CN103632427A - 一种道闸防砸方法及道闸控制系统 - Google Patents

Abstract

本发明公开了一种道闸防砸方法，包括：获取监控环境图像；根据监控环境图像，获取监控环境图像中需防砸的目标的位置坐标；将目标的位置坐标与预置的预警区域的位置坐标进行比较，判断目标是否处于预警区域内；若目标处于预警区域内，则停止闸杆下落。本发明方法能够防止进入预警区域内的目标被闸杆砸中，提高了道闸系统的安全性。

Description

一种道闸防砸方法及道闸控制系统

技术领域

本发明涉及道闸控制领域，具体涉及一种道闸防砸方法及道闸控制系统。

背景技术

目前，传统的电动道闸防砸车方案是在道闸的闸杆的正下方安装地感线圈，当车辆进入道闸区域时，地感线圈将检测到车辆，并将检测到的信息反馈给道闸服务器，由道闸服务器控制闸杆停止落闸或抬起闸杆，从而防止车辆被砸。但是，由于地感线圈一般只用于检测车辆，无法检测到行人，因此该方案存在行人被误砸的危险，安全性不足。

发明内容

本发明提供一种道闸防砸方法及道闸控制系统，该方法通过将监控环境图像中需防砸的目标的三维像素坐标和预置的预警区域的三维空间坐标进行比较，判断所述目标是否处于所述预警区域内，若所述目标处于所述预警区域内，则停止所述闸杆下落。因此，该方法能够防止进入预警区域内的目标被闸杆砸中，提高了道闸系统的安全性。

本发明第一方面提供一种捕获人脸图像的方法，包括：

获取监控环境图像；

根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；

将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

若所述目标处于所述预警区域内，则停止所述闸杆下落。

结合本发明第一方面，在第一方面的第一种可能实现的方式中，所述根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标，包括：

根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标；

所述将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内，包括：

将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

结合本发明第一方面的第一种可能实现的方式，在第一方面的第二种可能实现方式中，在所述获取监控环境图像之后，包括：

从所述监控环境图像中检测出目标的人脸图像，所述目标为行人；

根据检测出的人脸图像，更新跟踪序列中的人脸图像；

在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

所述根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标，包括：

根据从所述跟踪序列中获取的所述目标的人脸图像，基于摄像机三维标定法获取所述目标的人脸在像平面中的像素坐标；

所述将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内，包括：

将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

结合本发明第一方面的第三种可能实现的方式，在第一方面的第四种可能实现方式中，所述从所述监控环境图像中检测出目标的人脸图像，包括：

从所述监控环境图像中提取前景区域，将前景区域扩大至预设的大小；

在扩大后的前景区域中进行基于哈尔haar特征的adaboost算法的人脸检测，获得人脸区域；

对所述人脸区域进行肤色匹配，将所述人脸区域中不能通过肤色匹配的区域删除；

对所述人脸区域进行方向梯度直方图HOG验证，将所述人脸区域中不能通过HOG验证的区域删除；

在将所述人脸区域中不能通过肤色匹配的人脸图像区域和不能通过HOG验证的人脸图像区域删除之后，检测得所述人脸区域的图像。

结合本发明第一方面或第一方面的第一至三任意一种可能实现的方式，在第一方面的第四种可能实现方式中，所述道闸防砸方法，还包括：

当地感区域上停留有车辆时，检测地感区域上的车辆是否离开；

所述根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标，包括：

当检测到地感区域上的车辆离开时，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

本发明第二方面提供一种道闸控制系统，包括：

摄像机，连接服务器，用于采集监控环境图像，以及将采集的监控环境图像传输给所述服务器；

服务器，连接所述道闸控制器，用于：接收摄像机采集的监控环境图像，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

道闸控制器，用于若所述服务器判断所述目标处于所述预警区域内，则控制闸杆停止下落。

结合本发明第二方面，在第二方面的第一种可能实现的方式中，所述服务器进一步用于：

根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标；将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

结合本发明第二方面的第一种可能实现的方式，在第二方面的第二种可能实现的方式中，所述服务器还用于：

在获取监控环境图像之后，从所述监控环境图像中检测出目标的人脸图像；

根据检测出的人脸图像，更新跟踪序列中的人脸图像；

在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

根据从所述跟踪序列中获取所述目标的人脸图像，基于摄像机三维标定法获取所述目标的人脸在像平面中的像素坐标；

将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

结合本发明第二方面、第二方面的第一或第二种可能实现的方式，在第二方面的第三种可能实现的方式中，所述道闸控制系统还包括：地感，所述地感用于当地感区域上停留有车辆时，检测地感区域上的车辆是否离开，当检测到地感区域上的车辆离开时，向服务器发送车辆离开信号；

