CN105139425A - 一种人数统计方法及装置 - Google Patents
一种人数统计方法及装置 Download PDFInfo
- Publication number
- CN105139425A CN105139425A CN201510540599.2A CN201510540599A CN105139425A CN 105139425 A CN105139425 A CN 105139425A CN 201510540599 A CN201510540599 A CN 201510540599A CN 105139425 A CN105139425 A CN 105139425A
- Authority
- CN
- China
- Prior art keywords
- frame
- shoulder feature
- head shoulder
- image
- foreground object
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供一种人数统计方法及装置,该方法包括:通过对当前帧图像检测区域进行目标分割提取运动前景目标;检测所述运动前景目标中的头肩特征框;判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件;当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。通过本申请可缩短特征检测时间,降低特征误检率,提升特征检测效果,从而提升人数统计效率以及准确率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种人数统计方法及装置。
背景技术
在许多公共场所(例如,商场、超市、公园等)都部署了实时人数统计***,以便管理人员掌握实时客流情况,采取必要的疏导措施,防止由于人数过多发***等危险事件。
目前的人数统计方法主要以视频检测为主,通过在公共场所的进出口安装摄像头进行视频采集,再对采集的图像进行分析,最终统计出场所内的人数。例如,采用背景建模外加特征库匹配的方法进行行人检测,或者,采用多个人头分类器进行人头检测。但是,上述人数统计方法普遍存在统计准确度不高,且处理效率低等问题。
发明内容
有鉴于此,本申请提供一种人数统计方法及装置。
具体地,本申请是通过如下技术方案实现的:
本申请提供一种人数统计方法,该方法包括:
通过对当前帧图像检测区域进行目标分割提取运动前景目标;
检测所述运动前景目标中的头肩特征框;
判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件;
当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。
本申请还提供一种人数统计装置,该装置包括:
提取单元,用于通过对当前帧图像检测区域进行目标分割提取运动前景目标;
检测单元,用于检测所述运动前景目标中的头肩特征框;
判断单元,用于判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件;
统计单元,用于当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。
由以上描述可以看出,本申请可缩短特征检测时间,降低特征误检率,提升特征检测效果,从而提升人数统计效率以及准确率。
附图说明
图1是本申请一示例性实施例示出的应用场景示意图;
图2是本申请一示例性实施例示出的一种人数统计方法流程图;
图3是本申请一示例性实施例示出的运动前景目标提取流程图;
图4是本申请一示例性实施例示出的一种人数统计装置所在设备的基础硬件结构示意图;
图5是本申请一示例性实施例示出的一种人数统计装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在许多公共场所(例如,商场、超市、公园等)都部署了实时人数统计***,以便管理人员掌握实时客流情况,采取必要的疏导措施,防止由于人数过多发***等危险事件。
目前的人数统计方法主要以视频检测为主,通过在公共场所的进出口安装摄像头进行视频采集,再对采集的图像进行分析,最终统计出场所内的人数。
现有技术方案一,采用背景建模算法提取前景,再对提取的前景区域采用训练的特征库进行行人检测,最后对检测到的行人进行跟踪计数。但是,该统计方法在打伞以及人员相互遮挡较多的情况下,存在漏检;且在未进行前景目标分割的情况下,行人检测耗时较大,致使人数统计效率较低。
现有技术方案二,采用多个人头分类器检测,人头检出率高。但是,该检测方法同样存在耗时大的问题,当应用于摄像机进行实时检测时,不能保证每一帧图像都被处理,存在丢帧风险,导致人数统计准确率降低。
针对上述问题,本申请实施例提出一种人数统计方法,该方法将检测出的头肩特征和提取出的运动前景目标相结合进行人数统计,以降低漏检概率;同时,在运动前景目标提取过程中,采用目标分割的方法,减少后续头肩特征检测的运算量,提高人数统计效率。
参见图1,为本申请一个较佳的应用场景示意图。该应用场景中摄像机竖直或接近竖直安装,摄像机的俯视角α范围为65度~90度。在该应用场景下,人员遮挡情况较少,采用本申请实施例的人数统计方法,统计准确率更高,且速度较快。
参见图2,为本申请人数统计方法的一个实施例流程图,该实施例对人数统计过程进行描述。
步骤201,通过对当前帧图像检测区域进行目标分割提取运动前景目标。
摄像机的监控视野范围较大,在进行运动前景目标提取时,无需对整帧图像进行处理。通常摄像机的重点监控区域位于图像的中心区域,例如,摄像机监控地铁闸口时,虽然摄像机的视野范围很大,但图像处理时真正有效的区域仅为地铁闸口所处图像区域,当摄像机的安装位置和角度固定时,图像中有效区域位置也就确定。因此,本申请实施例仅对当前帧图像中的检测区域(相当于前述有效区域)进行运动前景目标提取,以缩小图像处理范围,提高运动前景目标的提取效率。
参见图3,为本申请运动前景目标提取流程图,具体描述如下:
