CN108647587A - 人数统计方法、装置、终端及存储介质 - Google Patents
人数统计方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN108647587A CN108647587A CN201810369521.2A CN201810369521A CN108647587A CN 108647587 A CN108647587 A CN 108647587A CN 201810369521 A CN201810369521 A CN 201810369521A CN 108647587 A CN108647587 A CN 108647587A
- Authority
- CN
- China
- Prior art keywords
- frame image
- target
- target frame
- disassociation
- human body
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种人数统计方法、装置、终端及介质,其中方法包括:获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果;根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。本发明实施例可以通过利用前后帧图像的检测结果来确定目标帧图像的目标人数,提高统计结果的准确性。
Description
技术领域
本发明涉及互联网技术领域,具体涉及智能监控技术领域,尤其涉及一种人数统计方法、一种人数统计装置、一种用于人数统计的终端及一种计算机存储介质。
背景技术
智能监控可以集成智能行为识别算法,对视频中的人体进行识别。对视频的人数统计是指计算每一帧视频图像中的人体的数量。目前,在对视频进行人数统计时,可以获取待检测的目标帧图像,通过检测目标帧图像这一帧图像中的人头数量来确定人数,或者通过计算目标帧图像这一帧图像的人群分布概率图来统计人数。实践发现在对目标帧图像进行人头检测时,容易将人头与目标帧图像中的黑色区域混淆,导致统计结果不准确。而计算目标帧图像的人群分布概率图时,只能计算出某一尺寸范围内的人群分布概率图,无法满足不同尺寸的人群分布概率图的计算,从而也会导致统计结果不准确。
发明内容
本发明实施例提供了一种人数统计方法、装置、终端及计算机存储介质,可以利用视频中的前后帧图像的人数状态关系来统计目标帧图像的目标人数,提高统计结果的准确性。
一方面,本发明实施例提供了一种人数统计方法,所述人数统计方法包括:
获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
一方面,本发明实施例提供了一种人数统计装置,所述人数统计装置包括:
获取单元,用于获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
检测单元,用于对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
处理单元,用于根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
一方面,本发明实施例提供了一种用于人数统计的终端,所述终端包括输入设备和输出设备,所述终端还包括:
处理器,适于实现一条或一条以上指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由所述处理器加载并执行如下步骤:
获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
一方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如下步骤:
获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
本发明实施例在对目标视频中的目标帧图像进行人数统计时,获取目标帧图像及所述目标帧图像的关联帧图像,该关联帧图像是指目标帧图像的相邻前一帧图像;通过对所述目标帧图像和所述关联帧图像这前后两帧图像进行人体检测,并建立目标帧图像与关联帧图像之间的人数状态关系,结合人体检测结果及人数状态关***计出目标帧图像中的目标人数。上述的人数统计过程不局限于目标帧图像这一帧图像,而是利用前后帧的人数状态关系来实现人数统计,这样可以避免因漏检等原因而导致的统计结果不准确的问题,可以满足不同尺寸范围内的人数统计,统计结果的准确性较高。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人数统计方法的流程示意图;
图2是本发明实施例提高的另一种人数统计方法的流程示意图;
图3是本发明实施例提供的一种净增人数计算的流程示意图;
图4是本发明实施例提供的一种目标帧图像的显示示意图;
图5a是本发明另一实施例提供的一种目标帧图像的显示示意图;
图5b是本发明另一实施例提供的一种目标帧图像的显示示意图;
图6是本发明实施例提供的一种人数统计装置的结构示意图;
图7是本发明实施例提供的一种用于人数统计的终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例的相关技术提及:现有技术对视频中的人数进行统计的方案具有如下缺点:(1)容易导致误检测或者漏检测,检测难度较大,统计出的人数不准确;(2)只能针对视频中某一尺寸范围内的人群进行计数,无法满足对不同尺寸范围内的人数统计,统计结果不准确。
为了解决现有技术的问题,本发明实施例提出了一种人数统计方案的构想:首先,可以获取目标视频中待统计的目标帧图像及目标帧图像的关联帧图像,目标帧图像和关联帧图像为目标视频中互为相邻关系的前后帧图像;对目标帧图像和关联帧图像进行人体检测得到检测结果,该检测结果可以包括目标帧图像的第一检测人数、关联帧图像的第二检测人数,以及目标帧图像的净增人数;根据检测结果建立目标帧图像与关联帧图像之间的人数状态关系,并根据检测结果及人数状态关***计出目标帧图像中的目标人数。本发明实施例中的人数统计方法具有如下优点:(1)不局限于目标帧图像这一帧图像,而是利用前后帧图像来实现人数统计,这样可以避免因漏检等原因而导致的统计结果不准确的问题。(2)对图像中的整个人体进行检测,而不只是针对人头进行检测,可以降低检测难度。(3)针对前后帧图像进行全局人体检测并建立前后帧图像之间的人数状态关系,结合人体检测结果和人数状态关系来统计出目标帧图像中的目标人数,可以满足不同尺寸范围内的人数统计,提高统计结果的准确性。