服务器还用于当接收到所述地感发送的车辆离开信号时，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

本发明第三方面提供一种道闸控制系统，包括：

采集单元，用于获取监控环境图像；

获取单元，用于根据所述采集单元获取的所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；

判断单元，用于将获取单元获取的所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

控制单元，用于若所述判断单元判断所述目标处于所述预警区域内，则停止所述闸杆下落。

本发明方法能够防止进入预警区域内的目标被闸杆砸中，特别是防止行人被误砸，提高了道闸系统的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是一种道闸防砸方法的流程示意图；

图2是另一种道闸防砸方法的流程示意图；

图3是又一种道闸防砸方法的流程示意图；

图4是人脸捕获流程图；

图5是一种道闸控制系统结构示意图；

图6是另一种道闸控制系统结构示意图；

图7是一种道闸场景示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例1提供一种道闸防砸方法，该方法应用于道闸控制系统，具体包括：

101、获取监控环境图像。

例如，可以在道闸后3米、高2米的位置安装摄像机，通过摄像机采集监控环境图像，并将采集的监控环境图像传输给道闸控制系统中的服务器，该服务器可以用于控制整个道闸系统，摄像机用于实时采集监控环境图像。

102、根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

需防砸的目标可以为行人，也可以是车辆，还可以是其他动物等，这里不做限制。

103、将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内。

在将所述目标的位置坐标与预置的预警区域的位置坐标进行比较之后，若所述目标的位置坐标落在所述预置的预警区域的位置坐标范围之内，则判断所述目标处于所述预警区域内，若所述目标的位置坐标没有落在所述预置的预警区域的位置坐标范围之内，则判断所述目标处于所述预警区域外。该预置的预警区域为距离道闸一定安全距离以内的区域，该安全距离可以设为1米，也可以为更大或更小的距离，可以视具体情况而定。

104、若所述目标处于所述预警区域内，则停止所述闸杆下落。

即在步骤103之后，若所述目标处于所述预警区域内，判断道闸的闸杆是否开始下落或正在下落，若道闸的闸杆开始下落或正在下落，则停止所述闸杆下落。本实施例可以通过道闸控制器控制所述闸杆停止下落，避免进入预警区域内的目标被闸杆砸中，提高了道闸系统的安全性。若判断所述目标处于所述预警区域外时，则按照既定的控制方式，落下闸杆。

例如，道闸系统通过其中的摄像机实时采集监控环境图像，并计算出采集到的图像中行人的位置坐标，以及将行人的位置坐标与预置的预警区域的位置坐标进行比较，判断行人是否处于所述预警区域内。当行人进入预警区域内时，道闸系统可以及时判断行人的位置坐标落入预置的预警区域的位置坐标范围内，判断行人处于所述预警区域内，从而可以控制闸杆停止下落，避免行人被砸，还可以发出警报，提醒行人及时避让。

如图2所示，本发明实施例2提供一种道闸防砸方法，该方法应用于道闸控制系统，具体包括：

201、获取监控环境图像。

步骤201与步骤101相同，这里不再赘述。

202、根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标。

在步骤202中，可以从所述监控环境图像中识别出需防砸的目标的图像，再根据摄像机三维标定法，计算得到所述监控环境图像中需防砸的目标在像平面中的像素坐标。这里需防砸的目标可以为行人、车辆等移动目标。

203、将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

在将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较之后，若所述目标在像平面中的像素坐标落在预置的预警区域在像平面中的像素坐标范围内，则判断所述目标处于所述预警区域内，若所述目标在像平面中的像素坐标没有落在预置的预警区域在像平面中的像素坐标范围内，则判断所述目标处于所述预警区域外。

204、若所述目标处于所述预警区域内，则停止所述闸杆下落。

步骤204与步骤104相同，这里不再赘述。

在本实施例2中，该方法还包括：

当地感区域上停留有车辆时，检测地感区域上的车辆是否离开。当检测到地感区域上的车辆离开时，执行步骤201至204。

如图7所示，道闸系统可以包括地感、道闸和摄像机，地感设于道闸前方1米处，摄像机设于道闸后方，距道闸3米左右，摄像机的设置高度为2米。地感可以检测到进入地感区域的车辆，以及检测到地感区域上的车辆是否离开。当检测到车辆进入地感区域时，将闸杆升起，允许车辆通过道闸。当检测到地感区域上的车辆离开时，并不立即将闸杆落下，而是根据所述监控环境图像，获取所述监控环境图像中行人的位置坐标，判断是否有行人进入预警区域，如果判断有行人进入预警区域，则保持闸杆的升起状态，即控制闸杆不下落。

