CN102799935B - 一种基于视频分析技术的人流量统计方法 - Google Patents
一种基于视频分析技术的人流量统计方法 Download PDFInfo
- Publication number
- CN102799935B CN102799935B CN201210208666.7A CN201210208666A CN102799935B CN 102799935 B CN102799935 B CN 102799935B CN 201210208666 A CN201210208666 A CN 201210208666A CN 102799935 B CN102799935 B CN 102799935B
- Authority
- CN
- China
- Prior art keywords
- people
- characteristic area
- frame
- feature
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频分析技术的人流量统计方法,涉及视频智能分析技术。本统计方法是:①训练人头特征模型(201);②帧间差获取运动物体的前景点(202);③人头特征提取和识别(203);④人体局部特征识别(204);⑤人头特征区域跟踪(205);⑥人流量计数(206)。本发明性能稳定,速度快,效率高且误报率低;通用性强,适用于各个厂家的设备;可移植性强,扩展性灵活;适用于各类视频智能分析***。
Description
技术领域
本发明涉及视频智能分析技术,尤其涉及视一种基于视频分析技术的人流量统计方法。
背景技术
在视频智能分析***中,人流量统计是该***的一个重要功能,它能有效应用于商场、公交车、机场出入口、地铁站出入口、展会场馆出入口等公共场所的人流量统计,通过对不同区域和不同时段人流量数据进行汇总、挖掘、对比与分析,为用户管理和决策提供重要依据。
目前已有的人流量统计方法主要是:
1、《基于智能视频识别技术的人流量统计方法与***》,申请人:上海新联纬讯科技发展有限公司//中国专利,申请号:200810037799。根据标准人体模板数据库中的信息扫描获得当前帧视频图像中的人体模板,然后对人体模板的两个前行方向进行判断,进而统计两个方向上的人流量。
2、《基于交通监控设施的行人流量统计方法与***》,申请人:北京交通大学//中国专利,申请号:201010155338。根据标准人头模板在检测框中进行人头检测,判断检测到的人头是否压检测线,从而确定检测框中的有效人头数。然后与前一次的检测结果进行匹配,并根据匹配结果对不同运动方向的人头进行计数。最后根据检测框和检测线的设置情况,进行流量统计。
方法1扫描获得当前帧视频图像中的人体模板,人体模板应用在实际场景中往往存在较多的遮挡;方法2主要是检测人头,人头之间的遮挡概率更小,但是检测到虚警也会相应增加。
发明内容
本发明的目的在于克服现有技术存在的缺点和不足,提供一种基于视频分析技术的人流量统计方法。
本发明的目的是这样实现的:
采用帧间差方法和一种基于统计模式识别理论的人体局部特征(人头和肩膀相结合)检测识别技术。采用帧间差获取运动物体的前景点信息,对运动的前景点进行人头特征检测,提高算法的速度和减少误报。采用人体局部特征(人头和肩膀相结合)检测策略,能有效地消除检测到的虚警,提高算法的准确率,适用于各种人流较多的场景。
一、一种基于视频分析技术的人流量统计***(简称统计***)
本统计***包括工作环境:视频监控平台、综合接入网关、智能管理服务器;
设置有智能分析服务器;
其连接关系是:视频监控平台、综合接入网关、智能管理服务器和智能分析服务器依次连接。
工作原理
智能分析服务器连接到智能管理服务器,智能分析服务器根据智能管理服务器的IP(互联网协议)和端口连接到智能管理服务器;用户请求视频智能分析任务时,此请求发送到智能管理服务器,智能管理服务器30记录下智能分析服务器状态,并将待检测摄像头列表均衡分配到空闲的智能分析服务器,智能分析服务器轮巡设备,从摄像头获取实时视频并解码,得到RGB(red,green,blue,红绿兰颜色表示法)数据,然后对RGB数据进行分析,并将检测结果上报到智能管理服务器,智能管理服务器将结果保存下来。用户也可根据告警类型和日期查询报警,统计生成报表。
二、一种基于视频分析技术的人流量统计方法(简称统计方法)
如图2,本统计方法包括步骤:
①训练人头特征模型-201
对人头的梯度方向直方图特征(hog)样本进行训练,生成人头特征模型,即生成人头梯度方向直方图特征样本模型;
②帧间差获取运动物体的前景点-202
采用帧间差方法获取运动物体的前景点信息;
③人头特征提取和识别-203