基于上述的描述,本发明实施例提出一种人数统计的方法,请参见图1,该人数统计方法可包括以下步骤S101-S104:
S101,获取目标视频中待统计的目标帧图像及目标帧图像的关联帧图像。
所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像。在一种可行的实施方式中,目标视频可以是一段实时采集的视频,例如:公众场所(如公共停车场、市民广场等)设置的监控摄像头可以对公众场所的环境(如人流量环境、公共场所内的设施环境)数据进行实时视频采集,该实时采集的视频可作为目标视频被实时获取并进行人数统计。在另一种可行的实施方式中,目标视频可以是一段预先录制好的视频,例如:上述采集到的视频可被录制并存储,待有人数统计的需求时,再获取已存储的视频进行人数统计。
S102,对目标帧图像和关联帧图像进行人体检测得到检测结果。
所述检测结果可包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数。其中,第一检测人数用于表示目标帧图像中被检测到的人体的总数量。本发明实施例中,可以采用人体检测算法对所述目标帧图像进行人体检测得到该第一检测人数,具体实现中,利用人体检测算法对目标帧图像中的人体进行标识,例如采用人体坐标框对人体在目标帧图像中的位置进行标识,此处的人体坐标框可表示为矩形框、椭圆形框等;统计所有被标识的人体的数量得到第一检测人数。第二检测人数用于表示关联帧图像中被检测到的人体的总数量。同理可以采用人体检测算法对所述关联帧图像进行人体检测得到该第二检测人数。本发明实施例中,人体检测算法可以包括但不限于:SSD(Single Shot Multi Box Detector)算法、YOLO(You Only Look Once)算法、RCNN(Regions with CNN features)算法、FastRCNN 算法、Faster RCNN算法,等等。净增人数是指新增加的人数与损失或消耗的人数之间的差额。相应的,所述目标帧图像中的净增人数是指以所述关联帧图像为基准,所述目标帧图像中的新增人数与目标帧图像中的减少人数之间的差值。因此,在一种可行的实施方式中,可以先统计出目标帧图像的新增人数和减少人数,然后将新增人数减去减少人数得到目标帧图像的净增人数。
S103,根据检测结果建立目标帧图像与关联帧图像之间的人数状态关系。
S104,根据检测结果及人数状态关***计出目标帧图像中的目标人数。
同一视频中相邻的前后两帧图像的人数状态通常会存在一定的关系,首先,若排除人员进出等问题,前后两帧图像的人数变化通常较小;其次,引起前后两帧图像之间的人数差异的因素可包括:漏检或人员进出。此处,漏检可能是由摄像设备出现故障或监控范围设置不够合理所带来的问题;例如:某摄像设备由于故障出现短暂性死机或重启,那么有可能在前一帧图像监测到某个目标人体,而在后一帧图像未监测到某个目标人体;再如:由于监控范围设置不合理出现了监控死角,那么有可能在前一帧图像中某个目标人体刚好位于监控死角未被监测到,而在后一帧图像中该目标人体移动出监控死角范围则可监测到目标人体。人员进出可以是由出入口区域所导致的问题,此处的出入口区域是指图像中人体可能出现或消失的区域,可包括但不限于:图像的边界位置、建筑(如商店、超市等)的出入口位置。步骤S103-S104中,根据检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,那么依据目标帧图像及关联帧图像的人数检测结果及二者之间的人数状态关系就可统计出所述目标帧图像中的目标人数。在一个可行的实施方式中,所述人数状态关系可以采用人数状态方程组进行表示,该人数状态方程组中可以包括状态误差方程和检测误差方程。在另一个可行的实施方式中,所述人数状态关系可以采用一个满足高斯分布的函数进行表示。相应的,可以根据所述人数状态方程组或函数求取所述目标帧图像在人体检测过程中的误差值;根据所述误差值,采用状态估计算法对所述检测结果进行优化以确定出所述目标帧图像的目标人数。此处的状态估计算法可以是卡尔曼滤波算法、维纳滤波算法等等。
本发明实施例在对目标视频中的目标帧图像进行人数统计时,获取目标帧图像及所述目标帧图像的关联帧图像,该关联帧图像是指目标帧图像的相邻前一帧图像;通过对目标帧图像和关联帧图像这前后两帧图像进行人体检测,并建立目标帧图像与关联帧图像之间的人数状态关系,结合人体检测结果及人数状态关***计出目标帧图像中的目标人数。上述的人数统计过程不局限于目标帧图像这一帧图像,而是利用前后帧的人数状态关系来实现人数统计,这样可以避免因漏检等原因而导致的统计结果不准确的问题,可以满足不同尺寸范围内的人数统计,统计结果的准确性较高。
请参见图2,是本发明实施例提供的另一种人数统计方法的流程示意图。如图2所示,本发明实施例中的人数统计方法可包括如下步骤S201-S206:
S201,获取目标视频中待统计的目标帧图像及目标帧图像的关联帧图像。
所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像。本发明实施例可对目标帧图像及关联帧图像进行人体检测得到检测结果,依据检测结果及两帧图像之间的人数状态关系能够统计出目标帧图像中的目标人数。在本实施例的后续步骤中,检测结果可包括:所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;可选地,所述检测结果还包括所述目标帧图像的漏检人数。
S202,采用人体检测算法对关联帧图像进行检测得到第二检测人数,并采用人体检测算法对目标帧图像进行检测得到第一检测人数。
其中,第一检测人数用于表示目标帧图像中被检测到的人体的总数量。第二检测人数用于表示关联帧图像中被检测到的人体的总数量。本发明实施例中,可以采用诸如SSD算法、YOLO算法等人体检测算法得到第一检测人数及第二检测人数。
由于终端在对目标帧图像进行人体检测时,可能会出现漏检的情况,导致获取到的目标帧图像的第一检测人数不准确。因此本实施例中,检测结果还可包括所述目标帧图像的漏检人数。在一种可行的实施方式中,可以使用目标跟踪算法确定出目标帧图像中的被漏检的人体,所述被漏检的人体为在所述目标帧图像中出现却未被检测到的人体。具体地,获取目标帧图像的漏检人数的过程可以包括以下步骤s11-s12。
s11,获取第一检测人数对应的人体在所述目标帧图像中的第一位置,以及获取第二检测人数对应的人体在所述关联帧图像中的第二位置;
s12,根据第一位置与第二位置进行人体跟踪以确定目标帧图像的漏检人数。
