CN109637123A - 一种复杂交通环境下行人生物特征识别与交通管控系统 - Google Patents

Abstract

本发明公开了一种复杂交通环境下行人生物特征识别与交通管控系统，包括生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统；生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统之间设有安全网络；生物特征数据库子系统包括服务器集群和生物特征数据库；生物特征数据库采用云架构设计；视频违法取证子系统包括行人人脸识别模块和车辆违法取证模块，人脸识别模块连接行人违法取证模块；主动型服务型交通信号管控子系统包括交通、行人流量感知系统和交通信号控制系统。本发明的系统能够更精确安全的实现道路交通行人安全综合管控。

Description

一种复杂交通环境下行人生物特征识别与交通管控系统

技术领域

本发明涉及一种控制系统，具体涉及一种复杂交通环境下行人生物特征识别与交通管控系统。

背景技术

随着经济的快速发展以及城镇化建设的加快，我国机动车数量已超过2.8亿辆且仍保持高速增长。为了满足日益增长的交通出行需求，科学规划城市道路是最直接的方法，但是存在着周期长、投资大、受多种因素制约等问题，且难以跟上机动车增长的速度。智能交通是现代交通的发展方向及未来趋势，在保证城市功能正常运转、有效缓解交通拥堵等方面起着无可取代的作用。

随着城市化进程的加快，智能交通产业已进入快速发展期。我国智能交通产业历经二十多年发展已逐步从探索阶段进入实际开发应用阶段，但离真正实现交通智能化还有很长的路要走。城市智能交通系统包罗万象，各子系统间交叉协作，形成了一个复杂巨系统，交通信号控制系统作为其基础和核心平台，将在现代城市交通建设中发挥重要作用。

发明内容

本发明的目的是提供一种复杂交通环境下行人生物特征识别与交通管控系统，能够更精确安全的实现道路交通综合业务管控。

本发明的一个实施提供了一种复杂交通环境下行人生物特征识别与交通管控系统，包括生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统；生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统之间设有安全网络；

生物特征数据库子系统包括服务器集群和生物特征库；服务器集群包括人脸信息分析与人脸比对服务器、前端数据接入认证服务器，视频接入及存储服务器和应用服务器；生物特征数据库采用云架构设计；

视频违法取证子系统包括人脸识别模块和车辆违法取证模块，人脸识别模块连接行人违法取证模块；

主动型服务型交通信号管控子系统包括一体化信号系统和交通信号控制系统。

本发明提供的复杂交通环境下行人生物特征识别与交通管控系统，具有如下优点：

1.采用了云架构设计，充分利用云计算平台的超强计算能力，部署多种算法，实现多算法的混合；提高大数据库容量下人脸图像的识别和比对性能，宽幅适应年龄、胖瘦、角度、表情、光照等变化图像。

2.采用3A成像控制和3D数字降噪技术，使被监控物在任何光照条件下，都能不受取景、光影响，精准还原物体本来的色彩。使图像效果在低光和明暗对比强烈的环境中得到极大的增强和改善，并且彻底消除动态图像噪点。

3.支持软硬件多种视频参数(增益、白平衡、对比度等)的自适应控制，支持宽动态功能，结合先进的暗部的提亮、红灯颜色矫正、边缘增强、噪点过滤、强顺光自动抑制、强逆光自动补偿等，实现全天候24小时不同光照环境下高品质图像。

4.具备多业务处理能力，软件开发方便，易升级，应用程序众多，包括：过程管理、文件系统(用于实施过程和进程间的数据管理信道的功能)、流库(类似于UNIX和Plan 9，以方便如串口和以太网这样的设备的驱动程序编写)、中断处理和陷阱机制、支持UNIX主机的独立固件测试等。

5.盲人钟信号输出及行人闯红灯语音提示。LED显示屏显示信息驱动、声光报警器信号输出。多时段音量调节，自适应显示屏亮度调节等。

6.采用一体化结构(信号灯体、倒计时显示、声光报警、显示屏等)设计：集成度高，科学布局；各个单元独立工作，支持热插拔；安装、维护方便。设计容错、冗余、电磁兼容、强/弱电信号隔离/断电保护及多级防雷功能。

