專利名稱：：基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流采集裝置的制作方法
技術(shù)領(lǐng)域：
：本實(shí)用新型涉及自動檢測技術(shù)，特別是一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流采集裝置，將紅外光電檢測技術(shù)和徑向基神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，建立了一個基于RBF神經(jīng)網(wǎng)絡(luò)的客流計數(shù)系統(tǒng)，用于公共場所的客流采集。
背景技術(shù)：
：客流數(shù)據(jù)對于依賴客流的行業(yè)意義重大。對于盈利性的行業(yè)，客流的數(shù)量和駐留習(xí)慣直接決定了營銷決策的制定；對于非盈利性的行業(yè)，統(tǒng)計客流的數(shù)量本身就等于執(zhí)行安全防衛(wèi)工作，確保了統(tǒng)計區(qū)域的安全。隨著統(tǒng)計分析技術(shù)和計算機(jī)技術(shù)的不斷發(fā)展，客流統(tǒng)計己開始進(jìn)入自動化階段，要求能夠提供即時、可靠的客流量信息。中國專利CN200610129636公開了一種基于人體模型的紅外光電客流統(tǒng)計裝置，包括紅外光電發(fā)射器陣列和光電接收器陣列、控制/判斷單元，兩個陣列的發(fā)射器和接收器之間具有一一對應(yīng)的關(guān)系；所述控制/判斷單元由微處理器及其外圍電路構(gòu)成，控制所述紅外光電發(fā)射器陣列發(fā)射信號，并對通過光電接收器陣列所釆集到的信號進(jìn)行處理，根據(jù)人體模型學(xué)算法區(qū)分人與物體，判決是否有人通過，根據(jù)各排光電接收陣列接收紅外光的順序，判斷人體通過方向；當(dāng)多人同時通過時，判決通過人的個數(shù)。該裝置對硬件設(shè)備需求量較大，所涉及的人體模型學(xué)算法，是根據(jù)人體形狀進(jìn)行判斷的，算法復(fù)雜，缺乏智能化的思想，因此容易出現(xiàn)誤判。中國專利CN200510060288公開了一種基于立體視覺的公交客流統(tǒng)計方法，該方法利用處理器對立體視覺裝置獲取的雙目圖像進(jìn)行立體視覺處理，得到場景中的各點(diǎn)到攝像機(jī)之間的距離，然后在距離上設(shè)置閥值，得到距離攝像機(jī)某一距離范圍內(nèi)的場景中的所有點(diǎn)，通過對這些點(diǎn)去噪、擬和，再結(jié)合單目圖像的特征識別方法，將那些近似組成圓的場景中的點(diǎn)的集合作為人的頭部，從而實(shí)現(xiàn)了人頭部的檢測，再將人頭部檢測的結(jié)果的位置、半徑、灰度信息交由跟蹤算法實(shí)施跟蹤，便可以判斷出客流的運(yùn)動方向，從而完成客流信息統(tǒng)計。該專利申請，在硬件上，需要采用攝像機(jī)等設(shè)備，成本較高，在軟件上，僅僅對圖像提取了人體頭部信息，位置、半徑、灰度信息交由跟蹤算法實(shí)施，從而判斷客流的運(yùn)動方向，此種判斷方法對攝像機(jī)、跟蹤算法精確性的依賴程度很高，從技術(shù)上難以實(shí)施，難以達(dá)到較高的分辨率。可行的客流采集方法要求有較低的設(shè)備成本，且能夠?qū)^大量的連續(xù)客流進(jìn)行計數(shù)，但現(xiàn)有的客流采集裝置和方法都不能滿足上述要求，目前也未見有此類較成熟的技術(shù)。
發(fā)明內(nèi)容本實(shí)用新型目的在于提供一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流采集裝置，可以克服已有技術(shù)的不足。將紅外光電檢測技術(shù)和徑向基神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，建立了一個基于RBF神經(jīng)網(wǎng)絡(luò)的客流計數(shù)系統(tǒng)，用于公共場所的客流采集；成本低、實(shí)時客流計數(shù)準(zhǔn)確率高、誤差率較低。本實(shí)用新型是一種具有理論和實(shí)際意義的紅外光電客流采集裝置和客流統(tǒng)計方法。本實(shí)用新型提供的基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流釆集裝置包括紅外對射光電傳感器、開關(guān)量接口卡和計算機(jī)。其中紅外線對射光電傳感器將根據(jù)顧客的行走遮擋產(chǎn)生變化信號，所述的紅外光電管為4組。開關(guān)量接口卡，將紅外光電傳感器產(chǎn)生的信號傳給與其相連的計算機(jī)中，作為RBF神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)的輸入。計算機(jī)負(fù)責(zé)徑向基神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、數(shù)據(jù)的預(yù)處理以及客流人數(shù)分類識別和輸出。所述的紅外光電管的發(fā)射端與接受端之間對射安裝在同一條直線上，其中的任意一條發(fā)射端的紅外光電管不影響其他的接收端。當(dāng)有物體通過時，光線被遮擋，接收端指示燈亮，并輸出一個高電平脈沖；當(dāng)沒有物體通過時，輸出一個低電平脈沖。紅外光電傳感器的發(fā)射端發(fā)射紅外波長信號，當(dāng)紅外線被遮擋時，接收端指示燈亮，并產(chǎn)生信號1，當(dāng)紅外線不被遮擋時，接收端指示燈不亮，產(chǎn)生信號0。這樣便可以通過開關(guān)量接口卡將采集0-1序列傳給相連的計算機(jī)，接口卡直接連接到計算機(jī)的主板插槽上。通過設(shè)置接口卡上面的開關(guān)設(shè)置可以確定保存的計算機(jī)地址。這時，每當(dāng)客流經(jīng)過，紅外傳感設(shè)備產(chǎn)生相應(yīng)的信號，基地址里儲存了0，l數(shù)據(jù)。本實(shí)用新型提供的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流的采集方法包括的步驟由光電管遮擋產(chǎn)生信號對走過紅外光電區(qū)的顧客進(jìn)行采集計數(shù)，開關(guān)量接口卡將紅外光電傳感器產(chǎn)生的信號傳給與其相連的計算機(jī)，采用RBF神經(jīng)網(wǎng)絡(luò)模式識別方法，處理采集客流數(shù)據(jù)，進(jìn)行訓(xùn)練、分類識別，完成計數(shù)功能；所述的訓(xùn)練過程包括數(shù)據(jù)獲取、預(yù)處理、特征提取、訓(xùn)練網(wǎng)絡(luò)參數(shù)設(shè)定、客流神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計；所述的分類識別是將已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)作為基礎(chǔ)，對特征提取后的數(shù)據(jù)進(jìn)行處理，包括數(shù)據(jù)獲取、預(yù)處理、數(shù)據(jù)分割、特征提取、客流神經(jīng)網(wǎng)絡(luò)分類器識別、統(tǒng)計人數(shù)。本實(shí)用新型提供的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流的采集方法包括的步驟-1)選擇4組對射式紅外光電管發(fā)射端與接受端在同一條直線上，置于公共場所進(jìn)出口兩側(cè)，通過顧客行走通過該區(qū)域時對紅外光電管的遮擋，來產(chǎn)生變化信號；2)通過開關(guān)量接口卡，對紅外光電管產(chǎn)生的變化信號進(jìn)行掃描采集，并傳輸給計算機(jī)，存入基地址；3)對基地址中的數(shù)據(jù)進(jìn)行掃描，當(dāng)數(shù)據(jù)發(fā)生變化時進(jìn)行采樣，包括存儲變化的數(shù)據(jù)和變化發(fā)生的時刻；4)將上述采集到的變化信號進(jìn)行處理，提取其最大特征，作為RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練及神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)的輸入；(1)數(shù)據(jù)預(yù)處理第一步，去噪過程采用閾值的方法進(jìn)行去除數(shù)據(jù)中的無效數(shù)據(jù)，設(shè)定變化持續(xù)過程小于0.06ms視為噪音去除，并將其對應(yīng)的狀態(tài)值變?yōu)?;第二步，歸一化處理將第一