CN111310576A - 一种通道目标通行检测方法、装置以及设备 - Google Patents

Abstract

本发明公开了一种通道目标通行检测方法、装置以及设备，解决了现有技术中检测匝道中行人或物是否完全通过时存在着准确率低的不足。本发明包括以下步骤：采集光线发射装置投射的光斑所形成的图像，对采集到的图像进行预处理，对经过预处理后的图像中缺失光斑的位置区域进行分析检测；根据检测分析的结果判断行人的通行情况。本发明通过采集检测光线发射装置发射出来的光斑从而判定行人是否完全通过通行匝道，通过图像识别技术来达到精准识别的效果，根据光斑缺失的数量以及位置来控制通行匝道的开启与关闭，减少了通行匝道卡人卡物现象的发生，大大提高了对通道中是否有目标通过进行检测的准确率。

Description

一种通道目标通行检测方法、装置以及设备

技术领域

本发明涉及安防匝道控制技术领域，尤其涉及一种通道目标通行检测方法、装置以及设备。

背景技术

目前，在人行通道中设置安防匝道已经广泛地应用于我们的日常生活之中，例如机场、地铁站、车站、码头、景点、公园、学生宿舍、单位人行通道等，安防匝道主要用于对人行通道的人流进行管理，具有快速打开、安全、方便等特点，是行人高频率出入通道的理想管理疏导设备。目前的安防匝道在检测是否有行人通过时，主要是采用红外线传感器来进行检测，而采用红外线传感器来检测时，如果红外传感器安装的密度不够的话，容易发生漏检或者误检的情况，容易发生卡人或者卡物的情况。

综上所述，现有技术中采用红外线传感器来检测通道中是否有目标经过时容易存在漏检误检的不足。

发明内容

本发明提供了一种通道目标通行检测方法、装置以及设备，解决了现有技术中采用红外线传感器来检测通道中是否有目标经过时容易存在漏检误检的不足。

本发明提供的一种通道目标通行检测方法，包括以下步骤：

步骤S1：采集光线发射装置投射的光斑所形成的图像，图像中的光斑至少有一排以上；

步骤S2：对采集到的图像进行预处理，对经过预处理后的图像中缺失光斑的位置区域进行分析检测；

步骤S3：根据检测分析的结果判断行人的通行情况。

优选的，在步骤S2中，对图像进行预处理的方法为对图像进行灰度化处理，得到灰度图像。

优选的，对图像中光斑的数量以及缺失光斑的位置区域进行分析检测步骤如下：

步骤S201：对灰度图像采用边缘检测算法，得到边缘检测图像；

步骤S202：检测边缘检测图像中的光斑；

步骤S203：根据光斑的检测结果判断行人的通行情况。

优选的，在步骤S202中，在边缘检测图像上使用霍夫变换法对光斑进行分析检测。

优选的，在步骤S203中，若边缘检测图像上的光斑与光线发射装置的数量不一致，则判定为通行匝道有行人通过；若边缘检测图像上的光斑与光线发射装置的数量一致，则判定为通行匝道无行人通过。

一种通道目标通行检测装置，所述装置包括光线发射装置、采集装置以及控制模块；所述光线发射模块和采集装置分别与控制模块相连接。

优选的，将光线发射装置分为上下两排安装在通行匝道上，采集装置采集光线发射装置发射出的光线在对侧形成的光斑，且采集装置的采集的图片中包括有所有光斑。

优选的，采集装置周期性地采集光线发射装置发射出的光斑的图像。

优选的，每一排中的光线发射装置等间距安装。

一种通道目标通行检测设备，所述设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述的一种通道目标通行检测方法。

从以上技术方案可以看出，本发明具有以下优点：

本发明实施例通过使用摄像头来检测光线发射装置发射出来的光斑从而判定行人是否完全通过通行匝道，与红外线传感器相比较，本发明通过图像识别技术来达到精准识别的效果，当发现光斑的数量与光线发射装置的数量不对应时不关闭通行匝道，可避免当行人通过后随身携带的行李却被通行匝道卡住，减少了通行匝道卡人卡物现象的发生，大大提高了对通道中是否有目标通过进行检测的准确率，在现实应用中具有重要的指导意义。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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它的附图。

图1为本发明实施例提供的一种通道目标通行检测方法、装置以及设备的方法流程图。

图2为本发明实施例提供的一种通道目标通行检测方法、装置以及设备的装置结构图。

图3为本发明实施例提供的一种通道目标通行检测方法、装置以及设备对光斑进行检测的步骤流程图。

图4为本发明实施例提供的一种通道目标通行检测方法、装置以及设备的设备结构图。

具体实施方式

本发明实施例提供了一种通道目标通行检测方法、装置以及设备，用于解决现有技术中采用红外线传感器来检测通道中是否有目标经过时容易存在漏检误检的不足。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。

实施例1

请参阅图1，图1为本发明实施例提供的一种通道目标通行检测方法的流程图。

本发明实施例提供的一种通道目标通行检测方法，包括以下步骤：

步骤S1：采集光线发射装置投射的光斑所形成的图像，图像中的光斑至少有一排以上；

光线发射装置发射出的光线在对侧平面上形成光斑，采集平面上具有光斑所形成的图像，其中光斑在图像中的分布至少为一排以上，其中位置较高的一排光斑用于对行人的上半身进行检测，位置较低的光斑用于对行人所携带的拉杆箱以及儿童等进行检测；

步骤S2：对采集到的图像进行预处理，消除图像中的其他影响因素避免对检测结果造成干扰，对经过预处理后的图像中光斑的数量以及缺失光斑的位置区域进行分析检测；根据光斑缺失的数量从而判定是否有行人通过，而根据对缺失光斑的位置区域进行分析检测从而判断通过行人的动作状态。

步骤S3：根据检测分析的结果判断行人的通行情况，从而控制通行匝道的开启和关闭。

本发明实施例在实施时，首先对光线发射装置发射出的所有的光斑的图像进行采集，对采集到的含有光斑的图像进行预处理，预处理的目的在于消除图像中的其他影响因素，避免对后续图像的检测的过程造成干扰，对经过预处理后的图像中光斑的数量以及缺失光斑的位置区域进行分析检测，根据光斑缺失的数量从而判定是否有行人通过，而根据对缺失光斑的位置区域进行分析检测从而判断通过行人的动作状态，判断行人是携带背包、拖行行李箱或者是乘坐在辅助工具上，从而根据行人动作状态控制通行匝道的开启和关闭。

作为一个优选的实施例，在步骤S2中，对图像进行预处理的方法为对图像进行灰度化处理，得到灰度图像。

采集到的图像为彩色图像，将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个中值可取，这样一个像素点有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量降低。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。

在图像的RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。在本实施例中，可以采用三种方式对图像进行灰度化处理；

a)加权平均法

根据重要性及其它指标，将RGB三个分量以不同的权值进行加权平均。

b)平均值法

求出每个像素点的R、G、B三个分量的平均值，然后将彩色图像中的这个平均值赋予给这个像素的三个分量。

c)最大值法

将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

实施例2

请参阅图3，图3为本发明实施例提供的一种通道目标通行检测方法、装置以及设备的对光斑进行检测的步骤流程图。

在本实施例中，对预处理后的图像的光斑进行检测的步骤如下：

步骤S201：对经过灰度图像采用边缘检测算法，得到边缘检测图像；

由于在图像中不同区域的灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。需要说明的是：边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括(1)深度上的不连续、(2)表面方向不连续、(3)物质属性变化和(4)场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

图像边缘检测能够大幅度地减少了数据量，并且剔除了不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。

步骤S202：检测边缘检测图像中的光斑，光斑经过灰度化以及边缘检测以后，在图像中实际以任意形状的形式存在，因此，只需要检测边缘检测图像中存在的任意形状，既能够对光斑进行检测；

步骤S203：根据光斑的个数判断行人的通行情况，根据光斑的个数可判断光线发射装置是否有被通过的行人遮挡，从而判别行人是否通过通行匝道，从而判断出行人的通行情况；

作为一个优选的实施例，在步骤S202中，在边缘检测图像上使用霍夫变换法对光斑进行检测。

霍夫变换是一种特征检测算法，被广泛应用在图像分析(image analysis)、计算机视觉(computer vision)以及数位影像处理(digital image processing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间(parameter space)中执行投票来决定物体的形状，而这是由累加空间(accumulator space)里的局部最大值(local maximum)来决定。

在自动化分析数位图片的问题里，其中一个常有的子问题是侦测某些简单的直线、圆形、椭圆形。在多数情况下，边缘检测算法会先用来做图片前处理，将原本的图片变成只含有边缘的图片。因为图片的不完美或是边缘侦测的不完美，导致有些点(point)或像素(pixel)缺漏，或是有噪声使得边缘侦测器所得的边界偏离了实际的边界。所以无法直观的将检测出的边缘分成直线、圆形、椭圆形的集合，而霍夫变换解决上述问题，借由霍夫变换算法中的投票步骤，在复杂的参数空间中找到图形的参数，由参数得知该边缘(edge)是哪种形状。

在本实施例中，执行霍夫变换的算法如下：

本实施例在OpenCV实现了检测圆形的功能，方法包含在imgproc/imgproc.hpp头文件中，具体方法如下：

void HoughCircles(InputArray image,OutputArray circles,int method,double dp,double minDist,double param1＝100,double param2＝100,int minRadius＝0,int maxRadius＝0)

image：输入图像；

circles：检测的圆形，(a,b,r)的参数集合；

method：检测使用的方法，即霍夫梯度法；

dp：图像像素分辨率与参数空间分辨率的比值，dp＝1，则参数空间与图像像素空间(分辨率)一样大，dp＝2，参数空间的分辨率只有像素空间的一半大；minDist：两个圆心之间的最小距离。这个距离设置过小，会导致本来属于一个圆上的点被分散成几个小圆，过大则导致部分小圆检测不出来；

param1：CV_HOUGH_GRADIENT过程中执行Canny边缘检测的阈值

param2：参数空间阈值(即至少多少点经过该参数表示的圆)

minRadius：半径最小值；

maxRadius：半径最大值；

下面，这段代码实现的是在图像中检测圆形。

#include<iostream>

#include"opencv2/highgui/highgui.hpp"

#include"opencv2/imgproc/imgproc.hpp"

using namespace std；using namespace cv；

int main(){

//读取图片

Mat img＝imread("img/xiaohui.jpg")；

imshow("图片",img)；

//执行一次高斯过滤与灰度变换Mat copy；

cvtColor(img,copy,CV_RGB2GRAY)；

GaussianBlur(copy,copy,Size(3,3),1)；

//提取圆

vector<Vec3f>circles；

HoughCircles(copy,circles,CV_HOUGH_GRADIENT,1,10,100,210,0,0)；

for(size_t i＝0；i<circles.size()；i++){

Vec3i c＝circles[i]；//这里用Vec3i的原因是像素点必须为int类型

circle(img,Point(c[0],c[1]),c[2],Scalar(155,50,255),3,CV_AA)；//绘制圆弧

circle(img,Point(c[0],c[1]),2,Scalar(0,255,0),3,CV_AA)；//绘制圆心}

imshow("circle",img)；

cv::waitKey()；

}

在本实施例中，采用OpenCV来实现对直线的检测，OpenCV检测直线的方法名称为HoughLines，方法包含在imgproc/imgproc.hpp头文件中，方法的具体参数介绍如下

void HoughLines(InputArray image,OutputArray lines,double rho,doubletheta,int threshold,double srn＝0,double stn＝0

image:输入图像

lines：检测到的直线(表示其实为直线参数(θ,p)集合)

rho：像素每次迭代的大小(即每一次选取像素的过程跳跃多少，一般设置为1)

theta：角度累加器的大小(即选取的直线参数θ的变化)，一般为CV_PI/180

thresold：阈值大小(即每个参数对至少经过的像素点数)

下面这段代码具体实现了读取图片，提取直线，并且把直线显示出来的功能，一般情况下，在提取直线之前会对原始图像做一次Canny边缘检测。

#include<iostream>

#include"opencv2/highgui/highgui.hpp"

#include"opencv2/imgproc/imgproc.hpp"

using namespace std；

using namespace cv；

int main(){

//读取图片，转换成灰度图像，并且对其执行一次高斯滤波，去除噪声点

Mat img＝imread("img//yifulou.jpg")；

Mat result；

cvtColor(img,result,CV_RGB2GRAY)；

GaussianBlur(result,result,Size(3,3),1)；

imshow("直线",result)；

//Cany边缘提取

根据检测到的图像中的水平直线斜率和长度排除垂直直线和水平短线，只剩灯带的光斑所形成的直线组，直线不止一条，取最长一条即可，若有人或物通行，则这条灯带形成的直线，霍夫变换无法检测到，即数量为0，或者检测数量小于2(实验经验值)；若没人或物通行，则霍夫变换一定能检测到灯带直线。

判断人或物即将要离开匝道的临界状态，启动25帧连续有人或物可通行的指令，使得人与拉杆行李箱之间的空档不误判，而当行李箱通过，则灯带直线被遮挡了。其它的行人状态如牵小孩、推婴儿车和人推轮椅情况类似。

本实施例还提供了另外一种对灰度图像亮点最大数量检测算法，包括以下步骤：

步骤S204：对灰度图像采用Canny边缘检测算法，得到边缘检测图像；

步骤S205：逐行遍历整幅边缘检测图像，统计每行亮点像素(即它的灰度值等于255)的数量，取各行数量的最大值，并记录该行号，此行即为亮点像素数量最大行。

步骤S206：根据最大行的亮点像素数量是否满足阈值条件，从而判断是否有目标通行，若没有目标通行，则亮点像素数量大于阈值，反之则有目标通行。

作为一个优选的实施例，在步骤S203中，若边缘检测图像上的光斑与光线发射装置的数量不一致，则判定为通行匝道有行人通过；若边缘检测图像上的光斑与光线发射装置的数量一致，则判定为通行匝道无行人通过。行人在进入通行匝道时，会遮挡光线发射装置发射出的亮光，导致无法采集到光线发射装置发射出的亮光，从而在采集到的图片中光斑的数量与光线发射装置的数量不一致，因此，根据光斑的数量即可判别出是否有行人通过匝道。

实施例3

请参阅图2，图2为本发明实施例提供的一种通道目标通行检测方法、装置以及设备的装置结构图。

本实施例提供了一种通道目标通行装置，所述装置包括光线发射装置401、摄像头402以及控制模块403；所述光源发射装置401和摄像头402分别与控制模块403相连接。

所述的光线发射装置401用于发射出亮光；

所述摄像头402用于拍摄光源发射出的亮光；

所述控制模块403用于对摄像头402拍摄到的图片进行分析计算，根据分析计算的结果从而控制通行匝道的开启和关闭。

其中，光线发射装置401可以采用近红外灯带，规格为940nm。摄像头402可采用外红摄像仪，对近红外灯带的光斑所形成的图像进行采集拍摄。

作为一个优选的实施例，对光线发射装置401进行安装时，将光线发射装置401分为上下两排安装在通行匝道的行人入口处，上排光线发射装置401发射出的光源对准行人的上半身，下排光线发射装置401发射出的光源对准行人所携带的行李箱或者随行的儿童，以便于在摄像头402拍摄到的图像中对光线发射装置401发射出的光形成的光斑进行检测。

本发明实施例在实施时，工作人员首先将光线发射装置401安装在通行匝道行人入口处的一侧，在光线发射装置401的上方上安装摄像头402，并且保证摄像头402的拍摄视野能够拍摄到相对一侧所有的光斑，光线发射装置401在工作时不断地发出光源，摄像头402对对侧的光斑进行拍摄，摄像头402将拍摄到的图片传送至控制模块403，控制模块403对摄像头402拍摄到的图像进行预处理，预处理的目的在于消除图像中的其他影响因素，避免对后续图像的检测的过程造成干扰，并对对经过预处理后的图像中的光斑进行检测，并且根据光斑的检测结果对通行匝道进行控制，从而控制通行匝道的开启和关闭。

作为一个优选的实施例，摄像头周期性地采集光线发射装置发射出的光斑的图像，每个周期设定为0.01S，在极短的时间间隔内采集光线发射装置发射出的光斑，从而避免行人快速通过时无法及时采集光斑变化的情况。

作为一个优选的实施例，每一排中的光线发射装置401等间距安装，若在边缘检测图像检测到至少有三个连续的光斑被遮挡时，则判断行人携带有行李，延迟通行匝道的关闭时间。通常，人体侧面的宽度小于45厘米，若连续三个光斑被遮挡时，则可以判定行人携带有行李，或者行人坐在轮椅或者婴儿车中，因此需要预留一定的时间使得行人的行李或者是轮椅以及婴儿车完全通过通行匝道，避免发生卡物的情况。

实施例4

如图4所示，一种通道目标通行检测设备50，所述设备包括处理器500以及存储器501；

所述存储器501用于存储程序代码502，并将所述程序代码502传输给所述处理器；

所述处理器500用于根据所述程序代码502中的指令执行上述的一种通道目标通行检测方法实施例中的步骤，例如图1所示的步骤S1至S3。

示例性的，所述计算机程序502可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器501中，并由所述处理器500执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序502在所述终端设备50中的执行过程。例如，所述计算机程序502可以被分割包括图像获取模块、图像预处理模块以及控制模块；

所述图像获取模块用于对光线发射装置发射出的所有光斑的图像进行采集；

所述控制模块用于对图像获取模块获取到的图像进行分析计算，根据分析计算的结果从而判断行人的通行情况。

所述终端设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器500、存储器501。本领域技术人员可以理解，图4仅仅是终端设备50的示例，并不构成对终端设备50的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器500可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器501可以是所述终端设备50的内部存储单元，例如终端设备50的硬盘或内存。所述存储器501也可以是所述终端设备50的外部存储设备，例如所述终端设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器501还可以既包括所述终端设备50的内部存储单元也包括外部存储设备。所述存储器501用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器501还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种通道目标通行检测方法，其特征在于，包括以下步骤：

步骤S1：采集光线发射装置投射的光斑所形成的图像，图像中的光斑至少有一排以上；

步骤S2：对采集到的图像进行预处理，对经过预处理后的图像中缺失光斑的位置区域进行分析检测；

步骤S3：根据检测分析的结果判断行人的通行情况。

2.根据权利要求1所述的一种通道目标通行检测方法，其特征在于，在步骤S2中，对图像进行预处理的方法为对图像进行灰度化处理，得到灰度图像。

3.根据权利要求2所述的一种通道目标通行检测方法，其特征在于，对图像中光斑的数量以及缺失光斑的位置区域进行分析检测步骤如下：

步骤S201：对灰度图像采用边缘检测算法，得到边缘检测图像；

步骤S202：检测边缘检测图像中的光斑；

步骤S203：根据光斑的检测结果判断行人的通行情况。

4.根据权利要求3所述的一种通道目标通行检测方法，其特征在于，在步骤S202中，在边缘检测图像上使用霍夫变换法对光斑的进行分析检测。

5.根据权利要求4所述的一种通道目标通行检测方法，其特征在于，在步骤S203中，若边缘检测图像上的光斑与光线发射装置的数量不一致，则判定为有行人通过；若边缘检测图像上的光斑与光线发射装置的数量一致，则判定为无行人通过。

6.一种通道目标通行检测装置，其特征在于，所述装置包括光线发射装置、采集装置以及控制模块，所述光线发射模块和采集装置分别与控制模块相连接。

7.根据权利要求6所述的一种通道目标通行检测装置，其特征在于，将光线发射装置分为上下两排安装在通行匝道上，采集装置采集光线发射装置发射出的光线在对侧形成的光斑，且采集装置的采集的图像中包括有所有光斑。

8.根据权利要求7所述的一种通道目标通行检测装置，其特征在于，每一排中的光线发射装置等间距安装。

9.根据权利要求8所述的一种通道目标通行检测方法，其特征在于，采集装置连续性采集光线发射装置发射出的光斑的图像。

10.一种通道目标通行检测设备，其特征在于，所述设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的一种通道目标通行检测方法。

Images