7.实现了高清视频行人闯红灯生物特征(人脸、指纹)采集、识别与分析。支持固定/动态多目标(≥4个)跟踪与检测。采用高清视频检测算法、视频分析新算法，提高恶劣环境下的行人生物特征(人脸、指纹)识别和检测精准度和效率：

8.实现了基于生物特征识别的主动服务型交通信号管控。通过人脸、指纹生物特征视频识别，主动触发行人过街请求信号，实现与道路信号控制系统联动。集成人性化交通信号及倒计时显示、LED红绿双色智能声光警示与检测曝光、盲人钟语音提示等行人安全保障功能。

9.支持软体/硬体两种视频参数(增益、白平衡等)的自适应控制，实现在不同光照环境下都能获得最好的高品质图像效果。

10.系统数据平台建设：统一后端管理中心的总线接口、软件协议，解决和实现子系统之间数据信息交互以及统一部署和集中管理。

附图说明

图1所示为本发明的复杂交通环境下行人生物特征识别与交通管控系统的系统示意图。

图2所示为本发明的人脸识别模块的工作流程示意图。

图3所示为本发明的安全网络的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。

请参阅图1，在本发明的一个实施例中，复杂交通环境下行人生物特征识别与交通管控系统，包括生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统；生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统之间设有安全网络；

生物特征数据库子系统包括服务器集群和生物特征库；服务器集群包括人脸信息分析与人脸比对服务器、前端数据接入认证服务器，视频接入及存储服务器和应用服务器；生物特征数据库采用云架构设计；结合开放的警用人脸数据库和开放的比对接口，采用了云架构设计，充分利用云计算平台的超强计算能力，部署多种算法，实现多算法的混合；吸纳各种算法的优点，提高大数据库容量下人脸图像的识别和比对性能，宽幅适应年龄、胖瘦、角度、表情、光照等变化图像。

视频违法取证子系统包括人脸识别模块和车辆违法取证模块，人脸识别模块连接行人违法取证模块；

主动型服务型交通信号管控子系统包括一体化信号系统和交通信号控制系统。

请参阅图2，在本发明的一个实施例中，复杂交通环境下行人生物特征识别与交通管控系统中的安全网络包括内网、外网、中立区和防火墙非安全区，内网和外网之间设有网闸，需要交换数据的应用系统分别位于内网与防火墙中立区，中立区能够直接访问防火墙安全区，直接向GAP发起连接；位于内网的应用系统设置为Server端，位于中立区的应用系统设置为Client端。

请参阅图3，在本发明的一个实施例中，人脸信息分析与人脸比对服务器上设有行人生物特征识别系统，行人生物特征识别的过程如下：

人脸比对服务器接收到比对请求后，先对摄像机采集到的图像进行特征提取，获取人脸特征，通过映射(Map)过程，将待识别的人脸特征分布到各计算节点进行比对，输出相似程度及对应的人员身份信息；

通过规约(Reduce)过程，将识别结果按照相似程度排序，并进一步过滤，输出最终的比对结果。

与传统的人脸识别算法相比，采用云计算的识别过程可将大量人脸数据库中的数据分布到多个计算节点并进行并行比对处理(原为顺序比对处理)，极大缩短识别过程时间，加上云平台具有线性扩展性特点，在保证系统数据扩展性、实时性的同时，可通过增加计算节点的方式提高处理能力。

在本发明的一个实施例中，安全网络的网络安全机制接入步骤包括：

应用系统Client端与GAP建立Socket连接；

Client通过Socket连接向GAP发送申请链路报文，GAP返回成功后，Client与应用系统Server端建立TCP数据交换通道。

在本发明的一个实施例中，复杂交通环境下行人生物特征识别与交通管控系统采用Linux系统，包括内核层、硬件抽象层HAL、JAVA框架层和JAVA应用层，JAVA框架层通过JNI层调用硬件抽象层，完成JAVA到C++的调用；算法部分采用3A成像控制和3D数字降噪技术，使被监控物在任何光照条件下，都能不受取景、光影响，精准还原物体本来的色彩；使图像效果在低光和明暗对比强烈的环境中得到极大的增强和改善，并且彻底消除动态图像噪点。

