CN102855508B - 敞开式校园防尾随系统 - Google Patents

Abstract

本发明公开了一种敞开式校园防尾随系统，包括由红外对射器、顶部摄像机、RFID触发器天线、RFID触发器和RFID天线组成的检测区域，RFID触发器和RFID天线连接有RFID读写器，检测区域上方前、后分别设有摄像机，摄像机和红外对射器与视频处理器连接，本发明的原理是将视频识别和RFID定位技术结合为一体，系统将RFID和视频检测产生的两种人员实时布置图对照比较，判别尾随现象的出现与否，并提供尾随现象的具体照片资料，供管理人员及时进行安全管理。本发明无需设专用检测通道，无需手动刷卡，加速了人流速度，改善了拥堵滞留现象，防止不法分子进入校园的同时又能及时了解学生考勤信息，方便学校进行人员管理。

Description

敞开式校园防尾随系统

技术领域

本发明涉及一种管理系统，具体涉及一种将视频识别与RFID定位技术结为一体的敞开式校园防尾随系统。

背景技术

随着学校的高速发展，规模的不断扩大，校园的安全管理成为校领导的重要工作之一，为规范进出，防止不法之徒尾随进入并危及校园，校方往往采取人员登记刷卡的方式来解决门禁问题，而普通门禁形式上是每人都要手动打卡，不仅麻烦而且可能出现代打卡的情况；为解决原有问题，人们发明了通道式的校园防尾随系统，其主要用RFID、光栅等技术设置相应传感通道，持卡人穿过通道无需主动刷卡便可自动识别，而无卡进出校门检测通道的人，系统将会给出实时报警以提醒门卫，这种方法比原有系统基础的先进性在于：无需人员手动刷卡，经过通道自动识别且能自动对尾随现象实现报警和记录。

但是该系统的缺点是行人必须逐个通过传感器通道，如果并行通过，系统将无法准确检测，这种做法不仅影响校门美观，而且如果人流量大，则可能出现排队拥堵现象，尤其是家长接送时间，造成了时间上的很大浪费，同时校门口人流的大量滞积也给过路行人乃至整个城市的交通带来不便。

发明内容

发明目的：本发明的目的是为了解决现有技术的不足，提供一种结合RFID技术和视频检测识别技术，可提高校园安全管理水平和安全系统实施效率的敞开式校园防尾随系统。

技术方案：本发明所述的一种敞开式校园防尾随系统，包括至少2对红外对射器，至少4根RFID天线，至少4个RFID触发器天线，RFID触发器，前摄像机，后摄像机，顶部摄像机，视频处理器，RFID读写器和系统主机，所述红外对射器形成检测区域，所述检测区域上方前端设有前摄像机，所述检测区域上方后端设有后摄像机，所述检测区域上方顶端设有顶部摄像机，所述检测区域底部埋有至少4个RFID触发器天线，所述检测区域四周还设有至少4根RFID天线；所述前摄像机，后摄像机，顶部摄像机和红外对射器连接有视频处理器，所述RFID触发器天线有线连接有RFID触发器，所述RFID触发器无线连接有RFID读写器，所述RFID天线与RFID读写器有线连接，所述视频处理器和RFID读写器还连接有系统主机。

所述RFID读写器放置于门卫处，所述RFID读写器上有多路RFID读写器天线引出。

作为优选，所述RFID触发器天线采用125kHz埋地式框型天线，激活范围为0～3米，同时激活300张以上的标签。

作为优选，所述RFID读写器天线采用2.4GHz～2.483GHz远距离定向读写器天线，其读写距离大于100米，读写标签卡数量大于500张。

作为优选，所述标签卡采用125KHz触发、2.4GHz识别的半有源标签。

所述检测区域的长度为校门前后5米，检测区域的宽度为校门的长度。

所述系统在标签触发后通过Monte Carlo定位算法进行定位，具体算法流程为：

步骤1.初始化：将标签的起始位置录入数据库，时刻k＝1；

步骤2.选择可用读写器：选择能够检测到标签信号的读写器进行定位运算，即标签在读写器天线的覆盖范围之内；

步骤3.判断标签是否静止：由静止模型计算出标签停顿的概率P，若P大于判别门限，则标签静止，否则，标签视为运动；

步骤4.Monte Carlo定位：采用Monte Carlo定位算法对标签进行定位，根据预测模型在X_k-1时刻的周围产生N个随机采样点，这些随机采样点的概率相同均为P_i-1＝1/N，在N个随机采样点中找出概率最大的采样点，得标签位置X_k；