個光電管狀態(tài)跳變開始，即為0時刻，用其它各狀態(tài)對應(yīng)的時間減去這個初始時間得出相對時間；(2)數(shù)據(jù)分割首先搜索每根紅外光電管，尋找"l"第一次出現(xiàn)的位置，作為數(shù)據(jù)的分割起點(diǎn)，從這里開始，各組光電管以相同的步長進(jìn)行檢査，發(fā)現(xiàn)到在持續(xù)時間△t內(nèi)如果所有光電管均為"0"狀態(tài)的時候視為分割點(diǎn)，進(jìn)行數(shù)據(jù)分割操作，設(shè)定△t為0.06s，分割完后的數(shù)據(jù)組沒有數(shù)據(jù)的狀態(tài)項補(bǔ)0;(3)特征提取將上述處理后的波形特征最大化的提取出來，其特征主要有波形相對時間、脈沖寬度、脈沖時間間隔，其中脈沖寬度是狀態(tài)l的持續(xù)時間；脈沖時間間隔是兩個狀態(tài)l之間的狀態(tài)所持續(xù)的時間；5)設(shè)計客流神經(jīng)網(wǎng)絡(luò)分類器，將特征提取后的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，訓(xùn)練網(wǎng)絡(luò)參數(shù)，將己經(jīng)訓(xùn)練好的網(wǎng)絡(luò)作為基礎(chǔ)，對特征提取后的數(shù)據(jù)進(jìn)行客流神經(jīng)網(wǎng)絡(luò)分類器的識別、獲取人數(shù)。所述的特征提取后的矩陣為下面所示0脈沖寬度-時間間隔脈沖寬度......00波形相對時間脈沖寬度-時間間隔脈沖寬度......00波形相對時間脈沖寬度-時間間隔脈沖寬度......00波形相對時間脈沖寬度-時間間隔脈沖寬度......oo」4*2Q所述的客流神經(jīng)網(wǎng)絡(luò)分類器的識別、獲取的設(shè)定為(1)客流輸入層的選擇根據(jù)實(shí)際的問題選定，紅外客流統(tǒng)計里面的輸入層就是數(shù)據(jù)特征提取后的矩陣；(2)客流輸出是分組識別后的每組的并行的人數(shù)，包括一人通過的情況，根據(jù)有導(dǎo)師的識別，最多并行人數(shù)為6，用3位輸出；在識別的時候每位大于0.5的時候輸出為1，小于0.5的時候輸出為0，通過3位的輸出表示1人、2人、3人、4人、5人和6人；導(dǎo)師集輸出表示表示人數(shù)0.20.20.80011人0.20.80.20102人并行0.20.80.80113人并行0.80.20.21004人并行0.80.20.81015人并行0.80.80.21106人并行(3)隱含層選擇隱含層采用徑向基函數(shù)作為激勵函數(shù)，該徑向基函數(shù)為高斯函數(shù)CGauss)o本實(shí)用新型可以克服現(xiàn)有客流采集系統(tǒng)存在的一些問題，相對以往的客流采集裝置以及統(tǒng)計方法而言具有顯著進(jìn)步，本實(shí)用新型是一種具有理論和實(shí)際意義的紅外光電客流采集裝置和客流統(tǒng)計方法。包括(1)識別率高通過采取適當(dāng)?shù)姆指罘椒?，提高了分割的效果，?shí)現(xiàn)了對連續(xù)客流的識別。并根據(jù)脈沖的特點(diǎn)，設(shè)計特殊的特征提取方法，最大程度細(xì)化表征脈沖，試驗(yàn)結(jié)果證明這種特征參數(shù)提取可以進(jìn)行分類器設(shè)計的輸入。通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)過程能夠準(zhǔn)確地識別并行人少的情況，另外對于多人并行的情況也提高了識別率。(2)抗干擾性強(qiáng)通過預(yù)處理過程中的去噪處理，可以有效的去除傳感器本身產(chǎn)生的噪音、傳感器安裝中產(chǎn)生的噪音、電磁波產(chǎn)生的噪音等，從而提高系統(tǒng)的抗干擾能力。(3)實(shí)時性好由于紅外感應(yīng)設(shè)備的反應(yīng)速度快，同時微處理器的運(yùn)算速度快，所以能夠?qū)崟r記錄并反映快速通過的客流量，用于公共場所的客流采集，實(shí)時客流計數(shù)準(zhǔn)確率高、誤差率較低。(4)成本低本實(shí)用新型采用的紅外裝置成本低、所需設(shè)備量小且對硬件設(shè)備要求較低。圖1本實(shí)用新型基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流釆集裝置連接框圖。圖2本實(shí)用新型的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程單元框圖。圖3本實(shí)用新型的RBF神經(jīng)網(wǎng)絡(luò)分類識別過程單元框圖。圖4本實(shí)用新型的數(shù)據(jù)獲取流程圖。圖5本實(shí)用新型的數(shù)據(jù)預(yù)處理流程圖。圖6本實(shí)用新型的客流數(shù)據(jù)分割流程圖。圖7本實(shí)用新型的客流數(shù)據(jù)特征提取流程圖。具體實(shí)施方式本實(shí)用新型結(jié)合附圖詳細(xì)說明如下本實(shí)用新型主要分為兩部分內(nèi)容客流數(shù)據(jù)的采集和客流數(shù)據(jù)的處理及識別。圖1中給出了客流數(shù)據(jù)采集的硬件設(shè)備連接圖，主要由紅外光電傳感器和開關(guān)量接口卡組成。該系統(tǒng)將四組紅外對射型光電傳感器，安裝在商場門口或出入口位于腳腕高度的兩側(cè)，對顧客進(jìn)行數(shù)據(jù)采集。其高度設(shè)置在小腿部，距離地面大約28cm。為了區(qū)分重疊區(qū)域，提高掃描的準(zhǔn)確度和便于識別區(qū)分度，本實(shí)用新型采用平行排列四組紅外光電裝置計數(shù)，根據(jù)小腿部的直徑來設(shè)置間距，經(jīng)統(tǒng)計小腿部直徑在13cm18cm之間，間距越大越有利于區(qū)分重疊部分，但考慮到過大的距離會影響到安裝的不便，所以設(shè)置紅外線間距為25cm。其中還要保持紅外光電管的發(fā)射端與接受端在同一條直線上，其中的任意一條發(fā)射端的紅外光電管不影響其他的接收端。紅外光電傳感器的發(fā)射端發(fā)射紅外波長信號，當(dāng)紅外線被遮擋時，接收端指示燈亮，并產(chǎn)生信號1，當(dāng)紅外線不被遮擋時，接收端指示燈不亮，產(chǎn)生信號0。這樣便可以通過開關(guān)量接口卡將采集O-l序列傳給相連的計算機(jī)，接口卡直接連接到計算機(jī)的主板插槽上。通過設(shè)置接口卡上面的開關(guān)設(shè)置可以確定保存的計算機(jī)地址。這時，每當(dāng)客流經(jīng)過，紅外傳感設(shè)備產(chǎn)生相應(yīng)的信號，基地址里儲存了0，1數(shù)據(jù)。這就是要處理的毛數(shù)據(jù)。基地址中接收數(shù)據(jù)是瞬間的，可以看成與光電開關(guān)的狀態(tài)變化是同步的。本實(shí)用新型對所采集的客流數(shù)據(jù)進(jìn)行處理及識別過程主要是通過兩個部分來完成的。第一部分(如圖2所示)RBF網(wǎng)絡(luò)訓(xùn)練過程(學(xué)習(xí)過程)，包括數(shù)據(jù)獲取、預(yù)處理、特征提取、訓(xùn)練網(wǎng)絡(luò)參數(shù)設(shè)定、客流神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計。第二部分(如圖3所示)RBF網(wǎng)絡(luò)分類識別過程(決策過程)，他是將已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)(訓(xùn)練過程如圖2)作為基礎(chǔ)，對于特征提取后的數(shù)據(jù)進(jìn)行處理。包括數(shù)據(jù)獲取、預(yù)處理、數(shù)據(jù)分割、特征提取、客流神經(jīng)網(wǎng)絡(luò)分類器識別、得出人數(shù)。上述兩部分中數(shù)據(jù)處理的具體過程如下(其中兩部分的獲取、預(yù)處理和特征提取過程一致)1)客流數(shù)據(jù)獲取，如圖4所示。將數(shù)據(jù)從基地址中取出，保存到電腦的數(shù)據(jù)庫中。為了減少數(shù)據(jù)冗余，本系統(tǒng)中是當(dāng)數(shù)據(jù)發(fā)生變化時進(jìn)行采樣，即當(dāng)由狀態(tài)O變化為狀態(tài)l,或由狀態(tài)1變化為狀態(tài)0時，進(jìn)行數(shù)據(jù)保存。將數(shù)據(jù)的變化存入state[]中，變化發(fā)生的時刻存入time[]中。2)對于存入的數(shù)據(jù)進(jìn)行預(yù)處理，如圖5所示。第一步，去噪過程。采用閾值的方法進(jìn)行去除，在預(yù)處理過程中設(shè)定變化持續(xù)過程小于0.06m視為噪音，需要去除。并將其對應(yīng)的state[]中的值變?yōu)镺。第二步，歸一化處理。歸一化處理就是按照采集樣本的相對時間。首先進(jìn)行時間間隔不發(fā)生變化的數(shù)據(jù)平移，將時間數(shù)據(jù)的初始化為0，其它各個狀態(tài)變化對應(yīng)的時間都是相對于初始時刻的相對時間。做法就是將第一個光點(diǎn)狀態(tài)跳變開始，即為0時刻，其它各狀態(tài)對應(yīng)的時間減去這個初始時間得出相對時間。3)對預(yù)處理后的數(shù)據(jù)進(jìn)行分割，如圖6所示。由于顧客連續(xù)不斷的進(jìn)入商場，客流樣本數(shù)據(jù)量較大，而且數(shù)據(jù)長度不等。根據(jù)數(shù)據(jù)分割的定義將數(shù)據(jù)集合劃分成若干個互不交疊區(qū)域的集合。數(shù)據(jù)交叉在這里的定義就是顧客與顧客之間同時遮擋一根或者幾根光電管。這時每個人的數(shù)據(jù)無法單純的提取出來。數(shù)據(jù)是一個互相連續(xù)、互相影響的情況。相反，數(shù)據(jù)不交叉就是指數(shù)據(jù)在連續(xù)的同時也存在空隙，可以使得數(shù)據(jù)能夠分段處理，互不影響的前提下進(jìn)行?？土鲾?shù)據(jù)交叉的情況實(shí)際上就是并行的存在，保證不破壞并行數(shù)據(jù)的完整性的情況下將數(shù)據(jù)分割。分割的目標(biāo)就是將數(shù)據(jù)分割成為不交叉的數(shù)據(jù)。本實(shí)用新型采用閥值分割中所謂的"斜線分割法"將數(shù)據(jù)進(jìn)行分割。這種方法能夠分割沒有豎直分割"空隙"的連續(xù)客流數(shù)據(jù)集，其分割原則如下試驗(yàn)設(shè)定4根光電管為等間距，那么對于某一個人來說通過4組紅外線的時間是相當(dāng)?shù)?。這個設(shè)定按照人基本勻速的條件下設(shè)定的。這樣每個人通過4個光電管波形上的表現(xiàn)為寬度相當(dāng)，這樣可以時間差分的方式解決這種有空隙的問題。還應(yīng)確定人流沒有重疊的現(xiàn)象發(fā)生，就是每組數(shù)據(jù)都是獨(dú)立的，互不影響，這樣分割的數(shù)據(jù)才有價值。首先搜索每根紅外光電管，尋找"l"第一次出現(xiàn)的位置，作為數(shù)據(jù)的分割起點(diǎn)。從這里開始，4組光電管以相同的步長進(jìn)行檢查。發(fā)現(xiàn)到在持續(xù)時間At內(nèi)如果4根光電管均為"O"狀態(tài)的時候視為分割點(diǎn)，進(jìn)行數(shù)據(jù)分割操作。在試驗(yàn)過程的統(tǒng)計中設(shè)定，M為0.06秒有比較好的效果。分割完后的數(shù)據(jù)組沒有數(shù)據(jù)的狀態(tài)項補(bǔ)0。4)特征提取過程，如圖7所示。特征提取主要針對0-l序列所形成的波形來進(jìn)行的，在多人并行的情況下，從視覺上感覺有可能不同的多人并行會產(chǎn)生相同的模式。這些模式的脈沖個數(shù)、寬窄脈沖的排列、脈沖的順序都是驚人的相似。但是并不是沒有區(qū)別的，看上去會略過那些順序次序以及其他的信息。但這些可以被經(jīng)圖2過程訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)發(fā)覺，并且根據(jù)網(wǎng)絡(luò)的已有經(jīng)驗(yàn)進(jìn)行數(shù)據(jù)分類。根據(jù)數(shù)據(jù)的特點(diǎn)，可以看出，數(shù)據(jù)是由有序的4組光電管的高低脈沖排列。對其特征進(jìn)行最大化的提取得出的有用的信息為波形相對時間、脈沖寬度、脈沖之間的時間間隔。提取后的矩陣為下面所示。「0脈沖寬度-時間間隔脈沖寬度......00波形相對時間脈沖寬度-時間間隔脈沖寬度......00波形相對時間脈沖寬度-時間間隔脈沖寬度......00波形相對時間脈沖寬度-時間間隔脈沖寬度......00」4*2。在圖2中，RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的網(wǎng)絡(luò)設(shè)計過程如下1)輸入層的設(shè)計輸入層的選擇根據(jù)實(shí)際的問題選定，紅外客流統(tǒng)計里面的輸入層就是數(shù)據(jù)特征提取后的矩陣，所以輸入層的節(jié)點(diǎn)數(shù)為80。2)輸出層的設(shè)計客流輸出的要求就是分組識別后的每組的并行的人數(shù)，當(dāng)然也可能為一人通過的情況。這里根據(jù)有導(dǎo)師的識別，最多并行人數(shù)為6。用3位輸出。輸出的表示對應(yīng)為表如下。輸出值設(shè)定，在識別的時候每位大于0.5的時候輸出為1，小于0.5的時候輸出為0。通過3位的輸出表示1人、2人、3人、4人、5人和6人的情況。<table><row><column>導(dǎo)師集</column><column>輸出表示</column><column>表示人數(shù)</column></row><row><column>0.20,20.8</column><column>001</column><column>1人0.20.80.20102人并行0.20.80.80113人并行0.80.20.21004人并行0,80.20.81015人并行0.80.80.21106人并行</column></row><table>3)隱含層選擇隱含層采用徑向基函數(shù)作為激勵函數(shù)，該徑向基函數(shù)為高斯函數(shù)(Gauss)。按圖3中的識別過程對以下5個特征提取后的樣本數(shù)據(jù)進(jìn)行處理，識別結(jié)果如下:<table>complextableseeoriginaldocumentpage9</column></row><table>權(quán)利要求1、一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流采集裝置，其特征在于它包括紅外對射光電傳感器、開關(guān)量接口卡和計算機(jī)；其中紅外線對射光電傳感器將根據(jù)顧客的行走遮擋產(chǎn)生變化信號，所述的紅外對射光電管為4組；開關(guān)量接口卡，將紅外光電傳感器產(chǎn)生的信號傳給與其相連的計算機(jī)中，作為RBF神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)的輸入；計算機(jī)負(fù)責(zé)徑向基神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、數(shù)據(jù)的預(yù)處理以及客流人數(shù)分類識別和輸出。2、按照權(quán)利要求1所述的客流采集裝置，其特征在于所述的紅外光電管的發(fā)射端與接受端之間對射安裝在同一條直線上，其中的任意一條發(fā)射端的紅外光電管不影響其他的接收專利摘要本實(shí)用新型涉及一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外光電客流采集裝置，將紅外光電檢測技術(shù)和徑向基神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，建立了一個基于RBF神經(jīng)網(wǎng)絡(luò)的客流計數(shù)系統(tǒng)，用于公共場所的客流采集。將4組對射式紅外光電傳感器置于商場出入口兩側(cè)位于腳腕高度的位置，通過開關(guān)量接口卡與計算機(jī)相連接，將顧客通過紅外感應(yīng)區(qū)對傳感器遮擋產(chǎn)生的變化信號存入計算機(jī)內(nèi)的基地址。采用有效的數(shù)據(jù)存儲結(jié)構(gòu)對基地址內(nèi)數(shù)據(jù)進(jìn)行存儲，并對其進(jìn)行預(yù)處理、分割、特征提取等一系列的處理，將結(jié)果作為徑向基神經(jīng)網(wǎng)絡(luò)的輸入，從而對連續(xù)通過該紅外感應(yīng)區(qū)的客流人數(shù)給予準(zhǔn)確識別。該方法提高了實(shí)時客流計數(shù)的準(zhǔn)確率，并能夠識別多人并排的情況，誤差率較低。文檔編號G06N3/06GK201181487SQ20082007417公開日2009年1月14日申請日期2008年3月26日優(yōu)先權(quán)日2008年3月26日發(fā)明者張健楠,方朱,郝麗萍,郭志濤,韓煥平,顧軍華申請人:河北工業(yè)大學(xué)