CN103077380A - 一种基于视频的人数统计方法及装置 - Google Patents
一种基于视频的人数统计方法及装置 Download PDFInfo
- Publication number
- CN103077380A CN103077380A CN2013100050468A CN201310005046A CN103077380A CN 103077380 A CN103077380 A CN 103077380A CN 2013100050468 A CN2013100050468 A CN 2013100050468A CN 201310005046 A CN201310005046 A CN 201310005046A CN 103077380 A CN103077380 A CN 103077380A
- Authority
- CN
- China
- Prior art keywords
- video
- pixel point
- people
- pixel
- frame
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频的人数统计方法及装置,解决现有在进行人数统计时,无法识别人与人视频图像之间的粘连,导致的人数统计不准确的问题。该方法包括识别监控到视频信息的运动前景,并针对每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点,针对每个白色像素点,根据与该白色像素点相邻的其他像素点的像素值,确定位于人体骨骼上的白色像素点及位于人的头部所在区域的像素点,根据确定的位于人的头部所在区域的像素点进行跟踪统计人数。由于在本发明实施例中确定人体骨骼上的白色像素点,实现了对人体的“瘦化”处理,可以有效的解决人与人之间的粘连问题,从而提高了人数统计的准确性。
Description
技术领域
本发明涉及视频图像处理技术领域,尤其涉及一种基于视频的人数统计方法及装置。
背景技术
随着社会经济的不断发展,出现了越来越多的娱乐、休闲等公共场所,这些公共场所可以为超市、连锁店、百货大楼、大型商场、酒店、KTV等。如何对这些娱乐、休闲等公共场所的重点监控区域进行人数统计和分析,成为一个比较重要的技术问题。
目前,可以通过智能人数统计等方法进行人数统计,智能人数统计是对视频图像进行分析、图像处理、模式识别等处理,对指定区域内的人数进行的统计。但该统计方法主要针对的是室内或近距离的场景,对于室外或远距离的场景,由于距离较远,人与人的视频图像之间很可能发生粘连,而现有技术中的统计方法无法识别粘连的情况,从而导致人数统计的不准确。
发明内容
本发明实施例提供一种视频的人数统计方法及装置,用以解决现有技术中在进行人数统计时,无法识别人与人视频图像之间的粘连,导致的人数统计不准确的问题。
本发明实施例提供一种基于视频的人数统计方法,所述统计方法包括:
获取对待检测区域进行检测的视频信息,识别该视频信息中每个视频帧的运动前景;
对识别出的每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点;
针对二值化处理后的每个视频帧,检测该视频帧中的每个白色像素点,根据与该白色像素点相邻的像素点的像素值,确定位于人体骨骼上的白色像素点;
根据确定的位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定该白色像素点是否为人的头部所在区域的像素点;
对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。
本发明实施例提供一种基于视频的人数统计装置,所述统计装置包括:
识别模块,用于获取对待检测区域进行检测的视频信息,识别该视频信息中每个视频帧的运动前景;对识别出的每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点;
第一确定模块,用于针对二值化处理后的每个视频帧,检测该视频帧中的每个白色像素点,根据与该白色像素点相邻的像素点的像素值,确定位于人体骨骼上的白色像素点;
第二确定模块,用于根据确定的位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定该白色像素点是否为人的头部所在区域的像素点;
跟踪模块,用于对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。
本发明实施例提供一种基于视频的人数统计方法及装置,该方法包括:识别监控到视频信息的运动前景,并针对每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点,针对每个白色像素点,根据与该白色像素点相邻的其他像素点的像素值,确定位于人体骨骼上的白色像素点,并在这些白色像素点中确定位于人的头部所在区域的像素点,根据确定的位于人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。由于在本发明实施例中确定人体骨骼上的白色像素点,实现了对人体的“瘦化”处理,可以有效的解决人与人之间的粘连问题,从而提高了人数统计的准确性。
附图说明
图1为本发明实施例提供的基于视频的人数统计过程示意图;
图2为本发明实施例提供的该白色像素点及该白色像素点相邻的像素点的位置关系示意图;
图3为本发明实施例提供的一种基于视频的人数统计装置结构示意图。
具体实施方式
本发明为了针对室外等环境进行人数统计,并提高人数统计的准确性,提供了一种基于视频的人数统计方法及装置。
下面结合说明书附图,对本发明实施例进行详细说明。
图1为本发明实施例提供的基于视频的人数统计过程示意图,该过程包括以下步骤:
S101:获取对待检测区域进行检测的视频信息,识别该视频信息中每个视频帧的运动前景。
在本发明实施例中可以在待检测区域内设置摄像头,对该待检测区域进行监控,通过摄像头可以获取该待检测区域的视频信息。
在本发明实施例中背景为视频信息中在较长时间内保持不变的画面为,例如当进行商场内人数的统计时,商场的装饰、固定的铺位可以认为该视频信息中的背景,而在该商场中运动的物体,例如人,由于其只在短时间内存在该视频信息中,被认为是运动前景。
S102:对识别出的每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点。
为了方便后续的人数识别,在本发明实施例中需要针对每个视频帧进行二值化处理,二值化处理后,运动前景中的人物会成为白色像素点,背景会成为黑色像素点。
S103:针对二值化处理后的每个视频帧,检测该视频帧中的每个白色像素点,根据与该白色像素点相邻的像素点的像素值,确定位于人体骨骼上的白色像素点。
在本发明实施例中通过对每个视频帧进行二值化处理,二值化后运动前景成为白色像素点,针对每个白色像素点进行分析,确定每个白色像素点是否为人体骨骼上的白色像素点,从而实现对人的“瘦化”处理。
具体的在确定每个白色像素点是否为人体骨骼上的白色像素点时,需要参考与该白色像素点相邻的像素点的像素值,与该白色像素点相邻的像素点包括在任何方向与该白色像素点相邻的像素点。图2为本发明实施例提供的该白色像素点及与该白色像素点相邻的像素点的位置关系示意图,其中p1为该白色像素点,p2~p9为与该白色像素点相邻的像素点。
S104:根据确定的位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定该白色像素点是否为人的头部所在区域的像素点。
当确定了位于人体骨骼上的像素点后,针对位于人体骨骼上的每个像素点,及与其相邻的每个像素点的像素值,判断哪些像素点是位于人的头部所在区域的像素点。由于在本发明实施例中,为了提高统计的效率,在确定哪些人体骨骼上的白色像素点是人的头部所在区域的像素点时,可以按照从上到下的顺序,依次针对每个白色像素点进行判断。并且,由于人的头部的大小一般差异不大,可以设置人的头部包含的像素点的数量,从位于人体骨骼上的像素点中,向下数相应数量的像素点,从下一个像素点开始采用上述方法,确定该白色像素点是否为人的头部所在区域的像素点。
S105:对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。
在确定了人的头部所在区域的像素点后,为了进一步提高人数统计的准确性,在本发明实施例中在确定了人的头部所在区域包含的每个像素点后,对人的头部所在区域的像素点进行跟踪,确定是否为真实的人,并根据最终跟踪的结果,进行人数的统计。
由于在本发明实施例中确定了位于人体骨骼上的白色像素点后,实现了对人体的“瘦化”处理,可以有效的解决人与人之间的粘连问题,从而提高了人数统计的准确性。另外,在本发明实施例中当确定了人的头部所在区域的像素点后,对人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计最终的人数,从而可以过滤掉错误信息,进一步提高了人数统计的准确性。
针对获取的视频信息,识别该视频信息中的背景,即相对保持不变,或相对稳定的信息,或相对静态的信息,也可以称为环境信息。由于一个视频信息一般是基于一种背景的,例如可以银行内的视频信息,或商场内的视频信息,或其他公共、娱乐场所中的视频信息,并且由于视频信息中的背景相对固定,因此可以首先将视频信息中的背景识别出来。在本发明实施例中利用高斯背景建模技术,通过单高斯或多高斯背景建模技术识别视频信息的背景,该背景识别的技术属于现有技术,就此就不一一赘述。
当识别出了视频信息中的背景后,由于每个视频帧中的背景相对比较固定,根据识别出的背景,可以提取出每个视频帧中的运动前景。
针对每个视频帧进行二值化处理,由于针对每个视频帧可以确定该视频帧的运动前景以及背景,因此在进行二值化处理时,将每个视频帧中运动前景处理为白色,背景处理为黑色,即二值化后每个视频帧中的运动前景为白色像素点,背景为黑色像素点。
当对每个视频帧进行二值化处理后,即可在每个视频帧中对人体骨骼上的像素点进行识别,但在本发明实施例中为了提高人体骨骼像素点的识别效率,并提高后续人数统计的准确性,在对每个视频帧进行二值化处理后,针对每个视频帧还可以进行去噪操作。
具体的,在本发明实施例中可以针对每个视频帧进行形态学处理,即对每个视频帧进行腐蚀处理,另外还可以进行膨胀处理,从而达到去除视频帧中高斯背景建模带来的噪声。
去除每个视频帧中的噪声后,即可识别每个视频帧中位于人体骨骼上的白色像素点,具体的在本发明实施例中确定位于人体骨骼上的白色像素点的方法包括:
针对每个白色像素点,判断与其相邻的像素点中白色像素点的数量是否满足设定的第一条件;
按照一定的顺序,判断与其相邻的每个像素点中由黑色像素点跳变为白色像素点的次数是否满足设定的第二条件;
判断与其相邻的像素点的像素值是否满足设定的第三条件;
当满足上述条件时,确定该白色像素点非人体骨骼上的像素点,否则,确定该白色像素点为位于人体骨骼上的白色像素点。
本发明实施例中在确定位于人体骨骼上的白色像素点时,需要针对每个白色像素点进行判断,判断该白色像素点是否是位于人体骨骼上的白色像素点,而在判断的过程中,还需要参考与该白色像素点相邻的其他每个像素点。如图2所示,当该白色像素点为p1时,需要参考与该p1相邻的像素点p2~p9,具体的在本发明实施例中需要参考的是像素点p2~p9的像素值。
为了实现对人物的“瘦化”处理,在本发明实施例中只需要识别出人体骨骼的位置,即识别出构成人体骨骼的像素点包括哪些,因为在本发明实施例中对视频帧进行二值化后,运动前景为白色像素点,因此位于人体骨骼上的像素点也是白色像素点。
当针对每个白色像素点,判断该白色像素点是否为位于人体骨骼上的白色像素点时,需要针对多个条件进行判断,其中,第一条件为与该白色像素点相邻的像素点中白色像素点的数量,当与该白色像素点相邻的像素点中白色像素点的数量满足设定的第一条件时,也可以认为该白色像素点满足该第一条件。具体的在本发明实施例中,可以用B(p1)表示与白色像素点p1相邻的像素点中白色像素点的数量,当该B(p1)满足位于2~6之间时,认为该白色像素点满足设定的第一条件,即满足2≤B(p1)≤6时,认为该白色像素点p1满足该设定的第一条件。
在本发明实施例中需要按照一定的顺序,判断与该白色像素点相邻的像素点中由黑色像素点跳变为白色像素点的次数是否满足设定的第二条件,如图2所示,可以按照p2~p9的顺序,依次判断像素点p2~p3、p3~p4、p4~p5、……、p9~p2中,由黑色像素点跳变为白色像素点的次数。例如当像素点p1为白色像素点,像素点p2~p9分别为黑色像素点、黑色像素点、白色像素点、黑色像素点、黑色像素点、黑色像素点,白色像素点,白色像素点,按照p2~p3、p3~p4、p4~p5、……、p9~p2的顺序,确定由黑色像素点跳变为白色像素点的跳变次数为2。
在本发明实施例中采用A(p1)表示按照一定的顺序,与白色像素点p1相邻的每个像素点中由黑色像素点跳变为白色像素点的跳变次数。在本发明实施例中当按照一定的顺序,与白色像素点相邻的每个像素点中,由黑色像素点跳变为白色像素点的跳变次数等于1时,认为与该白色像素点其相邻的每个像素点中由黑色像素点跳变为白色像素点的跳变次数满足设定的第二条件,也可以认为该白色像素点p1满足该设定的第二条件。
在确定每个白色像素点是否为位于人体骨骼上的白色像素点时,还需要根据与每个白色像素点相邻的像素点的像素值来确定是否满足设定的第三条件。在本发明实施例中需要判断该白色像素点的上、下、左、右四个方向的像素点中是否存在黑色像素点。
如图2所示,即判断与该白色像素点p1相邻的像素点p2、p4、p6、p8中是否存在黑色像素点,由于黑色像素点的像素值为0,在判断过程中,可以判断像素点p2、p4、p6的像素值的乘积是否为0,且,判断像素点p2、p4、p8的像素值的乘积是否为0,即判断p2×p4×p6=0,且p4×p6×p8=0;或,判断像素点p2、p4、p8的像素值的乘积是否为0,且,判断像素点p2、p6、p8的像素值的乘积是否为0,即判断p2×p4×p8=0,且p2×p6×p8=0。
在本发明实施例中针对白色像素点p1,判断与该白色像素点在上、下、左、右四个像素点p2、p4、p6、p8的像素值是否满足下述条件:
p2×p4×p6=0,且p4×p6×p8=0;或
p2×p4×p8=0,且p2×p6×p8=0。
当针对每个白色像素点,当与该白色像素点相邻的像素点满足上述设定的第一条件、第二条件及第三条件时,则确定该白色像素点非位于人体骨骼上的像素点,否则,确定该像素点为位于人体骨骼上的白色像素点。
当确定了为了位于人体骨骼上的像素点后,可以直接根据位于人体骨骼上的像素点进行跟踪,但是本发明实施例中为了提高人数统计的准确性,通过跟踪人的头部所在区域来实现,从而可以更加有效的解决人与人之间的粘连问题。
在本发明实施例中可以在位于人体骨骼上的白色像素点中,根据位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定每个白色像素点是否为人的头部所在区域的像素点。根据人的头部所在的区域,在本发明实施例中可以按照从上到下的顺序,依次判断每个位于人体骨骼上的白色像素点是否为人的头部所在区域的像素点。
或者,在本发明实施例中也可以根据一般人的头部包含的像素点的数量,按照从上到下的顺序在相应的数量之后的白色像素点进行判断,判断该白色像素点是否为人的头部所在区域的像素点。例如一般认为在图像中人的头部包含10个以上的像素点,则在进行判断时,按照上到下按照顺序,从第11个像素点开始进行判断。
具体的,在本发明实施例中确定该白色像素点是否为人的头部所在区域的像素点包括:
统计与该白色像素点相邻的像素点中白色像素点的数目,当其相邻的像素点中白色像素点的数目满足设定的第四条件时,确定该白色像素点为人的头部所在区域的预选像素点;
针对每个预选像素点,判断该预选像素点下方矩形区域内白色像素点的数量是否超过了设定阈值;
当该矩形区域内白色像素点的数量超过设定阈值时,确定该预选像素点为人的头部所在区域的像素点。
在本发明实施例中针对已经确定的位于人体骨骼上的每个白色像素点,判断该白色像素点是否为人的头部所在区域的像素点。具体的,在本发明实施例中针对每个位于人体骨骼上的白色像素点,判断与该白色像素点相邻的像素点中白色像素点的数量,当与该白色像素点相邻的像素点中白色像素点的数量为1时,认为给白色像素点为人的头部所在区域的候选像素点,否则,该白色像素点非人的头部所在区域的候选像素点。
在每个确定为人的头部所在区域的候选像素点中,针对每个候选像素点,在该候选像素点的正下方构造长方形。如图2所示,当p1为候选像素点时,以p6和p7的中心为长方形上端长边的中点构造长方形,或者以p6和p5的中心为长方形上端长边的中点构造长方形。具体的在本发明实施例中构造的长方形为20*10,即在长度方向上包含20个像素点,在宽度方向上包含10个像素点。
根据构造的该长方形内包含的每个像素点,统计该长方形内包含的白色像素点的数量,当该长方形内包含的白色像素点的数量超过了设定阈值时,则认为该候选像素点为人的头部所在区域的像素点,否则,该候选像素点非人的头部所在区域的像素点。
在本发明实施例中当确定了位于人的头部所在区域的像素点后,对位于人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。具体的在本发明实施例中对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数包括:
针对每个视频帧中确定为人的头部所在区域的像素点,及设置的头部大小范围,确定每个视频帧中人的头部所在的区域;
针对该视频帧中每个人的头部所在区域的信息,及上一个视频帧中每个人的头部所在区域的信息,判断该人的头部所在区域是否与上一个视频帧中对应的人的头部所在区域存在重叠;
当存在重叠时,将该视频帧中该人的头部所在区域的信息更新到上一个视频帧中对应人的头部所在区域的信息保存的第一轨迹空间,当不存在重叠时,生成第二轨迹空间,将该视频帧中该人的头部所在区域的信息更新到该第二轨迹空间;
当上一个视频帧中第三轨迹空间中未更新该视频帧中人的头部所在区域的信息时,将统计人数加一,并删除该第三轨迹空间中保存的信息。
在本发明实施例中,根据确定的每个视频帧中人的头部所在区域的像素点,对人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。具体的在本发明实施例中针对每个视频帧中确定的人的头部所在区域的像素点后,根据设置的头部大小范围,确定每个视频帧中人的头部所在的区域,具体的在本发明实施例中针对这些像素点,以每个像素点为中心构造边长为40的正方形,从而可以在每个视频帧中确定每个人的头部所在的区域。
针对每个视频帧,根据构造后的每个人的头部所在的区域,及上一个视频帧中每个人的头部所在的区域,判断该视频帧中每个人的头部所在的区域,是否与上一个视频帧中的对应人的头部所在的区域存在重叠。具体的在本发明实施例中,可以根据在第一个视频帧中识别出的每个人的头部所在的区域,由于在第一个视频帧之前不存在上一个视频帧,该第一个视频帧中每个人的头部所在的区域与上一个视频帧不存在重叠区域,因此针对第一个视频帧中的每个人的头部所在的区域生成轨迹空间,将每个第一个视频帧中每个人的头部所在区域的信息保存在对应的轨迹空间内。
对于之后的每个视频帧,针对在每个视频帧中识别出的人的头部所在的区域,及上一个视频帧中每个人的头部所在的区域,判断该视频帧中该人的头部所在的区域是否与上一个视频帧中对应的人的头部所在的区域存在重叠。在本发明实施例中根据视频帧中识别出的人的头部所在区域的坐标,及上一个视频帧对应的人的头部所在区域的坐标确定是否重叠。另外,在本发明实施例中当该视频帧中某一人的头部所在的区域,与上一个视频帧中对应的人的头部所在区域的重叠面积不小于该人的头部所在区域的30%,则认为该人的头部所在的区域与上一个视频帧中对应的人的头部所在区域重叠。
当确定该视频帧中某一人的头部所在区域,与上一个视频帧中某一人的头部所在区域存在重叠时,将该视频帧中该人的头部所在区域的信息更新到上一个视频帧中该对应人的头部所在区域信息保存的第一轨迹空间中,即将该视频帧帧中该人的头部所在区域的信息保存到第一轨迹空间中;当该视频帧中某一人的头部所在区域,与上一个视频帧中某一人的头部所在区域不存在重叠时,则可以认为该视频帧中该人的头部所在区域对应的人为在该视频帧刚出现的人,需要针对该人的头部所在当区域生成一个新的轨迹空间,即第二轨迹空间,将该视频帧中该人的头部所在区域的信息更新到该第二轨迹空间中。
由于上一个视频帧中每个人的头部所在区域的信息保存在对应的轨迹空间中,当针对该视频帧中每个人的头部所在的区域与上一个视频帧进行匹配后,当上一个视频帧中存在未被更新存储有人的头部所在区域的第三轨迹空间,说明在该视频帧中有的人已经不在该检测范围,此时将统计人数加一,并删除该第三轨迹空间中保存的信息。
由于在本发明实施例中确定人体骨骼上的白色像素点,实现了对人体的“瘦化”处理,可以有效的解决人与人之间的粘连问题,从而提高了人数统计的准确性。
图3为本发明实施例提供的一种基于视频的人数统计装置的结构示意图,所述统计装置包括:
识别模块31用于获取对待检测区域进行检测的视频信息,识别该视频信息中每个视频帧的运动前景;对识别出的每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点;
第一确定模块32,用于针对二值化处理后的每个视频帧,检测该视频帧中的每个白色像素点,根据与该白色像素点相邻的像素点的像素值,确定位于人体骨骼上的白色像素点;
第二确定模块33,用于根据确定的位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定该白色像素点是否为人的头部所在区域的像素点;
跟踪模块34,用于对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。
所述装置还包括:
预处理模块35,用于对每个视频帧进行腐蚀处理和膨胀处理。
所述第一确定模块32,具体用于针对每个白色像素点,判断与其相邻的像素点中白色像素点的数量是否满足设定的第一条件;按照一定的顺序,判断与其相邻的每个像素点中像素值的跳变次数是否满足设定的第二条件;判断与其相邻的像素点的像素值是否满足设定的第三条件;当满足上述条件时,确定该白色像素点非人体骨骼上的像素点,否则,确定该白色像素点为位于人体骨骼上的白色像素点。
所述第二确定模块33,具体用于统计与该白色像素点相邻的像素点中白色像素点的数目,当其相邻的像素点中白色像素点的数目满足设定的第四条件时,确定该白色像素点为人的头部所在区域的预选像素点;针对每个预选像素点,判断该预选像素点下方矩形区域内白色像素点的数量是否超过了设定阈值;当该矩形区域内白色像素点的数量超过设定阈值时,确定该预选像素点为人的头部所在区域的像素点。
所述跟踪模块34具体用于针对每个视频帧中确定为人的头部所在区域的像素点,及设置的头部大小范围,确定每个视频帧中人的头部所在的区域;针对该视频帧中每个人的头部所在区域的信息,及上一个视频帧中每个人的头部所在区域的信息,判断该人的头部所在区域是否与上一个视频帧中对应的人的头部所在区域存在重叠;当存在重叠时,将该视频帧中该人的头部所在区域的信息更新到上一个视频帧中对应人的头部所在区域的信息保存的第一轨迹空间,当不存在重叠时,生成第二轨迹空间,将该视频帧中该人的头部所在区域的信息更新到该第二轨迹空间;当上一个视频帧中第三轨迹空间中未更新该视频帧中人的头部所在区域的信息时,将统计人数加一,并删除该第三轨迹空间中保存的信息。
本发明实施例提供一种基于视频的人数统计方法及装置,该方法包括:识别监控到视频信息的运动前景,并针对每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点,针对每个白色像素点,根据与该白色像素点相邻的其他像素点的像素值,确定位于人体骨骼上的白色像素点,并在这些白色像素点中确定位于人的头部所在区域的像素点,根据确定的位于人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。由于在本发明实施例中确定人体骨骼上的白色像素点,实现了对人体的“瘦化”处理,可以有效的解决人与人之间的粘连问题,从而提高了人数统计的准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于视频的人数统计方法,其特征在于,所述统计方法包括:
获取对待检测区域进行检测的视频信息,识别该视频信息中每个视频帧的运动前景;
对识别出的每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点;
针对二值化处理后的每个视频帧,检测该视频帧中的每个白色像素点,根据与该白色像素点相邻的像素点的像素值,确定位于人体骨骼上的白色像素点;
根据确定的位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定该白色像素点是否为人的头部所在区域的像素点;
对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。
2.如权利要求1所述的统计方法,其特征在于,所述对识别出的每个视频帧进行二值化处理之前,所述方法还包括:
对每个视频帧进行腐蚀处理和膨胀处理。
3.如权利要求1所述的统计方法,其特征在于,所述确定位于人体骨骼上的白色像素点包括:
针对每个白色像素点,判断与其相邻的像素点中白色像素点的数量是否满足设定的第一条件;
按照一定的顺序,判断与其相邻的每个像素点中由黑色像素点跳变为白色像素点的次数是否满足设定的第二条件;
判断与其相邻的像素点的像素值是否满足设定的第三条件;
当满足上述条件时,确定该白色像素点非人体骨骼上的像素点,否则,确定该白色像素点为位于人体骨骼上的白色像素点。
4.如权利要求1所述的统计方法,其特征在于,所述确定该白色像素点是否为人的头部所在区域的像素点包括:
统计与该白色像素点相邻的像素点中白色像素点的数目,当其相邻的像素点中白色像素点的数目满足设定的第四条件时,确定该白色像素点为人的头部所在区域的预选像素点;
针对每个预选像素点,判断该预选像素点下方矩形区域内白色像素点的数量是否超过了设定阈值;
当该矩形区域内白色像素点的数量超过设定阈值时,确定该预选像素点为人的头部所在区域的像素点。
5.如权利要求1所述的统计方法,其特征在于,所述对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数包括:
针对每个视频帧中确定为人的头部所在区域的像素点,及设置的头部大小范围,确定每个视频帧中人的头部所在的区域;
针对该视频帧中每个人的头部所在区域的信息,及上一个视频帧中每个人的头部所在区域的信息,判断该人的头部所在区域是否与上一个视频帧中对应的人的头部所在区域存在重叠;
当存在重叠时,将该视频帧中该人的头部所在区域的信息更新到上一个视频帧中对应人的头部所在区域的信息保存的第一轨迹空间,当不存在重叠时,生成第二轨迹空间,将该视频帧中该人的头部所在区域的信息更新到该第二轨迹空间;
当上一个视频帧中第三轨迹空间中未更新该视频帧中人的头部所在区域的信息时,将统计人数加一,并删除该第三轨迹空间中保存的信息。
6.一种基于视频的人数统计装置,其特征在于,所述统计装置包括:
识别模块,用于获取对待检测区域进行检测的视频信息,识别该视频信息中每个视频帧的运动前景;对识别出的每个视频帧进行二值化处理,二值化处理后每个视频帧中运动前景为白色像素点,背景为黑色像素点;
第一确定模块,用于针对二值化处理后的每个视频帧,检测该视频帧中的每个白色像素点,根据与该白色像素点相邻的像素点的像素值,确定位于人体骨骼上的白色像素点;
第二确定模块,用于根据确定的位于人体骨骼上的白色像素点,及其相邻的每个像素点的像素值,确定该白色像素点是否为人的头部所在区域的像素点;
跟踪模块,用于对确定为人的头部所在区域的像素点进行跟踪,根据跟踪的结果统计人数。
7.如权利要求6所述的统计装置,其特征在于,所述装置还包括:
预处理模块,用于对每个视频帧进行腐蚀处理和膨胀处理。
8.如权利要求6所述的统计装置,其特征在于,所述第一确定模块,具体用于针对每个白色像素点,判断与其相邻的像素点中白色像素点的数量是否满足设定的第一条件;按照一定的顺序,判断与其相邻的每个像素点中像素值的跳变次数是否满足设定的第二条件;判断与其相邻的像素点的像素值是否满足设定的第三条件;当满足上述条件时,确定该白色像素点非人体骨骼上的像素点,否则,确定该白色像素点为位于人体骨骼上的白色像素点。
9.如权利要求6所述的统计装置,其特征在于,所述第二确定模块,具体用于统计与该白色像素点相邻的像素点中白色像素点的数目,当其相邻的像素点中白色像素点的数目满足设定的第四条件时,确定该白色像素点为人的头部所在区域的预选像素点;针对每个预选像素点,判断该预选像素点下方矩形区域内白色像素点的数量是否超过了设定阈值;当该矩形区域内白色像素点的数量超过设定阈值时,确定该预选像素点为人的头部所在区域的像素点。
10.如权利要求6所述的统计装置,其特征在于,所述跟踪模块,具体用于针对每个视频帧中确定为人的头部所在区域的像素点,及设置的头部大小范围,确定每个视频帧中人的头部所在的区域;针对该视频帧中每个人的头部所在区域的信息,及上一个视频帧中每个人的头部所在区域的信息,判断该人的头部所在区域是否与上一个视频帧中对应的人的头部所在区域存在重叠;当存在重叠时,将该视频帧中该人的头部所在区域的信息更新到上一个视频帧中对应人的头部所在区域的信息保存的第一轨迹空间,当不存在重叠时,生成第二轨迹空间,将该视频帧中该人的头部所在区域的信息更新到该第二轨迹空间;当上一个视频帧中第三轨迹空间中未更新该视频帧中人的头部所在区域的信息时,将统计人数加一,并删除该第三轨迹空间中保存的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310005046.8A CN103077380B (zh) | 2013-01-07 | 2013-01-07 | 一种基于视频的人数统计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310005046.8A CN103077380B (zh) | 2013-01-07 | 2013-01-07 | 一种基于视频的人数统计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103077380A true CN103077380A (zh) | 2013-05-01 |
CN103077380B CN103077380B (zh) | 2016-06-29 |
Family
ID=48153904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310005046.8A Expired - Fee Related CN103077380B (zh) | 2013-01-07 | 2013-01-07 | 一种基于视频的人数统计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077380B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530988A (zh) * | 2013-10-11 | 2014-01-22 | 吉林大学 | 一种草坪践踏及危害程度的预警方法 |
CN105940430A (zh) * | 2014-02-24 | 2016-09-14 | Sk电信有限公司 | 人员计数方法及其装置 |
CN106485265A (zh) * | 2016-09-22 | 2017-03-08 | 深圳大学 | 一种图像识别方法和装置 |
CN107516124A (zh) * | 2016-06-17 | 2017-12-26 | 中国科学院深圳先进技术研究院 | 实时人流数量计数方法与*** |
WO2018053763A1 (zh) * | 2016-09-22 | 2018-03-29 | 深圳大学 | 一种图像识别方法和装置 |
CN108830145A (zh) * | 2018-05-04 | 2018-11-16 | 深圳技术大学(筹) | 一种基于深度神经网络的人数统计方法及存储介质 |
CN113091227A (zh) * | 2020-01-08 | 2021-07-09 | 佛山市云米电器科技有限公司 | 空调控制方法、云端服务器、空调控制***及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509070A (zh) * | 2011-10-12 | 2012-06-20 | 西安理工大学 | 一种基于视频的关注广告人数统计的人脸区域跟踪方法 |
-
2013
- 2013-01-07 CN CN201310005046.8A patent/CN103077380B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509070A (zh) * | 2011-10-12 | 2012-06-20 | 西安理工大学 | 一种基于视频的关注广告人数统计的人脸区域跟踪方法 |
Non-Patent Citations (3)
Title |
---|
RAFAEL C. GONZALEZ ET AL: "《数字图像处理(第三版)》", 30 June 2011 * |
李文杰: "《基于骨架化和模板匹配的交通指挥手势识别》", 《万方学位论文全文库》 * |
顾德军: "《基于视频图像处理的人数自动统计技术研究》", 《万方学位论文全文库》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530988A (zh) * | 2013-10-11 | 2014-01-22 | 吉林大学 | 一种草坪践踏及危害程度的预警方法 |
CN103530988B (zh) * | 2013-10-11 | 2017-01-04 | 吉林大学 | 一种草坪践踏及危害程度的预警方法 |
CN105940430A (zh) * | 2014-02-24 | 2016-09-14 | Sk电信有限公司 | 人员计数方法及其装置 |
CN107516124A (zh) * | 2016-06-17 | 2017-12-26 | 中国科学院深圳先进技术研究院 | 实时人流数量计数方法与*** |
CN107516124B (zh) * | 2016-06-17 | 2020-06-16 | 中国科学院深圳先进技术研究院 | 实时人流数量计数方法与*** |
CN106485265A (zh) * | 2016-09-22 | 2017-03-08 | 深圳大学 | 一种图像识别方法和装置 |
WO2018053763A1 (zh) * | 2016-09-22 | 2018-03-29 | 深圳大学 | 一种图像识别方法和装置 |
CN106485265B (zh) * | 2016-09-22 | 2020-01-17 | 深圳大学 | 一种图像识别方法和装置 |
CN108830145A (zh) * | 2018-05-04 | 2018-11-16 | 深圳技术大学(筹) | 一种基于深度神经网络的人数统计方法及存储介质 |
CN108830145B (zh) * | 2018-05-04 | 2021-08-24 | 深圳技术大学(筹) | 一种基于深度神经网络的人数统计方法及存储介质 |
CN113091227A (zh) * | 2020-01-08 | 2021-07-09 | 佛山市云米电器科技有限公司 | 空调控制方法、云端服务器、空调控制***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103077380B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077380A (zh) | 一种基于视频的人数统计方法及装置 | |
CN108509859B (zh) | 一种基于深度神经网络的无重叠区域行人跟踪方法 | |
CN106296725B (zh) | 运动目标实时检测与跟踪方法及目标检测装置 | |
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
WO2021051601A1 (zh) | 利用Mask R-CNN选择检测框的方法及***、电子装置及存储介质 | |
CN103826102B (zh) | 一种运动目标的识别方法、装置 | |
CN109145742B (zh) | 一种行人识别方法及*** | |
US9245187B1 (en) | System and method for robust motion detection | |
ATE515004T1 (de) | Verfahren und system zum verarbeiten von videodaten | |
CN111399492A (zh) | 一种机器人及其障碍物感知方法和装置 | |
CN101470809A (zh) | 一种基于扩展混合高斯模型的运动目标检测方法 | |
CN111860291A (zh) | 基于行人外观和步态信息的多模态行人身份识别方法和*** | |
CN111582126B (zh) | 基于多尺度行人轮廓分割融合的行人重识别方法 | |
CN102982634A (zh) | 音视频融合的人员入侵检测方法 | |
CN114119676A (zh) | 基于多特征信息融合的目标检测跟踪识别方法和*** | |
CN103093198A (zh) | 一种人群密度监测方法及装置 | |
CN103870824A (zh) | 一种在人脸检测跟踪过程中的人脸捕捉方法及装置 | |
CN104036243A (zh) | 一种基于光流信息的行为识别方法 | |
Malhi et al. | Vision based intelligent traffic management system | |
CN107590431B (zh) | 一种基于图像识别的数量统计方法及装置 | |
CN108648210B (zh) | 一种静态复杂场景下快速多目标检测方法及装置 | |
CN102496164A (zh) | 一种事件检测方法及*** | |
CN111191557B (zh) | 一种标志识别定位方法、标志识别定位装置及智能设备 | |
CN103049749A (zh) | 在栅格遮挡下的人体再识别方法 | |
KR20200123324A (ko) | 연결 요소 분석 기법과 yolo 알고리즘을 이용한 돼지 겹침 객체 분리 방법 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180615 Address after: 100096 Haidian District, Beijing, west 2 new apartment building, three floor commercial room 337. Patentee after: Letter frame technology (Beijing) Co., Ltd. Address before: 100085 A-6, 28, Beijing, Haidian District, Shanghai. Patentee before: Xinzheng Electronic Technology (Beijing) Co., Ltd. |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160629 Termination date: 20200107 |