测方法及装置、闸门系统及电子设备制造方法及图纸

本发明专利技术公开了一种通行状态检测方法及装置、闸门系统及电子设备，该方法中应用已建立的神经网络模型对光幕检测装置反馈的各个光源传感器的光点信号进行分析，确定通行者的通行状态，进而根据通行者的通行状态控制闸门的开合时长。应用本发明专利技术实施例提供的通行状态检测方法，能够准确识别当前通行者的通行状态，进而可以根据通行者的通行状态确定闸门的通行时长，使得通行者顺利通过闸门，避免了夹伤通行者或者夹住行李的问题，同时，也可以禁止了多人通行的情况，保证了通行者通过闸门的安全性和合理性。全性和合理性。全性和合理性。

【技术实现步骤摘要】
通行状态检测方法及装置、闸门系统及电子设备


[0001]本专利技术涉及闸门
，特别涉及一种通行状态检测方法及装置、闸门系统及电子设备。

技术介绍

[0002]随着城市轨道交通的发展，越来越多的人选择地铁、高铁等交通工具出行。为了使人们能够有序登车，一般在车站的进口处设置有相应的闸门系统，登车人员有序通过闸门系统的闸门进站，闸门一般为一客一开，进而保证了进站的秩序稳定。
[0003]乘客在通过闸门系统时，会呈现多种不同的通行状态，例如，通行状态可以为单个乘客通行、乘客带有行李通行、乘客带有小孩通行、乘客乘坐轮椅通行等多个合理通行状态，同时，有时也会存在多个成人一起通过闸门系统的不合理通行状态。传统的闸门系统中，检测装置在检测通行乘客的通行状态时，对于乘客的不同的通行状态无法进行准确识别，容易导致乘客在合理通行状态下，其跟随物品或者跟随者被夹伤，或者不合理通行状态下，依旧对乘客进行放行，造成逃票情况。