步骤5.将标签位置X_k录入数据库；

步骤6.查询数据库，则数据库中第k-1时刻位置X_k-1的位置即为X_k的位置；

步骤7.k＝k+1，返回。

所述步骤3中的静止模型为：

$P\left(Z_K{|Z}_{K-1}\right)=\frac{1}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}e\frac{{(Z_K-Z_{K-1})}^2}{{2\mathrm{\δ}}^2}$

式中Z_K为k时刻测得标签到RFID读写器的距离，δ为分布模型的标准差。

所述步骤4中的预测模型为：

$\mathrm{\θ}\left(k\right)=\mathrm{\θ}(k-1)+N(0,{\mathrm{\α}}_{\mathrm{\θ}}^2)$

$V\left(k\right)=V(k-1)+N(0,{\mathrm{\α}}_v^2)$

X(k)＝X(k-1)+V(k)cos(θ(k))dk

Y(k)＝Y(k-1)+V(k)sin(θ(k))dk

式中N(0，α²)表示高斯分布，X(k)，Y(k)分别为横纵坐标，θ(k)为运动的角度，方差为α_v；dk为时间步长。

其中在第k时刻，测得标签与读写器之间的距离，并计算出各采样点与读写器的距离，通过测量模型计算出标签的位置，测量模型为：

$P\left(Z_K\right|S_K)=\frac{1}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}e\frac{{(D_K-Z_K)}^2}{2{\mathrm{\δ}}^2}$

式中，D_k为k时刻采样点S_k所在的位置到读写器的计算距离值，Z_k为k时刻测得标签到读写器的距离，δ为分布模型的标准差。

本发明的工作原理就是结合了RFID定位技术以及视频识别技术，其中RFID定位技术主要由RFID读写器、RFID天线、RFID触发器、RFID触发器天线和半有源标签卡等相关设备来实现，当有卡的学生经过该段区域时，RFID触发器触发2.4GHZ频段识别动作，通过RFID读写器各天线采集到卡信号的强弱计算标签卡与各天线的距离，再通过改进的Monte Carlo定位算法即时形成ID卡的位置分布图，系统采用已有的改进的Monte Carlo定位算法，它是一个递推算法，在每个计算周期一般包含预测阶段和更新阶段，递归调用这两个阶段，就能对标签实现跟踪定位；在第k-1时刻，通过预测模型预测k时刻标签可能会出现的位置；在第k时刻，测得标签与读写器之间的距离，通过测量模型计算出标签的位置。

视频识别相关设备包括红外对射器、顶部摄像机、前后摄像机、视频接收处理装置等，如有人经过触发红外对射器动作，则触发视频接收处理装置每隔5秒抓取顶部摄像机关键帧用以检测识别，识别过程基于行人头部特征，计算出俯视平面人员位置，系统在安装时预先将顶部摄像机视角覆盖区域设置为与精确RFID定位覆盖区域重合。

基于行人头部特征的视频检测识别的实现方式：根据人头的轮廓特性和颜色特性，及时检测出人头，较好地适用于对遮挡不是十分严重的人群，该方法具体如下：

①预处理

首先用原始图像和参考背景图像相减，然后用模糊C均值算法求得的灰度阈值对其进行二值化。由于二值化图像可能存在一些噪声，而且人头区域可能被分成距离很小的几块，所以对其进行形态学处理。

②轮廓提取

对图像从上到下逐行搜索白色像素点，当碰到白色像素点时，判断和该点八方向相邻的白色像素点数目，如果数目小于等于2，则认为是单像素宽度的线条，将该点置为黑色；如此遍历图像，直到最后一次对图像的遍历没有改变图像任何像素为止，即说明毛刺去除干净。

对二值化图像去了毛刺后，对其进行提取轮廓的运算，从逐行搜索的第一个白色像素点开始，顺时针搜索判断相邻像素点是否为白色像素点，当搜索到某个白色像素点时，以此点开始再次顺时针搜索判断相邻像素点，如此循环直至回到第一个白色像素点为止，即形成了某个区域轮廓。

③轮廓人头判断

首先根据轮廓所包围的面积大小来对人头进行初步筛选，如果轮廓内面积小于最小人头面积，则将其中的区域标记为黑色，即排除是人头的可能性；对面积达到人头要求的区域，采用圆形度来判断，圆形度C是周长(P)的平方与面积(A)的比值，设置一个圆形度阈值，当区域的圆形度小于该阈值时，即可以认为是人头；其中心可用其重心计算方法来计算，从而可以对每个人头识别形成当前帧的实时人员布置图。

本发明还涉及一个系统判别处理，系统平台将RFID定位与视频识别位置运算结果进行对照比较，在一定的误差范围内对两种方法识别出的人员个数和位置情况作出对比，人数对比后正常情况下将会判别出以下三种情况：

a.视频识别人数大于RFID识别个数：此即为校门出现尾随现象，系统主机将马上发出报警，大门前后两端摄像机将立即拍照(设置前后两个摄像机用途：无论进还是出校门都可视其脸)，结合两种俯视人员布置图判定尾随人员位置，门卫根据尾随人员位置和摄像机抓拍的人脸照片及时拦截尾随人员；

b.视频识别人数小于RFID识别个数：此为出现一人带多卡的现象，系统将出现提示，自动圈出平面布置图中位置距离最短的两个点，抓拍照片以供门卫上前提醒教育；

c.视频识别人数等于RFID识别个数：此情况下，需判别两个位置结果是否相同。如果相同则表示一切正常，无尾随人员；如果不同则可能同时存在尾随和带多卡的现象，系统同样将报警、抓拍，门卫根据两种人员布置图和前后摄像机抓拍内容拦截相关人员。

有益效果：本发明无需设专用检测通道，无需手动刷卡，加速了人流速度，改善了拥堵滞留现象，防止不法分子进入校园的同时又能及时了解学生考勤信息，方便学校进行人员管理。

附图说明

图1为本发明硬件电路结构框图示意图。

图2为本发明系统RFID定位过程软件流程图。

图3为本发明系统视频识别功能流程图。

图4为本发明系统功能流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示的一种敞开式校园防尾随系统，包括至少2对红外对射器，至少4根RFID天线，至少4个RFID触发器天线，RFID触发器，前摄像机，后摄像机，顶部摄像机，视频处理器，RFID读写器和系统主机，红外对射器形成检测区域，检测区域上方前端设有前摄像机，检测区域上方后端设有后摄像机，检测区域上方顶端设有顶部摄像机，检测区域底部埋有至少4个RFID触发器天线，检测区域四周还设有至少4根RFID天线；前摄像机，后摄像机，顶部摄像机和红外对射器连接有视频处理器，RFID触发器天线有线连接有RFID触发器，RFID触发器无线连接有RFID读写器，RFID天线与RFID读写器有线连接，视频处理器和RFID读写器还连接有系统主机。

其中RFID触发器置于室外触发器天线附近并与RFID触发器天线连接，RFID触发器天线采用125kHz埋地式框型天线，激活范围为0～3米，可同时激活300张以上的标签；RFID读写器放置于门卫处，且RFID读写器上有多路天线引出，天线采用2.4GHz～2.483GHz远距离定向读写器天线，其读写距离大于100米，读写标签卡数量大于500张，标签卡采用125KHz触发、2.4GHz识别的半有源标签。

本发明的工作原理就是结合了RFID定位技术以及视频识别技术，其中定位工作过程如图2所示的RFID定位软件流程，分为以下几个步骤：

步骤1.初始化：将标签的起始位置录入数据库，时刻k＝1；

步骤2.选择可用读写器：选择能够检测到标签信号的读写器进行定位运算，即标签在读写器天线的覆盖范围之内；

步骤3.判断标签是否静止：由静止模型计算出标签停顿的概率P，若P大于判别门限，则标签静止，否则，标签视为运动；

步骤4.Monte Carlo定位：采用Monte Carlo定位算法对标签进行定位，根据预测模型在X_k-1时刻的周围产生N个随机采样点，这些随机采样点的概率相同均为P_i-1＝1/N，在N个随机采样点中找出概率最大的采样点，得标签位置X_k；

步骤5.将标签位置X_k录入数据库；

步骤6.查询数据库，则数据库中第k-1时刻位置X_k-1的位置即为X_k的位置；

步骤7.k＝k+1，返回。

所述步骤3中的静止模型为：

$P\left(Z_K{|Z}_{K-1}\right)=\frac{1}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}e\frac{{(Z_K-Z_{K-1})}^2}{{2\mathrm{\δ}}^2}$

