CN102710928A

CN102710928A - 融合rfid识别的地铁闭路电视监控方法

Info

Publication number: CN102710928A
Application number: CN2011103011466A
Authority: CN
Inventors: 薛晨洋; 李晓雷; 沈鸣飞; 张君华
Original assignee: SUZHOU YUANCHENG INTELLIGENCE TECHNOLOGY Co Ltd
Current assignee: SUZHOU YUANCHENG INTELLIGENCE TECHNOLOGY Co Ltd
Priority date: 2011-10-09
Filing date: 2011-10-09
Publication date: 2012-10-03

Abstract

本发明公开了一种融合RFID识别的地铁闭路电视监控方法，乘客所使用的车票为具有RFID标签的RFID车票，车站监控区域内安装有多个高清摄像头和RFID阅读器，乘客进入监控区域后，RFID阅读器激活并唤醒RFID车票读取RFID车票内含的乘客ID号，并将时间戳、位置信息上传到服务器，服务器根据上传的信息计算出乘客的实时位置信息，进而计算出乘客移动的轨迹，最后根据乘客移动的轨迹来乘客判断是否异常，如判断为异常则提醒监控人员重点关注。该方法可“主动”对嫌疑人员进行追踪和视频监控，这样就避免了从海量的信息中发现可疑对象和紧急情况所产生的延时，并能防患于未然，实现主动监控和预警，有助于保护乘客的生命及财产安全。

Description

融合RFID识别的地铁闭路电视监控方法

技术领域

本发明涉及一种地铁闭路电视监控方法，特别涉及一种融合RFID识别技术的地铁闭路电视监控方法。

背景技术

在视频监控领域，物联网为综合应用无线射频识别RFID(radio frequencyidentification)、有线视频监视和智能视频分析提供了可能。所谓物联网是指综合利用射频识别RFID、无线传感WSN(wireless sensor network)、GSM/GPRS/3G移动通信和互联网等技术把物品与现有的网络连接起来，从而实现智能化识别、定位、跟踪、监控和管理。作为新一轮的IT技术革命，物联网将造就又一个万亿级的信息产业，我国也已将物联网列为国家七大战略性新兴产业之一。

物联网将从根本上变革世界互联的形态，以“物”为核心的信息交互将成为主流，物品能够“主动”地发起通信，汇报自身状态，从而创造各类具备“主动性”的智能化信息系统和监控系统。在视频监控领域，融合RFID识别的闭路电视CCTV(Closed Circuit Television)监控新方法可以“主动”地发现可疑人员和可疑状况，给予重点监控和提前预警。

当前，应用于地铁的视频监控方法全部是“被动式”的，具有一定的局限性。一旦发生突发状况及事故，常无法在海量数据中及时发现有效的信息、无法“主动”地对可疑对象实施跟踪和加强拍摄，也无法提供应对恐怖袭击的有效“预警”机制。其特征主要表现为：

(1).大量的监控节点产生海量的监控数据。有效的数据所占比例极小，有效的信息常淹没于海量数据中而无法及时被发现。

(2).监控极大地依赖人为因素。突发状况需要“等”监控人员来发现和处理，这种“以人为中心”的监控模式效率低下，当危机正在发生时往往丧失宝贵的及时响应时间。

(3).以CCTV为核心的视频监控存在盲点。这往往给恐怖分子提供可乘之机。

发明内容

针对上述现有技术的不足，本发明的目的是提供一种具有“主动”监控功能的闭路电视监控方法。

为解决上述技术问题，本发明采用如下技术方案：

一种融合RFID识别的地铁闭路电视监控方法，乘客所使用的车票为具有RFID标签的RFID车票，车站监控区域内安装有多个高清摄像头和RFID阅读器，乘客进入监控区域后，RFID阅读器激活并唤醒RFID车票读取RFID车票内含的乘客ID号，并将时间戳、位置信息上传到服务器，服务器根据上传的信息计算出乘客的实时位置信息，进而计算出乘客移动的轨迹，最后根据乘客移动的轨迹来乘客判断是否异常，如判断为异常则提醒监控人员重点关注。优选的，服务器计算乘客实时位置信息的方法为：设乘客位置的坐标为(x，y)，阅读器B、C、F的信号强度半径分别为r_b，r_c，r_f，并且阅读器的位置坐标分别为(x_b，y_b)，(x_c，y_c)，和(x_f，y_f)。则乘客位置的坐标为

x＝x_b-x’，y＝y_b-y’

x' = \frac{r_{f}}{r_{b} + r_{f}} \cdot (x_{b} - x_{f})

y' = \frac{r_{c}}{r_{b} + r_{c}} \cdot (y_{b} - y_{c})

优选的，乘客的运动轨迹分为如下模式：

1)正常模式，正常情况下客流轨迹呈线性，无多次往返轨迹；

2)异常模式1，长时间在某一空间徘徊且形迹可疑；

3)异常模式2，长时间滞留在地铁线路中，轨迹呈现多次往返特征；

4)异常模式3，局部客流量大时，产生拥堵现象，此时采集到的轨迹密度大，轨迹移动速度慢；

5)异常模式4，当发现移动轨迹进入区域时。

优选的，高清摄像头采集其图像信息上传至服务器，通过服务器对其进行分析，分析方法包括：1)利用并行计算方法来处理海量的视频数据；2)是针对特定视频的主要特征提取，采用统计学习理论的PCA方法以提取异常状态下视频的主元，并与已知正常情况进行匹配，如一致则说明状态正常；如不一致则说明状态异常。

上述技术方案具有如下有益效果：该方法使乘客采用RFID车票，通过在监控区域内布设的阅读器可以感知识别周围RFID车票内含的乘客ID，进而分析乘客的运动轨迹，“主动”对嫌疑人员进行追踪和视频监控，这样就避免了从海量的信息中发现可疑对象和紧急情况所产生的延时，并能防患于未然，实现主动监控和预警，有助于保护乘客的生命及财产安全。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图对本专利进行详细说明。

附图说明

图1为本发明实施例服务器判断乘客位置的原来示意图。

具体实施方式

下面结合附图对本发明的优选实施例进行详细介绍。

如图1所示，该地铁闭路电视监控方法包括如下步骤：首先乘客所使用的车票为具有RFID标签的RFID车票，车站监控区域内安装有多个高清摄像头和RFID阅读器，乘客进入监控区域后，RFID阅读器激活并唤醒RFID车票读取RFID车票内含的乘客ID号，并将时间戳、位置信息上传到服务器，服务器根据上传的信息计算出乘客的实时位置信息，进而计算出乘客移动的轨迹，最后根据乘客移动的轨迹来乘客判断是否异常，如判断为异常则提醒监控人员重点关注。

实现该方法的系统架构可分为四层：感知层、定位层、智能分析层和应用层。感知层获取监控区域内的视频信息和RFID标签信息；定位层利用感知式精确定位技术对乘客进行定位；智能分析层利用智能分析技术分析乘客的运动轨迹和视频信息，从海量的信息中发现可疑对象和紧急情况，提请管理人员注意；应用层对各站台实行主动监控以应对突发状况。系统的主要模块可以分成信息采集模块、数据存储及处理模块和智能信息分析模块。

信息采集模块主要由高清摄像机、RFID阅读器和RFID车票组成。主要目的是获取被监控区域内的传感信息，对本系统来说主要包含视频信息和电子车票内的信息。RFID阅读器集成于摄像机处，激活并唤醒RFID车票，读取车票内含的乘客ID号，并将时间戳、地理信息上传到服务器(定位层)。同时，摄像机采集视频信息，对现场图像进行实时监控与录像。这些视频图像和RFID标签信息，是闭路电视监控系统进行安全分析的基础。

数据存储及处理模块主要由视频图像预处理和存储、阅读器信息存储两部分组成。高清视频采集到的图像信息经均衡器预处理调节后传给分配器，再通过编码器进行模数转换处理，转换得到的数字量存入系统存储器中。阅读器所采集到的数据直接通过总线传输，保存到系统存储器。

智能信息分析模块的主要功能包括标签感知式定位，目标轨迹分析和智能视频分析三部分。

如图2所示，标签感知定位包括如下方法：设目标(target)的坐标为(x，y)，阅读器B、C、F的信号强度半径分别为r_b，r_c，r_f，并且阅读器的位置坐标分别为(x_b，y_b)，(x_c，y_c)，和(x_f，y_f)。则目标位置为

x＝x_b-x’，y＝y_b-y’

x' = \frac{r_{f}}{r_{b} + r_{f}} \cdot (x_{b} - x_{f})

y' = \frac{r_{c}}{r_{b} + r_{c}} \cdot (y_{b} - y_{c})

基于上述感知定位算法，可获得任意目标的实时位置信息<t，(X，Y)>，据此可以绘制任意目标的运动轨迹，由于地铁客流巨大，因此进行统计分析，采用基于模糊的聚类方法，将移动轨迹聚合为若干模式：

1)正常模式。正常情况下，客流轨迹呈线性，无多次往返轨迹。

2)异常模式1，长时间在某一空间徘徊且形迹可疑，有可能为恐怖分子。

3)异常模式2，长时间滞留在地铁线路中，轨迹呈现多次往返特征，有可能为小商小贩、乞讨者等常驻地铁的人员。

4)异常模式3，局部客流量大时，产生拥堵现象，此时采集到的轨迹密度大，轨迹移动速度慢。

5)异常模式4，当发现移动轨迹进入禁止区域时，如乘客跌落到轨道线内等情况

如出现上述异常模式的情况，则应体现监控人员重点关注、进行视频跟踪拍摄，实现对地铁站点的主动式监控和主动式预警。

智能视频分析主要应用软件分析技术对海量的视频图像进行自动分析，从中提取异常情况，如可疑人员、可疑物品和可疑轨迹等。智能视频分析一是利用并行计算方法来处理海量的视频数据；二是针对特定视频的主要特征(或者说主元)提取，采用统计学习理论的PCA方法以提取异常状态下(潜在存在危险)视频的主元，并与已知正常情况进行匹配，如一致则说明状态正常；如不一致则说明状态异常。特别是对于以出现上述异常模式的情况下，应重点进行分析。

本发明专利创新性地将RFID技术和智能视频分析技术应用到安全监控系统中，避免了从海量的信息中发现可疑对象和紧急情况所产生的延时，并能防患于未然，实现主动监控和预警，有助于保护乘客的生命及财产安全。同时，本发明专利使用无源RFID标签，可以提供更大的存储能力和更精确的无线识别能力。各处布设的阅读器可以感知识别周围RFID车票内含的乘客ID，分析其运动轨迹，“主动”对嫌疑人员进行追踪和视频监控，并提供应对突发事件的提前预警。

综上所述，该发明专利具有下述效果：

1)该方法可以极大地提高地铁系统的“反恐”能力。

2)该方法能及时响应突发状况并保障乘客人生安全。

3)该方法能有效监控地铁系统内的“特殊人群”。

只需在现有CCTV系统的基础上，增加RFID阅读器和RFID标签模块，增加感知式定位软件、目标轨迹分析软件和智能视频分析软件即可构成该发明专利所描述的系统，因此实现起来非常的方便。

以上对本发明实施例所提供的一种融合RFID识别的地铁闭路电视监控方法进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，凡依本发明设计思想所做的任何改变都在本发明的保护范围之内。

Claims

1.一种融合RFID识别的地铁闭路电视监控方法，其特征在于：乘客所使用的车票为具有RFID标签的RFID车票，车站监控区域内安装有多个高清摄像头和RFID阅读器，乘客进入监控区域后，RFID阅读器激活并唤醒RFID车票读取RFID车票内含的乘客ID号，并将时间戳、位置信息上传到服务器，服务器根据上传的信息计算出乘客的实时位置信息，进而计算出乘客移动的轨迹，最后根据乘客移动的轨迹来乘客判断是否异常，如判断为异常则提醒监控人员重点关注。

2.根据权利要求1所述的融合RFID识别的地铁闭路电视监控方法，其特征在于，服务器计算乘客实时位置信息的方法为：设乘客位置的坐标为(x，y)，阅读器B、C、F的信号强度半径分别为r_b，r_c，r_f，并且阅读器的位置坐标分别为(x_b，y_b)，(x_c，y_c)，和(x_f，y_f)。则乘客位置的坐标为

x＝x_b-x’，y＝y_b-y’

x' = \frac{r_{f}}{r_{b} + r_{f}} \cdot (x_{b} - x_{f})

y' = \frac{r_{c}}{r_{b} + r_{c}} \cdot (y_{b} - y_{c})

3.根据权利要求1所述的融合RFID识别的地铁闭路电视监控方法，其特征在于，乘客的运动轨迹分为如下模式：

2)异常模式1，长时间在某一空间徘徊且形迹可疑；

5)异常模式4，当发现移动轨迹进入区域时。

4.根据权利要求1所述的融合RFID识别的地铁闭路电视监控方法，其特征在于，高清摄像头采集其图像信息上传至服务器，通过服务器对其进行分析，分析方法包括：1)利用并行计算方法来处理海量的视频数据；2)是针对特定视频的主要特征提取，采用统计学习理论的PCA方法以提取异常状态下视频的主元，并与已知正常情况进行匹配，如一致则说明状态正常；如不一致则说明状态异常。