基于神经网络的公交车易燃气体安全监测系统

林 民，齐 虹

(福州大学电气工程与自动化学院，福建 福州 350116)

0 引言

21世纪以来，随着我国国际地位的不断提升，全国各地承办的大型会议、大型活动也越来越多，对于安全程度的要求也与日俱增。在公共交通领域，例如飞机、火车等交通工具的安检已实行多年，但在客流量极大的公交车上，却鲜有安检防范措施[1]。此外，当今科学技术的高速发展和大量工业气体的民用化，使得不法分子极易获取或生产危险易燃物品，对人民群众造成了严重的人身安全威胁[2]。基于此背景，本研究设计了一种公交车易燃气体安全监测系统，通过采用高灵敏度、高检测率的电化学检测手段[3]，辅之以无线通信、多级报警、人脸识别等技术，软硬兼施，实现了在公交车上对易燃气体的快速检测。

1 系统整体设计方案

公交车易燃气体安全监测系统的设计要求是当公交车停靠站台时，能够对上车的乘客进行快速检测，当监测装置附近的易燃气体浓度高于一定阈值时，系统发出报警信号来提示车上工作人员，同时对可能携带易燃气体的可疑分子进行人脸捕捉和抓拍，然后将拍摄的照片保存于本地并上传至远程监控中心。对此，系统应具备的功能需求有：有效识别人体；快速检测到上车人员通过监测装置时的易燃气体浓度；因地制宜设定阈值，减少漏报误报现象；多级报警功能；向工作人员发出警报提醒；报警发生时能识别人脸并抓拍；监测车内易燃气体浓度；通过GPRS实时定位车辆位置。

由以上系统功能需求知，公交车易燃气体安全监测系统由以下几部分构成：人脸识别模块；易燃气体安全监测模块。其中易燃气体安全监测模块可分为监测终端和监测装置。监测终端能实现报警阈值调整、声光报警、GPRS定位和人脸图像显示功能，而监测装置则实现对上车乘客进行快速检测并监测车内易燃气体浓度，系统模块间采用nRF24L01通信模块进行短距离无线通讯。

监测终端安装在驾驶室的仪表盘旁，方便司机查看。摄像头安装在公交车驾驶室后的车厢顶部，朝向公交车前门口。而多个监测装置则安放在公交车厢内前后门附近和中间两侧位置，对每位上车乘客自身及随身物品散发出的气体分子进行检测分析。从气体扩散到被监测终端识别通常在2 s以内，在乘客投币或刷卡时间内即可完成检测，不会对乘客上车过程造成任何阻碍。而车厢中部的监测装置会时刻检测车厢内的易燃气体分子浓度。一旦发现车上易燃气体分子浓度超过阈值，则监测装置会立即将报警信息发送给监测终端，监测终端产生声光、语音报警来提醒司乘人员。同时，人脸识别模块也会接收到监测终端传达的报警信息，从而调用摄像头对车门处的可疑分子进行面部信息捕获，并发送回监测终端于屏幕上加以显示。司乘人员根据显示的人脸图像对目标乘客进行物品筛查，确认是否有易燃物品进入公交车厢内，倘若存在此情况，则立即阻止此人登车，并通知公交总部和公安机关。

2 系统硬件设计

系统硬件分为以下3个模块：易燃气体监测终端、易燃气体监测装置和人脸识别模块。整套系统包括一个易燃气体监测终端、一个人脸识别模块和多个易燃气体监测装置(图1)。其中，易燃气体监测终端控制人脸识别模块和易燃气体安全监测装置。易燃气体监测终端包括无线通信模块、GPRS模块和声光报警电路。易燃气体监测装置则由人体感应模块、单片机控制电路、信号采集电路、风扇驱动电路以及无线通信模块构成，其数量由车辆型号及空间大小来决定。

图1 系统硬件模块图Fig.1 System hardware module diagram

2.1 传感器选型

易燃气体安全监测装置的探测原理是：通过使用易燃气体传感器，将监测环境中的易燃气体浓度信息转换成为电信号，再将此信号传送给单片机进行处理，分析出电信号与易燃气体浓度的关系。故选择一款性能优良、适用于本系统的易燃气体传感器，对系统整体的性能影响极大。

气体传感器或气体探测器是指：针对特定的某一种气体或者某几种气体进行定性或者定量的检测设备，它能将被测气体的体积分数转换成为相应的电信号。随着易燃气体在工业生产、日常生活中的广泛使用，针对于此类气体的传感器在市场上大量涌现。此类传感器种类繁多，按照探测气体浓度原理的不同，主要可以分为电导型传感器、量热型传感器、电化学传感器、光学类传感器、生物传感器等。表1给出了目前市场上常见气体传感器的性能指标对比[4]：