式中Z_K为k时刻测得标签到RFID读写器的距离，δ为分布模型的标准差。

所述步骤4中的预测模型为：

$\mathrm{\θ}\left(k\right)=\mathrm{\θ}(k-1)+N(0,{\mathrm{\α}}_{\mathrm{\θ}}^2)$

$V\left(k\right)=V(k-1)+N(0,{\mathrm{\α}}_v^2)$

X(k)＝X(k-1)+V(k)cos(θ(k))dk

Y(k)＝Y(k-1)+V(k)sin(θ(k))dk

式中N(0，α²)表示高斯分布，X(k)，Y(k)分别为横纵坐标，θ(k)为运动的角度，方差为α_v；dk为时间步长。

其中在第k时刻，测得标签与读写器之间的距离，并计算出各采样点与读写器的距离，通过测量模型计算出标签的位置，测量模型为：

$P\left(Z_K\right|S_K)=\frac{1}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}e\frac{{(D_K-Z_K)}^2}{2{\mathrm{\δ}}^2}$

式中，D_k为k时刻采样点S_k所在的位置到读写器的计算距离值，Z_k为k时刻测得标签到读写器的距离，δ为分布模型的标准差。

当有卡的学生经过该段区域时，RFID触发器触发半有源式标签卡工作发送有源信号，触发2.4GHZ频段识别动作，通过各RFID读写器天线采集到卡信号的强弱计算标签卡与各天线的距离，再通过改进的Monte Carlo定位算法即时形成ID卡的位置分布图，系统采用已有的改进的Monte Carlo定位算法，它是一个递推算法，在每个计算周期一般包含预测阶段和更新阶段，递归调用这两个阶段，就能对标签实现跟踪定位；在第k-1时刻，通过预测模型预测k时刻标签可能会出现的位置；在第k时刻，测得标签与读写器之间的距离，通过测量模型计算出标签的位置。

以上是基于Monte Carlo定位算法的RFID定位技术，本发明还涉及视频识别技术对经过人员进行图像识别处理，如图3所示，当有人经过触发红外对射器动作，则触发视频接收处理装置每隔5秒抓取顶部摄像机关键帧用以检测识别，识别过程基于行人头部特征，计算出俯视平面人员位置，系统在安装时预先将顶部摄像机视角覆盖区域设置为与精确RFID定位覆盖区域重合；基于行人头部特征的视频检测识别的实现方式：根据人头的轮廓特性和颜色特性，及时检测出人头，较好地适用于对遮挡不是十分严重的人群，该方法具体如下：

①预处理

首先用原始图像和参考背景图像相减，然后用模糊C均值算法求得的灰度阈值对其进行二值化。由于二值化图像可能存在一些噪声，而且人头区域可能被分成距离很小的几块，所以对其进行形态学处理。

②轮廓提取

对图像从上到下逐行搜索白色像素点，当碰到白色像素点时，判断和该点八方向相邻的白色像素点数目，如果数目小于等于2，则认为是单像素宽度的线条，将该点置为黑色；如此遍历图像，直到最后一次对图像的遍历没有改变图像任何像素为止，即说明毛刺去除干净。

对二值化图像去了毛刺后，对其进行提取轮廓的运算，从逐行搜索的第一个白色像素点开始，顺时针搜索判断相邻像素点是否为白色像素点，当搜索到某个白色像素点时，以此点开始再次顺时针搜索判断相邻像素点，如此循环直至回到第一个白色像素点为止，即形成了某个区域轮廓。

③轮廓人头判断

首先根据轮廓所包围的面积大小来对人头进行初步筛选，如果轮廓内面积小于最小人头面积，则将其中的区域标记为黑色，即排除是人头的可能性；对面积达到人头要求的区域，采用圆形度来判断，圆形度C是周长(P)的平方与面积(A)的比值，设置一个圆形度阈值，当区域的圆形度小于该阈值时，即可以认为是人头；其中心可用其重心计算方法来计算，从而可以对每个人头识别形成当前帧的实时人员布置图。

本发明的系统功能流程如图4所示，系统平台将RFID定位与视频识别位置运算结果进行对照比较，在一定的误差范围内对两种方法识别出的人员个数和位置情况作出对比，人数对比后正常情况下将会判别出以下三种情况：

a.视频识别人数大于RFID识别个数：此即为校门出现尾随现象，系统主机将马上发出报警，大门前后两端摄像机将立即拍照(设置前后两个摄像机用途：无论进还是出校门都可视其脸)，结合两种俯视人员布置图判定尾随人员位置，门卫根据尾随人员位置和摄像机抓拍的人脸照片及时拦截尾随人员；

b.视频识别人数小于RFID识别个数：此为出现一人带多卡的现象，系统将出现提示，自动圈出平面布置图中位置距离最短的两个点，抓拍照片以供门卫上前提醒教育；

c.视频识别人数等于RFID识别个数：此情况下，需判别两个位置结果是否相同。如果相同则表示一切正常，无尾随人员；如果不同则可能同时存在尾随和带多卡的现象，系统同样将报警、抓拍，门卫根据两种人员布置图和前后摄像机抓拍内容拦截相关人员。

Claims (8)

1.一种敞开式校园防尾随系统，其特征在于：包括至少2对红外对射器，所述红外对射器形成检测区域，所述检测区域上方前端设有前摄像机，所述检测区域上方后端设有后摄像机，所述检测区域上方顶端设有顶部摄像机，所述检测区域底部埋有至少4个RFID触发器天线，所述检测区域四周还设有至少4根RFID天线；所述前摄像机，后摄像机，顶部摄像机和红外对射器连接有视频处理器，所述RFID触发器天线有线连接有RFID触发器，所述RFID触发器无线连接有RFID读写器，所述RFID天线与RFID读写器有线连接，所述视频处理器和RFID读写器还连接有系统主机，所述系统在标签触发后通过Monte Carlo定位算法进行定位，具体算法流程为：

步骤1.初始化：将标签的起始位置录入数据库，时刻k＝1；

步骤2.选择可用读写器：选择能够检测到标签信号的读写器进行定位运算，即标签在读写器天线的覆盖范围之内；

步骤3.判断标签是否静止：由静止模型计算出标签停顿的概率P，若P大于判别门限，则标签静止，否则，标签视为运动；

步骤4.Monte Carlo定位：采用Monte Carlo定位算法对标签进行定位，根据预测模型在X_k-1时刻的周围产生N个随机采样点，这些随机采样点的概率相同均为P_i-1＝1/N，在N个随机采样点中找出概率最大的采样点，得标签位置X_k；

步骤5.将标签位置X_k录入数据库；

步骤6.查询数据库，则数据库中第k-1时刻位置X_k-1的位置即为X_k的位置；

步骤7.k＝k+1，返回。

2.根据权利要求1所述的一种敞开式校园防尾随系统，其特征在于：所述RFID读写器放置于门卫处，所述RFID读写器上有多路RFID读写器天线引出。

3.根据权利要求1所述的一种敞开式校园防尾随系统，其特征在于：所述RFID触发器天线采用125kHz埋地式框型天线，激活范围为0～3米，同时激活300张以上的标签。

4.根据权利要求2所述的一种敞开式校园防尾随系统，其特征在于：所述RFID读写器天线采用2.4GHz～2.483GHz远距离定向读写器天线，其读写距离大于100米，读写标签卡数量大于500张。

5.根据权利要求4所述的一种敞开式校园防尾随系统，其特征在于：所述标签卡采用125KHz触发、2.4GHz识别的半有源标签。

6.根据权利要求1所述的一种敞开式校园防尾随系统，其特征在于：所述检测区域的长度为校门前后5米，检测区域的宽度为校门的长度。

7.根据权利要求1所述的一种敞开式校园防尾随系统，其特征在于：所述步骤3中的静止模型为：

$P\left(Z_K\right|Z_{K-1})=\frac{1}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}e\frac{{(Z_K-Z_{K-1})}^2}{{2\mathrm{\δ}}^2}$

式中Z_K为k时刻测得标签到RFID读写器的距离，δ为分布模型的标准差。

8.根据权利要求1所述的一种敞开式校园防尾随系统，其特征在于：所述步骤4中的预测模型为：

$\mathrm{\θ}\left(k\right)=\mathrm{\θ}(k-1)+N(0,{\mathrm{\α}}_{\mathrm{\θ}}^2)$

$V\left(k\right)=V(k-1)+N(0,{\mathrm{\α}}_v^2)$

X(k)＝X(k-1)+V(k)cos(θ(k))dk

Y(k)＝Y(k-1)+V(k)sin(θ(k))dk

式中N(0,α²)表示高斯分布，X(k),Y(k)分别为横纵坐标，θ(k)为运动的角度，方差为α_v；dk为时间步长。