[发明专利]一种基于人工智能的地铁逃票行为的检测方法与系统

说明书

本发明涉及人工智能技术领域，具体涉及一种地铁逃票行为的检测方法与系统。该系统包括实时成像模块，用于将多个摄像头采集到的各子区域RGB图像进行图像拼接操作，投射到BIM地面上；姿态估计模块，用于从获取的RGB图像中提取人体关键点，并通过深度学习检测翻越、钻过闸机等强行通过的逃票行为；并行逃票检测模块，该模块利用姿态估计模块中得到的人体关键点中提取出的双脚关键点热力图，经过后处理用于判断是否存在并行逃票行为；数据分析模块，用于在固定周期内统计发生所述不同类型的逃票行为的次数，分析逃票行为的变化趋势以及经常发生逃票行为的位置信息。该系统显著提高了地铁检票率以及对地铁逃票行为的检测率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的地铁逃票行为的检测方法与系统。

背景技术

地铁逃票的方式五花八门，但最主要的还是以下几种：第一是并行逃票，该方法是刷一次卡同时通过多人，多发生在闸机口处；第二是以翻越的形式逃票，该方法是在闸机处和护栏处都会发生；第三是从闸机口钻过去已达到逃票的目的。

在申请公布号为CN110378179A，即基于红外成像的地铁逃票行为检测方法及系统的专利申请文件中，提出了一种基于连通域的逃票行为检测方法与系统。

在申请公布号为CN111064925A，即地铁乘客逃票行为检测方法和系统的专利文件中，提出了一种当人员轨迹与刷卡区域有重叠时即可判定存在刷卡行为的方法。

在申请公布号为CN103605967A,即一种基于图像识别的地铁防逃票系统及其工作方法的专利文件中，提出了一种基于投影曲线的特征实现目标分割来统计实际通过闸机口的人数的方法。

发明人在实践中，发现上述现有技术存在以下缺陷：

上述发明创造中给出的方法对于逃票行为的检测率不是很高，对于紧贴身体的逃票行为存在很大误检的可能，以及对于假装刷卡而快速通过的逃票行为会出现漏检情况。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的地铁逃票行为的检测方法与系统，以解决上述现有技术的缺陷，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的地铁逃票行为的检测方法，具体包括获取感兴趣(region of interest，ROI)区域的RGB图像并进行特征提取，得到人体关键点以及人体双脚关键点热力图；对热力图堆叠判断停留时间，当停留时间超出预设阈值时判定存在刷卡行为；当刷卡行为与刷卡临时数据库中的刷卡信息一致时，判断刷卡成功；在闸机口开放时间内，统计人体双脚关键点的数量，判断实际通过的人数；在人数大于1时，判断存在并行逃票行为。

第二方面，本发明另一个实施例还提供了一种基于人工智能的地铁逃票行为的检测系统，具体包括姿态估计模块、并行逃票检测模块和数据分析模块。

其中，姿态估计模块，包括关键点检测模块和关键点预测模块。

关键点检测模块，用于获取ROI区域的RGB图像并进行特征提取，得到人体关键点；所述ROI区域包括闸机口所在的区域。

关键点预测模块，基于时间卷积网络(Temporal convolutional network，TCN)对所述人体关键点在连续帧中形成的二维动作序列进行预测。判断逃票行为；所属逃票行为包括翻越逃票行为与钻过闸机口逃票行为。

其中，并行逃票检测模块包括关键点获取模块、对比模块和判断模块。

关键点获取模块，用于从所述人体关键点中提取人体双脚关键点热力图。

对比模块，用于对所述热力图堆叠判断停留时间，当停留时间超过预设阈值时定存在刷卡行为；在所述刷卡行为与刷卡临时数据库中的刷卡信息一致时，判断刷卡成功。