终端可以先将第二位置上的人体与第一位置上的人体进行比对,得到没有比对成功的第二位置上的人体。这些没有比对成功的第二位置上的人体是指可以在关联帧图像中检测到,而没有在所述目标帧图像中检测到的人体。这些没有比对成功的第二位置上的人体既可能是从目标帧图像中消失了的人体,也可能是在对目标帧图像进行人体检测时没有被检测到的人体即被漏检的人体。因此,在得到未比对成功的第二位置上的人体以后,可以在目标帧图像中,采用目标跟踪算法对没有比对成功的第二位置上的人体进行跟踪处理,确定成功跟踪到的人体,所述成功跟踪到的人体即为被漏检的人体。将所述成功跟踪到的人体的数量确定为目标帧图像的漏检人数。在一种可行的实施方式中,所述目标跟踪算法可以是KLT算法(Kanade-Lucas-Tomasi Tracking)、TLD算法 (Tracking LearningDetection)等等。
由步骤s11-s12可知,通过采用目标跟踪算法对关联帧图像和目标帧图像中所检测到的人体进行处理,得到漏检人数,可以有效弥补对目标帧图像进行图像检测时的漏检现象,从而提高了检测结果的准确性。
S203,获取目标帧图像的净增人数。
净增人数可以根据目标帧图像的新增人数和减少人数的差值来确定,而新增人数是指以关联帧图像为基础,在目标帧图像中新增的人体的数量;减少人数是指以关联帧图像为基础,从目标帧图像中消失的人体的数量。因此,在计算所述目标帧图像的净增人数时,需要确定所述目标帧图像相对于关联帧图像新增的人体和减少的人体。通常,在同一视频中相邻两帧图像的变化较小;针对目标视频中的关联帧图像和目标帧图像这两个相邻的前后帧图像,新增的人体或者减少的人体一般出现在目标帧图像或关联帧图像所涉及的出入口区域,此处的出入口区域是指图像中人体可能出现或消失的区域,可包括但不限于:图像的边界位置、建筑(如商店、超市等)的出入口位置。请一并参见图3,目标帧图像的净增人数的具体计算过程可以包括以下步骤s21-s23:
s21,获取目标帧图像中的出入口区域,并获取目标帧图像中处于出入口区域中的第一目标人体。
s22,获取关联帧图像中的出入口区域,并获取关联帧图像中处于出入口区域中的第二目标人体。
s23,根据第一目标人体和第二目标人体统计出目标帧图像的净增人数。
步骤s21-s23中,在采用人体检测算法获取第一检测人数的过程中,终端可以获取到第一检测人数所对应的各个人体在目标帧图像中的位置信息,根据各个人体的位置信息可以确定出处于出入口区域中的第一目标人体。所述第一目标人体可以包括一个或者多个人体。终端获取第二目标人体的原理与获取第一目标人体的原理类似,在此不再赘述。在一种可行的实施方式中,所述出入口区域可以是在目标视频中预置好的区域,目标帧图像中的出入口区域的大小及其在在所述目标视频中的位置应该和所述关联帧图像中的出入口区域的大小及其在所述目标视频中的位置是一致的。
终端在获取了第一目标人体和第二目标人体以后,可以根据第一目标人体和第二目标人体统计出净增人数,其具体过程可以包括以下步骤s231-s233:
s231,根据所述第一目标人体统计出所述目标帧图像相对于所述关联帧图像的新增人数。
由于第一目标人体中的部分人体可能来自关联帧图像的目标对象,剩余部分人体可能是目标帧图像中的新增人体。因此,在一种可行的实施方式中,在获取了第一目标人体以后,可将第一目标人体与第二检测人数对应的人体进行比对,获取比对成功的第一目标人体的数量;所述比对成功的第一目标人体可以认为是来自关联帧图像的人体。因此,在获取了比对成功的第一目标人体的数量以后,可以将第一目标人体的总数减去比对成功的第一目标人体的数量得到目标帧图像的新增人数。例如,第一目标人体的总数为pi个,比对成功的第一目标人体的数量为ri个,那么目标帧图像的新增人数αi为αi=pi-ri。
s232,根据所述第二目标人体统计出所述目标帧图像相对于所述关联帧图像的减少人数。
由于第二目标人体中的部分人体可能仍然出现在目标帧图像中,剩余部分人体可能从目标帧图像中消失。因此,在一个实施例中,在获取了第二目标人体以后,可以将第二目标人体与第一检测人数对应的人体进行比对,获取比对成功的第二目标人体的数量;所述比对成功的第二目标人体为仍然出现在目标帧图像中的人体。因此,在获取了比对成功的第二目标人体的数量以后,可以将第二目标人体的总数减去比对成功的第二目标人体的数量得到目标帧图像的减少人数。例如,第二目标人体的数量为pi-1个,比对成功的第二目标人体的数量为qi个,那么目标帧图像的减少人数βi为βi=pi-1-qi。
s233,根据所述新增人数和所述减少人数计算得到所述目标帧图像的净增人数。
在步骤s231和s232中分别得到目标帧图像的新增人数αi和减少人数βi以后,可以根据新增人数αi和减少人数βi的差值计算得到所述目标帧图像的净增人数δi,即δi=αi-βi=pi-ri-pi-1+qi。
S204,根据第一检测人数及净增人数建立目标帧图像与关联帧图像之间的人数状态方程组。
通过步骤S202和S203得到目标帧图像的第一检测人数和净增人数之后,可以建立目标帧图像与关联帧图像之间的人数状态方程组,如式1.1所示。
其中,vi表示状态误差,wi表示检测误差;si和si-1分别表示所述目标帧图像的真实人数和所述关联帧图像的真实人数,需要说明的是,si和si-1均可以是人为设定的假设值,可以根据历史的统计数据来得到si和si-1的值。例如,若所述目标帧图像是一帧某商场4月11日上午九点的室内图像,那么可以根据统计到的该商场4月10日及其之前的每天上午九点的室内图像中的人数来对si和si-1的值进行假设。xi可以表示所述目标帧图像的第一检测人数ai即xi=ai。需要说明的是,若在步骤S202中对目标帧图像进行了漏检操作,获取到了目标帧图像的漏检人数,则xi可以表示第一检测人数ai和漏检人数bi的总和,即xi=ai+bi。
S205,根据第一检测人数和人数状态方程组求取目标帧图像在人体检测过程中的误差值。
在建立好上述式1.1所示的人数状态方程组以后,可以根据第一检测人数xi和人数状态方程组求取目标帧图像在人体检测过程中的误差值,所述误差值包括了状态误差vi和检测误差wi。在求取误差值的过程中,可以将si、和si-1、xi以及δi的值代入上述式1.1所示的人数状态方程中的,以确定vi和wi的值。由本发明实施例的实践表明,所述误差值满足高斯分布。
S206,根据第二检测人数、净增人数及误差值,采用状态估计算法统计出目标帧图像中的目标人数。
在一种可行的实施方式中,所述状态估计算法可以是卡尔曼滤波算法、维纳滤波算法等等。以状态估计算法为卡尔曼滤波算法为例,对根据所述误差值、所述第二检测人数以及所述净增人数,采用状态估计算法统计出所述目标帧图像的目标人数的过程加以阐述。首先,可以根据所述误差值确定出卡尔曼滤波算法中的卡尔曼增益Kg。其次,可以根据计算出来的卡尔曼增益Kg确定出卡尔曼公式,如式1.2所示。
