CN112906507A - 基于数码照片测算商业街行人轨迹的方法 - Google Patents

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

基于数码照片测算商业街行人轨迹的方法

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D_i，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S_lt，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G_l＝{x_l，y_l}，其中x_l为位置横坐标数值，y_l为位置纵坐标数值；以及时刻数据t，和拍摄角度数据θ_lt∈[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S_lt中识别出所有的行人，每个行人输出一张数码照片P_ltj(j＝1，2，...J)；

【步骤4】用图像相似性方法比较目标行人照片D_i和所有识别的行人照片P_ltj，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A_lt，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B_lt，画一条直线AB_lt，测量其与始于A_lt且垂直于源照片底边的射线的夹角ω_lt；

【步骤6】假定A_lt为实际的拍摄位置，根据直线AB_lt的长度L_lt和ω_lt推算拍摄位置与目标行人所在位置的实际距离K_lt；

【步骤7】根据实际距离K_lt、源照片的拍摄位置G_l和拍摄角度θ_lt，推算目标行人的实际位置G_it＝{x_it，Y_it}(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{G_i1，G_i2，...，G_it，...，G_iT}，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S_lt，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G_l＝{x_l，y_l}，其中x_l为位置横坐标数值，y_l为位置纵坐标数值；以及时刻数据t，和拍摄角度数据θ_lt∈[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S_lt中识别出所有的行人(图5)，每个行人输出一张数码照片P_ltj(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D_i和所有识别的行人照片P_ltj，发现P_lt6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A_lt，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B_lt，画一条直线AB_lt，测量其长度L_lt，测量其与始于A_lt且垂直于源照片底边的射线的夹角ω_lt(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：K_lt＝f(L_lt，ω_lt，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K_lt＝1.5m；

【步骤7】根据实际距离K_lt、源照片的拍摄位置G_l和拍摄角度θ_lt，运用三角函数即可推算目标行人的实际位置G_it＝{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{G_i1，G_i2，...，G_it，...，G_iT}，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D_i，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S_lt，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G_l＝{x_l，y_l}，其中x_l为位置横坐标数值，y_l为位置纵坐标数值；以及时刻数据t，和拍摄角度数据θ_lt∈[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S_lt中识别出所有的行人，每个行人输出一张数码照片P_ltj(j＝1，2，...J)；

【步骤4】用图像相似性方法比较目标行人照片D_i和所有识别的行人照片P_ltj，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A_lt，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B_lt，画一条直线AB_lt，测量其与始于A_lt且垂直于源照片底边的射线的夹角ω_lt；

【步骤6】假定A_lt为实际的拍摄位置，根据直线AB_lt的长度L_lt和ω_lt推算拍摄位置与目标行人所在位置的实际距离K_lt；

【步骤7】根据实际距离K_lt、源照片的拍摄位置G_l和拍摄角度θ_lt，推算目标行人的实际位置G_it＝{x_it，y_it}；

【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{G_i1，G_i2，...，G_it，...，G_iT}，完成对该行人轨迹的测算。

Images