支持软硬件多种视频参数(增益、白平衡、对比度等)的自适应控制，支持宽动态功能，结合先进的暗部的提亮、红灯颜色矫正、边缘增强、噪点过滤、强顺光自动抑制、强逆光自动补偿等，实现全天候24小时不同光照环境下高品质图像。

具备多业务处理能力，软件开发方便，易升级，应用程序众多，包括：过程管理、文件系统(用于实施过程和进程间的数据管理信道的功能)、流库(类似于UNIX和Plan 9，以方便如串口和以太网这样的设备的驱动程序编写)、中断处理和陷阱机制、支持UNIX主机的独立固件测试等。

在本发明的一个实施例中，人脸识别模块包括人脸图像采集及检测、人脸图像预处理、人脸图像特征提取、人脸图像匹配与识别四个组成部分，识别流程如下:

1)人脸图像采集及检测

在高清摄像机视频采集范围内，通过内置人脸跟踪算法，自动识别人脸和获取不同位置、不同表情的静态图像、动态图像；

人脸图像采集预处理：在图像中准确标定人脸位置、大小和人脸面部特征，包括直方图特征、颜色特征、模板特征、结构特征、Haar特征；

人脸图像检测：对采集预处理得到的人脸图像特征进行检测，检测方法采用Adaboost学习分类算法，进行特征优化分类标定；挑选最能代表人脸的矩形特征，弱分类器，按加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，提高分类器的检测速度。

2)人脸图像预处理

基于人脸检测结果，对图像进行灰度校正、噪声过滤预处理；预处理过程包括人脸图像的光线补偿、灰度变换、直方图均衡化和归一化、几何校正、滤波、锐化。

3)人脸图像特征提取

对人脸进行特征建模，生成人脸表征；

根据人脸器官的形状描述和之间的距离特性，获得人脸分类的特征数据；其特征分量包括特征点间的欧氏距离、曲率和角度；人脸由眼睛、鼻子、嘴、下巴构成，对这些局部特征和它们之间结构关系的几何描述，可作为识别人脸的重要特征；

4)人脸图像匹配与识别

对已提取的人脸图像特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值时，将匹配得到的结果输出；

将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断，输出匹配结果。

人脸识别模块包括超低照度视频图像采集、基于人脸识别的行人违法行为分析与取证两部分，提供在复杂环境和低照度下的高清视频图像采集、基于视频流的图像分析、基于人脸的信息采集等功能，实现对行人行为检测与分析，以判定和提取是否闯红灯的证据。

本系统实现了高清视频行人闯红灯生物特征(人脸、指纹)采集、识别与分析。支持固定/动态多目标(≥4个)跟踪与检测。

采用高清视频检测算法、视频分析新算法，提高恶劣环境下的行人生物特征(人脸、指纹)识别和检测精准度和效率。

实现了基于生物特征识别的主动服务型交通信号管控。通过人脸、指纹生物特征视频识别，主动触发行人过街请求信号，实现与道路信号控制系统联动。

集成人性化交通信号及倒计时显示、LED红绿双色智能声光警示与检测曝光、盲人钟语音提示等行人安全保障功能。

支持软体/硬体两种视频参数(增益、白平衡等)的自适应控制，实现在不同光照环境下都能获得最好的高品质图像效果。

系统数据平台建设：统一后端管理中心的总线接口、软件协议，解决和实现子系统之间数据信息交互以及统一部署和集中管理。

可以根据用户需求开发系列产品，为产品中试工程和产业化提供技术支持。

集行人生物特征识别、检测与交通管控等功能于一体，包括由多源感知全网络覆盖智能生物特征数据库、超低照度环境下高清视频违法取证保障子系统、基于生物特征识别的交通信号管控子系统三部分组成。