在本实施例2中，可以在步骤201之前，对道闸系统中的摄像机进行三维标定，以及在三维标定之后，预置预警区域。

具体的，本实施例2可以使用开源计算机视觉库(Open Source ComputerVision Library，OPENCV)的标定模块进行标定。以下对三维标定技术进行介绍。

在摄像机中，相机坐标系是以光轴中心O为原点的坐标系，其z轴满足右手法则，成像原点O_f所代表平面即为像平面坐标系(实际应用中，均以图像左上角为坐标系原点)，实际物体坐标系即为世界坐标系P。

P在世界坐标系的值为(x_w，y_w，z_w)，P_u是P在像平面坐标系的投影点，其相机坐标系的值为x_u，y_u，z_u。θ是相机坐标系z轴与像平面夹角，一般情况下z轴与像平面垂直，θ值为90°。且相机坐标系xoy与像平面x_fo_fy_f平行，f为相机的焦距。

对于从相机坐标系到像平面坐标系的变换，像平面坐标系是用像素单位来表示的，而相机坐标系则是以毫米为单位来表示，因此，要完成改变换过程就需要先得到像平面的像素单位与毫米单位之间的线性关系。相机光轴中心z轴方向上与像平面的交点o′称为投影中心，坐标为(c_x，c_y)，是像素单位，而每个像素在x_f和y_f的物理尺寸为s_x＝1/dx和s_y＝1/dy，单位是像素/毫米，则像平面的像素与毫米间的线性关系如式(1)：

$\left(\begin{array}{c}u\\ v\\ 1\end{array}\right)=\left(\begin{array}{ccc}{s}_x& 0& c_x\\ 0& s_y& c_y\\ 0& 0& 1\end{array}\right)\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)---\left(1\right)$

根据小孔模型下投影变换原理，像平面的物理坐标(x，y)对应的相机坐标系满足式(2)：

$\left\{\begin{array}{c}x=f\frac{X_u}{Z_u}-f\frac{Y_u}{Z_u\cos \mathrm{\θ}}\\ y=f\frac{Y_u}{Z_u\sin \mathrm{\θ}}\end{array}\right.---\left(2\right)$

其对应的矩阵形式为式(3)：

$\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)=\frac{1}{Z_u}\left(\begin{array}{cccc}f& -f{\cos }^{-1}\mathrm{\θ}& 0& 0\\ 0& f{\sin }^{-1}\mathrm{\θ}& 0& 0\\ 0& 0& 1& 0\end{array}\right)\left(\begin{array}{c}{X}_u\\ Y_u\\ Z_u\\ 1\end{array}\right)---\left(3\right)$

联立式(1)和式(3)，得到式(4)即为相机坐标系与像平面坐标系变换的矩阵。

$\left(\begin{array}{c}u\\ v\\ 1\end{array}\right)=\frac{1}{Z_u}\left(\begin{array}{cccc}{s}_{x}f& -f{\cos }^{-1}\mathrm{\θ}& c_x& 0\\ 0& s_{y}f{\sin }^{-1}\mathrm{\θ}& c_x& 0\\ 0& 0& 1& 0\end{array}\right)\left(\begin{array}{c}{X}_u\\ Y_u\\ Z_u\\ 1\end{array}\right)---\left(4\right)$

其中，(1/s_x，1/s_y，c_x，c_y，f，θ)即为相机的6个内参数，其组成的矩阵即为内参数矩阵。

从相机坐标系到世界坐标系的变换，是通过旋转矩阵R和平移矩阵T完成的。平移矩阵T是三维列向量，旋转矩阵R是坐标轴依次绕x，y和z轴旋转角度ψ，

和τ所形成的三个矩阵R_x(ψ),

R_z(τ)的总乘积。它们的定义如式(5)：

$R_x\left(\mathrm{\ψ}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\ψ}& \sin \mathrm{\ψ}\\ 0& -\sin \mathrm{\ψ}& \cos \mathrm{\ψ}\end{array}\right)$