ti=(1-Kg)×(ti-1+δi)+Kg×xi-1 式1.2
其中,ti表示目标帧图像的目标人数即本发明实施例需要求取的值,ti-1表示关联帧图像的目标人数,可以根据关联帧图像的前一帧图像的ti-2求取,以此类推。需要说明的是,当目标帧图像为目标视频的第一帧图像即i的取值为0时,没有与所述目标帧图像相关联的关联帧图像,此时目标帧图像的目标人数t0可以是x0,也可以是s0。xi-1可以表示关联帧图像的第二检测人数ai-1即xi-1=ai-1,需要说明的是,在对关联帧图像进行人体检测时,若检测到相对于关联帧图像的前一帧图像,所述关联帧图像存在漏检人体,即获取到了目标帧图像的漏检人数bi-1,则xi-1可以表示第二检测人数ai-1和漏检人数bi-1的总和,即xi-1=ai-1+bi-1。 Kg表示卡尔曼增益,是一个变量,具体的取值可由目标帧图像在人体检测过程中的误差值来确定。在确定了优化公式以后,可以将Kg、ti-1、xi-1以及δi的值代入上述式1.2中,以确定所述目标帧图像的目标人数ti。
在一个实施例中,在得到了所述目标图像的目标人数以后,可以在所述目标帧图像中输出所述目标人数,如图4所示。
为了更清楚地阐述本发明实施例,下面将结合具体的应用场景对本发明实施例的人数统计方法进行阐述。请参见图5a和图5b,是本发明实施例提供的一种人数统计方法的应用场景图。
在采用本发明实施例所提供的人数统计方法对某公众场所的监控视频中的人数进行统计时,可以获取待统计的帧图像作为目标帧图像,如图5a所示。在对如图5a所示的目标帧图像进行人数统计时,可以获取位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像作为关联帧图像。然后分别采用人体检测算法对所述关联帧图像和所述目标帧图像进行人体检测,得到关联帧图像的第二检测人数和目标帧图像的第一检测人数。除此之外,还可以利用人体检测算法对关联帧图像和目标帧图像中已检测出的人体进行标识。获取目标帧图像的净增人数,并可以根据目标帧图像的第一检测人数和净增人数建立所述目标帧图像与所述关联帧图像之间的人数状态方程组。根据关联帧的第二检测人数和净增人数及所述人数状态方程组统计出所述目标帧图像中的目标人数。在得到所述目标人数以后,可以在所述目标帧图像中显示所述目标人数。可选的,还可以在显示所述目标人数的同时,将用于表示人体的人体坐标框一同显示在所述目标帧图像中。以人体坐标框为矩形框为例,如图5b所示,终端可以将计算得到的目标人数显示在目标帧图像中,还可以用矩形框将检测到的人体进行框定,使得检测结果更加直观。
本发明实施例在对目标视频中的目标帧图像进行人数统计时,获取目标帧图像及所述目标帧图像的关联帧图像,该关联帧图像是指目标帧图像的相邻前一帧图像;通过对目标帧图像和关联帧图像这前后两帧图像进行人体检测,并建立目标帧图像与关联帧图像之间的人数状态方程组,结合人体检测结果及人数状态方程组统计出目标帧图像中的目标人数。上述的人数统计过程不局限于目标帧图像这一帧图像,而是利用前后帧的人数状态关系来实现人数统计,这样可以避免因漏检等原因而导致的统计结果不准确的问题,可以满足不同尺寸范围内的人数统计,统计结果的准确性较高。
基于上述人数统计方法实施例的描述,本发明实施例还公开了一种人数统计装置,所述人数统计装置可以是运行于终端中的一个计算机程序(包括程序代码),也可以是包含在终端中的一个实体装置。该人数统计装置可以执行图1 至图3所示的方法。请参见图6,所述人数统计装置可以运行如下单元:
获取单元101,用于获取目标视频中待统计的目标帧图像及目标帧图像的关联帧图像,目标帧图像为目标视频中的任一帧图像,关联帧图像为目标视频中位于目标帧图像之前且与目标帧图像相邻的一帧图像;
检测单元102,用于对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
处理单元103,用于根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
在一种实施方式中,所述检测单元102可具体用于:
采用人体检测算法对所述关联帧图像进行检测得到第二检测人数,并采用所述人体检测算法对所述目标帧图像进行检测得到第一检测人数;
获取所述目标帧图像中的出入口区域,并获取所述目标帧图像中处于所述出入口区域中的第一目标人体;
获取所述关联帧图像中的出入口区域,并获取所述关联帧图像中处于所述出入口区域中的第二目标人体;
根据所述第一目标人体和所述第二目标人体统计出所述目标帧图像的净增人数。
再一种实施方式中,所述检测单元102可具体用于:
根据所述第一目标人体统计出所述目标帧图像相对于所述关联帧图像的新增人数;
根据所述第二目标人体统计出所述目标帧图像相对于所述关联帧图像的减少人数;
根据所述新增人数和所述减少人数计算得到所述目标帧图像的净增人数。
再一种实施方式中,所述检测单元102可具体用于:
将所述第一目标人体与所述第二检测人数对应的人体进行比对,获取比对成功的第一目标人体的数量;
将所述第一目标人体的总数减去所述比对成功的第一目标人体的数量得到所述目标帧图像的新增人数。
再一种实施方式中,所述检测单元102可具体用于:
将所述第二目标人体与所述第一检测人数对应的人体进行比对,获取比对成功的第二目标人体的数量;
将所述第二目标人体的总数减去所述比对成功的第二目标人体的数量得到所述目标帧图像的减少人数。
再一种实施方式中,所述检测结果还包括所述目标帧图像的漏检人数,所述检测单元102还可用于:
获取第一检测人数对应的人体在所述目标帧图像中的第一位置,以及获取所述第二检测人数对应的人体在所述关联帧图像中的第二位置;
根据所述第一位置与所述第二位置进行人体跟踪以确定所述目标帧图像的漏检人数。
再一个实施例中,所述人数状态关系采用人数状态方程组进行表示,所述处理单元103可具体用于:
根据所述人数状态方程组求取所述目标帧图像在人体检测过程中的误差值;
根据所述误差值,采用状态估计算法对所述检测结果进行优化以确定出所述目标帧图像的目标人数。
再一个实施例中,所述人数统计装置还可包括显示单元104,用于:
在所述目标帧图像中输出所述目标人数。
根据本发明的一个实施例,图1至图3所示的方法所涉及的各个步骤均可以是由图6所示的人数统计装置中的各个单元来执行的。例如,图1中所示的步骤S101和S102可以分别由图6中所示的获取单元101和检测单元102来执行,图1中所示的步骤S103和S104可由图6中所示的处理单元103来执行;其中,检测单元102还可执行图2中所述的步骤S202-S203,处理单元103还可执行图2中所述的步骤S204-S206;图3中净增人数计算过程所涉及的步骤可以由图6中所示的检测单元102来执行。
根据本发明的另一个实施例,图6所示的人数统计装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本发明的其它实施例中,人数统计装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本发明的另一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图1至图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图6中所示的人数统计装置设备,以及来实现本发明实施例的人数统计方法。所述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
本发明实施例在对目标视频中的目标帧图像进行人数统计时,获取目标帧图像及所述目标帧图像的关联帧图像,该关联帧图像是指目标帧图像的相邻前一帧图像;通过对目标帧图像和关联帧图像这前后两帧图像进行人体检测,并建立目标帧图像与关联帧图像之间的人数状态关系,结合人体检测结果及人数状态关***计出目标帧图像中的目标人数。上述的人数统计过程不局限于目标帧图像这一帧图像,而是利用前后帧的人数状态关系来实现人数统计,这样可以避免因漏检等原因而导致的统计结果不准确的问题,可以满足不同尺寸范围内的人数统计,统计结果的准确性较高。
基于上述方法实施例以及装置实施例的描述,本发明实施例还提供一种用于人数统计的终端。请参见图7,该终端内部结构至少包括处理器201、输入设备202、输出设备203以及计算机存储介质204。其中,终端内的处理器201、输入设备202、输出设备203以及计算机存储介质204可通过总线或其他方式连接,在本发明实施例所示图7中以通过总线205连接为例。所述计算机存储介质204用于存储计算机程序,所述计算机程序包括程序指令,所述处理器201用于执行所述计算机存储介质204存储的程序指令。处理器201(或称CPU(Central Processing Unit,中央处理器))是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;在一个实施例中,本发明实施例所述的处理器201可以用于根据获取到的待处理的目标帧图像进行一系列的人数统计处理,包括:获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像;对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果;根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数,等等。
本发明实施例还提供了一种计算机存储介质(Memory),所述计算机存储介质是终端中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质既可以包括终端中的内置存储介质,当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间,该存储空间存储了终端的操作***。并且,在该存储空间中还存放了适于被处理器201加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器;可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中,可由处理器201加载并执行计算机存储介质中存放的一条或一条以上指令,以实现上述有关人数统计实施例中的方法的相应步骤;具体实现中,计算机存储介质中的一条或一条以上指令由处理器201加载并执行如下步骤:
获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
在一个实施例中,在对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果时,所述一条或一条以上指令由处理器201加载并具体执行:
采用人体检测算法对所述关联帧图像进行检测得到第二检测人数,并采用所述人体检测算法对所述目标帧图像进行检测得到第一检测人数;
获取所述目标帧图像中的出入口区域,并获取所述目标帧图像中处于所述出入口区域中的第一目标人体;
获取所述关联帧图像中的出入口区域,并获取所述关联帧图像中处于所述出入口区域中的第二目标人体;
根据所述第一目标人体和所述第二目标人体统计出所述目标帧图像的净增人数。
再一个实施例中,在根据所述第一目标人体和所述第二目标人体统计出所述目标帧图像的净增人数时,所述一条或一条以上指令由处理器201加载并具体执行:
根据所述第一目标人体统计出所述目标帧图像相对于所述关联帧图像的新增人数;
根据所述第二目标人体统计出所述目标帧图像相对于所述关联帧图像的减少人数;
根据所述新增人数和所述减少人数计算得到所述目标帧图像的净增人数。
再一个实施例中,在根据所述第一目标人体统计出所述目标帧图像相对于所述关联帧图像的新增人数时,所述一条或一条以上指令由处理器201加载并具体执行:
将所述第一目标人体与所述第二检测人数对应的人体进行比对,获取比对成功的第一目标人体的数量;
将所述第一目标人体的总数减去所述比对成功的第一目标人体的数量得到所述目标帧图像的新增人数。
再一个实施例中,在根据所述第二目标人体统计出所述目标帧图像相对于所述关联帧图像的减少人数时,所述一条或一条以上指令由处理器201加载并具体执行:
将所述第二目标人体与所述第一检测人数对应的人体进行比对,获取比对成功的第二目标人体的数量;
将所述第二目标人体的总数减去所述比对成功的第二目标人体的数量得到所述目标帧图像的减少人数。
再一个实施例中,所述检测结果还包括所述目标帧图像的漏检人数,在对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果时,所述一条或一条以上指令还由处理器201加载并执行:
获取第一检测人数对应的人体在所述目标帧图像中的第一位置,以及获取所述第二检测人数对应的人体在所述关联帧图像中的第二位置;
根据所述第一位置与所述第二位置进行人体跟踪以确定所述目标帧图像的漏检人数。
再一个实施例中,所述人数状态关系采用人数状态方程组进行表示;在根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数时,所述一条或一条以上指令由处理器201加载并具体执行:
根据所述人数状态方程组求取所述目标帧图像在人体检测过程中的误差值;
根据所述误差值,采用状态估计算法对所述检测结果进行优化以确定出所述目标帧图像的目标人数。
再一个实施例中,所述一条或一条以上指令还由处理器201加载并具体执行:在所述目标帧图像中输出所述目标人数。
本发明实施例在对目标视频中的目标帧图像进行人数统计时,获取目标帧图像及所述目标帧图像的关联帧图像,该关联帧图像是指目标帧图像的相邻前一帧图像;通过对目标帧图像和关联帧图像这前后两帧图像进行人体检测,并建立目标帧图像与关联帧图像之间的人数状态关系,结合人体检测结果及人数状态关***计出目标帧图像中的目标人数。上述的人数统计过程不局限于目标帧图像这一帧图像,而是利用前后帧的人数状态关系来实现人数统计,这样可以避免因漏检等原因而导致的统计结果不准确的问题,可以满足不同尺寸范围内的人数统计,统计结果的准确性较高。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (11)
1.一种人数统计方法,其特征在于,包括:
获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
2.如权利要求1所述的方法,其特征在于,所述对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,包括:
采用人体检测算法对所述关联帧图像进行检测得到第二检测人数,并采用所述人体检测算法对所述目标帧图像进行检测得到第一检测人数;
获取所述目标帧图像中的出入口区域,并获取所述目标帧图像中处于所述出入口区域中的第一目标人体;
获取所述关联帧图像中的出入口区域,并获取所述关联帧图像中处于所述出入口区域中的第二目标人体;
根据所述第一目标人体和所述第二目标人体统计出所述目标帧图像的净增人数。
3.如权利要求2所述的方法,其特征在于,所述根据所述第一目标人体和所述第二目标人体统计出所述目标帧图像的净增人数,包括:
根据所述第一目标人体统计出所述目标帧图像相对于所述关联帧图像的新增人数;
根据所述第二目标人体统计出所述目标帧图像相对于所述关联帧图像的减少人数;
根据所述新增人数和所述减少人数计算得到所述目标帧图像的净增人数。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一目标人体统计出所述目标帧图像相对于所述关联帧图像的新增人数,包括:
将所述第一目标人体与所述第二检测人数对应的人体进行比对,获取比对成功的第一目标人体的数量;
将所述第一目标人体的总数减去所述比对成功的第一目标人体的数量得到所述目标帧图像的新增人数。
5.如权利要求3所述的方法,其特征在于,所述根据所述第二目标人体统计出所述目标帧图像相对于所述关联帧图像的减少人数,包括:
将所述第二目标人体与所述第一检测人数对应的人体进行比对,获取比对成功的第二目标人体的数量;
将所述第二目标人体的总数减去所述比对成功的第二目标人体的数量得到所述目标帧图像的减少人数。
6.如权利要求1-5任一项所述的方法,其特征在于,所述检测结果还包括所述目标帧图像的漏检人数;
所述对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,还包括:
获取第一检测人数对应的人体在所述目标帧图像中的第一位置,以及获取所述第二检测人数对应的人体在所述关联帧图像中的第二位置;
根据所述第一位置与所述第二位置进行人体跟踪以确定所述目标帧图像的漏检人数。
7.如权利要求6所述的方法,其特征在于,所述人数状态关系采用人数状态方程组进行表示;
根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数,包括:
根据所述人数状态方程组求取所述目标帧图像在人体检测过程中的误差值;
根据所述误差值,采用状态估计算法对所述检测结果进行优化以确定出所述目标帧图像的目标人数。
8.如权利要求6所述的方法,其特征在于,所述方法还包括:
在所述目标帧图像中输出所述目标人数。
9.一种人数统计装置,其特征在于,包括:
获取单元,用于获取目标视频中待统计的目标帧图像及所述目标帧图像的关联帧图像,所述目标帧图像为所述目标视频中的任一帧图像,所述关联帧图像为所述目标视频中位于所述目标帧图像之前且与所述目标帧图像相邻的一帧图像;
检测单元,用于对所述目标帧图像和所述关联帧图像进行人体检测得到检测结果,所述检测结果包括所述目标帧图像的第一检测人数、所述关联帧图像的第二检测人数,以及所述目标帧图像的净增人数;
处理单元,用于根据所述检测结果建立所述目标帧图像与所述关联帧图像之间的人数状态关系,并根据所述检测结果及所述人数状态关***计出所述目标帧图像中的目标人数。
10.一种用于人数统计的终端,包括输入设备和输出设备,其特征在于,还包括:
处理器,适于实现一条或一条以上指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由所述处理器加载并执行如权利要求1-8任一项所述的人数统计方法。
11.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如权利要求1-8任一项所述的人数统计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810369521.2A CN108647587B (zh) | 2018-04-23 | 2018-04-23 | 人数统计方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810369521.2A CN108647587B (zh) | 2018-04-23 | 2018-04-23 | 人数统计方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108647587A true CN108647587A (zh) | 2018-10-12 |
CN108647587B CN108647587B (zh) | 2021-08-24 |
Family
ID=63747403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810369521.2A Active CN108647587B (zh) | 2018-04-23 | 2018-04-23 | 人数统计方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647587B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160242A (zh) * | 2019-12-27 | 2020-05-15 | 上海眼控科技股份有限公司 | 图像目标检测方法、***、电子终端及存储介质 |
CN111736190A (zh) * | 2020-07-24 | 2020-10-02 | 广东电网有限责任公司 | 一种无人机机载目标检测***及方法 |
CN112115792A (zh) * | 2020-08-14 | 2020-12-22 | 深圳大学 | 一种出入口信息统计***、方法及计算机设备 |
CN112639872A (zh) * | 2020-04-24 | 2021-04-09 | 华为技术有限公司 | 一种目标检测中难例挖掘的方法及装置 |
CN112689131A (zh) * | 2021-03-12 | 2021-04-20 | 深圳市安软科技股份有限公司 | 基于网格化的活动目标监控方法、装置及相关设备 |
CN113139481A (zh) * | 2021-04-28 | 2021-07-20 | 广州大学 | 基于yolov3的教室人数统计方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226691A (zh) * | 2007-12-21 | 2008-07-23 | 北京中星微电子有限公司 | 基于视频图像的车辆计数方法 |
US20140089955A1 (en) * | 2011-08-31 | 2014-03-27 | Morris Lee | Methods and apparatus to count people in images |
US20150317797A1 (en) * | 2012-11-28 | 2015-11-05 | Zte Corporation | Pedestrian tracking and counting method and device for near-front top-view monitoring video |
CN105512720A (zh) * | 2015-12-15 | 2016-04-20 | 广州通达汽车电气股份有限公司 | 一种公交车辆客流统计方法和*** |
US20160259980A1 (en) * | 2015-03-03 | 2016-09-08 | Umm Al-Qura University | Systems and methodologies for performing intelligent perception based real-time counting |
CN106488133A (zh) * | 2016-11-17 | 2017-03-08 | 维沃移动通信有限公司 | 一种运动对象的检测方法及移动终端 |
CN106845620A (zh) * | 2016-12-19 | 2017-06-13 | 江苏慧眼数据科技股份有限公司 | 一种基于队列状态分析的客流计数方法 |
CN106952474A (zh) * | 2017-04-12 | 2017-07-14 | 湖南源信光电科技股份有限公司 | 基于运动车辆检测的车流量统计方法 |
CN107085703A (zh) * | 2017-03-07 | 2017-08-22 | 中山大学 | 融合脸部检测与跟踪的汽车乘员计数方法 |
CN107103279A (zh) * | 2017-03-09 | 2017-08-29 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种在垂直视角下基于深度学习的客流计数方法 |
CN107316462A (zh) * | 2017-08-30 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种流量统计方法及装置 |
-
2018
- 2018-04-23 CN CN201810369521.2A patent/CN108647587B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226691A (zh) * | 2007-12-21 | 2008-07-23 | 北京中星微电子有限公司 | 基于视频图像的车辆计数方法 |
US20140089955A1 (en) * | 2011-08-31 | 2014-03-27 | Morris Lee | Methods and apparatus to count people in images |
US20150317797A1 (en) * | 2012-11-28 | 2015-11-05 | Zte Corporation | Pedestrian tracking and counting method and device for near-front top-view monitoring video |
US20160259980A1 (en) * | 2015-03-03 | 2016-09-08 | Umm Al-Qura University | Systems and methodologies for performing intelligent perception based real-time counting |
CN105512720A (zh) * | 2015-12-15 | 2016-04-20 | 广州通达汽车电气股份有限公司 | 一种公交车辆客流统计方法和*** |
CN106488133A (zh) * | 2016-11-17 | 2017-03-08 | 维沃移动通信有限公司 | 一种运动对象的检测方法及移动终端 |
CN106845620A (zh) * | 2016-12-19 | 2017-06-13 | 江苏慧眼数据科技股份有限公司 | 一种基于队列状态分析的客流计数方法 |
CN107085703A (zh) * | 2017-03-07 | 2017-08-22 | 中山大学 | 融合脸部检测与跟踪的汽车乘员计数方法 |
CN107103279A (zh) * | 2017-03-09 | 2017-08-29 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种在垂直视角下基于深度学习的客流计数方法 |
CN106952474A (zh) * | 2017-04-12 | 2017-07-14 | 湖南源信光电科技股份有限公司 | 基于运动车辆检测的车流量统计方法 |
CN107316462A (zh) * | 2017-08-30 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种流量统计方法及装置 |
Non-Patent Citations (1)
Title |
---|
曹志通: "改进的基于角点检测的视频人数统计方法", 《计算机应用》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160242A (zh) * | 2019-12-27 | 2020-05-15 | 上海眼控科技股份有限公司 | 图像目标检测方法、***、电子终端及存储介质 |
CN112639872A (zh) * | 2020-04-24 | 2021-04-09 | 华为技术有限公司 | 一种目标检测中难例挖掘的方法及装置 |
WO2021212482A1 (zh) * | 2020-04-24 | 2021-10-28 | 华为技术有限公司 | 一种目标检测中难例挖掘的方法及装置 |
CN112639872B (zh) * | 2020-04-24 | 2022-02-11 | 华为技术有限公司 | 一种目标检测中难例挖掘的方法及装置 |
CN111736190A (zh) * | 2020-07-24 | 2020-10-02 | 广东电网有限责任公司 | 一种无人机机载目标检测***及方法 |
CN112115792A (zh) * | 2020-08-14 | 2020-12-22 | 深圳大学 | 一种出入口信息统计***、方法及计算机设备 |
CN112115792B (zh) * | 2020-08-14 | 2024-02-06 | 深圳大学 | 一种出入口信息统计***、方法及计算机设备 |
CN112689131A (zh) * | 2021-03-12 | 2021-04-20 | 深圳市安软科技股份有限公司 | 基于网格化的活动目标监控方法、装置及相关设备 |
CN112689131B (zh) * | 2021-03-12 | 2021-06-01 | 深圳市安软科技股份有限公司 | 基于网格化的活动目标监控方法、装置及相关设备 |
CN113139481A (zh) * | 2021-04-28 | 2021-07-20 | 广州大学 | 基于yolov3的教室人数统计方法 |
CN113139481B (zh) * | 2021-04-28 | 2023-09-01 | 广州大学 | 基于yolov3的教室人数统计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108647587B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647587A (zh) | 人数统计方法、装置、终端及存储介质 | |
WO2022002039A1 (zh) | 一种基于视觉地图的视觉定位方法、装置 | |
CN110400332B (zh) | 一种目标检测跟踪方法、装置及计算机设备 | |
US9014467B2 (en) | Image processing method and image processing device | |
CN109035304B (zh) | 目标跟踪方法、介质、计算设备和装置 | |
Conte et al. | A method for counting people in crowded scenes | |
Touati et al. | An energy-based model encoding nonlocal pairwise pixel interactions for multisensor change detection | |
CN107464256B (zh) | 一种目标检测与可能性判别修正的关联方法 | |
CN102982537B (zh) | 一种检测场景变换的方法和*** | |
US10853949B2 (en) | Image processing device | |
CN108182695B (zh) | 目标跟踪模型训练方法及装置、电子设备和存储介质 | |
Yang et al. | Using lightweight convolutional neural network to track vibration displacement in rotating body video | |
CN108986152A (zh) | 一种基于差分图像的异物检测方法及装置 | |
Łoza et al. | Structural similarity-based object tracking in multimodality surveillance videos | |
Wang et al. | Pyramid-dilated deep convolutional neural network for crowd counting | |
CN110827320B (zh) | 基于时序预测的目标跟踪方法和装置 | |
CN110533955A (zh) | 一种确定停车位的方法、终端设备及计算机可读存储介质 | |
CN111209774A (zh) | 目标行为识别及显示方法、装置、设备、可读介质 | |
CN110781733A (zh) | 图像去重方法、存储介质、网络设备和智能监控*** | |
CN106295710B (zh) | 基于非几何约束的图像局部特征匹配方法、装置及终端 | |
Yang et al. | Intelligent video analysis: A Pedestrian trajectory extraction method for the whole indoor space without blind areas | |
Tang et al. | Hybrid blob and particle filter tracking approach for robust object tracking | |
CN110097585B (zh) | 一种基于sift算法的sar影像匹配方法及*** | |
CN115690545B (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
CN111986237A (zh) | 一种人数无关的实时多目标跟踪算法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |