论文部分内容阅读
摘 要：人数统计系统在各个行业有着广泛的应用需求和安全意义，目前主流的技术手段是依靠视频识别、红外感应、RFID技术等，这些技术都存着在应用场景限制、识别效率不高等缺点。本文提出了一种利用二维激光扫描仪监测通过人数的技术，通过测量行人头顶至肩膀的高度差判断是否有行人通过并计数；通过判断行人通过两个二维激光扫描仪的顺序统计行人行走方向。
关键词：二维激光扫描仪；轮廓监测；人数统计
中图分类号：TD171.178
1.引言
人数统计系统所要实现的目标，是在一定时间内对经过某个地点的人口的数量进行现场记录，为事后的分析和预测提供直接的数据支持。人数统计系统的应用范围十分广泛，机场、车站、港口、商场、景区、住宅小区等许多行业和单位都有着类似的需求。从数据的应用效果来说，对特定场所（区域）内的人口总数和流动方向进行统计有着重要的意义：
1.1 经济意义
在通过人流量统计，可以清晰反映每个进出口、每个楼层上下口、每个区域主要通道的客流量，而这些数据能够提供一个量化分析结果，为招商、运营部门提供谈判、决策的依据。避免传统的依靠猜测、估计的做法，使管理更加科学。具体的应用形式举例：招商部门在招商谈判过程中有实际的数据作为谈判的依据，向租户提供客流的数据；分析人流状态、黄金时段，根据客流状况灵活合理安排各部门人员的工作；判断商业组合搭配是否合理、找出店铺规划盲点等。
1.2 安全意义
在景区、车站等人流容易聚集的场所，某一区域如果滞留的人数过多，会造成较大的安全隐患，利用人数统计系统，可以通过人流动态的变化，了解人流动线、通道设计，控制楼层、区域拥挤或者堵塞的情形。可对目标场地内的客流量控制做出一个精确的保安方案，严防由于客流量过多造成意外发生。
2 技术背景
目前主流的智能人数统计技术是通过图像分析手段从视频中分析出人数，是一个非常复杂的计算机视觉与人工智能问题。有两种主要解决方案：一是采用运动区域检测算法提取运动区域，根据这些运动区域进行统计，当运动区域和人的大小相似的时候，就可以认为有人通过。当多个人距离较近的时候，采用人体大小的先验知识，把一个运动区域分割为多个单人区域，从而对人数的估计；第二种是基于图像特征和神经元网络的算法，其基本原理是在图像中采集一些反应人体特点的比较粗糙的特征（如图像边缘密度等），然后通过神经元网络学习人数与图像特征之间的非线性关系。随着计算机视觉与人工智能技术的发展，新的更加可靠快速的人数统计算法与产品在不断出现。视频识别技术的优点是硬件成本低廉，算法成熟，是目前应用最为广泛的技术解决手段；但该方法受环境的影响较大，在光线环境复杂（或低光照）、人流量过大等情况下，统计精度会急剧下降。
另一种人数统计系统是基于RFID技术，主要应用在车站、景区等特殊场合。通过在门票火车票上印制RFID电子标签，当行人持票通过事先布设的感应天线时，系统会识别出电子信息并上报监控端。RFID技术的优点是识别精确、信息量大，不仅能统计出人口数量，同时能监控包括人员姓名在内的大量预设信息。但该技术必须要求流动人口持有电子标签，对一些开放性场合无法使用，同时在室外使用时，收天气等环境因素的影响也较大。
除上述方法外，还有利用红外感应、激光监测等方法来进行人数统计，但都由于统计成本或检测精度等问题而无法大面积应用。
3 二维激光扫描仪
二维激光扫描仪又被称作激光轮廓仪，是一种激光扫描技术，具有高频率、高精度的特点，可以对物体的轮廓、二维尺寸、二维位移进行精确和快速测量与检验的仪器，并且环境适应性强，应用十分广泛。
二维激光扫描仪的工作是基于光学三角测量原理。半导体激光发生器发出的光，经透镜形成一个平面光幕，并在物体上形成一条轮廓线，利用镜片收集被物体反射回来的光并将其投影到一个二维CMOS上，继而利用信号处理器分析处理目标物体剖面图形，轮廓线的长度用X轴计量，轮廓线的高低用Z轴计量。
理论上二维激光扫描仪可以测量任何类型的目标，具有高精度、高效率、受环境因素小等优点，实际应用中，二维激光扫描仪多被用在工业测量中用以检测精密仪器、部件，精度可达微米级。本文以室外应用的二维激光扫描仪为技术依据，这类二维激光扫描仪具有IP67的防护等级，可以适应室外较为复杂多变的自然环境，测量精度在毫米级。
4 检测范围
设二维激光扫描仪的扫描角度为2α，安装位置距地面高度为L。保证二维激光扫描仪扫描面与地面垂直，在同一高度安装2台扫描仪用以判断行人通过方向，两台扫描仪间距为20cm。为确保正确统计，必须保证所有行人都在扫描仪扫描范围之内，如图1所示。
图1 有效统计区域示意图
二维激光扫描仪应安装在商场、景点等场所的关键位置，如入口、电梯口、岔路口等。假设本系统能统计到的人类最高身高为x，扫描仪安装位置下方的道路宽度为2y，则扫描仪应安装的最低高度为：
L=y·arcctga+x
5 人数统计
设两台扫描仪编号为A，B。下面讨论行人有A向B方向行走时的人数统计过程。
当行人经过扫描仪A正下方时，A获取行人的轮廓，根据人类的形态，最大高度应为身高，而次高度为肩膀，且横向距离应在7.7cm以内（根据国家标准），垂直距离差应在30cm以内。如果检测得到的轮廓满足上述条件，且最大高度在120cm-210cm之内，则判断检测得行人通过，计数器+1，并记录该行人身高、肩宽、头高数据。当行人经过扫描仪B下方时，再次检测，并与扫描仪A检测得到的数据对比，如果误差在阈值范围之内，则判断行人有A走向B方向，检测完毕。
6 总结
本文提出了一种利用二维激光扫描仪通过人类头部高度检测行人，并统计人数和行进方向的方法。二维激光扫描仪具有精度高，可靠性高，受外部環境小的优点，可有效避免传统视频检测方法的不足，是现有技术的有效补充。 参考文献：
[1]钱鹤庆，陈刚，申瑞民.基于人脸检测的人数统计系统[J].计算机工程，2007，38（13）.
[2]国家质量技术监督局.中华人民共和国国家标准.《成年人头面部尺寸》.GB/T2428-1998.
[3]ANTONINIG，THIRANJP.Countingpedestriansinvideo8equencesusingtrajectoryclustering[J].IEEETrans.CircuitsandSystemsforVideoTechnology，2006，16（8）：1008-1020.
[4]KILAMBIP，RIBNICKE.JOSHIAJ，eta1.Estimatingpedestriancountingroups[J].Computer Visionand Image Understanding，2008，110（1）：43-59.
[5]吴元.教室场景内的人脸识别[D].上海：上海交通大学，2009.
[6]闫敬文，樊秋月.基于视频图像处理的人数统计[J].汕头大学学报：自然科学版，2008，23（2）：69-73.
[7]FreundY，SchapireRE.ADecision-theoretic Generalization of On-line Learningandan Application to Boosting[J].Journal of Computerand System Sciences，1997，55（1）：119-139.
[8]ViolaP，JonesM.Fastand Robust Class ification Using Asymmetric Ada Boostanda Detector Cascade[C]//Proc.ofConf.on Advancesin Neural Information Processing System.[S.l.]：IEEEPress，2002：1311-1318.
作者簡介：白青文（1981.5.11-），四川遂宁人，院长助理，工程师，研究方向：三维激光扫描技术与安全生产信息化。
作者单位：四川省安全科学技术研究院，成都，610041
关键词：二维激光扫描仪；轮廓监测；人数统计
中图分类号：TD171.178
1.引言
人数统计系统所要实现的目标，是在一定时间内对经过某个地点的人口的数量进行现场记录，为事后的分析和预测提供直接的数据支持。人数统计系统的应用范围十分广泛，机场、车站、港口、商场、景区、住宅小区等许多行业和单位都有着类似的需求。从数据的应用效果来说，对特定场所（区域）内的人口总数和流动方向进行统计有着重要的意义：
1.1 经济意义
在通过人流量统计，可以清晰反映每个进出口、每个楼层上下口、每个区域主要通道的客流量，而这些数据能够提供一个量化分析结果，为招商、运营部门提供谈判、决策的依据。避免传统的依靠猜测、估计的做法，使管理更加科学。具体的应用形式举例：招商部门在招商谈判过程中有实际的数据作为谈判的依据，向租户提供客流的数据；分析人流状态、黄金时段，根据客流状况灵活合理安排各部门人员的工作；判断商业组合搭配是否合理、找出店铺规划盲点等。
1.2 安全意义
在景区、车站等人流容易聚集的场所，某一区域如果滞留的人数过多，会造成较大的安全隐患，利用人数统计系统，可以通过人流动态的变化，了解人流动线、通道设计，控制楼层、区域拥挤或者堵塞的情形。可对目标场地内的客流量控制做出一个精确的保安方案，严防由于客流量过多造成意外发生。
2 技术背景
目前主流的智能人数统计技术是通过图像分析手段从视频中分析出人数，是一个非常复杂的计算机视觉与人工智能问题。有两种主要解决方案：一是采用运动区域检测算法提取运动区域，根据这些运动区域进行统计，当运动区域和人的大小相似的时候，就可以认为有人通过。当多个人距离较近的时候，采用人体大小的先验知识，把一个运动区域分割为多个单人区域，从而对人数的估计；第二种是基于图像特征和神经元网络的算法，其基本原理是在图像中采集一些反应人体特点的比较粗糙的特征（如图像边缘密度等），然后通过神经元网络学习人数与图像特征之间的非线性关系。随着计算机视觉与人工智能技术的发展，新的更加可靠快速的人数统计算法与产品在不断出现。视频识别技术的优点是硬件成本低廉，算法成熟，是目前应用最为广泛的技术解决手段；但该方法受环境的影响较大，在光线环境复杂（或低光照）、人流量过大等情况下，统计精度会急剧下降。
另一种人数统计系统是基于RFID技术，主要应用在车站、景区等特殊场合。通过在门票火车票上印制RFID电子标签，当行人持票通过事先布设的感应天线时，系统会识别出电子信息并上报监控端。RFID技术的优点是识别精确、信息量大，不仅能统计出人口数量，同时能监控包括人员姓名在内的大量预设信息。但该技术必须要求流动人口持有电子标签，对一些开放性场合无法使用，同时在室外使用时，收天气等环境因素的影响也较大。
除上述方法外，还有利用红外感应、激光监测等方法来进行人数统计，但都由于统计成本或检测精度等问题而无法大面积应用。
3 二维激光扫描仪
二维激光扫描仪又被称作激光轮廓仪，是一种激光扫描技术，具有高频率、高精度的特点，可以对物体的轮廓、二维尺寸、二维位移进行精确和快速测量与检验的仪器，并且环境适应性强，应用十分广泛。
二维激光扫描仪的工作是基于光学三角测量原理。半导体激光发生器发出的光，经透镜形成一个平面光幕，并在物体上形成一条轮廓线，利用镜片收集被物体反射回来的光并将其投影到一个二维CMOS上，继而利用信号处理器分析处理目标物体剖面图形，轮廓线的长度用X轴计量，轮廓线的高低用Z轴计量。
理论上二维激光扫描仪可以测量任何类型的目标，具有高精度、高效率、受环境因素小等优点，实际应用中，二维激光扫描仪多被用在工业测量中用以检测精密仪器、部件，精度可达微米级。本文以室外应用的二维激光扫描仪为技术依据，这类二维激光扫描仪具有IP67的防护等级，可以适应室外较为复杂多变的自然环境，测量精度在毫米级。
4 检测范围
设二维激光扫描仪的扫描角度为2α，安装位置距地面高度为L。保证二维激光扫描仪扫描面与地面垂直，在同一高度安装2台扫描仪用以判断行人通过方向，两台扫描仪间距为20cm。为确保正确统计，必须保证所有行人都在扫描仪扫描范围之内，如图1所示。
图1 有效统计区域示意图
二维激光扫描仪应安装在商场、景点等场所的关键位置，如入口、电梯口、岔路口等。假设本系统能统计到的人类最高身高为x，扫描仪安装位置下方的道路宽度为2y，则扫描仪应安装的最低高度为：
L=y·arcctga+x
5 人数统计
设两台扫描仪编号为A，B。下面讨论行人有A向B方向行走时的人数统计过程。
当行人经过扫描仪A正下方时，A获取行人的轮廓，根据人类的形态，最大高度应为身高，而次高度为肩膀，且横向距离应在7.7cm以内（根据国家标准），垂直距离差应在30cm以内。如果检测得到的轮廓满足上述条件，且最大高度在120cm-210cm之内，则判断检测得行人通过，计数器+1，并记录该行人身高、肩宽、头高数据。当行人经过扫描仪B下方时，再次检测，并与扫描仪A检测得到的数据对比，如果误差在阈值范围之内，则判断行人有A走向B方向，检测完毕。
6 总结
本文提出了一种利用二维激光扫描仪通过人类头部高度检测行人，并统计人数和行进方向的方法。二维激光扫描仪具有精度高，可靠性高，受外部環境小的优点，可有效避免传统视频检测方法的不足，是现有技术的有效补充。 参考文献：
[1]钱鹤庆，陈刚，申瑞民.基于人脸检测的人数统计系统[J].计算机工程，2007，38（13）.
[2]国家质量技术监督局.中华人民共和国国家标准.《成年人头面部尺寸》.GB/T2428-1998.
[3]ANTONINIG，THIRANJP.Countingpedestriansinvideo8equencesusingtrajectoryclustering[J].IEEETrans.CircuitsandSystemsforVideoTechnology，2006，16（8）：1008-1020.
[4]KILAMBIP，RIBNICKE.JOSHIAJ，eta1.Estimatingpedestriancountingroups[J].Computer Visionand Image Understanding，2008，110（1）：43-59.
[5]吴元.教室场景内的人脸识别[D].上海：上海交通大学，2009.
[6]闫敬文，樊秋月.基于视频图像处理的人数统计[J].汕头大学学报：自然科学版，2008，23（2）：69-73.
[7]FreundY，SchapireRE.ADecision-theoretic Generalization of On-line Learningandan Application to Boosting[J].Journal of Computerand System Sciences，1997，55（1）：119-139.
[8]ViolaP，JonesM.Fastand Robust Class ification Using Asymmetric Ada Boostanda Detector Cascade[C]//Proc.ofConf.on Advancesin Neural Information Processing System.[S.l.]：IEEEPress，2002：1311-1318.
作者簡介：白青文（1981.5.11-），四川遂宁人，院长助理，工程师，研究方向：三维激光扫描技术与安全生产信息化。
作者单位：四川省安全科学技术研究院，成都，610041