$R_z\left(\mathrm{\τ}\right)=\left(\begin{array}{ccc}\cos \mathrm{\τ}& \sin \mathrm{\τ}& 0\\ -\sin \mathrm{\τ}& \cos \mathrm{\τ}& 0\\ 0& 0& 1\end{array}\right)$

则矩阵R的计算公式如式(6)：

因此，从相机坐标系到世界坐标系的变换如式(7)，其中，0^T表示(0 0 0)，R_3×3为旋转矩阵，

为平移矩阵，该变换矩阵称为外参数矩阵。

$\left(\begin{array}{c}{X}_u\\ Y_u\\ Z_u\\ 1\end{array}\right)=\left(\begin{array}{cc}{R}_{3\×3}& {\stackrel{\→}{T}}_{3\×1}\\ 0^T& 1\end{array}\right)\left(\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right)---\left(7\right)$

最后，联立式(4)和式(7)求得像平面坐标系与世界坐标系之间的变换关系，如式(8)：

$\begin{array}{c}\left(\begin{array}{c}u\\ v\\ 1\end{array}\right)=\frac{1}{Z_u}\left(\begin{array}{cccc}{s}_{x}f& -f{\cos }^{-1}\mathrm{\θ}& c_x& 0\\ 0& s_{y}f{\sin }^{-1}\mathrm{\θ}& c_y& 0\\ 0& 0& 1& 0\end{array}\right)\left(\begin{array}{cc}{R}_{3\×3}& {\stackrel{\→}{T}}_{3\×1}\\ 0^T& 1\end{array}\right)\left(\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right)\\ =\left(\begin{array}{cccc}{m}_{00}& m_{01}& m_{02}& m_{03}\\ m_{10}& m_{11}& m_{12}& m_{13}\\ m_{20}& m_{21}& m_{22}& m_{23}\\ m_{30}& m_{31}& m_{32}& m_{33}\end{array}\right)\left(\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right)=M_{3\×4}\left(\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right)\end{array}---\left(8\right)$

其中，M_3×4即为透视投影矩阵，表示空间中三维点坐标与图像平面二维坐标之间的线性关系，(u v 1)^T表示P_u的像平面齐次坐标值，(X_w Y_w Z_w 1)^T表示P的世界坐标系齐次坐标值。基于以上几何原理和相机模型得到的图像信息和三维信息之间的关系，存在不可逆性。在已知目标物体的图像位置条件下即能求解出目标物体在实际场景中的位置。

本实施例2可以使用OPENCV视觉库的摄像机标定模块对摄像机进行标定。该模块通过摄像机在不同位置(至少两个)上拍摄平面模板的图像，建立模板和图像上的点的匹配关系来确定模板和图像之间的单应矩阵，然后利用该单应矩阵来求解摄像机内外的参数，从而可以获得图像中的目标在像平面中的像素坐标，确定目标在实际空间中的位置。

以下对摄像机三维标定的流程进行介绍。

a、制作一个标准的国际象棋棋盘，拍摄9个不同角度的图像，以及将图像输入并进行RGB到灰度图的转换。

b、用寻找棋盘图角点cvFindChessboardCorners()函数检测并提取棋盘角点位置，如果该幅图像上提取的角点数目和设定的相同，角点提取成功，角点像素坐标用链表形式存储，否则提示角点提取失败。

c、cvFindChessboardCorners()函数返回的角点仅仅是近似值，实际位置上的精度受限于图像设备的精度，因此必须使用发现角点亚像素cvFindCornerSubpix()函数亚像素化角点的坐标值，并调用绘制棋盘角点cvDrawChessboardCorners()函数将提取到的角点标注出来。

d、一旦获得多个图像的角点，就调用函数cvCalibrateCamera2()函数，求取摄像机的内外参数，最后调用cvProjectPoints2()函数来计算重新投影误差。

在步骤201之前，还需要在系统中预置预警区域。在实际操作中，安装人员可使用测量设备在实地测量预警区域，并在预警区域的地面上做标记，并采集监控环境图像，然后再使用道闸系统的客户端把监控环境图像中的标记全部连起来获得精确的线，在图像上形成一个预警区域。当系统运行时，将先进行预警区域三维坐标计算，以用于判断目标是否进入预警区域。优选的，本实施例中监控区域为距离闸杆1米的范围区域。

在本发明中，摄像机可以实时监控进入监控区的行人，需防砸的目标可以为行人，因此，如图3所示，本发明实施例3还提供了一种基于捕获人脸图像的道闸防砸方法，具体可以包括：

301、获取监控环境图像；

302、从所述监控环境图像中检测出目标的人脸图像，所述目标为行人；

303、根据检测出的人脸图像，更新跟踪序列中的人脸图像；

304、在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

305、利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

306、在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

307、根据从所述跟踪序列中获取的所述目标的人脸图像，基于摄像机三维标定法获取所述目标的人脸在像平面中的像素坐标；

308、将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

309、若所述目标处于所述预警区域内，则停止所述闸杆下落。

如果不处于所述预警区域内，则所述道闸的闸杆下落。

其中，如图4所示，步骤302，所述从所述监控环境图像中检测出目标的人脸图像，可以具体包括：

401、从所述监控环境图像中提取前景区域，将前景区域扩大至预设的大小。具体的，可以使用背景减除建模方法从所述目标的图像中提取前景区域，具体可以使用基于视觉背景抽取算法(Visual Background extractor，ViBe)的背景建模方法。当前景区域的面积大于设定的阈值时，将前景区域扩大至预设的大小。

402、在扩大后的前景区域中进行基于哈尔haar特征的adaboost算法的人脸检测，获得人脸区域。

提取前景区域的Haar特征，使用基于Adaboost算法训练得到的人脸Haar特征的强分类器对前景区域进行多尺度搜索，得到具有人脸特征的区域。判断该人脸区域的大小是否符合预设大小，若不符合预设大小，则将该人脸区域删除，若符合预设大小，则保留该人脸区域。简而言之，可以将检测到的过大或过小的人脸都删除，保留大小适中的人脸。

Adaboost算法是一种分类器算法，其基本思想是利用大量的分类能力一般的简单分类器通过一定的方法叠加起来，构成一个分类能力很强的强分类器，再将若干个强分类器串联成为分级分类器完成图像搜索检测。串联的级数依赖于系统对错误率和识别速度的要求首先要生成强分类器。本发明中利用级联的Adaboost算法对Haar特征和方向梯度直方图(Histogram ofGradient，HOG)特征进行训练，然后采用最小允许检测率和最大允许误检率作为强分类器迭代停止依据，当每一层的强分类器的和都达到训练前的设定值时，该级训练即完成。下一层强分类器的训练负样本将从该层中被错误分类的负样本中产生。将Adaboost算法形成的强分类器进行级联，即得到一个良好的级联强分类器。

以安装于大厦出入口的道闸为例，模型训练过程如下：

1、使用摄像头在各个时段和天气条件下拍摄并储存大量大厦出入口的人员进出视频。在这些视频中，人工截取出人脸图像作为正样本，人工截取出非人脸图像作为负样本。

2、使用Haar特征对每一幅人脸正、负样本进行表征，形成人脸Haar特征向量。

3、使用HOG特征对每一幅人脸正、负样本进行表征，形成人脸HOG特征向量。

4、利用级联的Adaboost算法分别对2和3提取的特征进行训练，最后获得人脸的Haar特征模型和人脸的HOG特征模型。

403、对所述人脸区域进行肤色匹配，将所述人脸区域中不能通过肤色匹配的区域删除。

例如，在进行肤色匹配过程中，可以应用红绿蓝RGB颜色模型，计算肤色点。具体计算公式如下：

其中m是均值，C是协方差，x＝(r，b)^T。根据上式计算可以得到一副图像中每个像素属于皮肤的概率，进而通过肤色过滤掉人脸检测中的部分误检。

404、对所述人脸区域进行方向梯度直方图HOG验证，将所述人脸区域中不能通过HOG验证的区域删除。

在HOG验证过程中，将提取人脸区域的HOG特征进行验证。HOG特征是灰度图的梯度统计信息，梯度主要存在于边缘的地方。可以根据如下公式计算梯度，获得HOG特征。

图像的一阶梯度的大小为：

$R(x,y)=\sqrt{{(I(x+1,y)-I(x-1,y))}^2+{(I(x,y-1)-I(x,y+1))}^2},$

梯度方向为：

Ang(x，y)＝arccos(I(x+1，y)-I(x-1，y)/R)。

直方图方向为9个，将每个分块中所有像素的一维梯度直方图累加到其中，就形成了最终的HOG特征。

405、在将所述人脸区域中不能通过肤色匹配的人脸图像区域和不能通过HOG验证的人脸图像区域删除之后，检测得所述人脸区域的图像。

这里检测得到的所述人脸区域的图像即为从所述监控环境图像中检测出的目标的人脸图像。

在从监控环境图像中检测出人脸图像之后，更新所述跟踪序列中的人脸图像，其中包括更新人脸的三维坐标信息。系统将根据跟踪序列中的目标的人脸图像，对目标进行跟踪。其中，跟踪序列为记录被跟踪目标人脸图像的结构体变量。

关于跟踪序列的更新，下面进行简单介绍。

跟踪序列的更新包括对跟踪的目标进行添加和删除两部分：

添加部分：在步骤405之后，如果跟踪序列为空，依次把检测到的人脸图像添加到跟踪序列中。如果跟踪序列不为空，计算检测到的人脸图像与跟踪序列各最终位置的两两相交面积比例，并做相应标记。遍历跟踪序列后，如果检测到的人脸图像与跟踪目标有相交，添加人脸Haar检测结果为相交跟踪目标的最终位置。如果与跟踪目标没有相交，添加人脸Haar检测结果为新的跟踪目标。

删除部分：如果监控系统连续未检测帧数大于设定的删除帧数，或在最开始的连续4帧内被检测到的帧数小于2，即只在第一帧被检测到，但后面连续三帧检测不到，该被跟踪的目标将从跟踪序列中删除。当然，这里只是举一例子，具体如何删除，可以根据用户的实际要求进行设定。

具体的，在将目标加入跟踪序列之后，对目标进行金字塔LK跟踪，并利用LK跟踪的结果更新跟踪序列。对于每个跟踪目标，如果LK跟踪失败就把该目标删除。如果跟踪成功，根据金字塔LK跟踪最终位置修正跟踪序列中该目标的位置信息。

金字塔LK算法是一种有效的跟踪算法，其从金字塔的最高层(细节最小)开始向金字塔的低层(丰富的细节)进行跟踪，允许小窗口捕获较大的运动。金字塔LK跟踪的步骤如下：

a)前一帧与当前帧做一次LK跟踪，从前一帧提取角点(Corner points)pts0进行跟踪得到当前帧的角点pts1。

b)当前帧与前一帧做一次LK反跟踪，根据当前帧角点pts1跟踪得到前一帧的角点pts2。

c)对于pts0与pts1，每一对匹配的点，框出5x5的区域进行归一化互相关(Normalized Cross Correlation，NCC)匹配，所有点匹配完成后，计算出中值。NCC匹配是一种抗噪声能力强且匹配准确的匹配算法。NCC的计算可以表示为：

$\mathrm{NCC}=\frac{{\mathrm{\Σ}}_{x,y}(f(x,y)-{\stackrel{\‾}{f}}_{u,v})(t(x-u,y-v)-\stackrel{\‾}{t})}{\sqrt{{\mathrm{\Σ}}_{x,y}{(f(x,y)-{\stackrel{\‾}{f}}_{u,v})}^2{(t(x-u,y-v)-\stackrel{\‾}{t})}^2}}$

其中f(x，y)是大小为M_x×M_y图像在的(x，y)点的灰度值，t(x，y)是大小为N_x×N_y模板图像在的(x，y)点的灰度值，f_u，v是图像的平均值，可以表示为：

${\stackrel{\‾}{f}}_{u,v}=\frac{1}{N_x{N}_y}\underset{x=u}{\overset{u+N_x-1}{\mathrm{\Σ}}}\underset{y=v}{\overset{v+N_y-1}{\mathrm{\Σ}}}f(x,y)$

d)角点pts0与pts2之间计算对应点的欧氏距离，所有点的距离计算完成后，计算出中值。两个点(x₁，y₁)与(x₂，y₂)的欧氏距离可以表示为：

$d=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

e)结合c)与d)的结果，对于pts1中大于NCC匹配中值并且小于距离中值的点认为是跟踪有效点。

f)如果经过步骤e)后剩下的点数足够(例如，大于特征点数的10％)，预测该人脸在当前帧的位置。

g)如果没有足够点数，则删除跟踪目标；如果有足够点数，则判断预测位置是否在图像范围内。

h)如果预测位置不在图像范围内，则删除跟踪目标；如果预测位置在图像范围内，根据金字塔LK跟踪最终位置修正跟踪序列中该目标的位置信息。

如图5所示，本发明实施例4提供一种道闸控制系统504，包括：

摄像机501，连接服务器502，用于采集监控环境图像，以及将采集的监控环境图像传输给所述服务器502；

服务器502，连接所述道闸控制器503，用于：接收摄像机501采集的监控环境图像，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