步骤2011,获取当前帧图像检测区域的前景图像。例如,可利用混合高斯模型进行前景图像提取,通过对监控实况进行多高斯建模,实时更新高斯模型背景,从而提高前景图像提取精度。
步骤2012,通过对前景图像进行后处理得到前景目标框。该后处理可以包括中值滤波、膨胀操作以及区域连通处理等,经后处理后得到前景目标框,该前景目标框为运动前景目标在检测区域内的大致范围,通过前景目标框进一步缩小了运动前景目标的检测范围。
步骤2013,计算当前帧图像检测区域和前一帧图像检测区域的帧差图。
步骤2014,获取检测区域帧差图的帧差边缘纹理图。例如,可通过Sobel(索贝尔)处理获取帧差边缘纹理图。
步骤2015,在获取的帧差边缘纹理图上,对前景目标框对应的图像区域进行水平投影和垂直投影。
步骤2016,获取投影后生成的水平投影直方图和垂直投影直方图。
步骤2017,根据水平投影直方图和垂直投影直方图对前景目标框范围内的帧差边缘纹理图像进行目标分割获得运动前景目标。
首先,分别计算水平投影直方图和垂直投影直方图的处理优先级。
水平投影直方图和垂直投影直方图的处理优先级计算方法相同,具体为:
其中,ux为处理优先级;xi为投影值为i的行数或列数;ωi为加权系数;n为预设的投影阈值。
其中,投影阈值n可以根据实验数据选择一个较小值(例如,n=5),当投影值小于等于该投影阈值时,表示该投影值对应的图像区域为背景。投影值越小,对应图像区域为背景的可能性越大。因此,在设置加权系数ωi时,越小的投影值设置的加权系数越大。本申请实施例通过处理优先级的高低反映投影直方图中背景区域的大小,其中,处理优先级较高的投影直方图对应的背景区域越大,反之亦然。
在计算出水平投影直方图的处理优先级和垂直投影直方图的处理优先级后,首先,选择处理优先级高的投影直方图对当前前景目标框范围内的帧差边缘纹理图像进行目标分割,然后,选择处理优先级低的投影直方图对经过处理优先级高的投影直方图分割后的帧差边缘纹理图像进行目标分割。例如,假设水平投影直方图的处理优先级高于垂直投影直方图的处理优先级,则先根据水平投影直方图进行目标分割,再根据垂直投影直方图进行目标分割。
不同方向的投影直方图的目标分割方法相同,具体为,根据目标分割算法计算当前选择的投影直方图的分割累加值,其中,该目标分割算法可以为:
其中,ωj为加权系数,且为正整数;n为投影阈值;yj为第j行或列的投影值;f(ωj)为带正负方向的加权系数;m1、m2为行或列,且m2>m1;Ty为分割累加值。如前所述,投影阈值n可以取一个较小值,以表示投影值小于或等于该投影阈值n的图像区域为背景。
通过遍历投影直方图的行(如果当前选择的投影直方图为水平投影直方图)或列(如果当前选择的投影直方图为垂直投影直方图),选择不同的m1和m2计算分割累加值Ty。
当分割累加值Ty大于或等于预设的分割阈值T,且小于分割阈值T时,确认m1和m2为一组目标分割线,位于目标分割线m1和m2之间的图像区域为背景。在完成当前投影直方图所有目标分割线的确认后,可将分割出的背景区域剔除,减少后续处理的运算量。这也是本申请实施例按照处理优先级从高到低进行目标分割的原因,即先从包含背景较多的方向进行处理,剔除大部分背景,再从包含背景相对较少的方向进行处理,剔除剩余的背景,提高目标分割的整体效率。
在完成上述目标分割后,可得到多个包含运动目标的图像块,以下将包含运动目标的图像块简称为运动前景目标,该运动前景目标用于后续头肩特征检测。可见,本申请通过目标分割可缩小后续头肩特征的检测范围,从而降低特征误检率,提高特征的检出效率。
步骤202,检测所述运动前景目标中的头肩特征框。
利用现有的特征检测算法(例如,Adaboost算法)对运动前景目标中的头肩特征进行检测,其中,在进行分类器训练时,可选择角度一致、大小接近、特征相近的头肩图像作为正样本,以提升特征检测的速度。
通过对运动前景目标进行头肩检测,可检测出多个头肩特征框,每一个头肩特征框代表一个人。但是由于特征检测存在误差,对同一个人可能检出多个头肩特征框,如果不进行特殊处理,后续人数统计的误差将会较大。
本申请实施例利用同一目标的特征框彼此重叠的特点,将多个重叠的头肩特征框融合成一个头肩特征框,以便后续特征跟踪和匹配。
融合处理过程如下:从当前存在的多个头肩特征框中选择两个相互之间未进行过融合处理的头肩特征框,分别获取这两个头肩特征框的面积以及这两个头肩特征框的交叉面积。根据这两个头肩特征框的面积以及交叉面积判断这两个头肩特征框是否满足融合条件,当两个头肩特征框满足融合条件时,将这两个头肩特征框的最小外接矩形作为新的头肩特征框;当两个头肩特征框不满足融合条件时,作为独立的头肩特征框存在。
判断当前存在的任意两个头肩特征框之间是否均已进行融合处理,若是,则停止融合处理,当前存在的头肩特征框均为独立的头肩特征框,即可以认为每一个头肩特征框对应一个人;若否,则返回继续执行融合处理。
其中,判断两个头肩特征框是否满足融合条件的过程为:
首先,判断两个头肩特征框的交叉面积Area_Over是否大于标准头肩特征框面积Area_S乘以预设的面积百分比阈值θ(例如,θ=50%)。其中,标准头肩特征框面积Area_S为当前应用场景下预设的头肩标准宽度Width的平方。
当交叉面积Area_Over小于或等于标准头肩特征框面积Area_S乘以预设的面积百分比阈值θ时,说明两个头肩特征框的交叉面积很小或完全独立,因此,确认两个头肩特征框不满足融合条件。
当交叉面积Area_Over大于标准头肩特征框面积Area_S乘以预设的面积百分比阈值θ时,说明两个头肩特征框的交叉面积初步满足融合条件,还需进一步确认。
在两个头肩特征框的交叉面积初步满足融合条件后,计算两个头肩特征框的交叉面积百分比:
ωa+ωb=1,ωa>0,ωb>0公式(5)
其中,ωa为头肩特征框A的加权系数;ωb为头肩特征框B的加权系数;Area_Over为头肩特征框A和头肩特征框B的交叉面积;Area_A为头肩特征框A的面积;Area_B为头肩特征框B的面积;p为头肩特征框A和头肩特征框B的交叉面积百分比。
当两个头肩特征框的交叉面积百分比p大于预设的面积百分比阈值θ,确认两个头肩特征框满足融合条件。当两个头肩特征框的交叉面积百分比p小于或等于预设的面积百分比阈值θ,确认两个头肩特征框不满足融合条件。
步骤203,判断所述运动前景目标中的头肩特征是否满足人数统计触发条件。
在完成步骤202的头肩特征框检测后,对检测出的头肩特征框进行目标匹配及轨迹跟踪。
头肩特征框的匹配过程如下:获取当前帧图像和前一帧图像中的头肩特征框的面积以及位置。假设,当前帧图像中头肩特征框A的宽度为wa,则头肩特征框A的面积为前一帧图像中头肩特征框B的宽度为wb,则头肩特征框B的面积为头肩特征框的坐标通常采用特征框中心点的坐标,假设,头肩特征框A的坐标为(xa,ya),头肩特征框B的坐标为(xb,yb)。
根据获取的头肩特征框的面积以及位置确定当前帧图像和前一帧图像中的头肩特征框是否匹配,具体可根据如下公式进行确认。
公式(9)
ω1+ω2=1,ω3×η+ω4=1,η>1公式(10)
其中,dist(a,b)为头肩特征框A和头肩特征框B之间的距离;diff_area(a,b)为头肩特征框A和头肩特征框B的面积均方差;direction表示头肩特征框A相对于头肩特征框B的移动方向,0和1代表两个相反的移动方向;θ1和θ2为预设的不同移动方向上的距离阈值;Thr_Direction表示根据移动方向选定的距离阈值;ω1和ω3为距离的权重系数;ω2和ω4为面积均方差的权重系数;η为重要程度系数,表示距离值更重要一些;Thr为匹配评价值。
在公式(8)中设置了两个与移动方向相关的距离阈值(θ1和θ2),这是由于摄像机安装角度的原因,导致人在靠近摄像机或背离摄像机移动相同距离时,显示在画面中的移动距离不同,因此,本申请实施例通过在不同的移动方向上设置不同的距离阈值,提高头肩特征匹配的精度。
通过上述公式计算出相邻两帧图像中头肩特征框的匹配评价值Thr,该匹配评价值Thr反应了相邻两帧图像中头肩特征框的匹配程度。获取预设的匹配评价阈值δ,判断匹配评价值Thr是否小于匹配评价阈值δ。当匹配评价值Thr小于匹配评价阈值δ时,确定当前帧图像和前一帧图像中的头肩特征框匹配;否则,确定当前帧图像和前一帧图像中的头肩特征框不匹配,当前帧图像中的头肩特征框为新的头肩特征框。
从上述头肩特征匹配过程可以看出,本申请实施例的头肩特征匹配原则为:相邻帧图像中的头肩特征框的距离越近、面积越接近,匹配度越高。
在确定头肩特征匹配后,对头肩特征进行轨迹跟踪处理。具体为,记录该头肩特征框在当前帧图像中的位置,简称当前位置;记录该头肩特征框首次出现在图像检测区域的位置,即起始位置;累计该头肩特征框的出现次数。
在获取上述头肩特征的轨迹跟踪信息后,判断该头肩特征是否满足人数统计触发条件,具体为:判断该头肩特征框是否沿运动方向远离计数触发线,其中,该运动方向为头肩特征框从起始位置到当前位置的方向,该计数触发线为检测区域内的一条预设线;判断该头肩特征框的帧间移动距离是否大于或等于预设的帧间移动距离阈值,其中,该帧间移动距离为头肩特征框在当前帧图像和前一帧图像之间的移动距离。
当头肩特征框沿运动方向远离计数触发线,且该头肩特征框的帧间移动距离大于或等于预设的帧间移动距离阈值时,确认该头肩特征框满足人数统计触发条件;否则,确认该头肩特征框不满足人数统计触发条件。
以下对上述人数统计触发条件作进一步补充说明:
条件一,头肩特征框沿运动方向远离计数触发线。
该触发条件至少适用于以下两种场景:场景一,假设头肩特征框的起始位置在计数触发线的上方,当前位置在计数触发线的下方,说明该头肩特征框的运动方向为从上到下,且已穿越计数触发线向远离计数触发线的方向运动,因此,可进行人数统计。场景二,假设头肩特征框的起始位置在计数触发线的下方,头肩特征框在计数触发线的下方区域活动,最后从检测区域的下边缘离开,则当头肩特征框运动到起始位置下方时,可根据起始位置和当前位置确定其运动方向为从上到下,且向背离计数触发线的方向运动,同样可进行人数统计。
条件二,头肩特征框的帧间移动距离大于或等于预设的帧间移动距离阈值。
由于头肩特征框检测存在误检,例如,将一些静态的背景物体当作人的头肩特征,因此,需要对检测出的头肩特征框作进一步筛选。本申请实施例利用背景物体移动距离较小的特点,预设一个帧间移动距离阈值,当相邻两帧中的头肩特征框的移动距离大于或等于预设的帧间移动距离阈值时,认为当前的头肩特征框是一个真实可信的头肩特征框。
步骤204,当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。
在通过步骤203确认头肩特征框满足人数统计触发条件时,在该头肩特征框的移动方向(从起始位置到当前位置的方向)上计数加一,并将该头肩特征框标记为已计数头肩特征框,避免重复计数。
此外,本申请实施例在运动前景目标离开检测区域时,判断运动前景目标中的头肩特征框是否均未参与过人数统计。当运动前景目标中的头肩特征框均未参与过人数统计时,根据运动前景目标进行人数统计。
前述描述介绍了基于头肩特征的人数统计方法,但该统计方式存在一定的漏检率,例如,运动前景目标中的人被遮挡物挡住,则通过头肩特征无法检测到人,因此,无法进行计数。
本申请实施例针对上述情况,在基于头肩特征进行人数统计的基础上,增加一种基于运动前景目标的辅助计数方法。该辅助计数方法在运动前景目标即将离开当前检测区域之前,对运动前景目标中头肩特征框计数统计情况进行判断,当该运动前景目标中的头肩特征框均未参与过人数统计时,根据该运动前景目标进行人数统计,以降低漏检率。
具体为,在通过步骤201提取运动前景目标后,对该运动前景目标进行目标匹配及轨迹跟踪。
运动前景目标的匹配过程如下:获取当前帧图像和前一帧图像中的运动前景目标的面积,当两帧图像中的运动前景目标的重合面积大于预设的重合面积阈值时,确认该运动前景目标匹配。
在运动前景目标匹配成功后,对运动前景目标进行轨迹跟踪。具体为,记录该运动前景目标在当前帧图像中的位置,即当前位置;记录该运动前景目标首次出现在图像检测区域的位置,即起始位置;累计该运动前景目标的出现次数。
在确认运动前景目标中的头肩特征框均未参与过人数统计时,利用运动前景目标的匹配跟踪结果进行人数统计。
首先,设置运动前景目标的出现次数阈值。该出现次数阈值根据当前已参与人数统计的头肩特征框的出现次数进行设置。具体为,求前N个参与人数统计的头肩特征框的出现次数平均值,将出现次数平均值乘以预设的调节系数作为运动前景目标的出现次数阈值。
其中,头肩特征框的出现次数平均值始终根据最新参与人数统计的头肩特征框进行计算,使得根据该出现次数平均值计算出的出现次数阈值不为一个固定值,而是一个可以根据应用环境实时变化的数据,可提高人数统计的准确度。此外,由于人在经过检测区域时,头肩特征框的出现次数会少于相对比较稳定的运动前景目标的出现次数,因此,本申请在头肩特征框的出现次数平均值的基础上增加一个调节系数,该调节系数大于1,以使运动前景目标的出现次数阈值的设置更为合理。
在完成运动前景目标的出现次数阈值的设置后,判断当前运动前景目标的出现次数是否大于设置的出现次数阈值。当运动前景目标的出现次数大于设置的出现次数阈值时,在当前运动前景目标的运动方向(运动前景目标从起始位置到当前位置的方向)上,对人数加一。
由上述描述可以看出,本申请将检测出的头肩特征和提取出的运动前景目标相结合进行人数统计,降低人数统计的漏检概率,增强了人数统计的场景适应性;同时,通过目标分割等方法降低人数统计过程中的运算量,使得本申请的人数统计方法可以应用于摄像机等处理能力相对较弱的视频监控设备上,提高人数统计的实时性以及效率。
与前述人数统计方法的实施例相对应,本申请还提供了人数统计装置的实施例。
本申请人数统计装置的实施例可以应用在图像处理设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器运行存储器中对应的计算机程序指令形成的。从硬件层面而言,如图4所示,为本申请人数统计装置所在设备的一种硬件结构图,除了图4所示的处理器、其它接口、以及存储器之外,实施例中装置所在的设备通常根据该设备的实际功能,还可以包括其他硬件,对此不再赘述。
请参考图5,为本申请一个实施例中的人数统计装置的结构示意图。该人数统计装置包括提取单元501、检测单元502、判断单元503以及统计单元504,其中:
提取单元501,用于通过对当前帧图像检测区域进行目标分割提取运动前景目标;
检测单元502,用于检测所述运动前景目标中的头肩特征框;
判断单元503,用于判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件;
统计单元504,用于当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。
进一步地,所述提取单元501,包括:
前景图像获取模块,用于获取当前帧图像检测区域的前景图像;
前景目标框获取模块,用于通过对所述前景图像进行后处理得到前景目标框;
帧差图计算模块,用于计算所述当前帧图像检测区域和前一帧图像检测区域的帧差图;
帧差纹理图获取模块,用于获取检测区域帧差图的帧差边缘纹理图;
图像投影模块,用于在所述帧差边缘纹理图上,对所述前景目标框对应的图像区域进行水平投影和垂直投影;
直方图获取模块,用于获取投影后生成的水平投影直方图和垂直投影直方图;
目标分割模块,用于根据所述水平投影直方图和所述垂直投影直方图对所述前景目标框范围内的帧差边缘纹理图像进行目标分割获得所述运动前景目标。
进一步地,所述目标分割模块,包括:
优先级计算子模块,用于分别计算所述水平投影直方图的处理优先级和所述垂直投影直方图的处理优先级;
目标分割子模块,用于选择处理优先级高的投影直方图对当前前景目标框范围内的帧差边缘纹理图像进行目标分割;选择处理优先级低的投影直方图对经过处理优先级高的投影直方图分割后的帧差边缘纹理图像进行目标分割,以获得若干运动前景目标。
进一步地,所述优先级计算子模块,具体用于:
所述水平投影直方图和所述垂直投影直方图的处理优先级计算方法相同,具体为:
其中,
ux为处理优先级;
xi为投影值为i的行数或列数;
ωi为加权系数;
n为预设的投影阈值。
进一步地,所述目标分割子模块,具体用于:
所述选择处理优先级高的投影直方图进行目标分割和所述选择处理优先级低的投影直方图进行目标分割的方法相同,具体为:
根据目标分割算法计算选择的投影直方图的分割累加值,其中,所述目标分割算法为:
其中,
ωj为加权系数,且为正整数;
n为投影阈值;
yj为第j行或列的投影值;
f(ωj)为带正负方向的加权系数;
m1、m2为行或列,且m2>m1;
Ty为分割累加值;
当所述分割累加值Ty大于或等于预设的分割阈值T,且小于所述分割阈值T时,确认m1和m2为目标分割线。
进一步地,所述装置还包括:
跟踪单元,用于所述检测单元502检测所述运动前景目标中的头肩特征框之后,对所述头肩特征框进行目标匹配以及轨迹跟踪;
记录单元,用于根据目标匹配以及轨迹跟踪结果记录所述头肩特征框在当前帧图像中的当前位置;记录所述头肩特征框首次出现在图像检测区域的起始位置;
所述判断单元503,具体用于判断所述头肩特征框是否沿运动方向远离计数触发线,所述运动方向为所述头肩特征框从所述起始位置到所述当前位置的方向;判断所述头肩特征框的帧间移动距离是否大于或等于预设的帧间移动距离阈值,所述帧间移动距离为所述头肩特征框在当前帧图像和前一帧图像之间的移动距离;当所述头肩特征框沿运动方向远离计数触发线,且所述头肩特征框的帧间移动距离大于或等于预设的帧间移动距离阈值时,确定所述头肩特征框满足人数统计触发条件;否则,确定所述头肩特征框不满足人数统计触发条件。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (15)
1.一种人数统计方法,其特征在于,该方法包括:
通过对当前帧图像检测区域进行目标分割提取运动前景目标;
检测所述运动前景目标中的头肩特征框;
判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件;
当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。
2.如权利要求1所述的方法,其特征在于,所述通过对当前帧图像检测区域进行目标分割提取运动前景目标,包括:
获取当前帧图像检测区域的前景图像;
通过对所述前景图像进行后处理得到前景目标框;
计算所述当前帧图像检测区域和前一帧图像检测区域的帧差图;
获取检测区域帧差图的帧差边缘纹理图;
在所述帧差边缘纹理图上,对所述前景目标框对应的图像区域进行水平投影和垂直投影;
获取投影后生成的水平投影直方图和垂直投影直方图;
根据所述水平投影直方图和所述垂直投影直方图对所述前景目标框范围内的帧差边缘纹理图像进行目标分割获得所述运动前景目标。
3.如权利要求2所述的方法,其特征在于,所述根据所述水平投影直方图和所述垂直投影直方图对所述前景目标框范围内的帧差边缘纹理图像进行目标分割获得所述运动前景目标,包括:
分别计算所述水平投影直方图的处理优先级和所述垂直投影直方图的处理优先级;
选择处理优先级高的投影直方图对当前前景目标框范围内的帧差边缘纹理图像进行目标分割;选择处理优先级低的投影直方图对经过处理优先级高的投影直方图分割后的帧差边缘纹理图像进行目标分割,以获得若干运动前景目标。
4.如权利要求3所述的方法,其特征在于,所述分别计算所述水平投影直方图和所述垂直投影直方图的处理优先级,包括:
所述水平投影直方图和所述垂直投影直方图的处理优先级计算方法相同,具体为:
其中,
ux为处理优先级;
xi为投影值为i的行数或列数;
ωi为加权系数;
n为预设的投影阈值。
5.如权利要求3所述的方法,其特征在于,所述选择处理优先级高的投影直方图对当前前景目标框范围内的帧差边缘纹理图像进行目标分割;选择处理优先级低的投影直方图对经过处理优先级高的投影直方图分割后的帧差边缘纹理图像进行目标分割,包括:
所述选择处理优先级高的投影直方图进行目标分割和所述选择处理优先级低的投影直方图进行目标分割的方法相同,具体为:
根据目标分割算法计算选择的投影直方图的分割累加值,其中,所述目标分割算法为:
其中,
ωi为加权系数,且为正整数;
n为投影阈值;
yj为第j行或列的投影值;
f(ωj)为带正负方向的加权系数;
m1、m2为行或列,且m2>m1;
Ty为分割累加值;
当所述分割累加值Ty大于或等于预设的分割阈值T,且小于所述分割阈值T时,确认m1和m2为目标分割线。
6.如权利要求1所述的方法,其特征在于,所述检测所述运动前景目标中的头肩特征框之后,还包括:
对所述头肩特征框进行目标匹配以及轨迹跟踪;
根据目标匹配以及轨迹跟踪结果记录所述头肩特征框在当前帧图像中的当前位置;记录所述头肩特征框首次出现在图像检测区域的起始位置;
所述判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件,包括:
判断所述头肩特征框是否沿运动方向远离计数触发线,所述运动方向为所述头肩特征框从所述起始位置到所述当前位置的方向;
判断所述头肩特征框的帧间移动距离是否大于或等于预设的帧间移动距离阈值,所述帧间移动距离为所述头肩特征框在当前帧图像和前一帧图像之间的移动距离;
当所述头肩特征框沿运动方向远离计数触发线,且所述头肩特征框的帧间移动距离大于或等于预设的帧间移动距离阈值时,确定所述头肩特征框满足人数统计触发条件;否则,确定所述头肩特征框不满足人数统计触发条件。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
当所述运动前景目标离开检测区域时,判断所述运动前景目标中的头肩特征框是否均未参与过人数统计;
当所述运动前景目标中的头肩特征框均未参与过人数统计时,根据所述运动前景目标进行人数统计。
8.如权利要求7所述的方法,其特征在于,所述通过对当前帧图像检测区域进行目标分割提取运动前景目标之后,还包括:
对所述运动前景目标进行目标匹配以及轨迹跟踪;
根据目标匹配以及轨迹跟踪结果记录所述运动前景目标在当前帧图像中的当前位置;记录所述运动前景目标首次出现在图像检测区域的起始位置;记录所述运动前景目标的出现次数;
所述根据所述运动前景目标进行人数统计,包括:
设置运动前景目标的出现次数阈值;
当所述运动前景目标的出现次数大于所述出现次数阈值时,根据所述运动前景目标的运动方向计数加一,其中,所述运动方向为所述运动前景目标从起始位置到当前位置的方向。
9.如权利要求8所述的方法,其特征在于,所述设置运动前景目标的出现次数阈值,包括:
求前N个参与人数统计的头肩特征框的出现次数平均值;
将所述出现次数平均值乘以预设的调节系数作为所述运动前景目标的出现次数阈值。
10.一种人数统计装置,其特征在于,该装置包括:
提取单元,用于通过对当前帧图像检测区域进行目标分割提取运动前景目标;
检测单元,用于检测所述运动前景目标中的头肩特征框;
判断单元,用于判断所述运动前景目标中的头肩特征框是否满足人数统计触发条件;
统计单元,用于当所述头肩特征框满足所述人数统计触发条件时,根据所述头肩特征框进行人数统计。
11.如权利要求10所述的装置,其特征在于,所述提取单元,包括:
前景图像获取模块,用于获取当前帧图像检测区域的前景图像;
前景目标框获取模块,用于通过对所述前景图像进行后处理得到前景目标框;
帧差图计算模块,用于计算所述当前帧图像检测区域和前一帧图像检测区域的帧差图;
帧差纹理图获取模块,用于获取检测区域帧差图的帧差边缘纹理图;
图像投影模块,用于在所述帧差边缘纹理图上,对所述前景目标框对应的图像区域进行水平投影和垂直投影;
直方图获取模块,用于获取投影后生成的水平投影直方图和垂直投影直方图;
目标分割模块,用于根据所述水平投影直方图和所述垂直投影直方图对所述前景目标框范围内的帧差边缘纹理图像进行目标分割获得所述运动前景目标。
12.如权利要求11所述的装置,其特征在于,所述目标分割模块,包括:
优先级计算子模块,用于分别计算所述水平投影直方图的处理优先级和所述垂直投影直方图的处理优先级;
目标分割子模块,用于选择处理优先级高的投影直方图对当前前景目标框范围内的帧差边缘纹理图像进行目标分割;选择处理优先级低的投影直方图对经过处理优先级高的投影直方图分割后的帧差边缘纹理图像进行目标分割,以获得若干运动前景目标。
13.如权利要求12所述的装置,其特征在于,所述优先级计算子模块,具体用于:
