CN115205950A - 基于区块链的智慧交通地铁乘客检测及结账方法和系统 - Google Patents

基于区块链的智慧交通地铁乘客检测及结账方法和系统 Download PDF

Info

Publication number
CN115205950A
CN115205950A CN202211125299.4A CN202211125299A CN115205950A CN 115205950 A CN115205950 A CN 115205950A CN 202211125299 A CN202211125299 A CN 202211125299A CN 115205950 A CN115205950 A CN 115205950A
Authority
CN
China
Prior art keywords
face image
passenger
face
detected
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211125299.4A
Other languages
English (en)
Other versions
CN115205950B (zh
Inventor
于水娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shengchuangda Technology Co ltd
Original Assignee
Beijing Jidaoer Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jidaoer Technology Co ltd filed Critical Beijing Jidaoer Technology Co ltd
Priority to CN202211125299.4A priority Critical patent/CN115205950B/zh
Publication of CN115205950A publication Critical patent/CN115205950A/zh
Application granted granted Critical
Publication of CN115205950B publication Critical patent/CN115205950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/085—Payment architectures involving remote charge determination or related payment systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/40—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于区块链的智慧交通地铁乘客检测及结账方法和系统，涉及数据检测识别技术领域。该方法包括：进站时，连续采集多张乘客人脸图像；筛选得到多张初始人脸图像；确定待检测人脸图像；确定目标匹配人脸图像；确定该乘客的身份信息；将进站时的数据上链存储；出站时，对乘客进行身份识别；将出站时的数据上链存储；地铁结账系统提取并根据区块链中对应乘客的相关数据计算交通出行金额，并在对应的乘客账户中进行对应金额的扣款，完成结账。本发明利用多种方法相配合，对乘客身份进行快速精准识别；并结合区块链技术对乘客核心信息进行上链存储，保证数据真实有效性，为后续精准结账提供精准有效支撑。

Description

基于区块链的智慧交通地铁乘客检测及结账方法和系统
技术领域
本发明涉及数据检测识别技术领域，具体而言，涉及一种基于区块链的智慧交通地铁乘客检测及结账方法和系统。
背景技术
随着城市轨道交通的高速发展，越来越多的市民选择乘坐地铁的方式出行，人们出行变得更加方便和快捷。尽管地铁系统中已经应用了部分现代信息技术，进一步提高了出行效率，但乘客在乘坐地铁的过程中仍然需要刷卡，在人流高峰期会浪费乘客较多的等待时间。同时，地铁系统中也缺少一种非常有效的乘客乘坐信息记录方法。
区块链技术作为近年来新兴的技术，在多个领域中发挥了重要的作用，可以为乘客乘坐地铁信息的有效记录和存储提供直接的支持。因此，如何利用利用区块链技术和现代信息技术实现地铁乘客的快速身份识别和核心信息的有效存储，进行精准结账，成为一个亟需解决的问题。
发明内容
为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于区块链的智慧交通地铁乘客检测及结账方法和系统，利用基于显著性区域的峰值信噪比检测方法、多区域人脸匹配方法、基于差异性空洞卷积核的平均相似度检测方法等多种方法相配合，对乘客身份进行快速精准识别；并结合区块链技术对乘客核心信息进行上链存储，保证数据真实有效性，为后续精准结账提供精准有效支撑。
本发明的实施例是这样实现的：
第一方面，本发明实施例提供一种基于区块链的智慧交通地铁乘客检测及结账方法，包括以下步骤：
当任意一个乘客在进地铁站时，连续采集多张乘客人脸图像，并记录该乘客的上车站点和上车时间；
利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像；
利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像；
利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像；
获取并根据目标匹配人脸图像对应的身份信息确定该乘客的身份信息；
将乘客的身份信息、上车站点和上车时间上传至区块链中进行存储；
当乘客在出地铁站时，记录乘客的下车站点和下车时间，并对乘客进行身份识别，以得到乘客的身份信息；将乘客的身份信息、下车站点和下车时间上传至区块链中进行存储；
地铁结账系统提取并根据区块链中对应乘客的身份信息、上车站点、下车站点、上车时间和下车时间计算交通出行金额，并在地铁结账系统中对应的乘客账户中进行对应金额的扣款，完成结账。
为了解决现有技术中的问题，本发明将基于显著性区域的峰值信噪比检测方法和多区域人脸匹配方法进行了充分结合，有效地选取了高质量的待检测人脸图像，减少后续的计算资源消耗，为乘客身份精准识别提供了直接的支持；基于上述选取的待检测人脸图像，利用基于差异性空洞卷积核的平均相似度检测方法，计算待检测人脸图像和第三方身份数据库中人脸图像的相似度，匹配得到精准的目标人脸图像，结合第三方数据库更加精准地识别出乘客身份。同时，本发明还利用区块链技术，将乘客乘坐地铁的核心信息进行了上链存储，为后续乘客通行收费提供真实有效的数据，进而提高结账效果和效率。
基于第一方面，在本发明的一些实施例中，该基于区块链的智慧交通地铁乘客检测及结账方法还包括以下步骤：
对待检测人脸图像进行图像超分辨率重建，以得到目标待检测人脸图像。
基于第一方面，在本发明的一些实施例中，上述利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像的方法包括以下步骤：
对连续采集的多张乘客人脸图像分别进行显著性检测，以得到对应的多张显著性区域人脸图像；
计算并根据各张显著性区域人脸图像的峰值信噪比筛选得到多张初始人脸图像。
基于第一方面，在本发明的一些实施例中，上述根据各张显著性区域人脸图像的峰值信噪比筛选得到多张初始人脸图像的方法包括以下步骤：
判断各张显著性区域人脸图像的峰值信噪比是否大于预置的信噪比阈值进行对比，若是，则将对应的乘客人脸图像作为初始人脸图像；若否，则将对应的乘客人脸图像删除。
基于第一方面，在本发明的一些实施例中，上述利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像的方法包括以下步骤：
将多张初始人脸图像和人脸模板图像分别进行多等分划分处理，以得到对应的多个区域的初始人脸区块图像和人脸模板区块图像；
分别将各个区域下的初始人脸区块图像和人脸模板区块图像进行匹配，生成并根据各个区域下的匹配结果确定待检测人脸图像。
基于第一方面，在本发明的一些实施例中，上述利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像的方法包括以下步骤：
利用空洞率为n的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第一相似度结果；其中，n为大于等于1的自然数；
利用空洞率为n+1的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第二相似度结果；
利用空洞率为n+2的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第三相似度结果；
根据第一相似度结果、第二相似度结果和第三相似度结果确定目标匹配人脸图像。
基于第一方面，在本发明的一些实施例中，上述根据第一相似度结果、第二相似度结果和第三相似度结果确定目标匹配人脸图像的方法包括以下步骤：
计算并将第一相似度结果、第二相似度结果和第三相似度结果的平均值作为待检测人脸图像和特定人脸图像之间的最终相似度结果；
根据最终相似度结果确定对应的特定人脸图像为目标匹配人脸图像。
第二方面，本发明实施例提供一种基于区块链的智慧交通地铁乘客检测及结账系统，包括：图像采集模块、初始筛选模块、模板匹配模块、相似度计算模块、身份确定模块、进站信息上传模块、出站识别模块以及通行结账模块，其中：
图像采集模块，用于当任意一个乘客在进地铁站时，连续采集多张乘客人脸图像，并记录该乘客的上车站点和上车时间；
初始筛选模块，用于利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像；
模板匹配模块，用于利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像；
相似度计算模块，用于利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像；
身份确定模块，用于获取并根据目标匹配人脸图像对应的身份信息确定该乘客的身份信息；
进站信息上传模块，用于将乘客的身份信息、上车站点和上车时间上传至区块链中进行存储；
出站识别模块，用于当乘客在出地铁站时，记录乘客的下车站点和下车时间，并对乘客进行身份识别，以得到乘客的身份信息；将乘客的身份信息、下车站点和下车时间上传至区块链中进行存储；
通行结账模块，用于地铁结账系统提取并根据区块链中对应乘客的身份信息、上车站点、下车站点、上车时间和下车时间计算交通出行金额，并在地铁结账系统中对应的乘客账户中进行对应金额的扣款，完成结账。
为了解决现有技术中的问题，本系统通过图像采集模块、初始筛选模块、模板匹配模块、相似度计算模块、身份确定模块、进站信息上传模块、出站识别模块以及通行结账模块等多个模块的配合，将基于显著性区域的峰值信噪比检测方法和多区域人脸匹配方法进行了充分结合，有效地选取了高质量的待检测人脸图像，减少后续的计算资源消耗，为乘客身份精准识别提供了直接的支持；基于上述选取的待检测人脸图像，利用基于差异性空洞卷积核的平均相似度检测方法，计算待检测人脸图像和第三方身份数据库中人脸图像的相似度，匹配得到精准的目标人脸图像，结合第三方数据库更加精准地识别出乘客身份。同时，本发明还利用区块链技术，将乘客乘坐地铁的核心信息进行了上链存储，为后续乘客通行收费提供真实有效的数据，进而提高结账效果和效率。
第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
本发明实施例至少具有如下优点或有益效果：
本发明实施例提供一种基于区块链的智慧交通地铁乘客检测及结账方法和系统，将基于显著性区域的峰值信噪比检测方法和多区域人脸匹配方法进行了充分结合，有效地选取了高质量的待检测人脸图像，减少后续的计算资源消耗，为乘客身份精准识别提供了直接的支持；基于上述选取的待检测人脸图像，利用基于差异性空洞卷积核的平均相似度检测方法，计算待检测人脸图像和第三方身份数据库中人脸图像的相似度，匹配得到精准的目标人脸图像，结合第三方数据库更加精准地识别出乘客身份。同时，本发明还利用区块链技术，将乘客乘坐地铁的核心信息进行了上链存储，为后续乘客通行收费提供真实有效的数据，进而提高结账效果和效率。
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，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例一种基于区块链的智慧交通地铁乘客检测及结账方法的流程图；
图2为本发明实施例一种基于区块链的智慧交通地铁乘客检测及结账方法中筛选初始人脸图像的流程图；
图3为本发明实施例一种基于区块链的智慧交通地铁乘客检测及结账方法中确定待检测人脸图像的流程图；
图4为本发明实施例一种基于区块链的智慧交通地铁乘客检测及结账系统的原理框图；
图5为本发明实施例提供的一种电子设备的结构框图。
附图标记说明：100、图像采集模块；200、初始筛选模块；300、模板匹配模块；400、相似度计算模块；500、身份确定模块；600、进站信息上传模块；700、出站识别模块；800、通行结账模块；101、存储器；102、处理器；103、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例：
如图1所示，第一方面，本发明实施例提供一种基于区块链的智慧交通地铁乘客检测及结账方法，包括以下步骤：
S1、当任意一个乘客在进地铁站时，连续采集多张乘客人脸图像，并记录该乘客的上车站点和上车时间；对于任意一个乘客，在地铁进站的过程中利用照片采集设备连续提取人脸图像，同时记录下该乘客的上车站点和上车时间，以便后续进行通行费用精准结算。
S2、利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像；
进一步地，如图2所示，包括：
S21、对连续采集的多张乘客人脸图像分别进行显著性检测，以得到对应的多张显著性区域人脸图像；
S22、计算并根据各张显著性区域人脸图像的峰值信噪比筛选得到多张初始人脸图像。
进一步地，包括：判断各张显著性区域人脸图像的峰值信噪比是否大于预置的信噪比阈值进行对比，若是，则将对应的乘客人脸图像作为初始人脸图像；若否，则将对应的乘客人脸图像删除。
在本发明的一些实施例中，利用基于显著性区域的峰值信噪比检测方法，对连续提取的人脸图像进行检测，将显著性区域峰值信噪比较低的人脸图像进行删除。具体包括：对多张人脸图像分别进行显著性检测，在此基础上对每张人脸图像的显著性区域进行峰值信噪比检测，将显著性区域峰值信噪比较低（低于预置的信噪比阈值）的人脸图像直接进行删除。
S3、利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像；
进一步地，如图3所示，包括：
S31、将多张初始人脸图像和人脸模板图像分别进行多等分划分处理，以得到对应的多个区域的初始人脸区块图像和人脸模板区块图像；
S32、分别将各个区域下的初始人脸区块图像和人脸模板区块图像进行匹配，生成并根据各个区域下的匹配结果确定待检测人脸图像。
进一步地，还包括：对待检测人脸图像进行图像超分辨率重建，以得到目标待检测人脸图像。
在本发明的一些实施例中，人工挑选一张高质量的人脸模板图像（标准人脸模板图像一张即可，需要正脸、无遮挡），也可选择机器挑选一张合适的人脸模板图像；然后，利用多区域人脸匹配方法将多张人脸图像和人脸模板图像进行匹配，将与人脸模板图像匹配度最高的人脸图像作为待检测人脸图像。具体包括：将多张人脸图像和人脸模板图像分别进行4等分。对任意一张人脸图像和人脸模板图像，在4个区域都进行匹配，最终保留一张和人脸模板图像匹配度最高的人脸图像，作为待检测人脸图像。为了进一步提高后续的匹配精准度，还对待检测人脸图像进行图像超分辨率重建，得到更为精准清晰的待检测人脸图像。
S4、利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像；
进一步地，包括：利用空洞率为n的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第一相似度结果；其中，n为大于等于1的自然数；利用空洞率为n+1的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第二相似度结果；利用空洞率为n+2的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第三相似度结果；根据第一相似度结果、第二相似度结果和第三相似度结果确定目标匹配人脸图像。
进一步地，包括：计算并将第一相似度结果、第二相似度结果和第三相似度结果的平均值作为待检测人脸图像和特定人脸图像之间的最终相似度结果；根据最终相似度结果确定对应的特定人脸图像为目标匹配人脸图像。
在本发明的一些实施例中，利用基于差异性空洞卷积核的平均相似度检测方法，计算待检测人脸图像和第三方身份数据库中人脸图像的相似度（可以和公安系统联网，利用公安系统的数据库），将与待检测人脸图像相似度最高的人脸图像作为目标匹配人脸图像，并将该乘客的身份识别为目标匹配人脸图像所对应的身份。
上述利用基于差异性空洞卷积核的平均相似度检测方法具体包括：
利用空洞率为1的卷积核对待检测人脸图像和数据库中某一特定人脸图像进行处理，得到过滤后的待检测人脸图像和特定人脸图像。对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，利用欧氏距离计算它们之间的相似度，记为A；
利用空洞率为2的卷积核对待检测人脸图像和数据库中某一特定人脸图像进行处理，得到过滤后的待检测人脸图像和特定人脸图像。对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，利用欧氏距离计算它们之间的相似度，记为B；
利用空洞率为3的卷积核对待检测人脸图像和数据库中某一特定人脸图像进行处理，得到过滤后的待检测人脸图像和特定人脸图像。对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，利用欧氏距离计算它们之间的相似度，记为C；
将待检测人脸图像和数据库中某一特定人脸图像的相似度定义为(A+B+C)/3，数值越小二者的相似度越高。
S5、获取并根据目标匹配人脸图像对应的身份信息确定该乘客的身份信息；
S6、将乘客的身份信息、上车站点和上车时间上传至区块链中进行存储；将乘客身份、上车站点、上车时间等信息存储到区块链系统中，实现信息的上链存储。
S7、当乘客在出地铁站时，记录乘客的下车站点和下车时间，并对乘客进行身份识别，以得到乘客的身份信息；将乘客的身份信息、下车站点和下车时间上传至区块链中进行存储；在乘客出站的过程中仍然利用上述方法，识别出乘客的身份信息，将乘客身份、下车站点、下车时间等信息存储到区块链系统中，实现信息的上链存储。
S8、地铁结账系统提取并根据区块链中对应乘客的身份信息、上车站点、下车站点、上车时间和下车时间计算交通出行金额，并在地铁结账系统中对应的乘客账户中进行对应金额的扣款，完成结账。根据已经获取的信息，地铁结账系统自动计算出乘客需要花费的金额，在乘客的账户中直接进行扣除即可。同样地，所有的地铁乘客都利用相同的方式完成身份识别、信息存储、结账等流程，大大提高了地铁通行效率。
为了解决现有技术中的问题，本发明将基于显著性区域的峰值信噪比检测方法和多区域人脸匹配方法进行了充分结合，有效地选取了高质量的待检测人脸图像，减少后续的计算资源消耗，为乘客身份精准识别提供了直接的支持；基于上述选取的待检测人脸图像，利用基于差异性空洞卷积核的平均相似度检测方法，计算待检测人脸图像和第三方身份数据库中人脸图像的相似度，匹配得到精准的目标人脸图像，结合第三方数据库更加精准地识别出乘客身份。同时，本发明还利用区块链技术，将乘客乘坐地铁的核心信息进行了上链存储，为后续乘客通行收费提供真实有效的数据，进而提高结账效果和效率。
如图4所示，第二方面，本发明实施例提供一种基于区块链的智慧交通地铁乘客检测及结账系统，包括：图像采集模块100、初始筛选模块200、模板匹配模块300、相似度计算模块400、身份确定模块500、进站信息上传模块600、出站识别模块700以及通行结账模块800，其中：
图像采集模块100，用于当任意一个乘客在进地铁站时，连续采集多张乘客人脸图像，并记录该乘客的上车站点和上车时间；
初始筛选模块200，用于利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像；
模板匹配模块300，用于利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像；
相似度计算模块400，用于利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像；
身份确定模块500，用于获取并根据目标匹配人脸图像对应的身份信息确定该乘客的身份信息；
进站信息上传模块600，用于将乘客的身份信息、上车站点和上车时间上传至区块链中进行存储；
出站识别模块700，用于当乘客在出地铁站时，记录乘客的下车站点和下车时间，并对乘客进行身份识别，以得到乘客的身份信息；将乘客的身份信息、下车站点和下车时间上传至区块链中进行存储；
通行结账模块800，用于地铁结账系统提取并根据区块链中对应乘客的身份信息、上车站点、下车站点、上车时间和下车时间计算交通出行金额，并在地铁结账系统中对应的乘客账户中进行对应金额的扣款，完成结账。
为了解决现有技术中的问题，本系统通过图像采集模块100、初始筛选模块200、模板匹配模块300、相似度计算模块400、身份确定模块500、进站信息上传模块600、出站识别模块700以及通行结账模块800等多个模块的配合，将基于显著性区域的峰值信噪比检测方法和多区域人脸匹配方法进行了充分结合，有效地选取了高质量的待检测人脸图像，减少后续的计算资源消耗，为乘客身份精准识别提供了直接的支持；基于上述选取的待检测人脸图像，利用基于差异性空洞卷积核的平均相似度检测方法，计算待检测人脸图像和第三方身份数据库中人脸图像的相似度，匹配得到精准的目标人脸图像，结合第三方数据库更加精准地识别出乘客身份。同时，本发明还利用区块链技术，将乘客乘坐地铁的核心信息进行了上链存储，为后续乘客通行收费提供真实有效的数据，进而提高结账效果和效率。
如图5所示，第三方面，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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。
在本申请所提供的实施例中，应该理解到，所揭露的方法及系统和方法，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块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，本申请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）执行本申请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-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，包括以下步骤：
当任意一个乘客在进地铁站时，连续采集多张乘客人脸图像，并记录该乘客的上车站点和上车时间；
利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像；
利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像；
利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像；
获取并根据目标匹配人脸图像对应的身份信息确定该乘客的身份信息；
将乘客的身份信息、上车站点和上车时间上传至区块链中进行存储；
当乘客在出地铁站时，记录乘客的下车站点和下车时间，并对乘客进行身份识别，以得到乘客的身份信息；将乘客的身份信息、下车站点和下车时间上传至区块链中进行存储；
地铁结账系统提取并根据区块链中对应乘客的身份信息、上车站点、下车站点、上车时间和下车时间计算交通出行金额，并在地铁结账系统中对应的乘客账户中进行对应金额的扣款，完成结账。
2.根据权利要求1所述的一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，还包括以下步骤：
对待检测人脸图像进行图像超分辨率重建，以得到目标待检测人脸图像。
3.根据权利要求1所述的一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，所述利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像的方法包括以下步骤：
对连续采集的多张乘客人脸图像分别进行显著性检测，以得到对应的多张显著性区域人脸图像；
计算并根据各张显著性区域人脸图像的峰值信噪比筛选得到多张初始人脸图像。
4.根据权利要求3所述的一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，所述根据各张显著性区域人脸图像的峰值信噪比筛选得到多张初始人脸图像的方法包括以下步骤：
判断各张显著性区域人脸图像的峰值信噪比是否大于预置的信噪比阈值进行对比，若是，则将对应的乘客人脸图像作为初始人脸图像；若否，则将对应的乘客人脸图像删除。
5.根据权利要求1所述的一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，所述利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像的方法包括以下步骤：
将多张初始人脸图像和人脸模板图像分别进行多等分划分处理，以得到对应的多个区域的初始人脸区块图像和人脸模板区块图像；
分别将各个区域下的初始人脸区块图像和人脸模板区块图像进行匹配，生成并根据各个区域下的匹配结果确定待检测人脸图像。
6.根据权利要求1所述的一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，所述利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像的方法包括以下步骤：
利用空洞率为n的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第一相似度结果；其中，n为大于等于1的自然数；
利用空洞率为n+1的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第二相似度结果；
利用空洞率为n+2的卷积核对待检测人脸图像和第三方身份数据库中某一特定人脸图像进行处理，得到并对过滤后的待检测人脸图像和特定人脸图像进行稀疏编码，并利用欧氏距离计算待检测人脸图像和特定人脸图像之间的相似度，生成第三相似度结果；
根据第一相似度结果、第二相似度结果和第三相似度结果确定目标匹配人脸图像。
7.根据权利要求6所述的一种基于区块链的智慧交通地铁乘客检测及结账方法，其特征在于，所述根据第一相似度结果、第二相似度结果和第三相似度结果确定目标匹配人脸图像的方法包括以下步骤：
计算并将第一相似度结果、第二相似度结果和第三相似度结果的平均值作为待检测人脸图像和特定人脸图像之间的最终相似度结果；
根据最终相似度结果确定对应的特定人脸图像为目标匹配人脸图像。
8.一种基于区块链的智慧交通地铁乘客检测及结账系统，其特征在于，包括：图像采集模块、初始筛选模块、模板匹配模块、相似度计算模块、身份确定模块、进站信息上传模块、出站识别模块以及通行结账模块，其中：
图像采集模块，用于当任意一个乘客在进地铁站时，连续采集多张乘客人脸图像，并记录该乘客的上车站点和上车时间；
初始筛选模块，用于利用基于显著性区域的峰值信噪比检测方法对连续采集的多张乘客人脸图像进行检测，以筛选得到多张初始人脸图像；
模板匹配模块，用于利用多区域人脸匹配方法将多张初始人脸图像和预置的人脸模板图像进行匹配，生成并根据匹配结果确定待检测人脸图像；
相似度计算模块，用于利用基于差异性空洞卷积核的平均相似度检测方法，计算并根据待检测人脸图像和第三方身份数据库中的人脸图像的相似度确定目标匹配人脸图像；
身份确定模块，用于获取并根据目标匹配人脸图像对应的身份信息确定该乘客的身份信息；
进站信息上传模块，用于将乘客的身份信息、上车站点和上车时间上传至区块链中进行存储；
出站识别模块，用于当乘客在出地铁站时，记录乘客的下车站点和下车时间，并对乘客进行身份识别，以得到乘客的身份信息；将乘客的身份信息、下车站点和下车时间上传至区块链中进行存储；
通行结账模块，用于地铁结账系统提取并根据区块链中对应乘客的身份信息、上车站点、下车站点、上车时间和下车时间计算交通出行金额，并在地铁结账系统中对应的乘客账户中进行对应金额的扣款，完成结账。
9.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN202211125299.4A 2022-09-16 2022-09-16 基于区块链的智慧交通地铁乘客检测及结账方法和系统 Active CN115205950B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211125299.4A CN115205950B (zh) 2022-09-16 2022-09-16 基于区块链的智慧交通地铁乘客检测及结账方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211125299.4A CN115205950B (zh) 2022-09-16 2022-09-16 基于区块链的智慧交通地铁乘客检测及结账方法和系统

Publications (2)

Publication Number Publication Date
CN115205950A true CN115205950A (zh) 2022-10-18
CN115205950B CN115205950B (zh) 2023-04-25

Family

ID=83573251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211125299.4A Active CN115205950B (zh) 2022-09-16 2022-09-16 基于区块链的智慧交通地铁乘客检测及结账方法和系统

Country Status (1)

Country Link
CN (1) CN115205950B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170353311A1 (en) * 2016-06-06 2017-12-07 Thomson Reuters Global Resources Systems and methods for providing identity scores
CN110516623A (zh) * 2019-08-29 2019-11-29 中新智擎科技有限公司 一种人脸识别方法、装置及电子设备
CN111311467A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于人脸识别的公交路线预测方法及系统
CN112288939A (zh) * 2020-12-15 2021-01-29 成都智元汇信息技术股份有限公司 一种基于人脸预采集的闸机人脸识别方法、系统、终端及存储介质
CN113393080A (zh) * 2021-05-07 2021-09-14 华迪计算机集团有限公司 公共交通客运机构乘客信息管理系统及方法
CN113989971A (zh) * 2021-11-08 2022-01-28 杭州电子科技大学 一种基于人脸识别的乘车系统及方法
CN114613052A (zh) * 2022-02-23 2022-06-10 广东交通职业技术学院 一种地铁乘客出行管理方法、系统、装置及存储介质
CN115018492A (zh) * 2022-07-18 2022-09-06 北京师范大学 一种基于人工智能的智慧校园自动结账方法及系统
CN115019374A (zh) * 2022-07-18 2022-09-06 北京师范大学 基于人工智能的智慧课堂学生专注度低耗检测方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170353311A1 (en) * 2016-06-06 2017-12-07 Thomson Reuters Global Resources Systems and methods for providing identity scores
CN110516623A (zh) * 2019-08-29 2019-11-29 中新智擎科技有限公司 一种人脸识别方法、装置及电子设备
CN111311467A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于人脸识别的公交路线预测方法及系统
CN112288939A (zh) * 2020-12-15 2021-01-29 成都智元汇信息技术股份有限公司 一种基于人脸预采集的闸机人脸识别方法、系统、终端及存储介质
CN113393080A (zh) * 2021-05-07 2021-09-14 华迪计算机集团有限公司 公共交通客运机构乘客信息管理系统及方法
CN113989971A (zh) * 2021-11-08 2022-01-28 杭州电子科技大学 一种基于人脸识别的乘车系统及方法
CN114613052A (zh) * 2022-02-23 2022-06-10 广东交通职业技术学院 一种地铁乘客出行管理方法、系统、装置及存储介质
CN115018492A (zh) * 2022-07-18 2022-09-06 北京师范大学 一种基于人工智能的智慧校园自动结账方法及系统
CN115019374A (zh) * 2022-07-18 2022-09-06 北京师范大学 基于人工智能的智慧课堂学生专注度低耗检测方法及系统

Also Published As

Publication number Publication date
CN115205950B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN105185105B (zh) 基于车辆gps和公交ic卡数据的公交换乘识别方法
CN105225282B (zh) 一种高速公路联网收费费率计算方法及装置
CN109462830B (zh) 基于终端信令的客流统计方法、装置及设备
CN109584555A (zh) 基于afc数据的公交乘客下车站点推测方法
CN113160575A (zh) 一种非机动车辆及驾驶人的交通违法行为检测方法及系统
Abdellatif et al. A low cost IoT-based Arabic license plate recognition model for smart parking systems
CN115147253A (zh) 基于区块链的智慧校园图书大数据借阅管理方法及系统
CN114758424A (zh) 基于多重校验机制的智能支付设备及其支付方法
CN115018492A (zh) 一种基于人工智能的智慧校园自动结账方法及系统
CN108710878B (zh) 一种铁路接触网支柱号牌字符分割方法及系统
Krishnakumar et al. Detection of vehicle speeding violation using video processing techniques
Sen et al. Advanced license plate recognition system for car parking
Al Nasim et al. An automated approach for the recognition of bengali license plates
CN115205950B (zh) 基于区块链的智慧交通地铁乘客检测及结账方法和系统
CN107705370A (zh) 一种brt快速公交自动检票机智能票卡验票系统
CN105139462A (zh) 一种基于二维码的高速公路防汽车冲卡方法
Song et al. Public transportation service evaluations utilizing seoul transportation card data
CN107844805B (zh) 基于公交卡信息识别可疑人员的方法及装置
CN106781467A (zh) 一种基于协同过滤的公交乘客刷卡站点信息提取方法
SP et al. Automatic Number Plate Recognition System for Entry and Exit Management
Wu et al. A license plate recognition system in e-Government
CN115860860A (zh) 基于人工智能的智慧社区精选商品大数据团购方法及系统
CN112949341B (zh) 一种信息获得方法、装置、电子设备及存储介质
CN109656972A (zh) 区域治安程度的确定方法及装置
Sari Aslam et al. Trip purpose identification using pairwise constraints based semi-supervised clustering

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20230403

Address after: Room 413, 4th Floor, No. 2817 Chuangye Avenue, Science City, Huangpu District, Guangzhou City, Guangdong Province, 510000

Applicant after: Guangzhou Shengchuangda Technology Co.,Ltd.

Address before: Room 222, 3-16, floors 2-3, No. 3, Maizidian West Road, Chaoyang District, Beijing 100020

Applicant before: Beijing jidaoer Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Blockchain based intelligent transportation subway passenger detection and checkout method and system

Effective date of registration: 20230920

Granted publication date: 20230425

Pledgee: Bank of China Limited Guangzhou Development Zone Branch

Pledgor: Guangzhou Shengchuangda Technology Co.,Ltd.

Registration number: Y2023980057835

PE01 Entry into force of the registration of the contract for pledge of patent right