CN112906507A - 基于数码照片测算商业街行人轨迹的方法 - Google Patents
基于数码照片测算商业街行人轨迹的方法 Download PDFInfo
- Publication number
- CN112906507A CN112906507A CN202110132817.4A CN202110132817A CN112906507A CN 112906507 A CN112906507 A CN 112906507A CN 202110132817 A CN202110132817 A CN 202110132817A CN 112906507 A CN112906507 A CN 112906507A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- target
- photo
- source
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种基于数码照片测算商业街行人轨迹的方法。基于带有定位、时间和拍摄角度信息的数码照片,用图像分割方法识别其中的行人,与目标照片中的目标行人进行相似度比对,辨识出目标行人;根据识别的行人在照片中的位置,测算实际拍摄位置与实际目标行人的距离;根据拍摄位置和拍摄角度推算实际行人的位置。处理多个照片后得到目标行人的位置序列,即个人的轨迹。方法利用广泛存在、易于获取的实景照片,轨迹精度可以满足一般管理和决策的需要;自动化程度高,可行性好,适用场景较广。
Description
技术领域
本发明方法基于带定位信息的数码照片,对商业街中行人的移动轨迹进行测算,应用于商业街开发与管理、零售业、旅游业、城市规划领域。
背景技术
商业街是城市日常生活的重要场所,部分带有旅游功能的商业街也是城市的重要窗口和经济来源,行人在商业街中的行为是评判商业街运营绩效和制定发展规划的核心依据。目前评价商业街人流活动绩效的主流方法是对行人的流量进行测算和统计,对行人个人行为的应用还很少。相比于整体的人流量,掌握行人个人行为轨迹对于更加精细化地区分行人群体,认识行为特征,把握行为规律,以制定针对性的商业街发展策略,有着本质的不同和更大的价值。
目前对商业街个人行为轨迹的获取方法存在不同的缺点。最为传统的方法是行人问卷调查,往往依据行人对其在商业街中活动的回忆和陈述作为数据,采集过程比较耗时,效率较低,数据准确性受个人因素影响较大。较为客观和准确的方法用感应设备来定位行人,比如RFID、Wifi、蓝牙;但这些方法的实用性较低,主要是受限于两方面问题:一是感应器需要特别部署,投入和维护成本较高;二是需要行人携带信号发射器或主动开启Wifi或蓝牙,实施难度大,可控性差。另外,虽然GPS也可以用于行人定位,无需感应设备,且在个人终端上已经普及;但因为影响终端续航,且数据反馈需要行人的主动配合,人们并不常用,实际可行性也很低。
近年来,图像分析技术发展迅速,已经能够相当可靠地判断图像中物体的类型,识别个体物件。另一方面,图像数据广泛存在,包括商业街在内的很多城市公共场所都部署了监控摄像头,每天产生大量的图像数据。这些数据客观地记录着人们的行为,采集过程不受对象的主观影响,也不依赖于对象的配合,可靠性、可实施性好,采集效率高;与图像分析技术相结合,可以作为一种高效地测算商业街行人行为轨迹的手段,应用场景广,潜力大。
发明内容
本发明的目的是:基于带有定位数据的行人数码照片,应用图像分析方法,测算商业街行人个人的行为轨迹。
本发明所采用的技术方案是:
一种基于数码照片测算商业街行人轨迹的方法,特征是,包括:
【步骤1】获取商业街中目标行人i的数码照片Di,要求照片中的图像为目标行人的全身像;
【步骤2】获取摄于商业街中某一地点l某一时刻t的源数码照片Slt,要求该照片的图像含有行人,并其元数据中带有GPS定位数据Gl={xl,yl},其中xl为位置横坐标数值,yl为位置纵坐标数值;以及时刻数据t,和拍摄角度数据θlt∈[0,360°],该角度以正北方向为0°,按顺时针夹角计;
【步骤3】用图像语义分隔方法,从源照片Slt中识别出所有的行人,每个行人输出一张数码照片Pltj(j=1,2,...J);
【步骤4】用图像相似性方法比较目标行人照片Di和所有识别的行人照片Pltj,判断两者是否是同一人。如果所有识别的行人均非目标行人,返回步骤2,分析另一张源照片;否则说明该目标行人在源照片中被识别到,继续步骤5;
【步骤5】以源照片底边中点为起点Alt,以该照片图像中被识别为目标行人的影像的底边中点为终点Blt,画一条直线ABlt,测量其与始于Alt且垂直于源照片底边的射线的夹角ωlt;
【步骤6】假定Alt为实际的拍摄位置,根据直线ABlt的长度Llt和ωlt推算拍摄位置与目标行人所在位置的实际距离Klt;