表1 常见气体传感器各性能指标对比Tab.1 Comparison of various performance indicators of common gas sensors

分析近年来的车辆纵火案件，不法分子往往选择酒精、汽油、香蕉水等生活中常见且易于获取的易燃物品作案。出于谨慎考虑，不法分子往往会将此类危险品灌装到常见中、大口径塑料瓶中，塞入衣物或者包内隐蔽作案。此外，由于公交车站点为公共交通场所，空气环境较为复杂，易燃气体分子泄漏量少，检测难度高。根据上述情况，所选择的易燃气体传感器应具有以下特性：探测灵敏度高；对易燃气体专一性好；响应时间短；稳定性好；重复性好；自恢复速度快；维护方便等。

图2 TGS-816传感器基本电路结构Fig.2 Basic circuit structure of TGS-816 sensor

综合考虑上述条件，本课题选择使用日本费加罗公司生产的TGS-816气体传感器。TGS-816气体传感器具有低功耗、对乙醇及其他有机溶剂灵敏度高、使用寿命长、成本低、应用电路简单、体积小、响应速度快、重复性好、恢复时间短等多个优势，常常应用于工厂、半导体工业、报警器的挥发物检测，其对易燃气体的最高分辨率可达500×10-6，非常适用于本系统。传感器内部的敏感元件由加热器及金属氧化物半导体构成，当易燃气体进入敏感元件后，元件中的金属氧化物与易燃气体发生氧化还原反应，使传感器的电导率提高，再通过简单的应用电路，即可实现将这种电导率的变化变换为与气体浓度对应的输出信号。TGS-816气体传感器的基本应用电路如图2所示，TGS-816气体传感器共有6个引脚，其中引脚1、3和4、6分别连接传感器内部的两个气敏电阻，而引脚2、5间接的是加热丝，加热丝由VH端接入+5 V电压供电。而VC接入的是用于测定负载电阻RL的恒定电压(VC<24 V)。

另外，经由公式(1)可以计算出TGS-816气体传感器的电阻值RS：

图3 传感器灵敏度特性图Fig.3 Diagram of sensor sensitivity characteristics

TGS-816气体传感器的工作原理为：首先通过加热丝使得传感器达到合适温度，在恒定电压VC和恒定负载RL的作用下，RL两端会输出稳定的电压VRL。随着传感器附近被测气体浓度增大，两个气敏电阻的电导率会发生变化，VRL的大小也随之改变。TGS-816气体传感器的灵敏度特性如图3所示，图中的R0为标准试验条件下得出的传感器处于1 000×10-6浓度甲烷气体中的电阻值。

2.2 液晶终端的人机界面介绍和接口设计

根据功能需求，易燃气体安全监测终端在发生报警时需要向安检员进行声光及语音报警提示，且安检员能够通过人机交互界面对易燃气体安全监测系统进行控制。因此，报警信息显示、人机交互部分是易燃气体安全监测系统不可或缺的一部分。系统采用可编程LCD液晶屏来作为设计液晶终端的人机界面[5]。

图4 液晶屏与单片机接口电路图Fig.4 Interface circuit diagram of LCD screen and single chip microcomputer

DGUS液晶屏是迪文科技公司研发的新一代可编程触摸屏，其运用的DGUS设计环境是一种基于K600+内核的智能型人机交互界面系统，可以通过借助PC软件来进行组态设计，将人机交互和控制过程完全分离，只需要通过串口读写变量即可完成屏幕的显示及控制。相比于传统TFT-LCD液晶屏，DGUS液晶屏能够极大精简系统的硬件电路，减少单片机IO口的使用，缩短研发生产周期。DGUS液晶屏与STM32F103R8T6单片机的接口电路如图4所示。

2.3 信号处理电路

由TGS-816气体传感器输出的信号Uout往往含有高次杂波，而单片机自带的AD转换接口分辨率较高，故不能将传感器的输出信号直接接入AD转换供单片机使用。不仅如此，由于传感器采用的是5 V供电，而STM32F103R8T6单片机中AD模块转换范围为0～3.3 V，故当Uout大于3.3 V时，AD采样所得的数值将不在变化，且会有烧毁AD模块的危险。因此需要对信号Uout进行滤波、电压转换处理，使信号能更准确地反应安检现场的易燃气体浓度变化情况。

传感器信号处理电路由3个部分构成：低通滤波器、电压跟随器以及电压转换电路(图5)[6]。输出信号首先通过齐纳式安全栅进行限流，然后经过由电阻R3和电容C1组成的低通滤波器，将高频杂波去除，从而获得干扰较小的信号。电路中部为电压跟随器，能提升电路的带载能力。电路后半段为电压转换电路，通过调整电阻R7、R8的阻值，可将输出信号Uadin控制在0～3.3 V范围内作为单片机的标准AD输入信号。

图5 传感器信号处理电路图Fig.5 Sensor signal processing circuit diagram

2.4 摄像头选型

目前国内大、中城市的公交车上虽然都安装有监控系统，但是由于各地公交车监控系统存在差异，有的省份公交车安装的摄像头数量较少，并没有对前门处进行监控；或者是监控系统的摄像头对于前门上车处的拍摄广度、对上车乘客的信息收集量不足。前车窗上方的摄像头通常只能拍摄到上车乘客的侧脸和背影，且画面贯通车厢前后，不够具有针对性。因此，系统选择根据公交车型号而选择在驾驶室上方或者驾驶室上方靠近窗角处加装摄像头，并将其朝向前门，通过拍摄乘客从上车到投币过程中的正、侧脸照片，从而保证了后续人脸检测的效果。

通常公交车内使用的摄像头为球形摄像头或者半球形摄像头。球形摄像头的球机可以能360 ℃自由旋转并且自动聚焦，监控距离通常为50～100 m，通常应用在例如交通路口、公园、广场等开阔区域的多角度、大范围监控。而半球形摄像头有定焦和可变焦两种，一般变焦范围较小，监控距离通常小于10 m，适用于楼道走廊、室内大厅等小空间场所。

综合考虑后系统采用宇视科技所生产的IPC321S半球形网络摄像头。其采用了能实现高清逐行扫描的新型CMOS传感器，具备快速的图像处理速度，拍摄的图像具有优良的宽动态效果。而且摄像头系统自带的SDK支持在Windows平台下的C/C++编程开发，可以通过特定的API接口来设置触发拍摄事件，有益于实现系统的报警拍摄功能。

3 系统软件设计

易燃气体安全监测系统的软件设计可分为以下3个部分：易燃气体监测终端、易燃气体监测装置和人脸识别模块。软件设计的好坏，极大程度地影响系统的检测灵敏度、整体通信效果和人脸识别质量等。

3.1 监测终端部分

监测终端能够实时显示当前车内的易燃气体浓度级别，并在接收到监测装置发送的报警信号后，进行声光和语音报警来提示车上人员，并将摄像头抓拍到的人脸图像加以显示，流程见图6。

3.2 监测装置部分

监测装置作为易燃气体的检测部分，能够实现对易燃气体的采集、滤波、以及报警判断等功能。如图7所示，当监测装置检测到人体后，系统会将采集到的气体数据进行处理，并辅以Elman型神经网络算法进行智能评估。若是检测结果超出阈值，便将产生的报警信号通过无线通信的方式传达至监测终端以及人脸识别模块。

图6 监测终端软件工作流程图Fig.6 Software workflow diagram of monitoring terminal

图7 监测装置工作流程图Fig.7 Workflow diagram of monitoring device

3.3 人脸识别模块

人脸识别模块实现的功能是对上车通道进行安全监控，并当接收到报警信号后对上车人员进行面部抓拍，结合内部处理程序来提取、保存人脸图像的特征信息，最后将其上传至远程监控中心的数据库进行比对，从而识别可疑人员的具体身份。人脸识别模块的程序流程图如图8所示。

图8 人脸识别部分程序流程图Fig.8 Part of program flow chart for face recognition

3.4 Elman型神经网络

公交车所处场所的气体环境十分复杂，倘若直接采用收集到的气体极易产生误报情况，不利于现场监测。因此，需要采用智能报警算法对数据进行甄别，保证报警的可靠性。

Elman型神经网络是一种典型的动态反馈型神经网络，具有预测精度高、收敛速度快等优点，且相较于传统的神经网络算法，Elman型神经网络还具备一定的记忆功能，能极好地应对不确定性因素较多的场合[7]，故十分适用于本系统。

如图9所示，Elman型神经网络相较常见的三层BP神经网络，多了一层承接层。经由该层的存储延迟特性，可以灵敏地反映网络历史数据，对于气体环境的预测更为精确。

对应图9，Elman型神经网络的状态空间描述形式为：

x(k)=f(w1xc(k)+w2(u(k-1)))

(2)

y(k)=g(w3x(k))

(3)

xc(k)=x(k-1)

(4)

其中，u(k-1)为给定训练样本的输入，而y(k)即为给定训练样本的输出。由公式(2)可以看出，xc(k)是一种动态递推的过程。定义Elman神经网络的误差函数为：

(5)

图9 Elman型神经网络结构图Fig.9 Elman neural network structure diagram

由梯度下降法，使E对其权值偏导数为零，则有：

(5)

推导后可得：

(10)

公式(8)～(10)即为Elman型神经网络算法的权值调整公式，将其分别代入状态空间表达式，经由多次迭代直至满足要求后，本系统便可在复杂气体环境下保持较高的报警准确度。

(11)

[Y1Y2…Yk]T

(12)

将训练样本输入Elman型神经网络进行训练，从而确定Elman型神经网络在工作过程中所使用的参数，进而获取最优权值。

Elman型神经网络的激活函数则通过将常见的非线性函数进行网络训练测试，通过比较误差结果的优劣来加以确定。经测试分析，本系统选择Log-Sigmoid函数作为隐含层和承接层的激活函数，而选择Pure-Line函数作为输出层的激活函数。

而在训练函数的选择方面，本课题采用的是train型函数作为训练函数，通过将多种训练函数进行多次重复的迭代训练并计算平均误差后，经对比后选择traingdx函数作为Elman型神经网络的训练函数。

图10 Elman型神经网络训练误差曲线Fig.10 Elman neural network training error curve

由于Elman型神经网络为非线性，不同的初始值会对训练过程中是否收敛、是否容易陷入局部极小值会起到一定的影响。根据查阅资料并综合分析，为能确保能够正常训练，Elman型神经网络的初始权值定在(-1,1)区间内较为合适，而取值在(-0.3, 0.3)区间内的网络训练速度比(-1,1)区间要快得多。因此，对Elman型神经网络各神经元的初始权值给定为(-0.3, 0.3)区间内的任意值。

选定好各参数后，通过在MATLAB中对Elman型神经网络进行训练，得到的网络学习误差曲线如图10所示。由图可见，在经过3 661次的迭代训练后，网络误差达到要求。

得到训练好的Elman型神经网络后，再使用测试数据对其进行测试，部分测试数据及结果如表2所示。

表2 部分测试数据及测试结果Tab.2 Partial test data and test results

由表2可见，期望输出与实际输出相比有差值存在，但差值均小于0.2。因此，为确保报警判断能够准确，依据Bayes决策理论，对网络模型的输出设定一个判决门限，令θ=0.2，从而实现对输出的分类处理[8]。故可得正常信号输出值范围为[0.8,1.2]，报警信号输出值范围为[1.8,2.2]，干扰信号输出值范围为[2.8,3.2]。

3.5 人脸特征提取

对于传统的人脸识别方式，采用LBP(Local Binary Pattern)特征可谓是极其有效。由于LBP特征计算简单，具有灰度不变性和旋转不变性的特点，因此在计算机视觉的诸多领域得到了广泛的应用。

图11 LBP特征计算Fig.11 LBP characteristic computing process

考虑到原始的LBP存在例如对尺度变化敏感、容易受光照影响、特征维度过高等缺陷，因此在传统的LBP的基础上引入中心对称思想对图像进行编码，采用CS-LBP特征融合的方式来进行人脸检测。由于CS-LBP仅比较临域内以中心像素值为中心对称的像素值对，将特征维度降低到了24=16维，使得对特征提取的速度更快[9]。而且，由于乘客上车的位置较为固定，能极大地减少整体计算量。不仅如此，这种对称计算的方式，能够在一定程度上削减光照、旋转等影响，适用于公共场所的人脸检测。

3.6 远程监控中心

易燃气体监测终端内置有GPRS模块，方便工作人员实时掌握车辆的位置信息。当系统检测到有人携带易燃物品上车时，会将报警级别等信息和人脸图像即时发送至远程监控中心，从而能及时分析并加以解决。

4 系统测试

将本系统安装至福州51路公交车上进行多次试验，当测试人员携带灌装酒精、香蕉水、异丁烷等物品上车时，监测装置能够在800 ms内检测到易燃气体浓度超标并在监测终端进行多级声光、语音报警，同时摄像头模块对测试人员进行面部抓拍并保存。而当测试人员将灌装物品的瓶盖打开后经过监测装置，系统能在450 ms内响应并发出报警信号。

5 结语

针对当前公交车辆上缺乏有效安检手段、人为纵火事件频发的社会现象，设计了一种易燃气体安全监测系统，通过采用先进的电化学式检测手段，并辅以Elman型神经网络算法和CS-LBP的人脸检测方法，在保证精确高效地检测车上易燃气体浓度、迅速报警确保乘客生命安全的同时，能够及时捕捉可疑分子的人脸图像，从而辅助公安部门后期调查，具有较高的应用前景和研究价值。