技术实现思路

[0004]鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种通行状态检测方法及装置、闸门系统及电子设备，技术方案如下所述：
[0005]一种通行状态检测方法，所述方法应用于闸门系统，所述闸门系统中包括闸门和光幕检测装置，所述光幕检测装置设置在所述闸门的一侧，所述光幕检测装置中设置有多个光源传感器，所述多个光源传感器呈预设的几何形状进行分布；所述方法包括：
[0006]在通行者通过所述闸门时，获取预设时间间隔内，每个时间片上各个所述光源传感器的光点信号；所述预设时间间隔由N个时间片组成，所述N为正整数；
[0007]依据各个所述时间片上各个所述光源传感器的光点信号，确定所述通行者对应的光点矩阵，所述光点矩阵的列数据为每个时间片上按预设标识顺序排列的各个所述光源传感器的光点信号，所述光点矩阵的行数据为按每个所述时间片的时间顺序排列的每个所述光源传感器在每个时间片上的光点信号；
[0008]将所述光点矩阵输入已建立的第一神经网络模型中，经所述第一神经网络模型处理后，输出所述光点矩阵对应的所述通行者的通行状态，进而依据所述通行者的通行状态控制所述闸门的通行时长。
[0009]上述的方法，可选的，所述预设的几何形状为π字型。
[0010]上述的方法，可选的，所述预设的标识顺序为按各个所述光源传感器的标识号依次排列的顺序。
[0011]上述的方法，可选的，所述第一神经网络模型的建立过程包括：
[0012]确定初始网络模型；
[0013]确定用于建立所述神经网络模型的数据集合，所述数据集合中包括：训练数据集、
校验数据集和测试数据集；所述训练数据集中包括多个训练光点矩阵以及每个所述训练光点矩阵对应的第一通行状态，所述校验数据集中包括多个校验光点矩阵以及每个所述校验光点矩阵对应的第二通行状态，所述测试数据集中包括多个测试光点矩阵以及每个所述测试光点矩阵对应的第三通行状态；所述训练光点矩阵、所述校验光点矩阵以及所述测试光点矩阵的数据结构相同；
[0014]将所述训练数据集中的每个训练光点矩阵作为所述初始网络模型的输入，并以每个训练光点矩阵对应的第一通行状态作为所述初始网络模型的输出，对所述初始网络模型进行训练；
[0015]在所述初始网络模型的训练过程中，当所述初始网络模型的损失函数小于预设阈值时，结束对所述初始网络模型的训练，生成所述初始网络模型对应的第二神经网络模型；
[0016]应用所述校验数据集中的每个校验光点矩阵以及每个所述校验光点矩阵对应的第二通行状态，对所述第二神经网络模型进行校验，直至所述第二神经网络模型输出的通行状态的合格率大于预设合格阈值时，生成所述第二神经网络模型对应的第三神经网络模型；
[0017]应用所述测试数据集中的每个测试光点矩阵以及每个所述测试光点矩阵对应的第三通行状态，对所述第三神经网络模型进行测试，若所述第三神经网络模型不为过拟合状态，则将所述第三神经网络模型作为用于通行状态检测的神经网络模型。
[0018]上述的方法，可选的，还包括：
[0019]若所述第三神经网络模型为过拟合状态，则调整所述第三神经网络模型的模型参数以及所述损失函数的函数参数，直至调整后的当前网络模型的状态不为过拟合时，将调整后的当前网络模型作为用于通行状态检测的神经网络模型。
[0020]上述的方法，可选的，所述依据所述通行者的通行状态控制所述闸门的通行时长，包括：
[0021]确定所述通行者的通行状态的状态类型；
[0022]确定预先设定的与所述状态类型对应的通行时长；
[0023]控制所述闸门依据所述通行时长进行开合。
[0024]一种通行状态检测装置，所述装置应用于闸门系统，所述闸门系统中包括闸门和光幕检测装置，所述光幕检测装置设置在所述闸门的一侧，所述光幕检测装置中设置有多个光源传感器，所述多个光源传感器呈预设的几何形状进行分布；所述装置包括：
[0025]获取单元，用于在通行者通过所述闸门时，获取预设时间间隔内，每个时间片上各个所述光源传感器的光点信号；所述预设时间间隔由N个时间片组成，所述N为正整数；
[0026]确定单元，用于依据各个所述时间片上各个所述光源传感器的光点信号，确定所述通行者对应的光点矩阵，所述光点矩阵的列数据为每个时间片上按预设标识顺序排列的各个所述光源传感器的光点信号，所述光点矩阵的行数据为按每个所述时间片的时间顺序排列的每个所述光源传感器在每个时间片上的光点信号；
[0027]输出单元，用于将所述光点矩阵输入已建立的第一神经网络模型中，经所述第一神经网络模型处理后，输出所述光点矩阵对应的所述通行者的通行状态，进而依据所述通行者的通行状态控制所述闸门的通行时长。
[0028]上述的装置，可选的，所述预设的几何形状为π字型。
[0029]一种闸门系统，包括：闸门、光幕检测装置和闸门处理器；
[0030]所述光幕检测装置设置在所述闸门的一侧，所述光幕检测装置中设置有多个光源传感器，所述多个光源传感器呈π形状进行分布；
[0031]所述闸门处理器用于执行上述的通行状态检测方法。
[0032]一种电子设备，包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的通行状态检测方法。
[0033]与现有技术相比，本专利技术具有以下优点：一种通行状态检测方法，所述方法应用于闸门系统，所述闸门系统中包括闸门和光幕检测装置，所述光幕检测装置设置在所述闸门的一侧，所述光幕检测装置中设置有多个光源传感器，所述多个光源传感器呈预设的几何形状进行分布；所述方法包括：
[0034]在通行者通过所述闸门时，获取预设时间间隔内，每个时间片上各个所述光源传感器的光点信号；所述预设时间间隔由N个时间片组成，所述N为正整数；依据各个所述时间片上各个所述光源传感器的光点信号，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通行状态检测方法，其特征在于，所述方法应用于闸门系统，所述闸门系统中包括闸门和光幕检测装置，所述光幕检测装置设置在所述闸门的一侧，所述光幕检测装置中设置有多个光源传感器，所述多个光源传感器呈预设的几何形状进行分布；所述方法包括：在通行者通过所述闸门时，获取预设时间间隔内，每个时间片上各个所述光源传感器的光点信号；所述预设时间间隔由N个时间片组成，所述N为正整数；依据各个所述时间片上各个所述光源传感器的光点信号，确定所述通行者对应的光点矩阵，所述光点矩阵的列数据为每个时间片上按预设标识顺序排列的各个所述光源传感器的光点信号，所述光点矩阵的行数据为按每个所述时间片的时间顺序排列的每个所述光源传感器在每个时间片上的光点信号；将所述光点矩阵输入已建立的第一神经网络模型中，经所述第一神经网络模型处理后，输出所述光点矩阵对应的所述通行者的通行状态，进而依据所述通行者的通行状态控制所述闸门的通行时长。2.根据权利要求1所述的方法，其特征在于，所述预设的几何形状为π字型。3.根据权利要求1所述的方法，其特征在于，所述预设的标识顺序为按各个所述光源传感器的标识号依次排列的顺序。4.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型的建立过程包括：确定初始网络模型；确定用于建立所述神经网络模型的数据集合，所述数据集合中包括：训练数据集、校验数据集和测试数据集；所述训练数据集中包括多个训练光点矩阵以及每个所述训练光点矩阵对应的第一通行状态，所述校验数据集中包括多个校验光点矩阵以及每个所述校验光点矩阵对应的第二通行状态，所述测试数据集中包括多个测试光点矩阵以及每个所述测试光点矩阵对应的第三通行状态；所述训练光点矩阵、所述校验光点矩阵以及所述测试光点矩阵的数据结构相同；将所述训练数据集中的每个训练光点矩阵作为所述初始网络模型的输入，并以每个训练光点矩阵对应的第一通行状态作为所述初始网络模型的输出，对所述初始网络模型进行训练；在所述初始网络模型的训练过程中，当所述初始网络模型的损失函数小于预设阈值时，结束对所述初始网络模型的训练，生成所述初始网络模型对应的第二神经网络模型；应用所述校验数据集中的每个校验光点矩阵以及每个所述校验光点矩阵对应的第二通行状态，对所述第二神经网络模型进行校验，直至所述第二神经网络模型输出的通行状态的合格率大于预设合格阈值时，生成所述第二神经网络模型对应的第三神经网络模型；应用所述测试数据集中的每个测试光点矩阵以及每个所述测试光...

【专利技术属性】
技术研发人员：汤道宇，李祝锋，许建云，
申请(专利权)人：北京品创联拓科技有限公司，
类型：发明
国别省市：