所述水平投影直方图和所述垂直投影直方图的处理优先级计算方法相同,具体为:
其中,
ux为处理优先级;
xi为投影值为i的行数或列数;
ωi为加权系数;
n为预设的投影阈值。
14.如权利要求12所述的装置,其特征在于,所述目标分割子模块,具体用于:
所述选择处理优先级高的投影直方图进行目标分割和所述选择处理优先级低的投影直方图进行目标分割的方法相同,具体为:
根据目标分割算法计算选择的投影直方图的分割累加值,其中,所述目标分割算法为:
其中,
ωj为加权系数,且为正整数;
n为投影阈值;
yj为第j行或列的投影值;
f(ωj)为带正负方向的加权系数;
m1、m2为行或列,且m2>m1;
Ty为分割累加值;
当所述分割累加值Ty大于或等于预设的分割阈值T,且小于所述分割阈值T时,确认m1和m2为目标分割线。
15.如权利要求10所述的装置,其特征在于,所述装置还包括:
跟踪单元,用于所述检测单元检测所述运动前景目标中的头肩特征框之后,对所述头肩特征框进行目标匹配以及轨迹跟踪;
记录单元,用于根据目标匹配以及轨迹跟踪结果记录所述头肩特征框在当前帧图像中的当前位置;记录所述头肩特征框首次出现在图像检测区域的起始位置;
所述判断单元,具体用于判断所述头肩特征框是否沿运动方向远离计数触发线,所述运动方向为所述头肩特征框从所述起始位置到所述当前位置的方向;判断所述头肩特征框的帧间移动距离是否大于或等于预设的帧间移动距离阈值,所述帧间移动距离为所述头肩特征框在当前帧图像和前一帧图像之间的移动距离;当所述头肩特征框沿运动方向远离计数触发线,且所述头肩特征框的帧间移动距离大于或等于预设的帧间移动距离阈值时,确定所述头肩特征框满足人数统计触发条件;否则,确定所述头肩特征框不满足人数统计触发条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510540599.2A CN105139425B (zh) | 2015-08-28 | 2015-08-28 | 一种人数统计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510540599.2A CN105139425B (zh) | 2015-08-28 | 2015-08-28 | 一种人数统计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105139425A true CN105139425A (zh) | 2015-12-09 |
CN105139425B CN105139425B (zh) | 2018-12-07 |
Family
ID=54724757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510540599.2A Active CN105139425B (zh) | 2015-08-28 | 2015-08-28 | 一种人数统计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139425B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631418A (zh) * | 2015-12-24 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人数统计的方法和装置 |
CN105844234A (zh) * | 2016-03-21 | 2016-08-10 | 商汤集团有限公司 | 一种基于头肩检测的人数统计的方法及设备 |
CN106067008A (zh) * | 2016-06-15 | 2016-11-02 | 汤美 | 网络课程的学员统计方法及*** |
CN106504261A (zh) * | 2016-10-31 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 一种图像分割方法及装置 |
CN106530328A (zh) * | 2016-11-04 | 2017-03-22 | 深圳维周机器人科技有限公司 | 一种基于视频图像对运动目标检测和平滑跟随的方法 |
CN107093186A (zh) * | 2017-03-10 | 2017-08-25 | 北京环境特性研究所 | 基于边缘投影匹配的剧烈运动检测方法 |
CN107330386A (zh) * | 2017-06-21 | 2017-11-07 | 厦门中控智慧信息技术有限公司 | 一种人流量统计方法及终端设备 |
CN108197579A (zh) * | 2018-01-09 | 2018-06-22 | 杭州智诺科技股份有限公司 | 防护舱中人数的检测方法 |
CN108256404A (zh) * | 2016-12-29 | 2018-07-06 | 北京旷视科技有限公司 | 行人检测方法和装置 |
CN108280952A (zh) * | 2018-01-25 | 2018-07-13 | 盛视科技股份有限公司 | 一种基于前景目标分割的旅客尾随监测方法 |
CN108921072A (zh) * | 2018-06-25 | 2018-11-30 | 苏州欧普照明有限公司 | 一种基于视觉传感器的人流量统计方法、装置及*** |
CN108989677A (zh) * | 2018-07-27 | 2018-12-11 | 上海与德科技有限公司 | 一种自动拍照方法、装置、服务器和存储介质 |
CN109101929A (zh) * | 2018-08-16 | 2018-12-28 | 新智数字科技有限公司 | 一种行人计数方法及装置 |
CN110490030A (zh) * | 2018-05-15 | 2019-11-22 | 保定市天河电子技术有限公司 | 一种基于雷达的通道人数统计方法及*** |
CN111353342A (zh) * | 2018-12-21 | 2020-06-30 | 浙江宇视科技有限公司 | 肩头识别模型训练方法、装置、人数统计方法、装置 |