一体化设计。高度集成图像采集单元，图像分析单元，视频编码单元，数据存储单元，交通信号单元、声光警示单元、人性化盲人钟单元、现场违法曝光单元、网络传输单元等，增强系统的稳定性。

实现了超低照度下高性能违法取证：

支持多个摄像机软/硬件群触发。采用星光级GMOS传感器(1")和高性能ARM+DSP双核心处理器，确保系统触发抓拍时间延时小，实现真正意义上的固定/动态多目标触发抓拍与检测；同时实现ULLS超微光感知性能，能在极低照度的监控环境中(超低照度,彩色0.001Lux)，清晰呈现彩色图像。

支持多种视频参数(增益、白平衡、对比度等)自适应控制，实现在不同光照环境下都能获得最好的高品质图像效果。

内置多种图像处理功能，包括对暗部的提亮、红灯颜色矫正、边缘增强、噪点过滤、强顺光自动抑制、强逆光自动补偿等，实现全天候24小时不同光照环境下获得高品质图像效果。

违法取证：涵盖不同时间、地点、违法类型的过程/特写图片、过程录像等信息。

设计强大嵌入式软件系统。采用低耦合设计，实现系统前端采集的信息叠加、图像合成/压缩等图像处理以及后端交通管控。兼容不同像素和不同芯片的高清摄像机，可通过设置摄像机内置软件，方便实现不同用户要求的系统硬/软参数，实现了端-端智能化管理。

通过系统断电/来电后能即刻自动重启并进入预设应用程序。采用低耦合度设计协同各个单元高效稳定运行，实现了24小时智能无人职守。

系统前端数据采集和平台交互采用数字签名、消息认证、数据优化加密算法等多重保护措施，后端实行原始图像比较验证，防止人为修改，以确保证系统信息完整和合法。

可靠数据通讯：系统前、后端数据交换采用唯一XML协议和唯一验证算法等数据传输加密，有效限制或屏蔽解析非法数据或不完整数据，确保数据传输可靠、完整。

具有多重安全、可靠性设计：

网络链路：采用安全网闸、防火墙等网络安全设备，进行数据隔离，保障数据安全。

电源输入：设计过压/过流/过热保护及抗电网浪涌冲击等功能。

系统设计容错、冗余、电磁兼容、强/弱电信号隔离/断电保护及多级防雷功能、支持热插拔。

采用一体化结构、模块化设计，独立工作；支持热插拔，安装、维护方便。

系统运行日志信息和数据均能通过网络自动实时传输到后端控制管理中心并实现远程监控、参数设置、系统关停、软件升级等免现场维护工作。

提高复杂环境下的生物特征(人脸)识别与检测的精准度

创新采用人脸检测算法、改进型Adaboost算法以及自适应灰度增强算法等，解决因户外环境的光照变化、人脸表情变化、类肤色像素等引起的遮挡或干扰而易出现的误判。

提高系统对表情、光线、人脸姿态等变化因素的适应性。

实现了智能多源感知生物特征(人脸、指纹)识别。捕获率≥95％，识别准确率≥95％，检测及识别时间≤3s。

虽然以上述较佳的实施例对本发明做出了详细的描述，但并非用上述实施例限定本发明。本领域的技术人员应当意识到在不脱离本发明技术方案所给出的技术特征和范围的情况下，对技术特征所作的增加、以本领域一些同样内容的替换，均应属本发明的保护范围。

Claims (10)

1.一种复杂交通环境下行人生物特征识别与交通管控系统，其特征在于：包括生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统；所述生物特征数据库子系统、视频违法取证子系统和主动型服务型交通信号管控子系统之间设有安全网络；

所述生物特征数据库子系统包括服务器集群和生物特征库；所述服务器集群包括人脸信息分析与人脸比对服务器、前端数据接入认证服务器，视频接入及存储服务器和应用服务器；所述生物特征数据库采用云架构设计；

所述视频违法取证子系统包括行人人脸识别模块和车辆违法取证模块，所述人脸识别模块连接行人违法取证模块；

所述主动型服务型交通信号管控子系统包括了：1)行人闯红灯行为检测，行人数量感知单元；2)机动车流量感知单元；3)行人过街请求单元；4)交通信号控制单元。

2.根据权利要求1所述的管控系统，其特征在于：所述安全网络包括内网、外网、中立区和防火墙非安全区，所述内网和外网之间设有网闸，需要交换数据的应用系统分别位于内网与防火墙中立区，中立区能够直接访问防火墙安全区，直接向GAP发起连接；位于内网的应用系统设置为Server端，位于中立区的应用系统设置为Client端。

3.根据权利要求1所述的管控系统，其特征在于：所述人脸信息分析与人脸比对服务器上设有行人生物特征识别系统，行人生物特征识别的过程如下：

所述人脸比对服务器接收到比对请求后，先对所述摄像机采集到的图像进行特征提取，获取人脸特征，通过映射过程，将待识别的人脸特征分布到各计算节点进行比对，输出相似程度及对应的人员身份信息；

通过规约过程，将识别结果按照相似程度排序，并进一步过滤，输出最终的比对结果。

4.根据权利要求2所述的管控系统，其特征在于：所述安全网络的网络安全机制接入步骤包括：

应用系统Client端与GAP建立Socket连接；

Client通过Socket连接向GAP发送申请链路报文，GAP返回成功后，Client与应用系统Server端建立TCP数据交换通道。

5.根据权利要求1所述的管控系统，其特征在于：所述系统采用Linux系统，包括内核层、硬件抽象层HAL、JAVA框架层和JAVA应用层，所述JAVA框架层通过JNI层调用硬件抽象层，完成JAVA到C++的调用；算法部分采用3A成像控制和3D数字降噪技术，使被监控物在任何光照条件下，都能不受取景、光影响，精准还原物体本来的色彩；使图像效果在低光和明暗对比强烈的环境中得到极大的增强和改善，并且彻底消除动态图像噪点。

6.根据权利要求1所述的管控系统，其特征在于：所述人脸识别模块包括人脸图像采集及检测、人脸图像预处理、人脸图像特征提取、人脸图像匹配与识别四个组成部分，识别流程如下:

1)人脸图像采集及检测；

2)人脸图像预处理；

3)人脸图像特征提取；

4)人脸图像匹配与识别。

7.根据权利要求6所述的管控系统，其特征在于：所述人脸图像采集及检测包括如下流程：

在高清摄像机视频采集范围内，通过内置人脸跟踪算法，自动识别人脸和获取不同位置、不同表情的静态图像、动态图像；

人脸图像采集预处理：在图像中准确标定人脸位置、大小和人脸面部特征，包括直方图特征、颜色特征、模板特征、结构特征、Haar特征；

人脸图像检测：对采集预处理得到的人脸图像特征进行检测，检测方法采用Adaboost学习分类算法，进行特征优化分类标定；挑选最能代表人脸的矩形特征，弱分类器，按加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，提高分类器的检测速度。

8.根据权利要求6所述的管控系统，其特征在于：所述人脸图像预处理包括：

基于人脸检测结果，对图像进行灰度校正、噪声过滤预处理；预处理过程包括人脸图像的光线补偿、灰度变换、直方图均衡化和归一化、几何校正、滤波、锐化。

9.根据权利要求6所述的管控系统，其特征在于：所述人脸图像特征提取包括：

对人脸进行特征建模，生成人脸表征；

根据人脸器官的形状描述和之间的距离特性，获得人脸分类的特征数据；其特征分量包括特征点间的欧氏距离、曲率和角度；人脸由眼睛、鼻子、嘴、下巴构成，对这些局部特征和它们之间结构关系的几何描述，可作为识别人脸的重要特征。

10.根据权利要求6所述的管控系统，其特征在于：所述人脸图像匹配与识别包括：

对已提取的人脸图像特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值时，将匹配得到的结果输出；

将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断，输出匹配结果。