对帧间差后的图像应用基于统计的特征提取算法,检测图像中的目标,将检测到的目标与样本模型进行匹配,初步确定该帧图像中的人头特征区域;
④人体局部特征识别-204
对检测到的人头区域判断其是否存在肩膀特征,当存在肩膀特征,则为人头特征区域,否则为非人头特征区域;
⑤人头特征区域跟踪-205
采用基于匹配和目标跟踪相结合的跟踪技术,对检测到的人头进行跟踪,得到行人的运动轨迹,并对人头特征区域出现的帧数进行统计;
⑥人流量计数-206
当人头目标按指定方向越过线和区域时,且人头目标出现的帧数满足一定条件(什么条件?)时,对行人进行指定方向上的计数,统计该方向上的人流量。
本发明具有下列优点和积极效果:
1、性能稳定,速度快,效率高且误报率低;
2、通用性强,适用于各个厂家的设备;
3、可移植性强,扩展性灵活;
4、适用于各类视频智能分析***。
附图说明
图1是本统计***结构方框图,图中
10-视频监控平台,
11—第1视频监控平台,
12-第2视频监控平台……
1N-第N视频监控平台,N是自然数,N<10;
20-综合接入网关;
30-智能管理服务器;
40-智能分析服务器,
41-第1智能分析服务器……
4N-第N智能分析服务器,N是自然数,N<100。
图2是本统计方法步骤图。
图3是建立人头样本模型方法流程图。
图4是人头目标检测方法流程图。
图5是人头目跟踪检测方法流程图。
具体实施方式
下面结合附图和实施例详细说明:
一、统计***
1、总体
如图1,本统计***包括工作环境:视频监控平台10、综合接入网关20、智能管理服务器30;
设置有智能分析服务器40;
其连接关系是:视频监控平台10、综合接入网关20、智能管理服务器30和智能分析服务器40依次连接。
2、功能部件
1)视频监控平台10
为用户提供实时音视频和各种报警信号的远程采集、传输、存储和处理等业务。
2)综合接入网关20
实现视频监控平台的统计接入。
3)智能管理服务器30
实现智能资源管理,负责管理智能分析资源。
4)智能分析服务器40
智能分析服务器40是视频智能分析的功能实体,在物理分布上对应一台服务器。智能分析服务器40由多个VA(视频分析单元)组成,每个VA可独立完成一路视频的智能分析。
主要功能为:
①实现视频智能分析算法;
②接入到智能管理服务器30,由智能管理服务器30集中管理;
③接收智能管理服务器30的视频智能分析请求,从视频监控平台10获取视频并进行分析;
④将诊断结果上报给智能管理服务器30。
本发明的一种基于视频分析技术的人流量统计方法实现于智能分析服务器40的VA模块中。
具体地说,智能分析服务器40的VA模块包括通用电脑及植入电脑内的功能软件。
二、统计方法
如图2,本统计方法是发明内容中的一种基于视频分析技术的人流量统计方法。
1、建立人头样本模型方法
本方法主要是采用svm(支撑/持向量机)分类器建立人头特征样本模型,为人头目标识别提供模型,涉及总方法的步骤①。
如图3,实现步骤如下:
①输入人头特征样本-301,输入非人头特征样本-302;
②对输入的样本进行hog特征提取-303,求出样本的特征向量;
③应用svm分类器-304,对输入的特征向量进行训练;
④通过svm的运算,求出人头特征的模型-305。
2、人头特征的检测方法
本方法主要是对视频图像采用帧间差方法获取运动物体的前景信息,提取前景点hog特征,并将检测到的目标与人头特征样本模版进行匹配,对匹配成功的人头特征区域判断其是否存在肩膀特征,从而有效地区分人头特征区域和非人头特征区域,涉及总方法的步骤②③④。
如图4,实现步骤如下:
hog即histogram of oriented gradient,是用于目标检测的特征描述子,该技术将图像局部出现的方向梯度次数进行计数,该方法和边缘方向直方图、scale-invariant feature transform类似,不同的是hog的计算基于一致空间的密度矩阵来提高准确率。
①帧间差获取运动物体的前景点信息-401;
②提取前景点hog特征-402,求出其特征向量;
③将hog特征提取到的特征向量与人头特征模型-403进行匹配-404,求取候选人头特征区域-405和非人头特征区域-406;
④对匹配成功的候选人头特征区域判断其是否存在肩膀特征-407,当存在肩膀特征,则为人头特征区域-408,否则为非人头特征区域-409。
3、人头特征区域跟踪方法
本方法主要是采用基于匹配和CamShift(连续地自适应均值平移跟踪算法)相结合的人头特征区域跟踪技术,用于人头特征区域的跟踪和定位,涉及总方法的步骤⑤。
如图5,实现步骤如下:
①将上一帧检测到的人头特征区域-502与当前帧检测到的人头特征区域-501进行中心距离匹配-503;
②当匹配成功,则当前帧检测到的目标为人头特征区域-504,记录当前帧人头目标区域,执行完成,否则进入步骤③;
③对上一帧人头目标区域采用camshift跟踪算法进行跟踪-505,求出当前帧的人头特征区域跟踪位置;
④将camshift求出的当前帧人头特征区域作为跟踪结果-506,并记录下来。
Claims (1)
1.一种基于视频分析技术的人流量统计方法,其特征在于包括下列步骤:
①训练人头特征模型(201)
对人头的梯度方向直方图特征样本进行训练,生成人头特征模型,即生成人头梯度方向直方图特征样本模型;
②帧间差获取运动物体的前景点(202)
采用帧间差方法获取运动物体的前景点信息;
③人头特征提取和识别(203)
对帧间差后的图像应用基于统计的特征提取算法,检测图像中的目标,将检测到的目标与样本模型进行匹配,初步确定该帧图像中的人头特征区域;
④人体局部特征识别(204)
对检测到的人头区域判断其是否存在肩膀特征,当存在肩膀特征,则为人头特征区域,否则为非人头特征区域;
⑤人头特征区域跟踪(205)
采用基于匹配和目标跟踪相结合的跟踪技术,对检测到的人头进行跟踪,得到行人的运动轨迹,并对人头特征区域出现的帧数进行统计;
⑥人流量计数(206)
当人头目标按指定方向越过线和区域时,且人头目标出现的帧数为N时,对行人进行指定方向上的计数,统计该方向上的人流量,其中N是自然数,1<N<200;
所述的建立人头样本模型方法实现步骤如下:
A、输入人头特征样本(301),输入非人头特征样本(302);
B、对输入的样本进行hog特征提取(303),求出样本的特征向量;
C、应用svm分类器(304),对输入的特征向量进行训练;
D、通过svm的运算,求出人头特征的模型(305);
所述的人头特征的检测方法实现步骤如下:
a、帧间差获取运动物体的前景点信息(401);
b、提取前景点hog特征(402),求出其特征向量;
c、将hog特征提取到的特征向量与人头特征模型(403)进行匹配(404),求取候选人头特征区域(405)和非人头特征区域(406);
d、对匹配成功的候选人头特征区域判断其是否存在肩膀特征(407),当存在肩膀特征,则为人头特征区域(408),否则为非人头特征区域(409);
所述的人头特征区域跟踪方法的实现步骤如下:
Ⅰ、将上一帧检测到的人头特征区域(502)与当前帧检测到的人头特征区域(501)进行中心距离匹配(503);
Ⅱ、当匹配成功,则当前帧检测到的目标为人头特征区域(504),记录当前帧人头目标区域,执行完成,否则进入步骤③;
Ⅲ、对上一帧人头目标区域采用camshift跟踪算法进行跟踪(505),求出当前帧的人头特征区域跟踪位置;
Ⅳ、将camshift求出的当前帧人头特征区域作为跟踪结果(506),并记录下来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210208666.7A CN102799935B (zh) | 2012-06-21 | 2012-06-21 | 一种基于视频分析技术的人流量统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210208666.7A CN102799935B (zh) | 2012-06-21 | 2012-06-21 | 一种基于视频分析技术的人流量统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102799935A CN102799935A (zh) | 2012-11-28 |
CN102799935B true CN102799935B (zh) | 2015-03-04 |
Family
ID=47199034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210208666.7A Active CN102799935B (zh) | 2012-06-21 | 2012-06-21 | 一种基于视频分析技术的人流量统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102799935B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021059A (zh) * | 2012-12-12 | 2013-04-03 | 天津大学 | 一种基于视频监控的公交客流计数方法 |
CN103390172A (zh) * | 2013-07-24 | 2013-11-13 | 佳都新太科技股份有限公司 | 一种高密度场景下的人群密度估计方法 |
CN103473554B (zh) * | 2013-08-19 | 2016-12-28 | 上海汇纳信息科技股份有限公司 | 人流统计***及方法 |
CN103824114B (zh) * | 2014-01-26 | 2016-09-21 | 中山大学 | 一种基于截面流量统计的行人流量计数方法和*** |
CN104021605A (zh) * | 2014-04-16 | 2014-09-03 | 湖州朗讯信息科技有限公司 | 一种公交客流实时统计***及其统计方法 |
CN104036250B (zh) * | 2014-06-16 | 2017-11-10 | 上海大学 | 视频行人检测与跟踪方法 |
CN104063253A (zh) * | 2014-07-07 | 2014-09-24 | 无锡智广厦科技有限公司 | 一种客流自动统计方法、一体机及其分布式*** |
CN105303191A (zh) * | 2014-07-25 | 2016-02-03 | 中兴通讯股份有限公司 | 一种前视监视场景下的行人计数方法和装置 |
CN105184258B (zh) * | 2015-09-09 | 2019-04-30 | 苏州科达科技股份有限公司 | 目标跟踪方法及***、人员行为分析方法及*** |
CN105466414B (zh) * | 2015-11-17 | 2018-05-29 | 广东欧珀移动通信有限公司 | 一种导航路线的推荐方法及服务器 |
CN105512640B (zh) * | 2015-12-30 | 2019-04-02 | 重庆邮电大学 | 一种基于视频序列的人流量统计方法 |
CN106951885A (zh) * | 2017-04-08 | 2017-07-14 | 广西师范大学 | 一种基于视频分析的人流量统计方法 |
CN108986064B (zh) * | 2017-05-31 | 2022-05-06 | 杭州海康威视数字技术股份有限公司 | 一种人流量统计方法、设备及*** |
CN108364438A (zh) * | 2017-12-28 | 2018-08-03 | 武汉烽火众智数字技术有限责任公司 | 基于前端感知数据的预警方法及装置 |
CN108388883A (zh) * | 2018-03-16 | 2018-08-10 | 广西师范大学 | 一种基于hog+svm的视频人数统计方法 |
CN112232210B (zh) * | 2020-10-16 | 2024-06-28 | 京东方科技集团股份有限公司 | 一种人员流量分析方法和***、电子设备和可读存储介质 |
CN112818884B (zh) * | 2021-02-07 | 2021-11-30 | 中国科学院大学 | 一种人群计数方法 |
CN113392726B (zh) * | 2021-05-26 | 2023-06-02 | 上海飞乐音响股份有限公司 | 室外监控场景下人头识别检测方法、***、终端及介质 |
CN113255567B (zh) * | 2021-06-15 | 2021-10-15 | 湖南中惠旅智能科技有限责任公司 | 基于智慧景区的资源协同方法及*** |
CN116245911B (zh) * | 2023-02-08 | 2023-11-03 | 珠海安联锐视科技股份有限公司 | 一种视频过线统计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196991A (zh) * | 2007-12-14 | 2008-06-11 | 同济大学 | 密集客流计数和行人步行速度自动检测方法及*** |
CN101794382A (zh) * | 2010-03-12 | 2010-08-04 | 华中科技大学 | 一种实时公交车客流量统计的方法 |
CN101872431A (zh) * | 2010-02-10 | 2010-10-27 | 杭州海康威视软件有限公司 | 可适用多角度应用场景的人流量统计的方法及*** |
CN101872422A (zh) * | 2010-02-10 | 2010-10-27 | 杭州海康威视软件有限公司 | 可精确辨别目标的人流量统计的方法及*** |
-
2012
- 2012-06-21 CN CN201210208666.7A patent/CN102799935B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196991A (zh) * | 2007-12-14 | 2008-06-11 | 同济大学 | 密集客流计数和行人步行速度自动检测方法及*** |
CN101872431A (zh) * | 2010-02-10 | 2010-10-27 | 杭州海康威视软件有限公司 | 可适用多角度应用场景的人流量统计的方法及*** |
CN101872422A (zh) * | 2010-02-10 | 2010-10-27 | 杭州海康威视软件有限公司 | 可精确辨别目标的人流量统计的方法及*** |
CN101794382A (zh) * | 2010-03-12 | 2010-08-04 | 华中科技大学 | 一种实时公交车客流量统计的方法 |
Non-Patent Citations (2)
Title |
---|
基于Joint HOG特征复杂场景下的头肩检测;顾炯等;《电子设计工程》;20120430;第20卷(第7期);第58-62页 * |
基于梯度方向直方图的行人计数方法研究;刘超;《中国优秀硕士学位论文全文数据库信息科技辑》;20110315(第3期);第7-9、19-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102799935A (zh) | 2012-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102799935B (zh) | 一种基于视频分析技术的人流量统计方法 | |
CN109644255B (zh) | 标注包括一组帧的视频流的方法和装置 | |
CN107004271B (zh) | 显示方法、装置、电子设备、计算机程序产品和存储介质 | |
Avgerinakis et al. | Recognition of activities of daily living for smart home environments | |
CN105574506A (zh) | 基于深度学习和大规模集群的智能人脸追逃***及方法 | |
CN106951885A (zh) | 一种基于视频分析的人流量统计方法 | |
CN111582122B (zh) | 一种监控视频多维度行人行为智能分析***及方法 | |
CN103605983B (zh) | 一种遗留物检测和跟踪方法 | |
CN102610102A (zh) | 一种嫌疑车辆查控方法及*** | |
Yang et al. | Clustering method for counting passengers getting in a bus with single camera | |
CN102063613A (zh) | 基于头部识别的人群计数方法及装置 | |
Zhang et al. | Crowd density estimation based on statistical analysis of local intra-crowd motions for public area surveillance | |
CN112232211A (zh) | 一种基于深度学习的智能视频监控*** | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
CN101587592A (zh) | 目标运动识别*** | |
CN104159088A (zh) | 一种远程智能车辆监控***及方法 | |
WO2023071188A1 (zh) | 一种异常行为检测的方法、装置、电子设备及存储介质 | |
Alqahtani et al. | CMRS: a classifier matrix recognition system for traffic management and analysis in a smart city environment | |
CN105227918A (zh) | 一种智能监控方法及装置 | |
Kainz et al. | Visual system for student attendance monitoring with non-standard situation detection | |
CN113920585A (zh) | 行为识别方法及装置、设备和存储介质 | |
Wang et al. | Video image vehicle detection system for signaled traffic intersection | |
CN104616277B (zh) | 视频结构化描述中的行人定位方法及其装置 | |
Anand et al. | Traffic signal violation detection using artificial intelligence and deep learning | |
Wanjale et al. | Use of haar cascade classifier for face tracking system in real time video |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |