CN108280427B - 一种基于人流量的大数据处理方法 - Google Patents

一种基于人流量的大数据处理方法 Download PDF

Info

Publication number
CN108280427B
CN108280427B CN201810067482.0A CN201810067482A CN108280427B CN 108280427 B CN108280427 B CN 108280427B CN 201810067482 A CN201810067482 A CN 201810067482A CN 108280427 B CN108280427 B CN 108280427B
Authority
CN
China
Prior art keywords
connecting rod
image
shaft connection
pixel
person
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
CN201810067482.0A
Other languages
English (en)
Other versions
CN108280427A (zh
Inventor
肖会
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.)
Guangzhou All Things Collection Industrial Internet Technology Co ltd
Original Assignee
Guangzhou Gaimengda Industrial Products 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 Guangzhou Gaimengda Industrial Products Co ltd filed Critical Guangzhou Gaimengda Industrial Products Co ltd
Priority to CN201810067482.0A priority Critical patent/CN108280427B/zh
Publication of CN108280427A publication Critical patent/CN108280427A/zh
Application granted granted Critical
Publication of CN108280427B publication Critical patent/CN108280427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种基于人流量的大数据处理方法，包括：设置图像采集模块的图像采集高度、角度和方向；采集目标区域的视频；确定目标区域的视频的一帧图像中的视野和环境光强度；获取目标区域的视频图像，分割有效检测区域；进行边缘检测和人检测；检测到人则跟踪人的移动方向是否匹配现有的跟踪设置；匹配则判定人是否跨过虚拟设置线；跨过该虚拟设置线则更新统计模块，增加其统计计数；重复执行步骤直至该区域中的人流量统计完成；统计的人流量超过报警阈值则发出报警信号；统计的人流量超过提醒阈值则发出提醒信号。该方法能够降低人流量的大数据处理的运算资源占用，降低硬件成本和结构复杂度，降低电力消耗，并灵活调节监视范围，提高监测计数的精确度。

Description

一种基于人流量的大数据处理方法
技术领域
本发明涉及大数据领域，并且更具体而言，涉及一种基于人流量的大数据处理方法。
背景技术
随着社会的快速发展和进步，城市人口的不断增多，公共场所的人流量(flowofpeople)逐年增加，特别是在特定的时间点和场所，例如跨年、节假日、早晚上下班高峰，地铁、广场、学校、促销商场、火车站、售票厅等人流量集中的场景。然而，当出现突发原因时，例如当由大型促销活动，有跨年演唱会，春运进站，或者是灾害发生时，如发生火灾、地震时，人流量汹涌，如果不对人流量进行计算和控制，则可能造成群体性时间，例如2014年12月31日，上海跨年夜活动中，因众多游客聚集在外滩迎接新年，上海市黄浦区外滩陈毅广场东南角通往黄浦江观景平台的人行通道阶梯处底部有人失衡跌倒，继而引发多人摔倒、叠压，致使拥挤***件发生，造成36人死亡，49人受伤；这是一起对群众性活动预防准备不足、现场管理不力、应对处置不当而引发的拥挤踩踏并造成重大伤亡和严重后果的公共安全责任事件。另外，对于有限空间的场所，例如商场、火车站、地铁站，一旦发***事件或灾害，如果对人流量没有把握，人员疏散和救援将难上加难。为此，实时掌握特定时间、特定场所的人流量很有必要。而在现有技术中，存在诸多关于人流量的获取方法。人流量监测***对单人进出的情况处理，但无法解决人流量大的场所所面临的紧迫问题；对人头检测的方法形成人头目标运动轨迹，但是运算资源占用多，成本太高，结构复杂，电力消耗过大，不利于实际场景的采用。
另外，在上述公共场所中，为了增强监视的全面性，需要增加摄像头的数量，而如果针对这两个或更多个场景设置两个或更多个图像采集模块，会造成硬件资源的浪费和电力的低效使用，并且导致控制模块众多，执行监管或安全监督的部门人员也相应地增加。
基于此，有必要发明一种能够解决以上问题的基于人流量的大数据处理方法。
发明内容
本发明的目的之一是提供一种基于人流量的大数据处理方法，其能够降低人流量的大数据处理的运算资源占用，降低硬件成本和结构复杂度，降低电力消耗，并灵活调节监视范围，提高监测计数的精确度。
本发明为解决上述技术问题而采取的技术方案为：一种基于人流量的大数据处理方法，包括：步骤1，设置图像采集模块的图像采集高度、角度和方向；步骤2，采集目标区域的视频；步骤3，确定目标区域的视频的一帧图像中的视野和环境光强度，如果全部满足预设条件，则进入步骤4；否则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，以返回步骤1，执行步骤1的操作；步骤4，获取目标区域的视频图像，分割有效检测区域；步骤5，进行边缘检测和人检测；步骤6，如果确定检测到人，则进一步跟踪人的移动方向是否匹配现有的跟踪设置；否则返回步骤5；步骤7：如果匹配，则判定人是否跨过虚拟设置线；否则返回步骤6；步骤8：如果跨过该虚拟设置线，则更新统计模块，增加其统计计数；否则返回步骤6；步骤9，重复执行步骤6-8，直至该区域中的人流量统计完成；步骤10，如果步骤9统计的人流量超过报警阈值，则发出报警信号；如果步骤9统计的人流量超过提醒阈值，则发出提醒信号。
在一个实施例中，该图像采集模块包括：第一固定件2、第一轴连接3、第一连接杆4、第二轴连接5、第二连接杆6、第三连接杆10、第三轴连接7、第四连接杆8、第四轴连接9、第五轴连接12、摄像头11，其中第一固定件2的一端固定到墙壁1，第一固定件2的另一端通过第一轴连接3与第一连接杆4相连接并且两者可相对移动，第一连接杆4的两端分别与第二连接杆6的一端、第三连接杆10的一端相连接并且分别可相对于第二连接杆6和第三连接杆10同时移动，第四连接杆8的左端和中端分别与第二连接杆6的另一端、第三连接杆10的另一端相连接并且分别可相对于第二连接杆6和第三连接杆10同时移动，第四连接杆8的右端固定设置有第五轴连接12，第五轴连接12与摄像头11相连接并且摄像头11可相对于第五轴连接12移动；其中第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9内部设置有可旋转的电机，用于调节其各自连接的两个或三个部件之间的夹角；第五轴连接12内部设置有可旋转的电机，用于旋转摄像头11以实现其拍摄视角和视野的左右移动；通过以上电机的联合调节，从而提供合理的拍摄角度；在图2的结构中，通过第一轴连接3内部设置的可旋转的电机调节第一固定件2与第一连接杆4之间的角度，从而在垂直于墙壁平面、从左侧向右侧的视角看，可以实现拍摄视野的上下移动；通过第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9内部设置的可旋转的电机的联合操作，可使得由第一连接杆4、第二连接杆6、第三连接杆10、第四连接杆8形成的四边形结构形状变化，从而使得在图2中目前所示的视角看，可以实现拍摄视野的左右移动；结合前述的第五轴连接12内部设置的可旋转的电机，可调节和旋转摄像头11，以在右侧虚线大圆形中的垂直视角看，可以实现拍摄视角和视野的左右移动。
在一个实施例中，在步骤3中，确定目标区域的视频的一帧图像中的视野和环境光强度进一步包括：步骤31，确定目标区域的视频的一帧图像中的视野中的有效区域，该有效区域为一帧图像的视野中排除发光设备、显示设备、房顶或其他不可能出现人的区域以外的区域；步骤32，如果有效区域占一帧图像中的视野的比例小于预设的阈值，则目标区域的视频的一帧图像中的视野的设置不满足条件，则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，该视野的规范设置为：根据图像采集高度、角度和方向与拍摄视野的映射表，查找对应的图像采集高度、角度和方向设置，进而通过调节轴连接而采用上下、左右、前后移动中的一个或多个来调节图像采集高度、角度和方向；步骤33，根据发光设备和/或通过透明物质或者半透明物质透射的光，确定目标区域的视频的一帧图像中的环境光强度；步骤34，如果环境光强度小于预设阈值，则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，该环境光强度的规范设置为将使用红外图像进行目标跟踪；否则继续使用可见光图像进行目标跟踪；步骤35，如果以上参数全部满足预设条件，则进入步骤4；否则返回步骤1，执行步骤1的操作。
在一个实施例中，在步骤4中，获取目标区域的视频图像，分割有效检测区域，其中将视频图像的当前帧图像分为M×N的网格，每个网格为一个有效检测区域，其中M和N是大于等于2正整数；通过网格化图像，设置多个虚拟设置线和判断计算，可以优化计算方式，减少处理资源的占用和电力消耗。
在一个实施例中，在步骤5中，进行边缘检测和人检测包括：步骤51，采用滤波器执行平滑操作，获得当前图像与滤波器的卷积结果；差分计算相邻像素的梯度大小，当梯度大于设定的阈值时，说明该点附近的颜色变化较大，认为是边缘；步骤52，利用这些边缘将目标与背景分割开，并且对于面积小于一定阈值的小块删除并进行平滑处理；步骤53，根据当前图像的每个像素Pix(x，y)，计算每个像素的概率：
Figure BDA0001557125900000021
Figure BDA0001557125900000022
其中，x、y是像素Pix(x，y)的坐标，n是所有像素的
Figure BDA0001557125900000023
的均值，δ2是协方差函数；如果像素Pix(x，y)的概率P[Pix(x，y)]小于阈值，则该像素被认为是第一类型的像素；否则该像素被认为是第二类型的像素；当该像素属于第二类型的像素时，则需要更新该像素对应的背景中的像素；步骤54，更新背景图像，当该像素被认为是第一类型的像素时，背景像素Bgt+1(x，y)＝Pix(x，y)；当该像素被认为是第二类型的像素时，背景像素Bgt+1(x，y)＝α×Pix(x，y)+(1-α)×Bgt(x，y)，其中t是时间，t+1表示下一个单位时间，α是更新系数；步骤55，将第一类型的像素的集合与感兴趣区域取交集，略去图像边缘部分，在面积大于阈值的区域中滤除噪声；在每个面积大于阈值的区域中，提取像素灰度标准差大于阈值的区域，得到第二目标区域；步骤56，计算得到的第二目标区域的量化的梯度图，并且通过根据训练过程中生成的人的模型来为每个量化的梯度图导出梯度大小的概率图；步骤57，在第二目标区域中，提取特征；使用固定大小的矩形窗口扫描第二目标区域，并根据训练的模型和概率图将图像中的对象进行分类；计算对象为人的概率：P＝W(mo)*P(ma)，其中W(mo)为根据训练的模型获得的对象的分类对应的权重值，P(ma)为该对象所包含的单位元素的概率图的总和；如果对象为人的概率大于预设的阈值，则初步判定存在人；否则初步确定不存在人。
在一个实施例中，在步骤6-8中，如果初步确定检测到人，则进一步跟踪人的移动方向是否匹配现有的跟踪设置，如果匹配，则判定人是否跨过虚拟设置线，如果跨过该虚拟设置线，则更新统计模块，增加其统计计数，进一步包括：选择大数据处理段的数据库中人数较多的线为主虚拟设置线，与其垂直的方向的虚拟设置线为副虚拟设置线；针对主虚拟设置线和图像中初步确定的存在人的对象，构建主虚拟设置线在图像中的第一直线方程，并且构建当前图像帧和下一个图像帧中、图像中初步确定的存在人的对象的位移所在的直线的第二方程，并且当这两个方程构成的方程组存在解时，确定更新统计模块，增加其统计计数；如果当这两个方程构成的方程组无解时，针对副虚拟设置线和图像中初步确定的存在人的对象，构建副虚拟设置线在图像中的第三直线方程，并且当这第二和第三方程构成的方程组存在解时，确定更新统计模块，增加其统计计数，否则最终确定不存在人。
在一个实施例中，第一固定件2、第一连接杆4、第二连接杆6、第三连接杆10、第四连接杆8内部设置有线路，用于连接和控制第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9、第五轴连接12内部设置的可旋转的电机，并且第一固定件2内部的线路的左侧通过墙壁内部的布线或墙壁表面的布线而连接到控制模块。第二连接杆6和第三连接杆10长度相等，第一连接杆4和第四连接杆8上的第三轴连接7与第四轴连接9之间的部分的长度相等。第二连接杆6和第三连接杆10均为一级或多级的套叠结构，每一级套叠结构包括套筒和内杆，套筒的直径大于内杆的直径，并且套筒套在内杆外部，并且内杆被包含在套筒内的边缘部分设置有卡勾，以使得该级套叠结构在伸展时有固定的最大伸展长度；其中在多级套叠结构的情况下，前一级套叠结构的内杆也就是后一级套叠结构的套筒。第二连接杆6和第三连接杆10包括磁致伸缩部件，第二连接杆6的该磁致伸缩部件的一端连接第一轴连接3并且另一端连接第三轴连接7，第三连接杆10的该磁致伸缩部件的一端连接第二轴连接5并且另一端连接第四轴连接9，用于在控制命令的控制下伸长或收缩第二连接杆6和第三连接杆10的磁致伸缩部件，用于有效扩展或缩短第二连接杆6和第三连接杆10的长度，从而实现大范围的前移或后移图像采集模块，进一步增强灵活性。
附图说明
在附图中通过实例的方式而不是通过限制的方式来示出本发明的实施例，其中相同的附图标记表示相同的元件，其中：
根据本发明的示范性实施例，图1图示一种基于人流量的大数据处理方法的流程简图。
根据本发明的示范性实施例，图2图示图像采集模块的结构图。
根据本发明的示范性实施例，图3图示步骤3的流程简图。
根据本发明的示范性实施例，图4图示步骤5的流程简图。
具体实施方式
在进行以下具体实施方式之前，阐述贯穿本专利文档所使用的某些词语和短语的定义可能是有利的：术语“包括”和“包含”及其派生词意味着包括而没有限制；术语“或”是包含的，意味着和/或；短语“与...相关联”、“与其相关联”及其派生词可能意味着包括，被包括在...内，与...互连，包含，被包含在...内，连接到...或与...连接，耦合到...或与...耦合，可与...通信，与...合作，交织，并列，接近...，被绑定到...或与...绑定，具有，具有...的属性，等等；而术语“控制器”意味着控制至少一个操作的任何设备、***或其部件，这样的设备可能以硬件、固件或软件或者其中至少两个的一些组合来实现。应当注意的是：与任何特定的控制器相关联的功能性可能是集中式或分布式的，无论是本地还是远程。贯穿本专利文档提供用于某些词语和短语的定义，本领域技术人员应当理解：如果不是大多数情况下，在许多情况下，这样的定义适用于现有的以及这样定义的词语和短语的未来使用。
在下面的描述中，参考附图并以图示的方式示出几个具体的实施例。将理解的是：可设想并且可做出其他实施例而不脱离本公开的范围或精神。因此，以下详细描述不应被认为具有限制意义。
根据本发明的示范性实施例，图1图示一种基于人流量的大数据处理方法的流程简图。具体地，该方法包括：
步骤1，设置图像采集模块的图像采集高度、角度和方向；
步骤2，采集目标区域的视频；
步骤3，确定目标区域的视频的一帧图像中的视野和环境光强度，如果全部满足预设条件，则进入步骤4；否则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，以返回步骤1，执行步骤1的操作；
步骤4，获取目标区域的视频图像，分割有效检测区域；
步骤5，进行边缘检测和人检测；
步骤6，如果确定检测到人，则进一步跟踪人的移动方向是否匹配现有的跟踪设置；否则返回步骤5；
步骤7：如果匹配，则判定人是否跨过虚拟设置线；否则返回步骤6；
步骤8：如果跨过该虚拟设置线，则更新统计模块，增加其统计计数；否则返回步骤6；
步骤9，重复执行步骤6-8，直至该区域中的人流量统计完成；
步骤10，如果步骤9统计的人流量超过报警阈值，则发出报警信号；如果步骤9统计的人流量超过提醒阈值，则发出提醒信号。
根据本发明的示范性实施例，图2图示图像采集模块的结构图。其中，图2的左侧部分为该图像采集模块的侧视图，而最右侧的虚线大圆形部分为关于左侧虚线小圆形部分的、从垂直于前述侧视图的右侧平面所观察到的图像的放大图；该图像采集模块包括：第一固定件2、第一轴连接3、第一连接杆4、第二轴连接5、第二连接杆6、第三连接杆10、第三轴连接7、第四连接杆8、第四轴连接9、第五轴连接12、摄像头11，其中第一固定件2的一端固定到墙壁1，第一固定件2的另一端通过第一轴连接3与第一连接杆4相连接并且两者可相对移动，第一连接杆4的两端分别与第二连接杆6的一端、第三连接杆10的一端相连接并且分别可相对于第二连接杆6和第三连接杆10同时移动，第四连接杆8的左端和中端分别与第二连接杆6的另一端、第三连接杆10的另一端相连接并且分别可相对于第二连接杆6和第三连接杆10同时移动，第四连接杆8的右端固定设置有第五轴连接12，第五轴连接12与摄像头11相连接并且摄像头11可相对于第五轴连接12移动；其中第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9内部设置有可旋转的电机，用于调节其各自连接的两个或三个部件之间的夹角；第五轴连接12内部设置有可旋转的电机，用于旋转摄像头11以实现其拍摄视角和视野的左右移动；通过以上电机的联合调节，从而提供合理的拍摄角度。在图2的结构中，通过第一轴连接3内部设置的可旋转的电机调节第一固定件2与第一连接杆4之间的角度，从而在垂直于墙壁平面、从左侧向右侧的视角看，可以实现拍摄视野的上下移动；通过第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9内部设置的可旋转的电机的联合操作，可使得由第一连接杆4、第二连接杆6、第三连接杆10、第四连接杆8形成的四边形结构形状变化，从而使得在图2中目前所示的视角看，可以实现拍摄视野的左右移动；结合前述的第五轴连接12内部设置的可旋转的电机，可调节和旋转摄像头11，以在右侧虚线大圆形中的垂直视角看，可以实现拍摄视角和视野的左右移动。通过以上一系列的轴连接和连接杆的联合或单独操作，可实现图像采集模块的上下、左右、前后移动，从而有效地增强图像获取的灵活性，为后续基于人流量的大数据处理提供灵活的源数据。
本发明可以使用摄像头进行实时调节，例如：在火车站售票大厅的场景下，当考虑售票窗口的开放数量时，需要将图像采集模块的摄像头对准已开通窗口的排队队伍；而当考虑售票大厅的环境容量时，需要将图像采集模块的摄像头对准入口和入口外排队和被安检的区域，以确定是否需要在大厅外部限流或者增加室外排队栏杆的复杂度和/或增加到入口的距离，以有效限流以避免群体性时间的发生。
优选地，第一固定件2、第一连接杆4、第二连接杆6、第三连接杆10、第四连接杆8内部设置有线路，用于连接和控制第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9、第五轴连接12内部设置的可旋转的电机，并且第一固定件2内部的线路的左侧通过墙壁内部的布线或墙壁表面的布线而连接到控制模块。
优选地，第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9、第五轴连接12中的一个或多个内部设置有无线收发模块，用于接收控制模块发出的控制命令，并根据该控制命令来调节该轴连接所连接的两个或三个部件的旋转。
优选地，第二连接杆6和第三连接杆10长度相等，第一连接杆4和第四连接杆8上的第三轴连接7与第四轴连接9之间的部分的长度相等，即第二连接杆6、第三连接杆10、第一连接杆4和第四连接杆8形成平行四边形。通过该设置，可以实现规则的前后移动，也便于控制模块计算和设置电极的旋转角度和方向。
优选地，第二连接杆6和第三连接杆10均为一级或多级的套叠结构(图中未示出)，亦即每一级套叠结构包括套筒和内杆，套筒的直径大于内杆的直径，并且套筒套在内杆外部，并且内杆被包含在套筒内的边缘部分设置有卡勾，以使得该级套叠结构在伸展时有固定的最大伸展长度；其中在多级套叠结构的情况下，前一级套叠结构的内杆也就是后一级套叠结构的套筒。
优选地，第二连接杆6和第三连接杆10包括磁致伸缩部件(未示出)，第二连接杆6的该磁致伸缩部件的一端连接第一轴连接3并且另一端连接第三轴连接7，第三连接杆10的该磁致伸缩部件的一端连接第二轴连接5并且另一端连接第四轴连接9，用于在控制命令的控制下伸长或收缩第二连接杆6和第三连接杆10的磁致伸缩部件，用于有效扩展或缩短第二连接杆6和第三连接杆10的长度，从而实现大范围的前移或后移图像采集模块，进一步增强灵活性。
根据本发明的示范性实施例，图3图示步骤3的流程简图。具体而言，在步骤3中，确定目标区域的视频的一帧图像中的视野和环境光强度进一步包括：
步骤31，确定目标区域的视频的一帧图像中的视野中的有效区域，该有效区域为一帧图像的视野中排除发光设备、显示设备、房顶或其他不可能出现人的区域以外的区域；
步骤32，如果有效区域占一帧图像中的视野的比例小于预设的阈值，则目标区域的视频的一帧图像中的视野的设置不满足条件，则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，该视野的规范设置为：根据图像采集高度、角度和方向与拍摄视野的映射表，查找对应的图像采集高度、角度和方向设置，进而通过调节轴连接而采用上下、左右、前后移动中的一个或多个来调节图像采集高度、角度和方向；
步骤33，根据发光设备和/或通过透明物质或者半透明物质透射的光，确定目标区域的视频的一帧图像中的环境光强度；
步骤34，如果环境光强度小于预设阈值，则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，该环境光强度的规范设置为将使用红外图像进行目标跟踪；否则继续使用可见光图像进行目标跟踪；
步骤35，如果以上参数全部满足预设条件，则进入步骤4；否则返回步骤1，执行步骤1的操作。
优选地，在步骤4中，获取目标区域的视频图像，分割有效检测区域，其中将视频图像的当前帧图像分为M×N的网格，每个网格为一个有效检测区域，其中M和N是大于等于2正整数。通过网格化分割，相比于现有技术中的单纯横向分割或者单纯纵向分割，其在后续虚拟设置线的设置以及跨过虚拟设置线的判断中采用单一的评判标准，未考虑人运动的多样性和分散性以及微小运动的情况，导致与其垂直方向的人的小幅度移动无法被有效观测，在与虚拟设置线不平行方向上的运动的跟踪和检测会导致较多的计算量，从而导致过多的处理资源的占用和过多的电力消耗，本发明由于现有技术的地方在于：通过网格化图像，设置多个虚拟设置线和判断计算，可以优化计算方式，减少处理资源的占用和电力消耗。
根据本发明的示范性实施例，图4图示步骤5的流程简图。具体而言，在步骤5中，进行边缘检测和人检测包括：
步骤51，采用滤波器执行平滑操作，获得当前图像与滤波器的卷积结果；差分计算相邻像素的梯度大小，当梯度大于设定的阈值时，说明该点附近的颜色变化较大，认为是边缘；
步骤52，利用这些边缘将目标与背景分割开，并且对于面积小于一定阈值的小块删除并进行平滑处理；
步骤53，根据当前图像的每个像素Pix(x，y)，计算每个像素的概率：
Figure BDA0001557125900000051
其中，x、y是像素Pix(x，y)的坐标，n是所有像素的
Figure BDA0001557125900000052
的均值，δ2是协方差函数；如果像素Pix(x，y)的概率P[Pix(x，y)]小于阈值，则该像素被认为是第一类型的像素；否则该像素被认为是第二类型的像素；当该像素属于第二类型的像素时，则需要更新该像素对应的背景中的像素；
步骤54，更新背景图像，当该像素被认为是第一类型的像素时，背景像素Bgt+1(x，y)＝Pix(x，y)；当该像素被认为是第二类型的像素时，背景像素Bgt+1(x，y)＝α×Pix(x，y)+(1-α)×Bgt(x，y)，其中t是时间，t+1表示下一个单位时间，α是更新系数；
步骤55，将第一类型的像素的集合与感兴趣区域取交集，略去图像边缘部分，在面积大于阈值的区域中滤除噪声；在每个面积大于阈值的区域中，提取像素灰度标准差大于阈值的区域，得到第二目标区域；
步骤56，计算得到的第二目标区域的量化的梯度图，并且通过根据训练过程中生成的人的模型来为每个量化的梯度图导出梯度大小的概率图；
步骤57，在第二目标区域中，提取特征；使用固定大小的矩形窗口扫描第二目标区域，并根据训练的模型和概率图将图像中的对象进行分类；计算对象为人的概率：P＝W(mo)*P(ma)，其中W(mo)为根据训练的模型获得的对象的分类对应的权重值，P(ma)为该对象所包含的单位元素的概率图的总和；如果对象为人的概率大于预设的阈值，则初步判定存在人；否则初步确定不存在人。
优选地，在步骤6-8中，如果初步确定检测到人，则进一步跟踪人的移动方向是否匹配现有的跟踪设置，如果匹配，则判定人是否跨过虚拟设置线，如果跨过该虚拟设置线，则更新统计模块，增加其统计计数，进一步包括：选择大数据处理段的数据库中人数较多的线为主虚拟设置线，与其垂直的方向的虚拟设置线为副虚拟设置线；针对主虚拟设置线和图像中初步确定的存在人的对象，构建主虚拟设置线在图像中的第一直线方程，并且构建当前图像帧和下一个图像帧中、图像中初步确定的存在人的对象的位移所在的直线的第二方程，并且当这两个方程构成的方程组存在解时，确定更新统计模块，增加其统计计数；如果当这两个方程构成的方程组无解时，针对副虚拟设置线和图像中初步确定的存在人的对象，构建副虚拟设置线在图像中的第三直线方程，并且当这第二和第三方程构成的方程组存在解时，确定更新统计模块，增加其统计计数，否则最终确定不存在人。
上述的各个技术术语是本领域中的具有通常含义的常规技术术语，为了不模糊本发明的重点，在此不对其进行进一步的解释。
综上，在本发明的技术方案中，通过采用了一种基于人流量的大数据处理方法，其能够降低人流量的大数据处理的运算资源占用，降低硬件成本和结构复杂度，降低电力消耗，并灵活调节监视范围，提高监测计数的精确度。
将理解的是：可以硬件、软件或硬件和软件的组合的形式实现本发明的示例和实施例。如上所述，可存储任何执行这种方法的主体，以挥发性或非挥发性存储的形式，例如存储设备，像ROM，无论可抹除或可重写与否，或者以存储器的形式，诸如例如RAM、存储器芯片、设备或集成电路或在光或磁可读的介质上，诸如例如CD、DVD、磁盘或磁带。将理解的是：存储设备和存储介质是适合于存储一个或多个程序的机器可读存储的示例，当被执行时，所述一个或多个程序实现本发明的示例。经由任何介质，诸如通过有线或无线耦合载有的通信信号，可以电子地传递本发明的示例，并且示例适当地包含相同内容。
应当注意的是：因为本发明解决了能够降低人流量的大数据处理的运算资源占用，降低硬件成本和结构复杂度，降低电力消耗，并灵活调节监视范围，提高监测计数的精确度的技术问题，采用了计算机技术领域中技术人员在阅读本说明书之后根据其教导所能理解的技术手段，并获取了有益技术效果，所以在所附权利要求中要求保护的方案属于专利法意义上的技术方案。另外，因为所附权利要求要求保护的技术方案可以在工业中制造或使用，因此该方案具备实用性。
以上所述，仅为本发明的较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应包涵在本发明的保护范围之内。除非以其他方式明确陈述，否则公开的每个特征仅是一般系列的等效或类似特征的一个示例。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (7)

1.一种基于人流量的大数据处理方法，包括：
步骤1，设置图像采集模块的图像采集高度、角度和方向；
步骤2，采集目标区域的视频；
步骤3，确定目标区域的视频的一帧图像中的视野和环境光强度，如果全部满足预设条件，则进入步骤4；否则重新获取不满足预设条件的参数的规范设置并发送到控制模块，以返回步骤1，执行步骤1的操作；
步骤4，获取目标区域的视频图像，分割有效检测区域；
步骤5，进行边缘检测和人检测；
步骤6，如果确定检测到人，则进一步跟踪人的移动方向是否匹配现有的跟踪设置；否则返回步骤5；
步骤7：如果匹配，则判定人是否跨过虚拟设置线；否则返回步骤6；
步骤8：如果跨过该虚拟设置线，则更新统计模块，增加其关于上述满足预设条件的一帧图像的统计计数；否则返回步骤6；
步骤9，重复执行步骤6-8，直至该区域中的人流量统计完成；
步骤10，如果步骤9统计的人流量超过报警阈值，则发出报警信号；如果步骤9统计的人流量超过提醒阈值，则发出提醒信号；其中：
该图像采集模块包括：第一固定件(2)、第一轴连接(3)、第一连接杆(4)、第二轴连接(5)、第二连接杆(6)、第三连接杆(10)、第三轴连接(7)、第四连接杆(8)、第四轴连接(9)、第五轴连接(12)、摄像头(11)，其中第一固定件(2)的一端固定到墙壁(1)，第一固定件(2)的另一端通过第一轴连接(3)与第一连接杆(4)相连接并且两者可相对移动，第一连接杆(4)的两端分别与第二连接杆(6)的一端、第三连接杆(10)的一端相连接并且分别可相对于第二连接杆(6)和第三连接杆(10)同时移动，第四连接杆(8)的左端和中端分别与第二连接杆(6)的另一端、第三连接杆(10)的另一端相连接并且分别可相对于第二连接杆(6)和第三连接杆(10)同时移动，第四连接杆(8)的右端固定设置有第五轴连接(12)，第五轴连接(12)与摄像头(11)相连接并且摄像头(11)可相对于第五轴连接(12)移动；其中第一轴连接(3)、第二轴连接(5)、第三轴连接(7)、第四轴连接(9)内部设置有可旋转的电机，用于调节其各自连接的两个或三个部件之间的夹角；第五轴连接(12)内部设置有可旋转的电机，用于旋转摄像头(11)以实现其拍摄视角和视野的左右移动；通过以上电机的联合调节，从而提供合理的拍摄角度；通过第一轴连接(3)内部设置的可旋转的电机调节第一固定件(2)与第一连接杆(4)之间的角度，从而在垂直于墙壁平面、从左侧向右侧的视角看，可以实现拍摄视野的上下移动；通过第一轴连接(3)、第二轴连接(5)、第三轴连接(7)、第四轴连接(9)内部设置的可旋转的电机的联合操作，可使得由第一连接杆(4)、第二连接杆(6)、第三连接杆(10)、第四连接杆(8)形成的四边形结构形状变化，从而可以实现拍摄视野的左右移动；结合前述的第五轴连接(12)内部设置的可旋转的电机，可调节和旋转摄像头(11)，以在右侧虚线大圆形中的垂直视角看，可以实现拍摄视角和视野的左右移动；
其中：
在步骤3中，确定目标区域的视频的一帧图像中的视野和环境光强度进一步包括：
步骤31，确定目标区域的视频的一帧图像中的视野中的有效区域，该有效区域为一帧图像的视野中排除发光设备、显示设备、房顶或其他不可能出现人的区域以外的区域；
步骤32，如果有效区域占一帧图像中的视野的比例小于预设的阈值，则目标区域的视频的一帧图像中的视野的设置不满足条件，则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，该视野的规范设置为：根据图像采集高度、角度和方向与拍摄视野的映射表，查找对应的图像采集高度、角度和方向设置，进而通过调节轴连接而采用上下、左右、前后移动中的一个或多个来调节图像采集高度、角度和方向；
步骤33，根据发光设备和/或通过透明物质或者半透明物质透射的光，确定目标区域的视频的一帧图像中的环境光强度；
步骤34，如果环境光强度小于预设阈值，则重新获取不满足预设条件的上述参数的规范设置并发送到控制模块，该环境光强度的规范设置为将使用红外图像进行目标跟踪；否则继续使用可见光图像进行目标跟踪；
步骤35，如果有效区域占一帧图像中的视野的比例不小于预设的阈值且环境光强度不小于预设阈值，则进入步骤4；否则返回步骤1，执行步骤1的操作；
其中：
在步骤4中，获取目标区域的视频图像，分割有效检测区域，其中将视频图像的当前帧图像分为M×N的网格，每个网格为一个有效检测区域，其中M和N是大于等于2的正整数。
2.根据权利要求1所述的基于人流量的大数据处理方法，其中：
在步骤5中，进行边缘检测和人检测包括：
步骤51，采用滤波器执行平滑操作，获得当前图像与滤波器的卷积结果；差分计算相邻像素的梯度大小，当梯度大于设定的阈值时，说明该像素附近的颜色变化较大，认为是边缘；
步骤52，利用这些边缘将目标与背景分割开，并且对于面积小于一定阈值的小块删除并进行平滑处理；
步骤53，根据当前图像的每个像素Pix(x，y)，计算每个像素的概率：
Figure FDA0003196195040000021
其中，x、y是像素Pix(x，y)的坐标，n是所有像素的
Figure FDA0003196195040000022
的均值，δ2是协方差函数；如果像素Pix(x，y)的概率P[Pix(x，y)]小于阈值，则该像素被认为是第一类型的像素；否则该像素被认为是第二类型的像素；当该像素属于第二类型的像素时，则需要更新该像素对应的背景中的像素；
步骤54，更新背景图像，当该像素被认为是第一类型的像素时，背景像素Bgt+1(x，y)＝Pix(x，y)；当该像素被认为是第二类型的像素时，背景像素Bgt+1(x，y)＝α×Pix(x，y)+(1-α)×Bgt(x，y)，其中t是时间，t+1表示下一个单位时间，α是更新系数；
步骤55，将第一类型的像素的集合与感兴趣区域取交集，略去图像边缘部分，在面积大于阈值的区域中滤除噪声；在每个面积大于阈值的区域中，提取像素灰度标准差大于阈值的区域，得到第二目标区域；
步骤56，计算得到的第二目标区域的量化的梯度图，并且通过根据训练过程中生成的人的模型来为每个量化的梯度图导出梯度大小的概率图；
步骤57，在第二目标区域中，提取特征；使用固定大小的矩形窗口扫描第二目标区域，并根据训练的模型和概率图将图像中的对象进行分类；计算对象为人的概率：P＝W(mo)*P(ma)，其中W(mo)为根据训练的模型获得的对象的分类对应的权重值，P(ma)为该对象所包含的单位元素的概率图的总和；如果对象为人的概率大于预设的阈值，则初步判定存在人；否则初步确定不存在人。
3.根据权利要求1或2所述的基于人流量的大数据处理方法，其中：
在步骤6-8中，如果初步确定检测到人，则进一步跟踪人的移动方向是否匹配现有的跟踪设置，如果匹配，则判定人是否跨过虚拟设置线，如果跨过该虚拟设置线，则更新统计模块，增加其统计计数，进一步包括：选择大数据处理段的数据库中的多条线之中人数较多的那条线为主虚拟设置线，与其垂直的方向的虚拟设置线为副虚拟设置线；针对主虚拟设置线和图像中初步确定的存在人的对象，构建主虚拟设置线在图像中的第一直线方程，并且构建当前图像帧和下一个图像帧中、图像中初步确定的存在人的对象的位移所在的直线的第二方程，并且当这两个方程构成的方程组存在解时，确定更新统计模块，增加其统计计数；如果当这两个方程构成的方程组无解时，针对副虚拟设置线和图像中初步确定的存在人的对象，构建副虚拟设置线在图像中的第三直线方程，并且当这第二和第三方程构成的方程组存在解时，确定更新统计模块，增加其统计计数，否则最终确定不存在人。
4.根据权利要求3所述的基于人流量的大数据处理方法，其中：
第一固定件2、第一连接杆4、第二连接杆6、第三连接杆10、第四连接杆8内部设置有线路，用于连接和控制第一轴连接3、第二轴连接5、第三轴连接7、第四轴连接9、第五轴连接12内部设置的可旋转的电机，并且第一固定件2内部的线路的左侧通过墙壁内部的布线或墙壁表面的布线而连接到控制模块。
5.根据权利要求4所述的基于人流量的大数据处理方法，其中：
第二连接杆6和第三连接杆10长度相等，第一连接杆4和第四连接杆8上的第三轴连接7与第四轴连接9之间的部分的长度相等。
6.根据权利要求5所述的基于人流量的大数据处理方法，其中：
第二连接杆6和第三连接杆10均为一级或多级的套叠结构，每一级套叠结构包括套筒和内杆，套筒的直径大于内杆的直径，并且套筒套在内杆外部，并且内杆被包含在套筒内的边缘部分设置有卡勾，以使得该级套叠结构在伸展时有固定的最大伸展长度；其中在多级套叠结构的情况下，前一级套叠结构的内杆也就是后一级套叠结构的套筒。
7.根据权利要求5所述的基于人流量的大数据处理方法，其中：
第二连接杆6和第三连接杆10包括磁致伸缩部件，第二连接杆6的该磁致伸缩部件的一端连接第一轴连接3并且另一端连接第三轴连接7，第三连接杆10的该磁致伸缩部件的一端连接第二轴连接5并且另一端连接第四轴连接9，用于在控制命令的控制下伸长或收缩第二连接杆6和第三连接杆10的磁致伸缩部件，用于有效扩展或缩短第二连接杆6和第三连接杆10的长度，从而实现大范围的前移或后移图像采集模块，进一步增强灵活性。
CN201810067482.0A 2018-01-24 2018-01-24 一种基于人流量的大数据处理方法 Active CN108280427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810067482.0A CN108280427B (zh) 2018-01-24 2018-01-24 一种基于人流量的大数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810067482.0A CN108280427B (zh) 2018-01-24 2018-01-24 一种基于人流量的大数据处理方法

Publications (2)

Publication Number Publication Date
CN108280427A CN108280427A (zh) 2018-07-13
CN108280427B true CN108280427B (zh) 2021-11-09

Family

ID=62804920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810067482.0A Active CN108280427B (zh) 2018-01-24 2018-01-24 一种基于人流量的大数据处理方法

Country Status (1)

Country Link
CN (1) CN108280427B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110865415B (zh) * 2018-08-28 2024-03-22 浙江大华技术股份有限公司 一种安检方法及装置
CN110005974B (zh) * 2018-10-29 2021-01-26 中画高新技术产业发展(重庆)有限公司 基于人体密度分析的可控型表贴灯
CN109815936B (zh) * 2019-02-21 2023-08-22 深圳市商汤科技有限公司 一种目标对象分析方法及装置、计算机设备和存储介质
CN113709006B (zh) * 2021-10-29 2022-02-08 上海闪马智能科技有限公司 一种流量确定方法、装置、存储介质及电子装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320427A (zh) * 2008-07-01 2008-12-10 北京中星微电子有限公司 一种具有对目标的辅助监测功能的视频监控方法及***
CN101877058A (zh) * 2010-02-10 2010-11-03 杭州海康威视软件有限公司 人流量统计的方法及***
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
BR102012007224A2 (pt) * 2012-03-30 2017-04-25 Veltec Soluções Tecnologicas Sa sistema de controle e gerenciamento de veículos coletivos urbanos e rodoviários

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100355539C (zh) * 2005-11-11 2007-12-19 北京航空航天大学 三自由度力觉交互装置
US20170017846A1 (en) * 2015-07-15 2017-01-19 Umm Al-Qura University Crowd and traffic monitoring apparatus and method
CN106446788A (zh) * 2016-08-31 2017-02-22 山东恒宇电子有限公司 基于视神经机制的高动态范围图像统计客流的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320427A (zh) * 2008-07-01 2008-12-10 北京中星微电子有限公司 一种具有对目标的辅助监测功能的视频监控方法及***
CN101877058A (zh) * 2010-02-10 2010-11-03 杭州海康威视软件有限公司 人流量统计的方法及***
BR102012007224A2 (pt) * 2012-03-30 2017-04-25 Veltec Soluções Tecnologicas Sa sistema de controle e gerenciamento de veículos coletivos urbanos e rodoviários
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Statistical Method for Counting Pedestrians in Crowded Environments;Lee,Gwang-Gook 等;《IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS》;20110630;全文 *
面向视频监控的自动人数统计研究;李新江;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140930(第9期);全文 *

Also Published As

Publication number Publication date
CN108280427A (zh) 2018-07-13

Similar Documents

Publication Publication Date Title
CN108280427B (zh) 一种基于人流量的大数据处理方法
CN108345842B (zh) 一种基于大数据的处理方法
CN107665603B (zh) 一种判定车位占用的实时检测方法
US20210311476A1 (en) Patrol robot and patrol robot management system
CN1315715C (zh) 监视自动扶梯/移动步道的***和方法及其计算机程序产品
US9870437B2 (en) Systems and methods for detecting and modeling curb curves in complex urban scenes
CN111275923B (zh) 施工现场的人机碰撞预警方法及***
CN103902976A (zh) 一种基于红外图像的行人检测方法
CN104408746B (zh) 一种基于深度信息的客流统计***
CN107301378A (zh) 图像中多分类器集成的行人检测方法和***
CN104166861A (zh) 一种行人检测方法
CN115797873B (zh) 一种人群密度检测方法、***、设备、存储介质及机器人
CN102831683A (zh) 一种基于人流量统计的室内动态冷负载智能检测方法
CN112287827A (zh) 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及***
CN107122765A (zh) 一种高速公路服务区全景监控方法及***
WO2020211427A1 (zh) 基于扫描点云数据的分割与识别方法、***及存储介质
JP4691708B2 (ja) ステレオカメラを用いた白杖使用者検出システム
CN103268470A (zh) 基于任意场景的视频对象实时统计方法
CN110135609A (zh) 一种基于大数据共建共享的智慧旅游***及方法
CN103530988B (zh) 一种草坪践踏及危害程度的预警方法
CN112270381A (zh) 基于深度学习的人流量检测方法
CN106504227A (zh) 基于深度图像的人数统计方法及其***
CN110852157A (zh) 一种基于二值化网络的深度学习轨道线检测方法
WO2022104798A1 (zh) 基于5g的无人驾驶电子交警执勤***
CN114022862A (zh) 一种交通标牌被遮挡的智能化检测方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20211008

Address after: 510535 No. 2 Ruitai Road, Huangpu District, Guangzhou, Guangdong

Applicant after: Guangzhou gaimengda Industrial Products Co.,Ltd.

Address before: 610000 Sichuan Province Chengdu High-tech Zone Tianfu Avenue Middle Section 1388 Building 7 Floor 772

Applicant before: CHENGDU DINGZHIHUI TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 510000 Ruitai Road, Huangpu District, Guangzhou, Guangdong

Patentee after: Guangzhou All Things Collection Industrial Internet Technology Co.,Ltd.

Address before: 510535 No. 2 Ruitai Road, Huangpu District, Guangzhou, Guangdong

Patentee before: Guangzhou gaimengda Industrial Products Co.,Ltd.

CP03 Change of name, title or address