CN111461086A (zh) * | 2020-03-18 | 2020-07-28 | 深圳北斗应用技术研究院有限公司 | 一种基于人头检测的人数统计方法和*** |
CN111723664A (zh) * | 2020-05-19 | 2020-09-29 | 烟台市广智微芯智能科技有限责任公司 | 一种用于开放式区域的行人计数方法及*** |
CN112333431A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
CN112434566A (zh) * | 2020-11-04 | 2021-03-02 | 深圳云天励飞技术股份有限公司 | 客流统计方法、装置、电子设备及存储介质 |
CN113469982A (zh) * | 2021-07-12 | 2021-10-01 | 浙江大华技术股份有限公司 | 一种精准客流统计的方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7940957B2 (en) * | 2006-06-09 | 2011-05-10 | Sony Computer Entertainment Inc. | Object tracker for visually tracking object motion |
CN102214309A (zh) * | 2011-06-15 | 2011-10-12 | 北京工业大学 | 一种基于头肩模型的特定人体识别方法 |
CN104751491A (zh) * | 2015-04-10 | 2015-07-01 | 中国科学院宁波材料技术与工程研究所 | 一种人群跟踪及人流量统计方法及装置 |
-
2015
- 2015-08-28 CN CN201510540599.2A patent/CN105139425B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7940957B2 (en) * | 2006-06-09 | 2011-05-10 | Sony Computer Entertainment Inc. | Object tracker for visually tracking object motion |
CN102214309A (zh) * | 2011-06-15 | 2011-10-12 | 北京工业大学 | 一种基于头肩模型的特定人体识别方法 |
CN104751491A (zh) * | 2015-04-10 | 2015-07-01 | 中国科学院宁波材料技术与工程研究所 | 一种人群跟踪及人流量统计方法及装置 |
Non-Patent Citations (2)
Title |
---|
吴玉堂: "基于视觉的行人流量统计方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张庆利: "视频对象自动分割技术及其细胞神经网络实现方法的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631418A (zh) * | 2015-12-24 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人数统计的方法和装置 |
CN105844234A (zh) * | 2016-03-21 | 2016-08-10 | 商汤集团有限公司 | 一种基于头肩检测的人数统计的方法及设备 |
CN106067008A (zh) * | 2016-06-15 | 2016-11-02 | 汤美 | 网络课程的学员统计方法及*** |
CN106504261A (zh) * | 2016-10-31 | 2017-03-15 | 北京奇艺世纪科技有限公司 | 一种图像分割方法及装置 |
CN106504261B (zh) * | 2016-10-31 | 2019-08-06 | 北京奇艺世纪科技有限公司 | 一种图像分割方法及装置 |
CN106530328A (zh) * | 2016-11-04 | 2017-03-22 | 深圳维周机器人科技有限公司 | 一种基于视频图像对运动目标检测和平滑跟随的方法 |
CN106530328B (zh) * | 2016-11-04 | 2019-09-20 | 深圳维周机器人科技有限公司 | 一种基于视频图像对运动目标检测和平滑跟随的方法 |
CN108256404A (zh) * | 2016-12-29 | 2018-07-06 | 北京旷视科技有限公司 | 行人检测方法和装置 |
CN108256404B (zh) * | 2016-12-29 | 2021-12-10 | 北京旷视科技有限公司 | 行人检测方法和装置 |
CN107093186A (zh) * | 2017-03-10 | 2017-08-25 | 北京环境特性研究所 | 基于边缘投影匹配的剧烈运动检测方法 |
CN107330386A (zh) * | 2017-06-21 | 2017-11-07 | 厦门中控智慧信息技术有限公司 | 一种人流量统计方法及终端设备 |
CN108197579A (zh) * | 2018-01-09 | 2018-06-22 | 杭州智诺科技股份有限公司 | 防护舱中人数的检测方法 |
CN108280952A (zh) * | 2018-01-25 | 2018-07-13 | 盛视科技股份有限公司 | 一种基于前景目标分割的旅客尾随监测方法 |
CN110490030A (zh) * | 2018-05-15 | 2019-11-22 | 保定市天河电子技术有限公司 | 一种基于雷达的通道人数统计方法及*** |
CN108921072A (zh) * | 2018-06-25 | 2018-11-30 | 苏州欧普照明有限公司 | 一种基于视觉传感器的人流量统计方法、装置及*** |