【步骤7】根据实际距离Klt、源照片的拍摄位置Gl和拍摄角度θlt,推算目标行人的实际位置Git={xit,Yit}(图2);
【步骤8】重复步骤2~7于其他地点和时刻的源照片,得到目标行人i的位置序列{Gi1,Gi2,...,Git,...,GiT},完成对该行人轨迹的测算。
本发明的优点是:
(1)利用广泛存在、易于获取的实景照片测算商业街行人的个人轨迹,精度可以满足一般管理和决策的需要;
(2)除了选定目标行人以外,其他步骤可以无需人工介入,自动化程度高;无需对象配合,可行性好,适用场景较广,如广场、公园等影响监控覆盖的室外公共场所均可采用。
附图说明
图1算法流程图
图2目标行人实际位置估计示意图
图3实施例:目标行人照片
图4实施例:带有行人的源照片
图5实施例:从源照片中识别出行人
图6实施例:目标行人照片与识别行人照片比较
图7实施例:测量被识别人在源照片中的位置信息
具体实施方式
以测算商业步行街中个人游客的行为轨迹为例,说明以上申请专利的实施方式。
过程见图1:
【步骤一】获取目标行人i的全身数码照片Di(图3);
【步骤二】获取摄于商业街中某一地点l某一时刻t的源数码照片Slt,要求该照片的图像含有行人(图4)。假设该源照片由人工用手机拍摄(也可通过监控影像中提取),拍摄时开启GPS功能,使得该照片元数据中带有定位数据Gl={xl,yl},其中xl为位置横坐标数值,yl为位置纵坐标数值;以及时刻数据t,和拍摄角度数据θlt∈[0,360°],该角度以正北方向为0°,按顺时针夹角计;
【步骤3】用图像语义分隔算法(例如YOLO),从源照片Slt中识别出所有的行人(图5),每个行人输出一张数码照片Pltj(j=1,2,...J);
【步骤4】用图像相似性算法(例如OpenCV中的compareHist)比较目标行人照片Di和所有识别的行人照片Pltj,发现Plt6与目标行人为同一人(图6),继续步骤5;
【步骤5】以源照片底边中点为起点Alt,以该照片图像中被识别为目标行人的影像的底边中点为终点Blt,画一条直线ABlt,测量其长度Llt,测量其与始于Alt且垂直于源照片底边的射线的夹角ωlt(图7);
【步骤6】建立一般照片中人的位置与目标行人所在位置的实际距离,关系
公式:Klt=f(Llt,ωlt,β) (1)
其中β为参数;
该公式(1)可通过实验拍摄一定数量实际照片,测度相应变量,然后建立回归模型标定获得β参数值。
本应用例中,根据公式(1),推算拍摄位置与目标行人所在位置的实际距离Klt=1.5m;
【步骤7】根据实际距离Klt、源照片的拍摄位置Gl和拍摄角度θlt,运用三角函数即可推算目标行人的实际位置Git={121.47139°,31.23693°};
【步骤8】重复步骤2~7于其他地点和时刻的源照片,得到目标行人i的位置序列{Gi1,Gi2,...,Git,...,GiT},完成对该行人轨迹的测算。
Claims (1)
1.一种基于数码照片测算商业街行人轨迹的方法,特征是,包括:
【步骤1】获取商业街中目标行人i的数码照片Di,要求照片中的图像为目标行人的全身像;
【步骤2】获取摄于商业街中某一地点l某一时刻t的源数码照片Slt,要求该照片的图像含有行人,并其元数据中带有GPS定位数据Gl={xl,yl},其中xl为位置横坐标数值,yl为位置纵坐标数值;以及时刻数据t,和拍摄角度数据θlt∈[0,360°],该角度以正北方向为0°,按顺时针夹角计;
【步骤3】用图像语义分隔方法,从源照片Slt中识别出所有的行人,每个行人输出一张数码照片Pltj(j=1,2,...J);
【步骤4】用图像相似性方法比较目标行人照片Di和所有识别的行人照片Pltj,判断两者是否是同一人。如果所有识别的行人均非目标行人,返回步骤2,分析另一张源照片;否则说明该目标行人在源照片中被识别到,继续步骤5;
【步骤5】以源照片底边中点为起点Alt,以该照片图像中被识别为目标行人的影像的底边中点为终点Blt,画一条直线ABlt,测量其与始于Alt且垂直于源照片底边的射线的夹角ωlt;
【步骤6】假定Alt为实际的拍摄位置,根据直线ABlt的长度Llt和ωlt推算拍摄位置与目标行人所在位置的实际距离Klt;
【步骤7】根据实际距离Klt、源照片的拍摄位置Gl和拍摄角度θlt,推算目标行人的实际位置Git={xit,yit};
【步骤8】重复步骤2~7于其他地点和时刻的源照片,得到目标行人i的位置序列{Gi1,Gi2,...,Git,...,GiT},完成对该行人轨迹的测算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110132817.4A CN112906507B (zh) | 2021-01-29 | 2021-01-29 | 基于数码照片测算商业街行人轨迹的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110132817.4A CN112906507B (zh) | 2021-01-29 | 2021-01-29 | 基于数码照片测算商业街行人轨迹的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906507A true CN112906507A (zh) | 2021-06-04 |
CN112906507B CN112906507B (zh) | 2022-06-07 |
Family
ID=76122163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110132817.4A Active CN112906507B (zh) | 2021-01-29 | 2021-01-29 | 基于数码照片测算商业街行人轨迹的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906507B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228698A (zh) * | 2023-02-20 | 2023-06-06 | 北京鹰之眼智能健康科技有限公司 | 基于图像处理的填充物状态检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103852130A (zh) * | 2014-01-15 | 2014-06-11 | 北京艾力泰尔信息技术有限公司 | 基于图像识别的水位采集方法 |
CN106023253A (zh) * | 2016-05-18 | 2016-10-12 | 杭州智诚惠通科技有限公司 | 一种城市目标轨迹追踪的方法 |
CN109784220A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种确定路人轨迹的方法及装置 |
CN110378931A (zh) * | 2019-07-10 | 2019-10-25 | 成都数之联科技有限公司 | 一种基于多摄像头的行人目标移动轨迹获取方法及*** |
CN110796074A (zh) * | 2019-10-28 | 2020-02-14 | 桂林电子科技大学 | 一种基于时空数据融合的行人再识别方法 |
CN111046752A (zh) * | 2019-11-26 | 2020-04-21 | 上海兴容信息技术有限公司 | 一种室内定位方法、装置、计算机设备和存储介质 |
CN111935450A (zh) * | 2020-07-15 | 2020-11-13 | 长江大学 | 一种智能疑犯追踪方法、***及计算机可读存储介质 |
CN112200106A (zh) * | 2020-10-16 | 2021-01-08 | 中国计量大学 | 跨相机行人重识别与跟踪方法 |
-
2021
- 2021-01-29 CN CN202110132817.4A patent/CN112906507B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103852130A (zh) * | 2014-01-15 | 2014-06-11 | 北京艾力泰尔信息技术有限公司 | 基于图像识别的水位采集方法 |
CN106023253A (zh) * | 2016-05-18 | 2016-10-12 | 杭州智诚惠通科技有限公司 | 一种城市目标轨迹追踪的方法 |
CN109784220A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种确定路人轨迹的方法及装置 |
CN110378931A (zh) * | 2019-07-10 | 2019-10-25 | 成都数之联科技有限公司 | 一种基于多摄像头的行人目标移动轨迹获取方法及*** |
CN110796074A (zh) * | 2019-10-28 | 2020-02-14 | 桂林电子科技大学 | 一种基于时空数据融合的行人再识别方法 |
CN111046752A (zh) * | 2019-11-26 | 2020-04-21 | 上海兴容信息技术有限公司 | 一种室内定位方法、装置、计算机设备和存储介质 |
CN111935450A (zh) * | 2020-07-15 | 2020-11-13 | 长江大学 | 一种智能疑犯追踪方法、***及计算机可读存储介质 |
CN112200106A (zh) * | 2020-10-16 | 2021-01-08 | 中国计量大学 | 跨相机行人重识别与跟踪方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228698A (zh) * | 2023-02-20 | 2023-06-06 | 北京鹰之眼智能健康科技有限公司 | 基于图像处理的填充物状态检测方法 |
CN116228698B (zh) * | 2023-02-20 | 2023-10-27 | 北京鹰之眼智能健康科技有限公司 | 基于图像处理的填充物状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112906507B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10074272B2 (en) | Method, apparatus and computer program product for traffic lane and signal control identification and traffic flow management | |
CN105528359B (zh) | 用于存储行进轨迹的方法和*** | |
Tang et al. | CLRIC: Collecting lane-based road information via crowdsourcing | |
CN107131883B (zh) | 基于视觉的全自动移动终端室内定位*** | |
CN108256439A (zh) | 一种基于循环生成式对抗网络的行人图像生成方法及*** | |
CN109029444B (zh) | 一种基于图像匹配和空间定位的室内导航***及导航方法 | |
US20190373221A1 (en) | System and method for activity monitoring using video data | |
CN109618140B (zh) | 基于视频监控的车辆监测方法、装置、***及服务器 | |
US20100305851A1 (en) | Device and method for updating cartographic data | |
US7519197B2 (en) | Object identification between non-overlapping cameras without direct feature matching | |
CN110505583A (zh) | 一种基于卡口数据与信令数据的轨迹匹配算法 | |
CN109325429A (zh) | 一种关联特征数据的方法、装置、存储介质及终端 | |
CN110348463B (zh) | 用于识别车辆的方法和装置 | |
CN110704712A (zh) | 基于图像检索的场景图片拍摄位置范围识别方法及*** | |
US10104494B2 (en) | Marker based activity transition models | |
CN109829406A (zh) | 一种室内空间识别方法 | |
CN113469226B (zh) | 一种基于街景图像的土地利用分类方法及*** | |
US20210240745A1 (en) | Matching location-related information with name information of points of interest | |
Ghorpade et al. | An integrated stop-mode detection algorithm for real world smartphone-based travel survey | |
CN106931976B (zh) | 一种导航信息更新的方法及装置 | |
CN112906507B (zh) | 基于数码照片测算商业街行人轨迹的方法 | |
Steinhoff et al. | How computer vision can help in outdoor positioning | |
Guillermo et al. | A Comparative Study on Satellite Image Analysis for Road Traffic Detection using YOLOv3-SPP, Keras RetinaNet and Full Convolutional Network | |
CN108154199B (zh) | 一种基于深度学习的高精度快速单类目标检测方法 | |
CN108765954B (zh) | 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法 |
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 |