CN114419161A - 一种场馆游客动线分析方法、***和终端 - Google Patents
一种场馆游客动线分析方法、***和终端 Download PDFInfo
- Publication number
- CN114419161A CN114419161A CN202210022563.5A CN202210022563A CN114419161A CN 114419161 A CN114419161 A CN 114419161A CN 202210022563 A CN202210022563 A CN 202210022563A CN 114419161 A CN114419161 A CN 114419161A
- Authority
- CN
- China
- Prior art keywords
- venue
- tourist
- camera
- track
- coordinates
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 230000008034 disappearance Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种场馆游客动线分析方法、***和终端,包括以下步骤:对场馆内的摄像头进行标定;根据标定后的摄像头的坐标位置,对所述场馆进行区域划分;对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据;对所述游客轨迹数据进行数据处理;基于数据处理后的游客轨迹数据进行游客动线分析。本发明的场馆游客动线分析方法、***和终端具有较好的普适性,易于游客离散轨迹的分析和呈现,并且不会泄露游客隐私信息。
Description
技术领域
本发明属于计算机视觉领域,涉及行人动线分析方法,特别是涉及一种场馆游客动线分析方法、***和终端。
背景技术
随着计算机视觉技术的发展和落地,行人重识别技术已经广泛应用到智能视频分析领域。行人重识别指从不同位置的摄像机拍摄的不同时刻的图像或视频中检索出目标行人对象。行人重识别属于ID识别方法中的一类,通过传感器或摄像头采集生物的特征信息,便可以对复杂视频环境下的图像进行处理和分析。
传统的行人动线分析方法大多是基于WIFI无线定位的算法原理,该类方法要求游客随身携带WIFI信号发射设备,便携性和体验感较差,并且路由对WIFI设备的定位精度较低,因此没法精确获得米级别以内的游客移动坐标。此外,传统的行人动线分析方法采集的是游客的离散轨迹片段,数据量大且规律性差,同时受限于相机分辨率、拍摄角度以及隐私政策等影响因素,行人动线的分析和呈现过程变得更具难度和复杂性。
因此,如何进一步提升和优化现有的行人动线分析方法的性能,为用户提供一种更便捷、易操作且信息安全性更高的行人动线分析方法,是本领域研究人员急需解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种场馆游客动线分析方法、***和终端,相比于现有的行人动线分析方法,本发明具有更好的普适性,更易于游客离散轨迹数据的分析和呈现,更注重游客个人隐私。
为实现上述目的及其他相关目的,本发明提供一种场馆游客动线分析方法,包括以下步骤:对场馆内的摄像头进行标定;根据标定后的摄像头的坐标位置,对所述场馆进行区域划分;对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据;对所述游客轨迹数据进行数据处理;基于数据处理后的游客轨迹数据进行游客动线分析。
于本发明一实施例中,对场馆内的摄像头进行标定包括以下步骤:
标定所述摄像头的内参,所述内参包括摄像头所拍摄图像的分辨率;
标定所述摄像头的外参,所述外参包括摄像头在场馆平面CAD底图中的坐标和水平旋转角。
于本发明一实施例中,获取不同区域内的游客轨迹数据包括以下步骤:
从每个摄像头中获取每个游客的轨迹ID;
统计不同摄像头中属于同一游客的轨迹ID;
基于所述轨迹ID记录每个游客的轨迹出现时间和轨迹消失时间;
获得所述游客投影在相机视角底图中的坐标;
将所述轨迹出现时间、轨迹消失时间和所述坐标作为所述游客轨迹数据。
于本发明一实施例中,对所述游客轨迹数据进行数据处理包括无效客流去重,所述无效客流去重包括以下步骤:
获取场馆内的客流信息,所述客流信息包括游客出现次数、游客累计出现时长和历史轨迹覆盖区域网格比例;
基于所述客流信息计算游客的非游客可能性分数,采用公式:
其中C表示游客出现次数,T表示游客累计出现时长,S表示历史轨迹覆盖区域网格比例;
依据所述非游客可能性分数在所述游客轨迹数据中去除无效客流。
于本发明一实施例中,对所述游客轨迹数据进行数据处理包括区域内轨迹去重,所述区域内轨迹去重包括以下步骤:
将游客从所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标;
标记经过坐标变换后的坐标所在的场馆区域;
按时间先后对所述场馆区域进行排序;
对相邻且相同的场馆区域进行去重。
于本发明一实施例中,将游客从所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标时,采用公式:
X=X0+(wx*cosθ-wy*sinθ)/f
Y=Y0+(wy*cosθ+wx*sinθ)/f
其中(X0,Y0)为摄像头在场馆平面CAD底图中的坐标;(wx,wy)为游客在相机视角底图中的坐标;θ为摄像机相对于正北方向的水平旋转角;f为场馆平面CAD底图相较于真实场景的缩放系数。
于本发明一实施例中,基于数据处理后的游客轨迹数据进行游客动线分析包括以下步骤:
基于特定的动线筛选机制对所有游客轨迹数据进行筛选,获取相同动线轨迹;
对相同动线轨迹进行计次排序;
将从高到低的计次排序作为游客行走路线的推荐排序。
于本发明一实施例中,所述特定的动线筛选机制为需同时满足以下两个筛选条件:
至少覆盖场馆进口区域和出口区域的其中一个;
至少覆盖不包括进口区域和出口区域的场馆内区域总数量的二分之一。
对应地,本发明提供一种场馆游客动线分析***,包括:
标定模块,用于对场馆内的摄像头进行标定;
划分模块,用于根据标定后的摄像头的坐标位置,对所述场馆进行区域划分;
识别模块,用于对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据;
处理模块,用于对所述游客轨迹数据进行数据处理;
分析模块,用于基于数据处理后的游客轨迹数据进行游客动线分析。
本发明提供一种场馆游客动线分析终端,包括处理器和存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行上述的场馆游客动线分析方法。
如上所述,本发明的场馆游客动线分析方法、***和终端,具有以下有益效果:
(1)不需要用户借助任何携带式信号发射设备便可以实现对场馆游客行动轨迹的定位和分析,具有更好的普适性;
(2)考虑到了游客在进出口区域和场内区域活动轨迹覆盖的完整性,将离散的数据结构化,更易于分析和呈现;
(3)记录游客路过所有场馆区域的时间排序,而不显示实际的游客行走路线,有效地保护了游客的隐私信息。
附图说明
图1显示为本发明的场馆游客动线分析方法于一实施例中的流程图。
图2显示为本发明的场馆游客动线分析方法于一实施例中的场馆区域划分示意图。
图3显示为本发明的场馆游客动线分析***于一实施例中的结构示意图。
图4显示为本发明的场馆游客动线分析终端于一实施例中的结构示意图。
元件标号说明
S1~S5 方法步骤
31 标定模块
32 划分模块
33 识别模块
34 处理模块
35 分析模块
41 处理器
42 存储器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的场馆游客动线分析方法、***和终端基于行人重识别和区域划分对场馆内的游客行动轨迹进行筛选和分析,不需要用户借助任何携带式信号发射设备,具有较好的普适性,较高的游客轨迹覆盖率,易于游客离散轨迹数据的呈现和分析,并且不会泄露游客个人隐私。
如图1所示,于一实施例中,本发明的场馆游客动线分析方法包括以下步骤:
步骤S1、对场馆内的摄像头进行标定。
于一实施例中,在对场馆内的摄像头进行标定时,首先标定所述摄像头的内参,所述内参包括摄像头所拍摄图像的分辨率;接着标定所述摄像头的外参,所述外参包括摄像头在场馆平面CAD底图中的坐标和水平旋转角。
具体地,标定所述摄像头拍摄图像的分辨率时,可根据摄像机型号确认该固定参数,也可通过摄像头配套软件进行自动识别;所述摄像头在场馆平面CAD底图中的坐标可根据实际安装点位图和CAD软件进行确认,所述水平旋转角可借助手机或旋转角方位器等可测量设备进行测量。
步骤S2、根据标定后的摄像头的坐标位置,对所述场馆进行区域划分。
具体地,用户在进行区域划分时可根据实际场馆场景的差异采取不同的区域划分方法,包括固定区域划分、范围区域划分和不规则区域划分等。
例如,图2采用以摄像头为圆心以特定距离为半径的范围区域划分方式,根据摄像头的覆盖位置将场馆平面CAD底图划分为C1~C88个圆形区域,其中每个区域的原点为标定后的摄像头坐标位置,各区域的半径大小相同;每个区域分别标注不同的数字编号,并且各个区域在底图中彼此独立无交叉重叠。
步骤S3、对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据。
具体地,基于度量学习的方法对不同时间和不同区域的游客进行行人重识别:首先从游客轨迹ID中获取游客全身特征信息;接着将所述游客全身特征信息与本地数据库中的特征信息进行逐一比对,并度量两者之间的距离相似度;设定相似度阈值为80%,若相似度大于80%则认定所述特征信息属于同一游客。
于一实施例中,获取不同区域内的游客轨迹数据包括以下步骤:
31)从每个摄像头中获取每个游客的轨迹ID。
具体地,所述轨迹ID表征单张游客图片,并以二进制特征向量形式进行存储。
32)统计不同摄像头中属于同一游客的轨迹ID。
具体地,将二进制特征向量相同的轨迹ID认定为同一游客的轨迹ID。
33)基于所述轨迹ID记录每个游客的轨迹出现时间和轨迹消失时间。
34)获得所述游客投影在摄像机视角底图中的坐标。
具体地,将摄像机底图映射成一个二维平面,借助CAD软件获取游客在所述平面坐标系中的坐标。其中平面坐标系的原点为摄像机光轴与底图平面的交点。
上述轨迹ID、轨迹出现时间、轨迹消失时间和坐标共同作为游客轨迹数据。
步骤S4、对所述游客轨迹数据进行数据处理。
于本发明一实施例中,对所述游客轨迹数据进行数据处理包括无效客流去重,所述无效客流去重包括以下步骤:
(1)获取场馆内的客流信息,所述客流信息包括游客出现次数、游客累计出现时长和历史轨迹覆盖区域网格比例。
优选地,依据所述游客轨迹数据计算游客的出现次数,游客累计出现时长和历史轨迹覆盖区域网格比例。
(2)基于所述客流信息计算游客的非游客可能性分数,采用公式:
其中C表示游客出现次数,T表示游客累计出现时长,S表示历史轨迹覆盖区域网格比例。
于一实施例中,计算所述历史轨迹覆盖区域网格比例时,采用公式:
其中N表示监控画面中包含的均匀大小的网格数量,Shit表示游客轨迹击中的网格数。
(3)依据所述非游客可能性分数在所述游客轨迹数据中去除无效客流。
优选地,使用0.8作为非游客可能性分数的阈值,如果F大于该预设阈值,则判别该独立个体为非游客。
于本发明一实施例中,对所述游客轨迹数据进行数据处理包括区域内轨迹去重,所述区域内轨迹去重包括以下步骤:
(1)将游客在所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标。
于一实施例中,将游客从所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标时,采用公式:
X=X0+(wx*cosθ-wy*sinθ)/f
Y=Y0+(wy*cosθ+wx*sinθ)/f
其中(X0,Y0)为摄像头在场馆平面CAD底图中的坐标;(wx,wy)为游客在相机视角底图中的坐标;θ为摄像机的水平旋转角;f为场馆平面CAD底图相较于真实场景的缩放系数。
(2)标记经过坐标变换后的坐标所在的场馆区域。
例如,将某游客在相机视角底图中的坐标做所述坐标变换,变换后的游客坐标显示位于场馆平面底图中的区域C4,则标记该游客在此时间段出现的场馆区域为C4。
(3)按时间先后对所述场馆区域进行排序。
例如,某游客在不同时间段分别出现C4、C7、C7、C6和C5等场馆区域,将对应目标区域按照时间先后进行排列,则可以获取该游客的区域轨迹路径:C4->C7->C7->C6->C5。
(4)对相邻且相同的场馆区域进行去重
例如,在上述场馆区域排序的例子中,出现两个相邻且相同的C7区域,将其中一个C7区域去除,得到该游客不重复的区域轨迹路径:C4->C7->C6->C5。
步骤S5、基于数据处理后的游客轨迹数据进行游客动线分析。
于本发明一实施例中,基于数据处理后的游客轨迹数据进行游客动线分析包括以下步骤:
(1)基于特定的动线筛选机制对所有游客轨迹数据进行筛选,获取相同动线轨迹。
于一实施例中,所述特定的动线筛选机制为需同时满足以下两个筛选条件:
至少覆盖场馆进口区域和出口区域的其中一个;
至少覆盖不包括进口区域和出口区域的场馆内区域总数量的二分之一。
(2)对相同动线轨迹进行计次排序。
优选地,按照相同动线轨迹次数的高低进行排序。
(3)将从高到低的计次排序作为游客行走路线的推荐排序。
如图3所示,于一实施例中,本发明的场馆游客动线分析***包括:
标定模块31,用于对场馆内的摄像头进行标定。
于一实施例中,在对场馆内的摄像头进行标定时,首先标定所述摄像头的内参,所述内参包括摄像头所拍摄图像的分辨率;接着标定所述摄像头的外参,所述外参包括摄像头在场馆平面CAD底图中的坐标和水平旋转角。
具体地,标定所述摄像头拍摄图像的分辨率时,可根据摄像机型号确认该固定参数,也可通过摄像头配套软件进行自动识别;所述摄像头在场馆平面CAD底图中的坐标可根据实际安装点位图和CAD软件进行确认,所述水平旋转角可借助手机或旋转角方位器等可测量设备进行测量。
划分模块32与标定模块31相连,划分模块32用于根据标定后的摄像头的坐标位置,对所述场馆进行区域划分。
具体地,用户在进行区域划分时可根据实际场馆场景采取不同的区域划分方法,包括固定区域划分、范围区域划分和不规则区域划分等。
例如,图2采用以摄像头为圆心以特定距离为半径的范围区域划分方式,根据摄像头的覆盖位置将场馆平面CAD底图划分为C1~C88个圆形区域,其中每个区域的原点为标定后的摄像头坐标位置,各区域的半径大小相同;每个区域分别标注不同的数字编号,并且各个区域在底图中彼此独立无交叉重叠。
识别模块33与划分模块32相连,识别模块33用于对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据。
具体地,基于度量学习的方法对不同时间和不同区域的游客进行行人重识别:首先从游客轨迹ID中获取游客全身特征信息;接着将所述游客全身特征信息与本地数据库中的特征信息进行逐一比对,并度量两者之间的距离相似度;设定相似度阈值为80%,若相似度大于80%则认定所述特征信息属于同一游客。
于一实施例中,获取不同区域内的游客轨迹数据包括以下步骤:
31)从每个摄像头中获取每个游客的轨迹ID。
具体地,所述轨迹ID表征单张游客图片,并以二进制特征向量形式进行存储。
32)统计不同摄像头中属于同一游客的轨迹ID。
具体地,将二进制特征向量相同的轨迹ID认定为同一游客的轨迹ID。
33)基于所述轨迹ID记录每个游客的轨迹出现时间和轨迹消失时间。
34)获得所述游客投影在摄像机视角底图中的坐标。
具体地,将摄像机底图映射成一个二维平面,借助CAD软件获取游客在所述平面坐标系中的坐标。其中平面坐标系的原点为摄像机光轴与底图平面的交点。
上述轨迹ID、轨迹出现时间、轨迹消失时间和坐标共同作为游客轨迹数据。
处理模块34和识别模块33相连,处理模块34用于对所述游客轨迹数据进行数据处理。
于本发明一实施例中,对所述游客轨迹数据进行数据处理包括无效客流去重,所述无效客流去重包括以下步骤:
(1)获取场馆内的客流信息,所述客流信息包括游客出现次数、游客累计出现时长和历史轨迹覆盖区域网格比例。
优选地,依据所述游客轨迹数据计算游客的出现次数,游客累计出现时长和历史轨迹覆盖区域网格比例。
(2)基于所述客流信息计算游客的非游客可能性分数,采用公式:
其中C表示游客出现次数,T表示游客累计出现时长,S表示历史轨迹覆盖区域网格比例。
于一实施例中,计算所述历史轨迹覆盖区域网格比例时,采用公式:
其中N表示监控画面中包含的均匀大小的网格数量,Shit表示游客轨迹击中的网格数。
(3)依据所述非游客可能性分数在所述游客轨迹数据中去除无效客流。
优选地,使用0.8作为非游客可能性分数的阈值,如果F大于该预设阈值,则判别该独立个体为非游客。
于本发明一实施例中,对所述游客轨迹数据进行数据处理包括区域内轨迹去重,所述区域内轨迹去重包括以下步骤:
(1)将游客在所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标。
于一实施例中,将游客在所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标时,采用公式:
X=X0+(wx*cosθ-wy*sinθ)/f
Y=Y0+(wy*cosθ+wx*sinθ)/f
其中(X0,Y0)为摄像头在场馆平面CAD底图中的坐标;(wx,wy)为游客在相机视角底图中的坐标;θ为摄像机的水平旋转角;f为场馆平面CAD底图相较于真实场景的缩放系数。
(2)标记经过坐标变换后的坐标所在的场馆区域。
例如,将某游客在相机视角底图中的坐标做上述坐标变换,变换后的游客坐标显示位于场馆平面底图中的区域C4,则标记该游客在此时间段出现的场馆区域为C4。
(3)按时间先后对所述场馆区域进行排序。
例如,某游客在不同时间段分别出现C4、C7、C7、C6和C5等场馆区域,将对应目标区域按照时间先后进行排列,则可以获取该游客的区域轨迹路径:C4->C7->C7->C6->C5。
(4)对相邻且相同的场馆区域进行去重
例如,在上述场馆区域排序的例子中,出现两个相邻且相同的C7区域,将其中一个C7区域去除,得到该游客不重复的区域轨迹路径:C4->C7->C6->C5。
分析模块35和识别模块34相连,分析模块35用于基于数据处理后的游客轨迹数据进行游客动线分析。
于本发明一实施例中,基于数据处理后的游客轨迹数据进行游客动线分析包括以下步骤:
(1)基于特定的动线筛选机制对所有游客轨迹数据进行筛选,获取相同动线轨迹。
优选地,所述特定的动线筛选机制为需同时满足以下两个筛选条件:
至少覆盖场馆进口区域和出口区域的其中一个;
至少覆盖不包括进口区域和出口区域的场馆内区域总数量的二分之一。
(2)对相同动线轨迹进行计次排序。
优选地,对相同动线轨迹从高到低进行计次排序。
(3)将从高到低的计次排序作为游客行走路线的推荐排序。
如图4所示,于本发明一实施例中,本发明的场馆游客路线终端还包括处理器41和存储器42。
所述存储器41用于存储计算机程序;
所述存储器41包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器42用于执行所述存储器存储的计算机程序,以使所述终端执行上述场馆游客动线分析方法。具体地,针对当前场馆的游客进行动线分析之后,将游客行走路线的推荐排序存放于存储器中。
优选地,所述处理器42可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC),或,一个或多个微处理器(digitalsingnalprocessor,简称DSP),或,一个或者多个现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessingUnit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
综上所述,本发明的场馆游客动线分析方法、***和终端基于区域划分和行人重识别对场馆内游客行动轨迹进行了定位和分析,本发明提供的方法普适性高,隐私泄露的风险性低。获取的游客行走路线排序一定程度上能反映出场馆的布局合理性以及游客的偏好性,帮助提高了场馆空间的利用率,并为场馆功能的设计和优化提供参考建议。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种场馆游客动线分析方法,包括以下步骤:
对场馆内的摄像头进行标定;
根据标定后的摄像头的坐标位置,对所述场馆进行区域划分;
对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据;
对所述游客轨迹数据进行数据处理;
基于数据处理后的游客轨迹数据进行游客动线分析。
2.根据权利要求1所述的场馆游客动线分析方法,其特征在于:对场馆内的摄像头进行标定包括以下步骤:
标定所述摄像头的内参,所述内参包括摄像头所拍摄图像的分辨率;
标定所述摄像头的外参,所述外参包括摄像头在场馆平面CAD底图中的坐标和水平旋转角。
3.根据权利要求1所述的场馆游客动线分析方法,其特征在于:获取不同区域内的游客轨迹数据包括以下步骤:
从每个摄像头中获取每个游客的轨迹ID;
统计不同摄像头中属于同一游客的轨迹ID;
基于所述轨迹ID记录每个游客的轨迹出现时间和轨迹消失时间;
获得所述游客投影在相机视角底图中的坐标;
将所述轨迹出现时间、轨迹消失时间和所述坐标作为所述游客轨迹数据。
5.根据权利要求1所述的场馆游客动线分析方法,其特征在于:对所述游客轨迹数据进行数据处理包括区域内轨迹去重,所述区域内轨迹去重包括以下步骤:
将游客从所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标;
标记经过坐标变换后的坐标所在的场馆区域;
按时间先后对所述场馆区域进行排序;
对相邻且相同的场馆区域进行去重。
6.根据权利要求5所述的场馆游客动线分析方法,其特征在于:将游客在所述摄像头采集的相机视角底图中的坐标变换成场馆平面CAD底图中的坐标时,采用公式:
X=X0+(wx*cosθ-wy*sinθ)/f
Y=Y0+(wy*cosθ+wx*sinθ)/f
其中(X0,Y0)为摄像头在场馆平面CAD底图中的坐标;(wx,wy)为游客在相机视角底图中的坐标;θ为摄像机相对于正北方向的水平旋转角;f为场馆平面CAD底图相较于真实场景的缩放系数。
7.根据权利要求1所述的场馆游客动线分析方法,其特征在于:基于数据处理后的游客轨迹数据进行游客动线分析包括以下步骤:
基于特定的动线筛选机制对所有游客轨迹数据进行筛选,获取相同动线轨迹;
对相同动线轨迹进行计次排序;
将从高到低的计次排序作为游客行走路线的推荐排序。
8.根据权利要求7所述的场馆游客动线分析方法,其特征在于:所述特定的动线筛选机制为需同时满足以下两个筛选条件:
至少覆盖场馆进口区域和出口区域的其中一个;
至少覆盖不包括进口区域和出口区域的场馆内区域总数量的二分之一。
9.一种场馆游客动线分析***,其特征在于,包括:
标定模块,用于对场馆内的摄像头进行标定;
划分模块,根据标定后的摄像头的坐标位置,对所述场馆进行区域划分;
识别模块,用于对所述摄像头采集的图像信息进行行人重识别,获取不同区域内的游客轨迹数据;
处理模块,用于对所述游客轨迹数据进行数据处理;
分析模块,用于基于数据处理后的游客轨迹数据进行游客动线分析。
10.一种场馆游客动线分析终端,其特征在于,包括:处理器和存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至8中任一项所述场馆游客动线分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210022563.5A CN114419161A (zh) | 2022-01-10 | 2022-01-10 | 一种场馆游客动线分析方法、***和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210022563.5A CN114419161A (zh) | 2022-01-10 | 2022-01-10 | 一种场馆游客动线分析方法、***和终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114419161A true CN114419161A (zh) | 2022-04-29 |
Family
ID=81272115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210022563.5A Pending CN114419161A (zh) | 2022-01-10 | 2022-01-10 | 一种场馆游客动线分析方法、***和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419161A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017032153A1 (zh) * | 2015-08-27 | 2017-03-02 | 腾讯科技(深圳)有限公司 | 提示信息的显示方法、装置及终端 |
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*** |
CN111079600A (zh) * | 2019-12-06 | 2020-04-28 | 长沙海格北斗信息技术有限公司 | 多摄像头的行人识别方法及识别*** |
CN112257660A (zh) * | 2020-11-11 | 2021-01-22 | 汇纳科技股份有限公司 | 无效客流的去除方法、***、设备及计算机可读存储介质 |
-
2022
- 2022-01-10 CN CN202210022563.5A patent/CN114419161A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017032153A1 (zh) * | 2015-08-27 | 2017-03-02 | 腾讯科技(深圳)有限公司 | 提示信息的显示方法、装置及终端 |
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*** |
CN111079600A (zh) * | 2019-12-06 | 2020-04-28 | 长沙海格北斗信息技术有限公司 | 多摄像头的行人识别方法及识别*** |
CN112257660A (zh) * | 2020-11-11 | 2021-01-22 | 汇纳科技股份有限公司 | 无效客流的去除方法、***、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256377B (zh) | 用于检测视频中的对象的方法、设备和*** | |
Lehtomäki et al. | Object classification and recognition from mobile laser scanning point clouds in a road environment | |
US10043097B2 (en) | Image abstraction system | |
US20170116781A1 (en) | 3d scene rendering | |
CN109520500B (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
US9299157B2 (en) | Scale-invariant superpixel region edges | |
Yang et al. | Automated extraction of building outlines from airborne laser scanning point clouds | |
US20130243343A1 (en) | Method and device for people group detection | |
GB2532948A (en) | Objection recognition in a 3D scene | |
CN110866079A (zh) | 一种智慧景区实景语义地图的生成与辅助定位方法 | |
CN111160243A (zh) | 客流量统计方法及相关产品 | |
KR102376912B1 (ko) | 인공지능을 활용한 공간정보 기반의 토지 관리 장치 및 방법 | |
CN112541403B (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
Liu et al. | Deep-learning and depth-map based approach for detection and 3-D localization of small traffic signs | |
CN112562005A (zh) | 一种空间标定方法和*** | |
CN114495266A (zh) | 非站立姿态检测方法、装置、计算机设备及存储介质 | |
CN112634368A (zh) | 场景目标的空间与或图模型生成方法、装置及电子设备 | |
Anand et al. | LiDAR-INS/GNSS-based real-time ground removal, segmentation, and georeferencing framework for smart transportation | |
CN110636248B (zh) | 目标跟踪方法与装置 | |
Zhao et al. | Vehicle counting in very low-resolution aerial images via cross-resolution spatial consistency and Intraresolution time continuity | |
CN105631849B (zh) | 多边形目标的变化检测方法及装置 | |
CN111652168B (zh) | 基于人工智能的群体检测方法、装置、设备及存储介质 | |
CN116912517B (zh) | 相机视野边界的检测方法及装置 | |
CN113496260A (zh) | 基于改进YOLOv3算法的粮库人员不规范作业检测法 | |
CN111899505B (zh) | 交通限制解除的检测方法和装置 |
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 |