道闸控制器503，用于若所述服务器502判断所述目标处于所述预警区域内，则控制道闸的闸杆停止下落。具体的，道闸控制器503用于若所述服务器502判断所述目标处于所述预警区域内，则判断闸杆是否下落，若是，则控制道闸的闸杆停止下落。

服务器502可以包括用于视频分析的计算机和视频采集卡，视频采集卡通过与其连接的摄像机501采集图像，并由视频分析的计算机对图像进行分析。服务器502在判断目标处于预警区域内时，向道闸控制器503发送停止闸杆下落命令，使得闸杆控制器控制闸杆停止下落。

在本实施例提供的道闸控制系统504中，服务器502可以通过将摄像机501采集的监控环境图像中需防砸的目标的三维像素坐标和预置的预警区域的三维空间坐标进行比较，判断所述目标是否处于所述预警区域内，若所述目标处于所述预警区域内，则停止所述闸杆下落。因此，该道闸控制系统504能够防止进入预警区域内的目标被闸杆砸中，提高了道闸系统的安全性。

优选的，所述服务器502进一步用于：

根据所述监控环境图像，基于摄像机501三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标；将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

优选的，所述服务器502还用于：

在获取监控环境图像之后，从所述监控环境图像中检测出目标的人脸图像，所述目标为行人；

根据检测出的人脸图像，更新跟踪序列中的人脸图像；

在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

根据从所述跟踪序列中获取所述目标的人脸图像，基于摄像机501三维标定法获取所述目标的人脸在像平面中的像素坐标；

将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

优选的，所述的道闸控制系统504，还包括：地感，所述地感连接服务器502，所述地感用于检测地感区域上的车辆是否离开，当检测到地感区域上的车辆离开时，向服务器502发送车辆离开信号；

服务器502还用于当接收到所述地感发送的车辆离开信号时，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

所述地感还连接道闸控制器503，当地感检测到车辆进入地感区域时，向道闸控制器503发送检测到车辆进入地感区域的信号，使得道闸控制器503控制闸杆升起。当地感检测到车辆离开地感区域时，向道闸控制器503和服务器502发送车辆离开信号，则服务器502判断是否有行人进入预警区域，如果有，则通过道闸控制器503控制闸杆停止下落，如果没有，则道闸控制器503下落闸杆。

如图6所示，本发明实施例5提供一种道闸控制系统601，包括：

采集单元602，用于获取监控环境图像；

获取单元603，用于根据所述采集单元602获取的所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；

判断单元604，用于将获取单元603获取的所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

控制单元605，用于若所述判断单元604判断所述目标处于所述预警区域内，则停止所述闸杆下落。

在本实施例提供的道闸控制系统601可以通过将获取的监控环境图像中需防砸的目标的三维像素坐标和预置的预警区域的三维空间坐标进行比较，判断所述目标是否处于所述预警区域内，若所述目标处于所述预警区域内，则停止所述闸杆下落。因此，该道闸控制系统601能够防止进入预警区域内的目标被闸杆砸中，提高了道闸系统的安全性。

优选的，获取单元603，用于根据所述采集单元602获取的所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标，包括：用于根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标；

判断单元604，用于将获取单元603获取的所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内，包括：用于将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

优选的，获取单元603还用于从所述采集单元602获取到的所述监控环境图像中检测出目标的人脸图像，所述目标为行人；

根据检测出的人脸图像，更新跟踪序列中的人脸图像；

在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

所述获取单元603用于根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标，包括：

用于根据从所述跟踪序列中获取的所述目标的人脸图像，基于摄像机三维标定法获取所述目标的人脸在像平面中的像素坐标；

所述判断单元604用于将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内，包括：

用于将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

优选的，所述获取单元603用于所述从所述监控环境图像中检测出目标的人脸图像，包括：

从所述监控环境图像中提取前景区域，将前景区域扩大至预设的大小；

在扩大后的前景区域中进行基于哈尔haar特征的adaboost算法的人脸检测，获得人脸区域；

对所述人脸区域进行肤色匹配，将所述人脸区域中不能通过肤色匹配的区域删除；

对所述人脸区域进行方向梯度直方图HOG验证，将所述人脸区域中不能通过HOG验证的区域删除；

在将所述人脸区域中不能通过肤色匹配的人脸图像区域和不能通过HOG验证的人脸图像区域删除之后，检测得所述人脸区域的图像。

优选的，所述获取单元603还用于：当地感区域上停留有车辆时，检测地感区域上的车辆是否离开；当检测到地感区域上的车辆离开时，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

以上对本发明实施例所提供的一种道闸防砸方法及道闸控制系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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。

Claims (10)

1.一种道闸防砸方法，其特征在于，包括：

获取监控环境图像；

根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；

将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

若所述目标处于所述预警区域内，则停止闸杆下落。

2.根据权利要求1所述的道闸防砸方法，其特征在于，所述根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标，包括：

根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标；

所述将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内，包括：

将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

3.根据权利要求2所述的道闸防砸方法，其特征在于，在所述获取监控环境图像之后，包括：

从所述监控环境图像中检测出目标的人脸图像，所述目标为行人；

根据检测出的人脸图像，更新跟踪序列中的人脸图像；

在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

所述根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标，包括：

根据从所述跟踪序列中获取的所述目标的人脸图像，基于摄像机三维标定法获取所述目标的人脸在像平面中的像素坐标；

所述将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内，包括：

将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

4.根据权利要求3所述的道闸防砸方法，其特征在于，所述从所述监控环境图像中检测出目标的人脸图像，包括：

从所述监控环境图像中提取前景区域，将前景区域扩大至预设的大小；

在扩大后的前景区域中进行基于哈尔haar特征的adaboost算法的人脸检测，获得人脸区域；

对所述人脸区域进行肤色匹配，将所述人脸区域中不能通过肤色匹配的区域删除；

对所述人脸区域进行方向梯度直方图HOG验证，将所述人脸区域中不能通过HOG验证的区域删除；

在将所述人脸区域中不能通过肤色匹配的人脸图像区域和不能通过HOG验证的人脸图像区域删除之后，检测得所述人脸区域的图像。

5.根据权利要求1至4任意一项所述的道闸防砸方法，其特征在于，还包括：

当地感区域上停留有车辆时，检测地感区域上的车辆是否离开；

所述根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标，包括：

当检测到地感区域上的车辆离开时，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

6.一种道闸控制系统，其特征在于，包括：

摄像机，连接服务器，用于采集监控环境图像，以及将采集的监控环境图像传输给所述服务器；

服务器，连接所述道闸控制器，用于：接收摄像机采集的监控环境图像，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；将所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

道闸控制器，用于若所述服务器判断所述目标处于所述预警区域内，则控制道闸的闸杆停止下落。

7.根据权利要求6所述的道闸控制系统，其特征在于，所述服务器进一步用于：

根据所述监控环境图像，基于摄像机三维标定法获取所述监控环境图像中需防砸的目标在像平面中的像素坐标；将所述目标在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

8.根据权利要求7所述的道闸控制系统，其特征在于，所述服务器还用于：

在获取监控环境图像之后，从所述监控环境图像中检测出目标的人脸图像，所述目标为行人；

根据检测出的人脸图像，更新跟踪序列中的人脸图像；

在更新所述跟踪序列中的人脸图像之后，对所述跟踪序列中的所述目标进行基于金字塔的LK跟踪；

利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像；

在利用基于金字塔的LK跟踪得到的人脸图像更新所述跟踪序列中的人脸图像之后，从所述跟踪序列中获取所述目标的人脸图像；

根据从所述跟踪序列中获取所述目标的人脸图像，基于摄像机三维标定法获取所述目标的人脸在像平面中的像素坐标；

将所述目标的人脸在像平面中的像素坐标与预置的预警区域在像平面中的像素坐标进行比较，判断所述目标是否处于所述预警区域内。

9.根据权利要求6至8任意一项所述的道闸控制系统，其特征在于，还包括：地感，连接服务器，所述地感用于当地感区域上停留有车辆时，检测地感区域上的车辆是否离开，当检测到地感区域上的车辆离开时，向服务器发送车辆离开信号；

服务器还用于当接收到所述地感发送的车辆离开信号时，根据所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标。

10.一种道闸控制系统，其特征在于，包括：

采集单元，用于获取监控环境图像；

获取单元，用于根据所述采集单元获取的所述监控环境图像，获取所述监控环境图像中需防砸的目标的位置坐标；

判断单元，用于将获取单元获取的所述目标的位置坐标与预置的预警区域的位置坐标进行比较，判断所述目标是否处于所述预警区域内；

控制单元，用于若所述判断单元判断所述目标处于所述预警区域内，则停止所述闸杆下落。

Images