CN108921072B (zh) * | 2018-06-25 | 2021-10-15 | 苏州欧普照明有限公司 | 一种基于视觉传感器的人流量统计方法、装置及*** |
WO2020001302A1 (zh) * | 2018-06-25 | 2020-01-02 | 苏州欧普照明有限公司 | 一种基于视觉传感器的人流量统计方法、装置及*** |
CN108989677A (zh) * | 2018-07-27 | 2018-12-11 | 上海与德科技有限公司 | 一种自动拍照方法、装置、服务器和存储介质 |
CN109101929A (zh) * | 2018-08-16 | 2018-12-28 | 新智数字科技有限公司 | 一种行人计数方法及装置 |
CN111353342A (zh) * | 2018-12-21 | 2020-06-30 | 浙江宇视科技有限公司 | 肩头识别模型训练方法、装置、人数统计方法、装置 |
CN111353342B (zh) * | 2018-12-21 | 2023-09-19 | 浙江宇视科技有限公司 | 肩头识别模型训练方法、装置、人数统计方法、装置 |
CN111461086A (zh) * | 2020-03-18 | 2020-07-28 | 深圳北斗应用技术研究院有限公司 | 一种基于人头检测的人数统计方法和*** |
CN111723664A (zh) * | 2020-05-19 | 2020-09-29 | 烟台市广智微芯智能科技有限责任公司 | 一种用于开放式区域的行人计数方法及*** |
CN112333431A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
CN112434566A (zh) * | 2020-11-04 | 2021-03-02 | 深圳云天励飞技术股份有限公司 | 客流统计方法、装置、电子设备及存储介质 |
CN112434566B (zh) * | 2020-11-04 | 2024-05-07 | 深圳云天励飞技术股份有限公司 | 客流统计方法、装置、电子设备及存储介质 |
CN113469982A (zh) * | 2021-07-12 | 2021-10-01 | 浙江大华技术股份有限公司 | 一种精准客流统计的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105139425B (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105139425A (zh) | 一种人数统计方法及装置 | |
US10452931B2 (en) | Processing method for distinguishing a three dimensional object from a two dimensional object using a vehicular system | |
CN106980829B (zh) | 基于视频分析的打架斗殴异常行为自动检测方法 | |
CN103164706B (zh) | 基于视频信号分析的对象计数方法与装置 | |
Gupte et al. | Detection and classification of vehicles | |
Chan et al. | Privacy preserving crowd monitoring: Counting people without people models or tracking | |
Atev et al. | A vision-based approach to collision prediction at traffic intersections | |
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN102819764B (zh) | 一种适用于交通路口复杂场景下的多视角人流量统计方法 | |
EP2128818A1 (en) | Method of moving target tracking and number accounting | |
JP2019505866A (ja) | 通行人の頭部識別方法及びシステム | |
CN106682586A (zh) | 一种复杂光照条件下基于视觉的实时车道线检测的方法 | |
CN104123544A (zh) | 基于视频分析的异常行为检测方法及*** | |
CN103235933A (zh) | 一种基于隐马尔科夫模型的车辆异常行为检测方法 | |
CN102243765A (zh) | 基于多相机的多目标定位跟踪方法及*** | |
US20080100473A1 (en) | Spatial-temporal Image Analysis in Vehicle Detection Systems | |
CN103632427B (zh) | 一种道闸防砸方法及道闸控制*** | |
CN107886055A (zh) | 一种用于车辆运动方向判定的逆行检测方法 | |
Rodríguez et al. | An adaptive, real-time, traffic monitoring system | |
CN104392239A (zh) | 一种车牌识别方法及*** | |
CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 | |
CN104966062A (zh) | 视频监视方法和装置 | |
EP4020428A1 (en) | Method and apparatus for recognizing lane, and computing device | |
CN110189425A (zh) | 基于双目视觉的多车道自由流车辆检测方法及*** | |
CN110147748A (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |