CN105940430B - 人员计数方法及其装置 - Google Patents

人员计数方法及其装置 Download PDF

Info

Publication number
CN105940430B
CN105940430B CN201480074551.0A CN201480074551A CN105940430B CN 105940430 B CN105940430 B CN 105940430B CN 201480074551 A CN201480074551 A CN 201480074551A CN 105940430 B CN105940430 B CN 105940430B
Authority
CN
China
Prior art keywords
head
candidate head
tracking
candidate
search region
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
Application number
CN201480074551.0A
Other languages
English (en)
Other versions
CN105940430A (zh
Inventor
梁胜智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SK Telecom Co Ltd
Original Assignee
SK Telecom Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SK Telecom Co Ltd filed Critical SK Telecom Co Ltd
Publication of CN105940430A publication Critical patent/CN105940430A/zh
Application granted granted Critical
Publication of CN105940430B publication Critical patent/CN105940430B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

公开了一种对人进行计数的方法及其装置。检测仅在图像帧内的前景轮廓经过基线处的点处的圆形轮廓作为头部候选；并且对经过搜索区域的头部候选进行计数。因而，所提供的方法和装置能够在更准确并且低误差率的情况下基于所检测的头部数量来对人进行计数。

Description

人员计数方法及其装置
技术领域
本公开的一些实施方式涉及一种用于对人进行计数的方法和设备。
背景技术
此部分中的声明仅提供与本公开有关的背景信息，而未必构成现有技术。
用于对人进行计数的已知技术包括基于对象的运动信息从图像分离前景和背景，跟踪从所分离的前景被确定为是人的对象，并且确定所跟踪的对象的数量及其方向。此技术对于低人流量或简单背景能够可接受地发挥作用，但是在高人流量、密集人群的复杂环境中或者在用于监测大区域的***中由于大量变量的影响而受困于减小的精度。
另外，上述传统技术的不足包括：(1)对人进行计数由于具有阴影、遮挡等的不准确的前景分离而容易出错；(2)如果有许多人经过，则分离对象的难度妨碍了关注区域(或线)是否通过的确认，从而导致对人进行计数失败；(3)在许多人经过的情况下，大量对象使处理速度显著降低；以及(4)相机镜头生成透视失真，该透视失真根据相机和周围环境而大幅波动，使得难以通过回归来估计对象的数量。
发明内容
技术问题
本公开的一些实施方式旨在提供一种用于对人进行计数的方法和设备，其仅仅通过在图像帧中与基线交叉的前景轮廓来开始检测圆形轮廓作为候选头部，然后对经过搜索区域的候选头部进行计数，从而允许基于更准确并且几乎无误差的头部检测来对人数进行计数。
技术方案
根据本公开的一些实施方式，一种通过图像分析设备对人数进行计数的方法包括以下步骤：从所输入的当前帧检测前景轮廓；执行头部检测，包括在与相机拍摄区域的中心点垂直的点处虚拟地限定基线，围绕所述基线限定搜索区域，以及在所述前景轮廓与所述基线交叉的点处检测要被识别为人的头部的圆形轮廓作为候选头部；分别在后续帧中跟踪所述候选头部，直至所述候选头部经过所述搜索区域；以及通过分别经过所述搜索区域的所述候选头部来累计人数。
根据本公开的一些实施方式，一种图像分析设备包括前景轮廓检测单元、头部检测单元、头部跟踪单元和计数单元。前景轮廓检测单元被配置为从所输入的当前帧检测前景轮廓。头部检测单元被配置为在与相机拍摄区域的中心点垂直的点处虚拟地限定基线，围绕所述基线限定搜索区域，并且在所述前景轮廓与所述基线交叉的点处检测要被识别为人的头部的圆形轮廓作为候选头部。头部跟踪单元被配置为分别在后续帧中跟踪所述候选头部，直至所述候选头部经过所述搜索区域。计数单元被配置为通过分别经过所述搜索区域的所述候选头部来累计人数。
有益效果
根据本公开的一些实施方式，如上所述，仅仅通过在图像帧中与基线交叉的前景轮廓来开始检测圆形轮廓作为候选头部，然后对经过搜索区域的候选头部进行计数，从而允许基于更准确并且几乎无误差的头部检测来对人数进行计数。
根据本公开的一些实施方式，通过分析从相机获取的图像，可按照更准确的方式来对人数进行计数，其不仅可应用于用于检测闯入、异常情况等的图像安全领域，而且可应用于商业智能(BI)领域以及时准确地分析诸如零售店的商店(包括百货商店)中的流动人口、拥挤程度。
根据本公开的一些实施方式，仅在人的头部被最佳检测的区域(与相机拍摄区域的中心点垂直的点)中检测候选头部，然后跟踪候选头部，由此使由于头部的错误检测引起的计数误差最小化。另外，根据本公开的一些实施方式，仅在作为图像的一部分的搜索区域中跟踪所检测到的头部，因此处理速度可增大。另外，可在大量的人移动的环境(例如，百货商店)中提供准确的计数。
附图说明
图1a是根据本公开的一些实施方式的基于头部检测对人数进行计数的方法的框图。
图1b是根据本公开的一些实施方式的基于头部检测的图像分析器的示意图。
图2是根据本公开的一些实施方式的基于积分图像的自适应阈值处理的伪代码的示意图。
图3是示出本公开的一些实施方式中的前景轮廓提取的示例性示意图。
图4是示出本公开的一些实施方式中的头部检测的示例性示意图。
图5是示出根据本公开的一些实施方式的用于头部检测和跟踪的参考点的设定的示意图。
图6是示出根据本公开的一些实施方式的快速模板匹配(FMT)区域的确定的示意图。
图7a和图7b是分别示出根据本公开的一些实施方式的连续帧上的头部检测和头部跟踪操作的示例性示意图。
具体实施方式
以下，将参照附图详细描述本公开的示例性实施方式。
根据本公开的一些实施方式的对人数进行计数的方法提供了一种基于头部检测对人数进行计数的算法，以便解决由复杂条件下生成的变量导致的问题。根据一些实施方式的对人数进行计数的方法大致包括以下步骤：(1)在圆形轮廓的候选头部被最佳获得的位置(即，与相机拍摄区域的中心点垂直的位置)处虚拟地限定基线，并且围绕基线限定搜索区域；(2)在前景轮廓与基线交叉的点处执行圆形轮廓的检测作为候选头部；以及(3)通过执行候选头部与当前帧的匹配来跟踪候选头部直至所检测的候选头部经过搜索区域，并且通过考虑当候选头部经过搜索区域时候选头部的方向来对候选头部进行计数，从而累计人数。与传统对象跟踪不同，不执行合并和分离对象的步骤，以减小复杂情况下源自跟踪的误差。
图1a是根据本公开的一些实施方式的基于头部检测对人进行计数的方法的框图。用于对人进行计数的方法包括以下步骤：从所输入的帧提取前景轮廓(步骤S110)；基于所提取的前景轮廓检测圆形轮廓作为候选头部(步骤S120)；跟踪所检测的候选头部(步骤S130)；以及当所检测的候选头部在预定方向上移动预定距离或更多时累计人数(步骤S140)。
图1a所示的用于对人进行计数的方法可由图1b所示的设备来实现。图1b所示的图像分析设备100包括前景轮廓检测单元110、头部检测单元120、头部跟踪单元130和计数单元140。包括在图像分析设备100中的构成元件中的至少一个可通过软件模块或硬件模块来实现。
包括在图像分析设备100中的各个构成元件可连接至将设备内部的软件模块或硬件模块互连的通信总线并且可按照相互组织的方式操作。
当被实现为硬件模块时，图像分析设备100可表示诸如智能电话、平板、膝上型计算机、PC(个人计算机)、PDA(个人数字助理)、游戏机、PMP(便携式多媒体播放器)、PSP(掌上游戏机)、无线通信终端、TV、媒体播放器等的用户终端。在一些实施方式中，图像分析设备100对应于诸如应用服务器、服务服务器等的服务器终端。在一些实施方式中，图像分析设备100可表示各种设备，各个设备包括：(a)诸如通信调制解调器等的通信设备，其用于与各种类型的装置或者有线/无线通信网络执行通信；(b)存储器，其用于存储各种程序和数据；以及(c)随微处理器安装的各种装置，其用于执行程序以执行计算和控制等。根据一些实施方式，存储器包括诸如随机存取存储器(RAM)、只读存储器(ROM)、闪存、光盘、磁盘、固态盘等的计算机可读记录/存储介质。根据一些实施方式，微处理器被编程以用于执行本文所述的一个或更多个操作和/或功能。根据一些实施方式，微处理器整体或部分地通过专门配置的硬件(例如，通过一个或更多个专用集成电路或ASIC)来实现。
前景轮廓检测单元110从所输入的当前帧检测前景轮廓。前景轮廓检测单元110从相机接收图像帧。具体地讲，前景轮廓检测单元110从仅包含背景的初始帧提取背景轮廓。在提取当前帧的整个轮廓之后，前景轮廓检测单元110通过将背景轮廓从整个轮廓去除来获取前景轮廓。前景轮廓检测单元110基于帧积分图像使用自适应阈值技术来提取前景轮廓。
头部检测单元120在与相机拍摄区域的中心点垂直的点处限定虚拟基线。头部检测单元120还围绕基线限定搜索区域。头部检测单元120仅仅在前景轮廓与基线交叉的点处检测将被识别为人的头部的圆形轮廓。头部检测单元120通过基于前景轮廓执行圆形霍夫(Hough)变换来提取圆形轮廓。头部检测单元120利用预定最小值与预定最大值之间的圆形轮廓的尺寸作为先验信息(prior information)来执行圆形霍夫变换。
头部跟踪单元130在后续帧中跟踪各个候选头部直至圆形轮廓的候选头部经过搜索区域。当检测到候选头部时，头部跟踪单元130确定所检测的各个候选头部是否在空间上与跟踪列表上现有的候选头部交叠。当确定所检测的候选头部没有在空间上与跟踪列表上的候选头部交叠时，头部跟踪单元130将所检测的候选头部新***跟踪列表中。
头部跟踪单元130通过对跟踪列表上现有的每一个候选头部应用快速模板匹配方法来计算与当前帧具有很强相似度的点。头部跟踪单元130将与当前帧具有很强相似度的点确定为各个候选头部的新中心点。
头部跟踪单元130确定搜索区域以用于执行跟踪列表上的任意候选头部与当前帧匹配的处理。下面描述头部跟踪单元130确定搜索区域的操作。头部跟踪单元130基于搜索区域相对于各个候选头部的上侧面积Ru和搜索区域相对于各个候选头部的下侧面积Rd来计算搜索区域的高度Rh。头部跟踪单元130将搜索区域的宽度Rw设定为等于搜索区域的高度Rh的值。头部跟踪单元130基于搜索区域的高度Rh和搜索区域的宽度Rw来确定搜索区域。
在由头部跟踪单元130计算搜索区域的高度Rh的步骤中，头部跟踪单元130基于第一权重wα、第二权重wβ、跟踪列表上的第t候选头部的平均移动速度S(t)以及相对于各个候选头部的上下移动方向Δy(t)来计算高度Rh。具体地讲，头部跟踪单元130基于总轨迹数N以及第n轨迹的候选头部的x-y坐标(xn,yn)来计算跟踪列表上的第t候选头部的平均移动速度S(t)。
在由头部跟踪单元130计算相对于各个候选头部的上下移动方向Δy(t)的步骤中，头部跟踪单元130基于总轨迹N和第n轨迹的候选头部的y坐标(yn)来计算上下移动方向Δy(t)。头部跟踪单元130基于第二权重wβ、跟踪列表上的第t头部候选的平均移动速度S(t)以及搜索区域相对于各个候选头部的上侧面积Ru来计算搜索区域相对于各个候选头部的下侧面积Rd。
计数单元140通过对分别经过搜索区域的候选头部进行计数来累计人数。计数单元140通过考虑其圆形轮廓的方向累计逐个地经过搜索区域的候选头部来执行人数的累计。
1.前景轮廓检测
检测前景轮廓的步骤(步骤S110)是检测圆形轮廓的候选头部的步骤的预步骤。在步骤S110中，从输入的当前帧提取整个对象轮廓。这里，在步骤S110中，通过将背景轮廓从整个对象轮廓排除来获取前景轮廓。步骤S110利用仅包含背景的初始帧作为参考帧以获取前景轮廓。步骤S110不使用已知用于对关于运动微分概率的信息进行建模的诸如高斯混合模型(GMM)方法的普通背景减去技术，以便排除运动特征的使用并且增大处理速度。
步骤S110以更稳定的方式提取前景对象的轮廓，而不管对象的运动。步骤S110采用基于积分图像的自适应阈值技术。一些实施方式考虑带阴影以与背景形成对比的人的头部来执行步骤S110。对于前景轮廓检测，步骤S110可利用一些人的头部的较暗本质。自适应阈值技术在将中心像素与周边像素的平均进行比较的同时使用积分图像。
图2是根据本公开的一些实施方式的自适应阈值处理的伪代码的示意图。此自适应阈值处理不同于传统方法，其中图像未被二值化，在与周围有鲜明区别的特定部分中原始像素保持原样，而剩余部分被去除。步骤S110从应用了自适应阈值技术的图像提取轮廓。步骤S110通过从当前第i帧的轮廓(E(i))减去背景轮廓(Eb)来获得前景轮廓(Ef(i)＝E(i)-Eb)。图3是示出本公开的一些实施方式中的前景轮廓提取的示意图。
2.基于轮廓特征的头部检测
在检测候选头部的步骤(步骤S120)中，基于通过检测前景轮廓(步骤S110)的步骤检测的前景轮廓来执行圆形霍夫变换，以通过圆形轮廓提取候选头部。步骤S120用于从通过固定相机拍摄的图像对人数进行计数。尽管相机镜头导致周边区域中的失真，人通常具有可比较的身体大小。即，人身体大小由候选头部的大小确定。候选头部大小是主要的一条先验信息。响应于在最小值(Shead_min)和最大值(Shead_max)之间的范围内的候选头部大小(Shead)，步骤S120可利用圆形霍夫变换来将待检测的圆形轮廓的大小限制为对应范围。
图4是示出本公开的一些实施方式中的头部检测的示意图。如图4所示，从地面实况中总共16个人的候选头部以外的人身体部位可能发生五次错误检测(图4中所示的阴影线区域)。另外，假设发生了两次检测遗漏(图4中所示的虚线区域)。由相机引起的失真常常是造成从接近人身体部位的圆形形状的轮廓信息的提取发生错误检测的原因。可能由于头部区域与穿戴着深色衣物的人的对比度减小，导致未能提取圆形轮廓而发生检测遗漏。
3.基于移动速度跟踪头部
为了使会以上述方式发生的错误检测和检测遗漏的概率最小化，伴随着仅仅在与相机视野的中心垂直的地面上将待识别的圆形轮廓检测为候选头部进行跟踪所检测的候选头部的步骤S130。步骤S130继续在后续帧上跟踪所检测的圆形轮廓。
图5是示出在后续帧中在虚拟跟踪基线(Ytrack)上跟踪所检测的候选头部的方法的示意图。当步骤S130中的候选头部跟踪具有通过圆形轮廓检测的候选头部时，检查各个候选头部是否在空间上与包含当前跟踪的候选头部的跟踪列表上现有的候选头部交叠。当检查发现未与跟踪列表上的候选头部交叠的候选头部时，通过步骤S130将未交叠的候选头部新增加到跟踪列表。此后，步骤S130将快速模板匹配方法应用于跟踪列表上的所有候选头部，以确定与当前帧具有高相似度的点作为各个候选头部的新中心点。
图6是示出当前帧中用于执行与跟踪列表上的任意候选头部的匹配操作的区域的确定的示意图。快速模板匹配区域由Rw×Rh区域表示。Rw表示搜索区域的边缘的宽度。Rh表示搜索区域的边缘的高度，其中Rh＝Ru+Rd。Ru表示搜索区域参照候选头部的上侧面积。Rd表示搜索区域参照候选头部的下侧面积。在一些实施方式中，Rw被设定为等于Rh。在一些实施方式中，Rw被设定为不同于Rh。通过将Rw设定为不同于Rh，Rh＝Rl+Rr，其中Rl表示搜索区域参照候选头部的左侧面积，Rr表示搜索区域参照候选头部的右侧面积。
在跟踪候选头部的步骤(步骤S130)中，基于存储在跟踪列表中的轨迹从式1至式4计算Ru和Rd。
S(t)表示平均移动速度，其等于移动的像素数/跟踪列表上的第t候选头部的帧0(即，帧数)。N表示总轨迹数。总共N条轨迹被存储在存储单元中。(xn,yn)表示在第n轨迹中以候选头部为中心的x，y坐标。
Δy(t)表示向上移动方向和向下移动方向，表示N条轨迹的平均方向。N表示存储在存储单元中的总轨迹数。yn表示以第n轨迹的候选头部为中心的y坐标。
基于从式1计算的S(t)以及从式2计算的Δy(t)，从式3计算搜索区域参照第t候选头部的上侧面积Ru(t)。
在基于从[式1]计算的S(t)和从式2计算的Δy(t)计算搜索区域相对于第t候选头部的上侧面积Ru(t)时，wα(第一权重)为0.5≤wα≤1范围内的实数值，其意指对与平均移动轨迹的方向对准的方向应用权重。wβ(第二权重)是wβ≥1范围内的实数值，其意指与移动轨迹相比用于搜索区域的边缘的权重的值。S(t)表示平均移动速度，其等于移动的像素数/跟踪列表上的第t候选头部的帧0(即，帧数)。Δy(t)表示N条轨迹的平均方向，即，向上移动方向和向下移动方向。
基于从式3确定的Ru(t)，可从式4获得Rd(t)。
Rd(t)＝wβ·S(t)-Ru(t) 式4
Rd(t)表示基于从式1计算的S(t)和从式3计算的Ru(t)计算的搜索区域参照第t候选头部的下侧面积。S(t)表示平均移动速度，其等于移动的像素数/跟踪列表上的第t候选头部的帧0。Ru(t)表示基于S(t)和Δy(t)计算的搜索区域参照第t候选头部的上侧面积。
图7a和图7b是分别示出根据一些实施方式的连续帧上的头部检测和头部跟踪操作的示例性示意图。仅仅在Ytrack＝150且候选头部与跟踪基线相交的条件下考虑检测候选头部(圆形轮廓)。如图7a和图7b所示，有一些帧即使当它们与跟踪基线相交时也无法检测候选头部(圆形轮廓)，例如第1320帧和第1324帧。继续跟踪从先前帧成功提取的候选头部(圆形轮廓)使得从第1334帧和第1336帧累计两个人。
尽管出于例示性目的描述了本公开的示例性实施方式，本领域技术人员将理解，在不脱离要求保护的发明的构思和范围的情况下，可进行各种修改、添加和替代。因此，为了简明和清晰起见描述了本公开的示例性实施方式。因此，本领域普通技术人员将理解，要求保护的发明的范围不由上面明确描述的实施方式限制，而是由权利要求书及其等同物限制。
工业实用性
如上所述，本公开非常适用于视频安全和BI(商业智能)领域以允许基于更准确并且几乎无误差的头部检测来对人数进行计数。
附图标号
110：前景边缘检测单元 120：头部检测单元
130：头部跟踪单元 140：计数单元
相关申请的交叉引用
本申请要求2014年2月24日在韩国提交的专利申请No.10-2014-0021381在35U.S.C§119(a)下的优先权，其完整内容以引用方式并入本文。另外，此非临时申请基于所述韩国专利申请出于相同的理由要求美国以外的国家的优先权，其完整内容以引用方式并入本文。

Claims (16)

1.一种通过图像分析设备对人数进行计数的方法，该方法包括以下步骤：
从所输入的当前帧检测前景轮廓；
执行头部检测，包括以下步骤：
在与相机拍摄区域的中心点垂直的点处虚拟地限定基线，
围绕所述基线限定搜索区域，以及
在所述前景轮廓与所述基线交叉的点处检测要被识别为人的头部的圆形轮廓作为候选头部；
分别在后续帧中跟踪所述候选头部，直至所述候选头部经过所述搜索区域；以及
通过分别经过所述搜索区域的所述候选头部来累计人数，
其中，跟踪所述候选头部的步骤包括以下步骤：
基于所述搜索区域相对于各个候选头部的上侧面积(Ru)以及所述搜索区域相对于所述各个候选头部的下侧面积(Rd)来计算所述搜索区域的高度(Rh)；
将所述搜索区域的宽度(Rw)设定为等于所述搜索区域的所述高度(Rh)的值；以及
基于所述搜索区域的所述高度(Rh)和所述宽度(Rw)来确定所述搜索区域。
2.根据权利要求1所述的方法，该方法还包括以下步骤：生成包含候选头部的跟踪列表，并且
其中，跟踪所述候选头部的步骤包括以下步骤：
确定通过跟踪步骤检测的候选头部是否在空间上与所述跟踪列表上的候选头部中的至少一个交叠，并且
如果空间上没有交叠，则将没有交叠的候选头部新***到所述跟踪列表中。
3.根据权利要求1所述的方法，该方法还包括以下步骤：生成包含候选头部的跟踪列表，并且
其中，跟踪所述候选头部的步骤包括以下步骤：
将快速模板匹配方法应用于所述跟踪列表上的候选头部，由此将与所述当前帧具有强相似度的点确定为各个所述候选头部的新中心点。
4.根据权利要求1所述的方法，该方法还包括以下步骤：生成包含候选头部的跟踪列表，并且
其中，跟踪所述候选头部的步骤包括以下步骤：
确定所述搜索区域以用于执行将所述跟踪列表上的任意候选头部与所述当前帧进行匹配的处理。
5.根据权利要求1所述的方法，该方法还包括以下步骤：生成包含候选头部的跟踪列表，并且
其中，跟踪所述候选头部的步骤包括以下步骤：
基于第一权重(wα)、第二权重(wβ)、所述跟踪列表上的第t候选头部的平均移动速度(S(t))以及相对于所述各个候选头部的上下移动方向(Δy(t))来计算所述搜索区域的所述高度(Rh)，
其中，所述第一权重(wα)是对与平均移动轨迹的方向对准的方向应用的权重，并且，所述第二权重(wβ)是与移动轨迹相比用于所述搜索区域的边缘的权重。
6.根据权利要求5所述的方法，其中，跟踪所述候选头部的步骤包括以下步骤：
基于总轨迹数(N)和第n轨迹的候选头部的x-y坐标(xn,yn)来计算所述跟踪列表上的所述第t候选头部的所述平均移动速度(S(t))。
7.根据权利要求5所述的方法，其中，跟踪所述候选头部的步骤包括以下步骤：
基于总轨迹数(N)和第n轨迹的候选头部的y坐标(yn)来计算相对于所述各个候选头部的所述上下移动方向(Δy(t))。
8.根据权利要求1所述的方法，该方法还包括以下步骤：生成包含候选头部的跟踪列表，并且
其中，跟踪所述候选头部的步骤包括以下步骤：
基于第二权重(wβ)、所述跟踪列表上的第t候选头部的平均移动速度(S(t))以及所述搜索区域相对于所述各个候选头部的所述上侧面积(Ru)来计算所述搜索区域相对于所述各个候选头部的所述下侧面积(Rd)，
其中，所述第二权重(wβ)是与移动轨迹相比用于所述搜索区域的边缘的权重。
9.根据权利要求8所述的方法，其中，跟踪所述候选头部的步骤包括以下步骤：
基于总轨迹数(N)和第n轨迹的候选头部的x-y坐标(xn,yn)来计算所述跟踪列表上的所述第t候选头部的所述平均移动速度(S(t))。
10.根据权利要求8所述的方法，其中，跟踪所述候选头部的步骤包括以下步骤：
基于第一权重(wα)、第二权重(wβ)、所述跟踪列表上的第t候选头部的平均移动速度(S(t))以及相对于所述候选头部的上下移动方向(Δy(t))来计算所述搜索区域的所述高度(Rh)，
其中，所述第一权重(wα)是对与平均移动轨迹的方向对准的方向应用的权重，并且，所述第二权重(wβ)是与移动轨迹相比用于所述搜索区域的边缘的权重。
11.根据权利要求1所述的方法，其中，检测所述前景轮廓的步骤包括以下步骤：
从仅包含背景的初始帧提取背景轮廓，提取所述当前帧的整个轮廓，并且将所述背景轮廓从所述整个轮廓去除以获取所述前景轮廓。
12.根据权利要求11所述的方法，其中，检测所述前景轮廓的步骤包括以下步骤：
基于帧积分图像利用自适应阈值处理来提取所述前景轮廓。
13.根据权利要求1所述的方法，其中，执行所述头部检测的步骤包括以下步骤：
通过基于所述前景轮廓执行圆形霍夫变换来提取所述圆形轮廓。
14.根据权利要求13所述的方法，其中，执行所述头部检测的步骤包括以下步骤：
利用介于预定最小值和预定最大值之间的所述圆形轮廓的大小作为先验信息来执行所述圆形霍夫变换。
15.根据权利要求1所述的方法，其中，累计步骤包括以下步骤：
通过考虑所述圆形轮廓的方向来对逐个地经过所述搜索区域的所述候选头部进行累计。
16.一种图像分析设备，该图像分析设备包括：
前景轮廓检测单元，该前景轮廓检测单元被配置为从所输入的当前帧检测前景轮廓；
头部检测单元，该头部检测单元被配置为：
在与相机拍摄区域的中心点垂直的点处虚拟地限定基线，
围绕所述基线限定搜索区域，并且
在所述前景轮廓与所述基线交叉的点处检测要被识别为人的头部的圆形轮廓作为候选头部；
头部跟踪单元，该头部跟踪单元被配置为分别在后续帧中跟踪所述候选头部，直至所述候选头部经过所述搜索区域；以及
计数单元，该计数单元被配置为通过分别经过所述搜索区域的所述候选头部来累计人数，
其中，所述头部跟踪单元还被配置为：
基于所述搜索区域相对于各个候选头部的上侧面积(Ru)以及所述搜索区域相对于所述各个候选头部的下侧面积(Rd)来计算所述搜索区域的高度(Rh)；
将所述搜索区域的宽度(Rw)设定为等于所述搜索区域的所述高度(Rh)的值；以及
基于所述搜索区域的所述高度(Rh)和所述宽度(Rw)来确定所述搜索区域。
CN201480074551.0A 2014-02-24 2014-10-22 人员计数方法及其装置 Active CN105940430B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020140021381A KR101557376B1 (ko) 2014-02-24 2014-02-24 사람 계수 방법 및 그를 위한 장치
KR10-2014-0021381 2014-02-24
PCT/KR2014/009926 WO2015126031A1 (ko) 2014-02-24 2014-10-22 사람 계수 방법 및 그를 위한 장치

Publications (2)

Publication Number Publication Date
CN105940430A CN105940430A (zh) 2016-09-14
CN105940430B true CN105940430B (zh) 2019-09-17

Family

ID=53878504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480074551.0A Active CN105940430B (zh) 2014-02-24 2014-10-22 人员计数方法及其装置

Country Status (4)

Country Link
US (1) US9971941B2 (zh)
KR (1) KR101557376B1 (zh)
CN (1) CN105940430B (zh)
WO (1) WO2015126031A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160259980A1 (en) * 2015-03-03 2016-09-08 Umm Al-Qura University Systems and methodologies for performing intelligent perception based real-time counting
KR20160118783A (ko) * 2015-04-03 2016-10-12 한화테크윈 주식회사 사람 계수 방법 및 장치
US10402671B2 (en) * 2016-03-28 2019-09-03 General Dynamics Mission Systems, Inc. System and methods for automatic solar panel recognition and defect detection using infrared imaging
US10650249B2 (en) * 2016-10-25 2020-05-12 Shenzhen University Method and device for counting pedestrians based on identification of head top of human body
CN106504270B (zh) * 2016-11-08 2019-12-20 浙江大华技术股份有限公司 一种视频中目标物体的展示方法及装置
CN106548487B (zh) * 2016-11-25 2019-09-03 浙江光跃环保科技股份有限公司 用于检测和跟踪移动物体的方法和装置
CN108537093B (zh) * 2017-03-02 2020-07-03 深圳市中兴微电子技术有限公司 一种视频人数的统计方法和装置
JP6910208B2 (ja) * 2017-05-30 2021-07-28 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
CN109389016B (zh) * 2017-08-10 2023-04-07 株式会社日立制作所 一种人头计数的方法及***
RU2696548C1 (ru) 2018-08-29 2019-08-02 Александр Владимирович Абрамов Способ построения системы видеонаблюдения для поиска и отслеживания объектов
US11048948B2 (en) * 2019-06-10 2021-06-29 City University Of Hong Kong System and method for counting objects
CN110472552A (zh) * 2019-08-09 2019-11-19 杭州义顺科技有限公司 基于图像物体检测技术的利用摄像头的视频实物计数方法
CN110717408B (zh) * 2019-09-20 2022-04-12 台州智必安科技有限责任公司 一种基于tof相机的人流计数方法
CN111104554B (zh) * 2019-12-23 2022-08-16 南京甄视智能科技有限公司 基于轮廓检测和头肩检测的自动门控制方法与***
EP3855347B1 (en) * 2020-01-21 2022-06-22 Axis AB Distinguishing human beings in a crowd in an image
KR102335158B1 (ko) * 2020-03-11 2021-12-02 경성대학교 산학협력단 열화상 카메라를 이용한 사람 객체별 체온 감지 및 추적 방법
JP2022020352A (ja) * 2020-07-20 2022-02-01 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
US11587325B2 (en) 2020-09-03 2023-02-21 Industrial Technology Research Institute System, method and storage medium for detecting people entering and leaving a field
KR102486499B1 (ko) 2022-07-21 2023-01-10 한국해양과학기술원 이미지 기반 인공지능 객체인식을 이용한 갯벌 서식굴 탐사시스템 및 이를 이용한 갯벌 생태환경 공간정보 구축방법
KR102486498B1 (ko) 2022-07-21 2023-01-10 한국해양과학기술원 이미지 기반 인공지능 객체인식을 이용한 갯벌 서식굴 탐지 및 생태환경 공간정보 구축시스템 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102467679A (zh) * 2010-11-18 2012-05-23 安讯士有限公司 对象计数器及对对象进行计数的方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100519782B1 (ko) * 2004-03-04 2005-10-07 삼성전자주식회사 스테레오 카메라를 이용한 사람 검출 방법 및 장치
WO2008131201A1 (en) * 2007-04-19 2008-10-30 Global Rainmakers, Inc. Method and system for biometric recognition
US7965866B2 (en) * 2007-07-03 2011-06-21 Shoppertrak Rct Corporation System and process for detecting, tracking and counting human objects of interest
US8411963B2 (en) * 2008-08-08 2013-04-02 The Nielsen Company (U.S.), Llc Methods and apparatus to count persons in a monitored environment
JP5230793B2 (ja) * 2009-02-24 2013-07-10 三菱電機株式会社 人物追跡装置及び人物追跡プログラム
JP2010198566A (ja) * 2009-02-27 2010-09-09 Nec Corp 人数計測装置、方法及びプログラム
JP2010262527A (ja) 2009-05-08 2010-11-18 Nabtesco Corp 通行者計数装置、通行者計数方法および通行者計数プログラム
WO2011097795A1 (zh) 2010-02-10 2011-08-18 杭州海康威视软件有限公司 人流量统计的方法及***
WO2013003860A1 (en) * 2011-06-30 2013-01-03 Yale University Subject sensing in an environment
EP2600611A1 (de) * 2011-11-29 2013-06-05 Xovis AG Verfahren und Vorrichtung zur überwachung eines Überwachungsbereichs
TWI448977B (zh) * 2011-12-08 2014-08-11 Ind Tech Res Inst 基於視訊分析的物件計數方法與裝置
CN103077380B (zh) * 2013-01-07 2016-06-29 信帧电子技术（北京）有限公司 一种基于视频的人数统计方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102467679A (zh) * 2010-11-18 2012-05-23 安讯士有限公司 对象计数器及对对象进行计数的方法

Also Published As

Publication number Publication date
KR20150100056A (ko) 2015-09-02
US9971941B2 (en) 2018-05-15
WO2015126031A1 (ko) 2015-08-27
US20160321507A1 (en) 2016-11-03
CN105940430A (zh) 2016-09-14
KR101557376B1 (ko) 2015-10-05

Similar Documents

Publication Publication Date Title
CN105940430B (zh) 人员计数方法及其装置
CN109117827B (zh) 基于视频的工服工帽穿戴状态自动识别方法与报警***
US9361520B2 (en) Method and system for tracking objects
EP2801078B1 (en) Context aware moving object detection
Bondi et al. Real-time people counting from depth imagery of crowded environments
Avgerinakis et al. Recognition of activities of daily living for smart home environments
CN103093198B (zh) 一种人群密度监测方法及装置
CN106056089B (zh) 一种三维姿态识别方法及***
Liu et al. Real-time human detection and tracking in complex environments using single RGBD camera
CN103824070A (zh) 一种基于计算机视觉的快速行人检测方法
CN106033601A (zh) 检测异常情形的方法和装置
Karpagavalli et al. Estimating the density of the people and counting the number of people in a crowd environment for human safety
CN109035305A (zh) 一种基于rgb-d低视角情况下的室内人体检测与跟踪方法
CN105741326B (zh) 一种基于聚类融合的视频序列的目标跟踪方法
Yadav Efficient method for moving object detection in cluttered background using Gaussian Mixture Model
Liu et al. Accelerating vanishing point-based line sampling scheme for real-time people localization
CN207233038U (zh) 人脸点名与计数***
CN116129328A (zh) 遗留物检测方法、装置、设备以及存储介质
CN115661698A (zh) 扶梯乘客异常行为检测方法、***、电子设备及存储介质
US11741621B2 (en) Method and system for detecting plane information
Nemade et al. Adaptive automatic tracking, learning and detection of any real time object in the video stream
CN106023252A (zh) 一种基于oab算法的多摄像机人体跟踪方法
Berclaz et al. Evaluation of probabilistic occupancy map people detection for surveillance systems
Luo et al. A real-time people counting approach in indoor environment
CN111985331A (zh) 预防商业秘密被窃照的检测方法及装置

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