文献综述
摘 要：随着城市轨道交通的高速发展及持续普及，闸机作为轨道交通系统中的重要组成部分，其发展状况对城市轨道交通的发展有着巨大的影响。闸机智能识别系统的高效运行及正确识别能提高乘客的通行速度、确保乘客的人身安全，同时维护相关企业及部门的良好形象。因此闸机智能识别系统的研发具有重大的现实意义。本文主要概述了现有的闸机智能识别系统中识别方法。
关键词：通行识别；准确性；识别效率
伴随着城市化进程的高速前进，城市轨道交通也不断发展着，其中重要的一环就是检票系统的不断进步。在城市轨道交通日益普及的今天，城市轨道交通的便利、快捷、安全等优势使得这种交通方式受到了众多老百姓的青睐，检票系统面临着越来越多的客流量。如何提高检票系统的工作效率以及准确性是城市轨道交通发展进程中的一项重大任务。只有检票系统不断提高工作效率以及准确性，才能保证满足消费者日益增长的需求并确保轨道交通系统的安全高效运行。
闸机是自动检票工作的承担者，闸机智能识别系统的研究与开发最早是于二十世纪七十年代由意大利Gunnebo[1]、韩国Sumsung[2]、美国Motorola[3]、日本信号[4]等公司独立展开的。而我国对闸机智能识别系统的研究起步较晚，是在二十世纪九十年代开始的，其中包括上海大漠电子科技有限公司生产设计生产的三棍门型闸机和上海华铭智能终端设备有限公司开发的拍打门型闸机。这两种地提闸机先后被应用于上海地铁交通系统中。另外，深圳现代计算机有限公司开发的剪式门型闸机则在深圳地铁系统中得到了普及。尽管前述闸机已广泛应用到日常生活中，但由于自动检票系统面临的实际情况越来越复杂，这些闸机普遍暴露出识别正确率不高、识别速度缓慢、成本较高等问题，极大地限制了城市轨道交通的发展，给消费者带来了不便，甚至让相关企业公司蒙受损失。
针对闸机智能识别系统暴露出来的问题，我国学者也提出了不同的改进方法。
2005年曲日[5]提出了事件识别技术、改进的人体步态识别技术和人体轮廓识别技术，并综合这三种技术提出了基于事件驱动的通行算法。其中事件识别技术是基于Polana与Nelson[6]的观点：人类的视觉系统将物体运动产生的活动分解为动作、行为和事件而提出的。具体而言，物体运动产生的活动的最基本的组成单位是动作，活动由每时每刻的动作组成。行为则是动作序列组成的一个个集合，是由一段连续时间内的具有某种共性的动作组成。而事件是某一特殊时刻的动作，这种特殊的动作将一个行为与紧接下来的另一个动作区分开来一个行为与接下来的另一个行为的零界点。由于事件的这一特点，所以可以通过分析闸机中传感器捕捉的动作序列ACT(t)得到事件序列EVENT(t)，从而通过事件序列EVENT(t)分析行人在通过闸机时的行为状态。这就是事件识别技术的基本思路。该技术能解决部分识别问题，但当一个行人带着一个与人体尺寸差不多的物品经过闸机时，该技术不能正确识别出这是一个人，而是会误判成这是两个人经过的闸机。曲日还提出了改进的人体步态识别技术，即是改进的XYT模型。与传统的XYT模型[7]不同的是，改进的XYT模型用红外线传感器代替了摄像机。曲日首先通过分析“双绞线”图形中一个封闭区间，得到了4种不同的图形特征，即4种模式，而这4种基本的模式就对应着当一个行人通过时，一个传感器可能出现的所有状态。因此，当行人通过闸机时，闸机中各个传感器所呈现的状态就是这4种基本模式的组合。因此，可用这4种基本模式组合表示不同的步态模式，从而达到步态识别的目的。改进的XYT模型不仅能的使识别速度较传统的XYT模型有所提升，能正确区分人和与人体尺寸近似的物体，同时，当行人不是紧挨着通过闸机的时候，能正确判断出通过行人的个数。但当多位行人紧挨着通过闸机时，该技术没办法识别出具体是几个人紧挨着通过闸机，而是会判断成一个人通过了闸机。最后人体轮廓识别技术则是利用摄像机采集行人上半身的信息，通过对人体上半身轮廓的特征化达到识别出紧挨着的通过行人的个数的目的，但当物体的轮廓与人的轮廓相似时，会产生误判，将物体判断成人。
2008年李建省[8]提出了通过结合知识库和判别规则的方法进行行人通过闸机时的人体识别。该方法首先根据不同的标准将行人分成不同的类别。例如，根据身高将行人分成5类，而根据胖瘦又将行人分成胖、瘦、正常这3类，等等。在分类的基础上，对任何一个T时刻所得数据进行相应的分析，选取与其他状态差异最大的数据作为典型数据加入知识库中，并设置一定权值以供系统参考。另外，为了提高识别的准确率，弥补知识库不全面的缺陷，李建省提出利用将人的经验转化成知识库添加到智能识别系统中去。
2010闵惠宇等[9]将传感器通道中的步态识别算法，即离散状态下的XYT模型，和知识库与判别规则相结合的人体识别算法向结合，提出了新的智能识别算法。采用该算法的地铁闸机的物理样机的性能达到了乘客通行速度le;77人/分钟，正确识别率le;93.4%。2011杨超[10]则结合了事件识别技术和步态识别技术提出了新的通行算法。
2013年卢玉婷提出了SMDF目标识别模型[11]。该模型首先利用SM识别方法对闸机中传感器收集到的数据进行预处理，从而获得标准识别元素。通过对标准识别元素进行概率分析，挑选出训练样本集，而将剩下的样本当作测试样本集。最后，利用支持向量机(Support Vector Machine, SVM)[12~16]的技术以及穷举法得到识别率较高的识别模型。同时，该模型的提出说明了利用支持向量机分类原理进行行人通过闸机时的状态识别是行得通的。
