人工智能双目视觉闸机的可靠性分析

苏州高博软件技术职业学院□杨 静 韩丽东

1 引言

闸机是地铁自动售检票系统的重要组成部分， 它作为地铁自动售检票系统中的一种自动检票设备， 设置在付费区与非付费区的交界处，是实现乘客自助进出站检票交易的设备。 由于闸机直接面对乘客， 其运行的好坏、 效率， 不仅影响到乘客的乘车体验， 还影响到地铁公司的票务收益。

2 通行逻辑的演变

（1） 基于机械阻挡装置

第一代出入口控制系统的通行逻辑基于机械式阻挡装置， 代表为三辊闸机， 它通过刷卡授权后依靠电磁阀控制阻挡机构解锁， 乘客推动阻挡装置过闸。 第一代闸机安全可靠性较高， 但对乘客特别是行李不友好， 非常容易逃票， 且无身高检测能力， 乘客通行体验差。

（2） 基于对射型传感器阵列

第二代闸机的核心技术是通行逻辑控制技术， 其利用机身十数对红外对射传感器形成的点阵实现对通道内行人的追踪， 并通过适时控制阻挡装置的开闭实现对行人的规范。 第二代闸机阻挡机构采用剪式门或拍打门， 对乘客和行李友好， 目前已经成为轨道交通领域主流。 但由于基于一维传感阵列， 需要设置较长的通道， 占地面积比较大， 且通行逻辑控制依靠固定式漫反射或对射传感器检测， 检测区分行人的准确度和可靠性差， 无法精确分辩通行目标类型。

（3） 基于计算机视觉

伴随着人工智能技术的迅猛发展， 闸机通行逻辑控制技术也迎来了新一轮技术变革。 第三代闸机基于计算机视觉技术， 通过顶置的双目视觉传感器与视觉通行逻辑控制器配合， 实现通行目标检测与识别。 它实现了检测方式从一维到三维， 单目标到多目标的检测识别。 通过多目标复杂运动模式追踪， 大幅度提高大客流密度条件下的反欺诈能力和通行能力， 能够更精确地判断通行目标的类型， 提高了闸机的可靠性， 有效解决了防欺诈能力和安全性的矛盾。 同时由于摆脱了传统传感器的束缚， 设备大幅减少了长度， 占地面积小。 第三代闸机通行逻辑与第二代闸机通行逻辑比较如图1 所示。

3 人工智能双目识别技术背景

（1） 原理

人工智能双目技术是利用计算机视觉技术从视频序列中检测出行人并跟踪， 精确感知闸机通道内的情形。 双目视觉闸机通过顶置的双目视觉传感器与视觉通行逻辑控制器配合， 实现通行目标检测与识别， 实现智能通行逻辑控制。

图1 第三代闸机通行逻辑与第二代闸机通行逻辑比较

利用双目视觉中的三角测量， 经过深度图像计算和识别， 获得物体的轮廓数据、 三维尺寸数据， 从而判断物体的类别、 物体的运动趋势， 以及视野内的多个目标的判断和跟踪。

（2） 核心技术

人工智能双目识别采用高帧率双目深度图像传感器采集通行区域内的俯视深度和彩色图像，利用矫正后的体视图像中运动目标的检测、 跟踪、 目标类型及运动模式判别实现通行逻辑检测功能。

基于计算机视觉技术的通行逻辑控制方案可以在二维空间中对多个通行目标进行追踪、 标定， 从而实现了更为复杂和精确的通行逻辑检测。 即使是通行者在区域内徘徊， 跳跃等复杂运动的情况下， 也能够正确地追踪通行者的位置，减小了误检测和误判定， 并且可以对通道内多个通行者的位置同时进行感知和判别。

4 双目视觉通行逻辑控制器的应用结构

人工智能双目视觉闸机应用结构， 如图2 所示， 其核心为VSM （Visual Sensing Module）视 觉 感 知 模 块， VPCM （Visual Passenger Control Module） 视觉通行控制模块。 VSM 利用双目视觉实现行人追踪和识别， 而VPSM 基于VSM 提供的二维信息实现通行控制。

图2 双目视觉通行逻辑控制器应用结构

5 可靠性主要指标及计算方法

1） 平均无故障时间MTBF （Mean time between failures）。 任何需要运营或维护人员提供特别协助（即非正常模式） 以维持或恢复系统/设备运作的故障， 包括所有引起行车延误的假警报或指示 （indication） 错误， 均需纳入平均无故障时间的计算之内。 外来因素引起的事故， 例如： 外来电力中断， 水淹或员工错误等， 则不需纳入计算。

2） 平均修复时间MTTR （Mean time to repair）。 计算矫正维护平均修复时间时， 须包括诊断时间、 组件修理及替换时间以及在现场的调整及测试时间在内。

3） 平均无故障间隔周期MCBF （Mean cycle between failures）。 在规定条件下规定期限内， 产品使用次数与故障次数之比。 它与MTBF的关系为：

4） 平均停机时间MDT （Mean Down Time）。将平均修复时间（MTTR） 的定义扩展至包括运营及/或维护员工到达现场前的响应时间及运营员工在现场的诊断时间。MDT=MTTR+故障响应时间+故障诊断时间（4）

5） 故障率λ （Failure Rate）。 指设备或系统在规定条件下规定的期限内， 发生故障的次数。

6） 可用性As（Availability）。 可用性包括运营可用性 （Operational Availability） 和固有可用性（Inherent Availability） 其中运营可靠性计算如下：

当不考虑维修相应时间和故障诊断时间时，可用性简化为固有可用性。

6 双目视觉闸机可靠性分析

（1） 双目视觉闸机可靠性计算流程

双目闸机系统设备可靠性流程计算如图3所示：

图3 双目视觉闸机可靠性计算流程

（2） 双目闸机产品设计参数

双目视觉闸机产品设计参数如表1 所示； 双目视觉闸机各单元包含的主要模块如表2 所示。

表1 双目视觉闸机产品设计参数

表2 双目视觉闸机各单元包含的主要模块

表2 （续）

（3） 各关键模块数据

黄宏斌等 （2018）认为企业的现金流可以真实反映企业处于不同生命周期时的经营状况，基于此，按照企业的现金流特征，可将企业划分为初创期、成长期、成熟期和衰退期。处于不同生命周期下的企业现金流情况见表2。

由于双目闸机设备采用模块均为目前市场上成熟模块， 参照GB/T 20907—2007 《城市轨道交通自动售检票系统技术条件》， 确定关键模块技术指标， 根据公式（3） 推导出：

根据公式（7） 和公式（5）， 计算出双目闸机各关键模块数据如表3 所示。

表3 自动检票系统模块数据

（4） 双目闸机MTBF/MCBF 计算

利用可靠性框图模型方法可进行可靠性建模及计算， 假设设备及组成单元仅存在故障和正常状态下， 各单个模块故障会造成设备故障， 各模块故障概率互相独立， 人员完全可靠和设备没有相互作用。

在以上假设下， 设备可靠性计算的数学模型为：

其中Rs（t） 为设备的可靠度， Ri（t） 为第i个模块的可靠度， λi（t） 为第i 个模块的故障率，n 为组成设备的模块数。

进一步推导， 可以得出双目闸机设备故障率公式：

其中λs为设备故障率， λi为第i 个模块的故障率， n 为组成设备的模块数。

根据公式 （5）、 公式 （9）， 得到双目闸机MTBFs的计算公式：

根据公式（3） 得到双目闸机MCBFs的计算公式：

MCBFs=MTBFs×C （11）

式中 C——每小时设备/系统周期数

将相关参数代入进行计算， 得到双目视觉闸机可靠性相关指标见表4。

表4 双目闸机RAM 部分指标数据

（5） 双目闸机As可用性计算

参照GJB/Z 57—1994 《维修性分配与预计手册》 和GB/T 20907， 一般对于闸机的修复时间MTTR 为0.5 小时， 而MDT 根据不同维修等级， 设为2～4 小时。 根据公式（7） 计算出双目视觉闸机运营可用性：

根据GB/T 20907， 闸机可靠性设计目标为运营可靠性As≥95， 平均无故障间隔周期MCBF≥200， 000 （cycles）， 人工智能双目视觉闸机可靠性指标完全符合行业要求。

7 结论

借助计算机视觉技术， 双目视觉闸机具备更加智能的通行逻辑控制方案。 新一代的通行逻辑控制方案取消了二代ACS 机身侧面的传感器阵列， 使得ACS 系统在通行方向上的机身尺寸不受限于传感器阵列， 应用场景更为广阔。 同时得益于深度图像传感器的应用， 双目视觉闸机能精确识别通道内通行的行人和行李物品， 并加以追踪， 它大大提高了通行效率和反欺诈能力， 提升了乘客的通行体验。