技术特征：
1.一种基于激光测距元件组的闸机通行检测方法，其特征在于，包括：步骤1：在闸机一侧部署若干激光测距元件，所述激光测距元件获取闸机通行通道内某平面的一组距离信息；步骤2：对所述距离信息采用bp神经网络建立闸机通道内物体位置计算模型，步骤3：对所述bp神经网络进行训练，并依照误差对神经网络进行调整，得到满足使用的基于bp神经网络的闸机通道内物体位置计算模型。2.根据权利要求1所述的基于激光测距元件组的闸机通行检测方法，其特征在于，所述步骤1具体包括：步骤1.1：确定闸机通道宽度l，选择合适的角度并部署数量为n的激光测距元件[θ1,θ2,θ3,
…
,θ
n
]，其中，n≥4；步骤1.2：采集各种情形下，闸机通道内行人或物体在闸机通道中轴线上的投影中心位置[y1,y2,
…
]以及对应的激光测距原始数据[ρ1,ρ2,ρ3,
…
,ρ
n
]，根据留出法将所有数据划分成训练集和测试集；步骤1.3：通过最大最小法x
k
＝(x
k-x
min
)/(x
max-x
min
)将训练集和测试集中的数据进行归一化处理，将所有数据转化为[0,1]之间的数，数据被重新整理为input_train，output_train，input_test，output_test；其中，imput_train，imput_test为包含多组[ρ1,ρ2,ρ3,
…
,ρ
n
]的数据集，output_train、output_test为包含多组[y1,y2,
…
]的数据集。3.根据权利要求1所述的基于激光测距元件组的闸机通行检测方法，其特征在于，所述步骤2中的bp神经网络包括了输入层、隐含层、输出层，该网络的建立包括：步骤2.1：该网络的输入层节点数为该闸机激光测距元件的个数n，输出层节点数m为通道内物体最多可能数量，该数量受到通道长度限制且小于n，隐含层的节点数l遵从如下公式：其中a为0～10之间的常数。步骤2.2：bp神经网络的神经元激励函数和损失函数组合选用线性整流函数relu，即φ(x)＝max(0,x)，和距离损失函数mse，l(y,v
(m)
)＝||y-v
(m)
||2的组合；步骤2.3：初始化输入层、隐含层、输出层神经元之间的连接权值ω
ij
，ω
jk
，初始化隐含层阈值a，输出层阈值b。4.根据权利要求1所述的基于激光测距元件组的闸机通行检测方法，其特征在于，所述步骤3中设置训练参数：迭代次数t＝100，学习效率η＝0.03，使用input_train，output_train来完成对所属bp神经网络的训练。5.根据权利要求4所述的基于激光测距元件组的闸机通行检测方法，其特征在于，所述bp神经网络的训练具体包括：步骤3.1：隐含层输出计算：根据输入向量[ρ1,ρ2,ρ3,
…
,ρ
n
]，输入层和隐含层之间的连接权值ω
ij
以及隐含层阈值a，计算隐含层输出h，
其中，l为隐含层节点数，f为隐含层激励函数；步骤3.2：输出层输出计算：根据隐含层输出h，连接权值ω
ij
和阈值b，计算bp神经网络预测输出o，步骤3.3：误差计算：根据网络预测输出o和预期输出y，来计算网络预测误差e，e
k
＝y
k-o
k k＝1,2,
···
,m步骤3.4：权值更新：根据网络预测误差e更新网络连接权值ω
ij
，ω
jk
，ω
jk
＝ω
jk
+ηh
j
e
k j＝1,2,
···
,m；k＝1,2,
···
,m式中，η为学习速率；步骤3.5：阈值更新：根据网络预测误差e更新网络节点阈值a，b，b
k
＝b
k
+e
k k＝1,2,
···
,m步骤3.6：重复上述步骤，直到完成全部的迭代次数。6.根据权利要求1所述的基于激光测距元件组的闸机通行检测方法，其特征在于，使用步骤1中获得测试集数据进行测试，将input_test输入到步骤3中训练好的模型，获得该模型的对应输出数据并将其记为an，将该网络预测的数据进行反归一化处理，得到最终输出结果test_sim，根据神经网络在测试集上所预测的输出结果与output_test进行对比误差，并依照误差对神经网络进行调整，最终得到满足使用的一个基于bp神经网络的闸机通道内物体位置计算模型。7.一种适用于权利要求1所述方法的基于激光测距元件组的闸机通行检测设备，其特征在于，该设备包括：部署在闸机一侧的激光测距元件，所述激光测距元件获取闸机通道内某平面的一组距离信息，设备内的主控板采用所述距离信息并建立如权利要求1中所述的bp神经网络完成闸机通行检测；还包括身份验证单元对人员身份进行识别，用于分辨被许可的通行者和未被许可通行者，设备对未被许可通行者发出报警命令并阻挡；通过物联网将用户信息、通行记录、人流量、闸机状态的实时信息、设备的故障信息及设备位置信息发送至后台系统，建立用户信息管理体系及设备状态监测模型。8.一种计算机可读存储介质，其特征在于，包括供一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-6任一所述方法的指令。
技术总结
本发明公开了一种基于激光测距元件组的闸机通行检测设备、方法和介质，其中方法包括：步骤1：在闸机一侧部署若干激光测距元件，所述激光测距元件获取闸机通行通道内某平面的一组距离信息；步骤2：对所述距离信息采用BP神经网络建立闸机通道内物体位置计算模型，步骤3：对所述BP神经网络进行训练，并依照误差对神经网络进行调整，得到满足使用的基于BP神经网络的闸机通道内物体位置计算模型。本发明利用激光测距元件的元件组代替多对红外对射传感器，降低闸机成本，拓展了在狭小环境下闸机的使用场景，基于训练后神经网络的闸机设备为通行检测提供了安全可靠的保障，具有切实可行的实用价值和广泛的应用前景。价值和广泛的应用前景。价值和广泛的应用前景。
技术研发人员：郭旭周 张振焜 胡鹏路 华奕昕 王敏 常佳丽
受保护的技术使用者：南京熊猫信息产业有限公司 南京熊猫机电仪技术有限公司
技术研发日：2021.12.13
技术公布日：2022/4/12