CN103473554A - 人流统计系统及方法 - Google Patents
人流统计系统及方法 Download PDFInfo
- Publication number
- CN103473554A CN103473554A CN2013103645418A CN201310364541A CN103473554A CN 103473554 A CN103473554 A CN 103473554A CN 2013103645418 A CN2013103645418 A CN 2013103645418A CN 201310364541 A CN201310364541 A CN 201310364541A CN 103473554 A CN103473554 A CN 103473554A
- Authority
- CN
- China
- Prior art keywords
- velocity
- pedestrian
- picture mosaic
- people
- detection line
- 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
- 238000007619 statistical method Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 76
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 238000012417 linear regression Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010191 image analysis Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Abstract
本发明提供一种基于视频图像分析的人流统计系统及方法，该人流统计系统包括：放置在检测线的正上方的单一影像摄取单元，用于自上而下地摄取行人顶部的一路视频图像；速度估计单元，用于使用光流法计算视频图像中每一个行人经过检测线时的速度信息；拼图生成单元，根据速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，通过不断累积切片以还原行人的完整拼图；决策模型单元，根据拼图生成单元所还原的拼图，利用线性回归分析，计算出拼图内像素点个数和边缘信息个数，统计出拼图内的人数。相较于现有技术，可避免行人之间相互遮挡问题的发生，有利于增强人流密集时的计数准确性。
Description
技术领域
本发明涉及人流统计技术，特别是涉及一种基于视频图像分析的人流统计系统及方法。
背景技术
在很多行业，人流信息可以为人流管理、资源管理、管理决策提供关键的依据。例如在地铁站，通过行人计数可以实时了解每个站点的人流大小，灵活调度地铁列车密度，实施人流控制，实时发布人流密集地区信息，有利于加强人群运输效率，确保地铁运营平稳有效。在商场，人流量是体现其商业价值的重要依据，对人流量的准确计算，有利于掌握客人的购物偏好，从而实现更好的物流安排，还可以根据各区域的人群密集程度，有效调配服务人员。人流量还关系到人流密集场所的安全问题，有效控制场内人群数量，可以在火警等紧急情况下迅速疏导人群，避免踩踏、推挤等情况发生。
传统的行人人数统计技术一般可依靠机械手段进行行人统计。一种常用的方法是利用机械的运动来进行人流统计，例如：行人走过闸门的同时推动机械转动，如此，通过统计机械转动的次数即可统计出人流信息。这种方法建设成本高昂，设备投入费用巨大，而且设备体积较大，一般是固定在出入口处，使用起来不够灵活，对于人流信息的管理也不够方便，还有一个最大的缺点就是阻碍了人流的行进速度。另一种常用方法是使用光电传感器，通过行人触发光电传感器，从而实现对行人的计数。这种方法是在地铁需要检票的基础上进行的人流统计，虽然准确率高，附加成本低，但是这种方法只适合用于需要检票的场所，而且一般部署在室内环境，适用范围有一定局限性。
随着通信技术的发展，业界有提出了多种基于视频图像的行人统计技术。一种是例如XiZhao等人提出利用人脸特征识别行人并进行跟踪的技术（X.Zhao,E.Dellandréa,L.Chen,A People Counting System based on Face Detection and Tracking in a Video,Advanced Video and Signal Based Surveillance,2009,67-72）
整个方法可以分为人脸检测、人脸跟踪和行人计数三个模块，并使用同步算法实现三个模块之间的交互（如图1所示）。首先系统的人脸检测模块采用人脸检测算法检测场景中出现的人脸，然后人脸跟踪模块会将检测到的人脸与之前已跟踪的人脸相匹配，若匹配则归属到已跟踪人脸并进行跟踪，否则初始化为新人脸开始跟踪。跟踪算法采用基于核的跟踪方法，结合Kalman滤波器。最后将人脸跟踪模块得到的行人轨迹传递给行人计数模块作为计数依据。基于人脸特征的方法通过对行人的脸部进行识别和跟踪，从而实现行人计数，实验证明该方法计数准确率较高。由于需要拍摄到人的脸部，所以摄像机采用60度或45度，但是斜角度又会带来人脸遮挡的问题，一旦遮挡情况严重，将影响计数准确率。另外，G.G.Lee等人提出了利用红外线探测行人高度方法的行人计数方法（G.G.Lee,H.Kim,J.Y.Yoon,J.J.Kim,W.Y.Kim,Pedestrian Counting using an IR Line Laser,International Conferenceon Convergence and Hybrid Information Technology,2008,482–485），该方法使用了摄像机和激光发射器（如图2所示），采用60度或45度的斜向下部署方式，利用激光发射器发射激光线照射到行人身上，然后使用摄像机获取红外线信号，根据红外线信号的波动情况，确定行人数量。基于红外线检测高度的行人计数方法准确率较高，但是在实际应用中局限性较大，在室外环境会受到太阳光中的红外线影响，遇到反光地面或反光物体也会影响系统检测高度的准确度。再有，G.J.Brostow等人提出了基于人的特征跟踪方法（G.J.Brostow and R.Cipolla,Unsupervised Bayesian Detection of Independent Motion in Crowds,IEEE Computer Society Conference,2006,17–22），该方法采用垂直向下的部署方式（如图3所示），系统首先检测图像序列中行人的稳定特征点，特征点可以使用角点或SIFT点等等。随着时间的推移，系统在每一帧中通过匹配新特征点和原有特征点，跟踪特征点的运行轨迹。同一个行人身上会有多个稳定特征点，而这些特征点会具有相似的运行轨迹，通过验证所有特征点的运行轨迹，将具有空间一致性的特征点聚成一类，最后使用判别式函数判断行人个数。基于特征跟踪的方法通过跟踪行人身上的稳定特征点，结合特征点运行轨迹的空间一致性，判断行人个数。此方法不存在遮挡问题，行人计数准确率较高，但是在人流密集和行人之间距离太近、行走速度一致的情况下，检测效果会受到一定地影响。
发明内容
本发明的目的在于提供一种人流统计系统及方法，用于解决现有技术中应用场景受限、因应用场景或检测效果而影响计数准确率等问题。
为解决上述问题及其他问题，本发明在一方面提供一种人流统计系统，包括：放置在作为检测点的检测线的正上方的单一影像摄取单元，用于自上而下地摄取行人顶部的一路视频图像；速度估计单元，用于使用光流法计算所述视频图像中每一个行人经过所述检测线时的速度信息，所述速度信息描述了行人在每一帧视频图像中扫过检测线的图像大小；拼图生成单元，根据所述速度估计单元计算得到的速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，并通过不断累积切片以还原行人的完整拼图；在所述拼图中，拼图内的人数与拼图的像素点和边缘信息个数是成正比的；决策模型单元，根据所述拼图生成单元所还原的拼图，利用线性回归分析，计算出所述拼图内像素点个数和边缘信息个数，统计出所述拼图内的人数。
可选地，所述人流统计系统还包括与所述速度估计单元连接，用于对所述速度估计单元计算得到的速度信息进行速度修正的速度修正单元。
可选地，所述人流统计系统还背景建模单元，用于通过获取所述视频图像中的视频点信息而建立背景模型以供检测行人目标前景，并将前景检测结果传输至所述拼图生成单元以令所述拼图生成单元结合所述前景检测结果和所述速度信息还原行人的完整拼图。
可选地，所述背景建模单元建立背景模型采用视觉背景抽取算法ViBe并结合动态区域采样技术来实现的。
本发明在另一方面提供一种人流统计方法，包括：利用单一影像摄取设备自上而下地摄取行人顶部的一路视频图像；所述影像摄取设备放置在作为检测点的检测线的正上方；使用光流法计算每一个行人经过所述检测线时的速度信息，所述速度信息描述了行人在每一帧视频图像中扫过检测线的图像大小；根据计算得到的所述速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，并通过不断累积切片以还原行人的完整拼图；在所述拼图中，拼图内的人数与拼图的像素点和边缘信息个数是成正比的；根据还原的所述拼图，利用线性回归分析，计算出所述拼图内像素点个数和边缘信息个数，统计出所述拼图内的人数。
可选地，在计算得到每一个行人经过所述检测线时的速度信息之后以及还原拼图之前还包括用于对计算得到的所述速度信息进行速度修正的步骤。
可选地，所述速度修正的步骤包括：对于检测线上的每一个速度值ui，设定参考范围为2τ且以该速度值ui为中点；统计出在所述参考范围[i-τ,i+τ]内的所有速度值作为参考，并根据参考范围内的速度集合对该点速度值ui进行调整。
可选地，统计出所述参考范围在[i-τ,i+τ]内的所有速度值作为参考，并根据参考范围内的速度集合对该点速度值ui进行调整，包括：对于检测线上每一个速度值ui，首先统计参考范围[i-τ,i+τ]内的速度值分别为正和负的个数、平均速度值以及速度值的绝对值之和；针对速度值ui为0或非0，对该点速度值ui进行调整：a、当前速度值ui为非0时，若该速度方向与参考范围内的大部分速度方向相反，则认为该点是速度反向点，并改变该速度方向；若参考范围内速度值非0的点不超过总数的三分之一，则认为该点是噪声点，并将该速度值清零；b、当前速度值ui为0时，若参考范围内速度值非0的点超过总数的一半，则认为该点是速度估计失败点，重新给该点赋值，新速度值等于参考范围内速度值的均值。
可选地，所述人流统计方法还包括通过获取所述视频图像中的视频点信息而建立背景模型以供检测行人目标前景后得到前景检测结果作为后续还原拼图的参考信息的步骤。
可选地，在所述建立背景模型的步骤中，前景检测采用视觉背景抽取算法ViBe并结合动态区域采样技术来计算出一幅采样掩膜实现的；在动态区域采样技术中，先处理所述采样掩膜的轮廓区域，后处理所述采样掩膜的内部区域；所述采样掩膜的范围包含了整个前景图像，在所述采样掩膜中，处于轮廓区域的像素点的接触度要大于处于内部区域的像素点的接触度。
如上所述，本发明的一种人流统计系统及方法，相对于现有技术具有如下优点：
1、影像摄取装置采用垂直的部署角度，即使在人流密集的情况下，依然可以自上而下地获取到完整的行人顶部图像（主要包含人的头部和肩），可避免行人之间相互遮挡问题的发生，提高行人计数的准确性。
2、对于还原的拼图，采用线性回归分析，对同一时间内经过检测线的行人统一计数，不需要将行人分开处理，有利于增强人流密集时的计数准确性。
3、采用了视觉背景抽取算法ViBe建立背景模型，有利于提高前景检测的准确性，避免光照变化、前背景相似和运动背景的影响，并通过结合改进的动态区域采样技术，提高背景建模模块的实时性。
附图说明
图1为现有技术在一个实施例中的原理示意图。
图2为现有技术在另一个实施例中的原理示意图。
图3为现有技术在再一个实施例中的原理示意图。
图4为本发明人流统计系统在一个实施方式中的结构示意图。
图5为本发明进行速度修正的示意图。
图6为本发明建立背景模型以进行前景检测的过程示意图。
图7为本发明人流统计方法在一个实施方式中的流程示意图。
具体实施方式
本发明的发明人发现：传统采用机械手段的行人人数统计技术，存在适用场景受限、建设成本高昂、使用不灵活等问题，以及采用基于视频图像的行人人数统计技术则存在带来人脸遮挡、光线干扰而影响计数准确率等问题。因此，本发明的发明人对现有技术进行了改进，提出了一种新型的基于视频图像分析的人流统计系统及方法，克服上述问题的产生，扩大场景适用性并提高计数准确率。
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。
图4显示了本发明人流统计系统在一个实施方式中的功能模块示意图。在实际应用中，本发明的人流统计系统是应用于室内或室外的各类场景（例如车站、展览馆、地铁站、机场或广场等）中，以实时且准确地获得该场景中人数的实时数量。如图4所示，在本方明的人流统计系统中，包括：单一影像摄取单元11、速度估计单元12、速度修正单元13、背景建模单元14、拼图生成单元15、以及决策模型单元16。
以下对上述各个单元进行详细描述。
影像摄取单元11用于获取行人的一路视频图像。在本实施例中，影像摄取单元11的数量为单一个，且采用垂直的部署角度。具体而言，本发明人流统计系统的检测方式是基于感兴趣线（Line Of Interest，LOI），检测线作为行人计数的标准，因此，本实施例中的影像摄取单元11放置在作为检测点的检测线的正上方的（即，影像摄取单元11中的摄像头正对于所述检测线），用于自上而下地摄取行人顶部的一路视频图像，如此，即使在人流密集的情况下，影像摄取单元11依然可以获取到完整的行人顶部图像（主要包含人的头部和肩），避免行人之间相互遮挡问题的发生，当行人从两个方向上（视频图像的上方和下方）经过检测线时，即可统计行人整体走过检测线的数目以及方向，从而提高后续行人计数的准确性。在本实施例中，影像摄取单元11可为一般应用的摄像机，例如：一体化摄像机、枪式摄像机、枪式摄像机镜头、半球摄像机、球形摄像机、特殊外形摄像机、或网络摄像机，且所摄取的一路视频图像可以通过有线通信方式或无线通信方式传输出去。另外，由于在本实施例中仅通过使用影像摄取单元11来获取一路视频图像，在所述视频图像中可利用的信息只有视频的颜色信息和空间时间信息。
速度估计单元12用于使用光流法计算所述视频图像中每一个行人经过所述检测线时的速度信息，所述速度信息描述了行人在每一帧视频图像中扫过检测线的图像大小。在本实施例中，计算每一个行人经过所述检测线时的速度信息就是计算出行人经过检测线时的垂直速度（行人的走动表现在视频图像上即是：由视频图像的上方移向下方，或由视频图像的下方移向上方），速度表示了每一帧行人经过检测线的图像大小。我们知道，将三维空间中的目标和场景对应于二维图像平面运动时，他们在二维图像平面的投影就形成了运动，这种运动以图像平面亮度模式表现出来的流动就称为光流。光流法是对运动序列图像进行分析的一个重要方法，光流不仅包含图像中目标的运动信息，而且包含了三维物理结构的丰富信息，因此可用来确定目标的运动情况以及反映图像其它等信息。光流法用于目标检测的原理主要在于：给图像中的每个像素点赋予一个速度矢量，这样就形成了一个运动矢量场。在某一特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可以通过投影来计算得到。根据各个像素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动目标，则光流矢量在整个图像区域是连续变化的。当图像中有运动物体时，目标和背景存在着相对运动。运动物体所形成的速度矢量必然和背景的速度矢量有所不同，如此便可以计算出运动物体的位置。由于利用光流法来确定视频图像中的目标对象的运动已为本领域技术人员所熟知的现有技术，故不再在此赘述。
速度修正单元13与速度估计单元12连接，用于对速度估计单元12计算得到的速度信息进行速度修正。由于使用光流估计速度的过程中会受到很多外来因素的干扰，速度信息不能很好地描述行人经过检测线的距离，因此有必要对所述速度信息进行修正。为此，本发明提供了一种速度修正算法，由于检测线上的速度是利用光流法对运动行人进行速度估计得到的，相邻的速度应该具有相似的分布特征。因此，可以选取邻近像素点的速度值，并将当前速度值与之作对比，判断该点的速度值和方向是否与邻近像素点相一致，进而发现差异较大的速度值，并对存在差异较大的这一速度值进行调整。
在本实施例中，如图5所示，对于检测线上的每一个速度值ui，设定参考范围为2τ，以该速度值为中点，选取范围在[i-τ,i+τ]内所有速度值作为参考，并根据参考范围内的速度集合对该点速度值进行调整。
首先，对于检测线上每一个速度值ui，首先统计参考范围[i-τ,i+τ]内的速度值分别为正和负的个数、平均速度值以及速度值的绝对值之和，其中p（positive）表示参考范围内速度值为正的个数，n（nagative）表示参考范围内速度值为负的个数，U表示参考范围内速度值的绝对值之和。
即，对于每一个速度值ui
遍历参考范围[i-τ,i+τ]内的速度值ui+j(j∈[-τ,τ])
若ui+j>0，p++；
若ui+j<0，n++；
U+=abs(ui+j)；
之后，针对速度值ui为0或非0，对该点速度值ui进行调整。
若ui≠0
若p>n且ui<0，ui=-ui；
若p<n且ui>0，ui=-ui；
若p+n<τ/3，ui=0；
若ui=0
若p>n且p+n>τ/2，ui=U/(2τ+1)；
若p<n且p+n>τ/2，ui=-U/(2τ+1)。
即：a、当前速度值ui为非0时，若该速度方向与参考范围内的大部分速度方向相反，则认为该点是速度反向点，并改变该速度方向；若参考范围内速度值非0的点不超过总数的三分之一，则认为该点是噪声点，并将该速度值清零；b、当前速度值ui为0时，若参考范围内速度值非0的点超过总数的一半，则认为该点是速度估计失败点，重新给该点赋值，新速度值等于参考范围内速度值的均值。
需特别说明的是，在本实施例中，在一种情形下，速度估计单元12和速度修正单元13可以是两个单独的器件，但并不以此为限，在另外的情形下，速度估计单元12和速度修正单元13也可以集成在一起构成一个速度估计和修正器件。
背景建模单元14，用于通过获取所述单一影像摄取单元11摄取的视频图像中的视频点信息而建立背景模型以供检测行人目标前景，并将前景检测结果传输至拼图生成单元15。在本发明中，由于视频场景在实际应用中非常复杂，常常会出现光照变化、运动背景、前背景相似等问题，因此需要排除视频场景的干扰因素。当新一帧视频图像来临时，根据背景模型检测行人目标前景，排除场景背景的干扰因素，只有属于前景部分的图像才会被拼图生成单元15获取，前景检测结果将会传递给拼图生成单元15。
在本实施例中，背景建模单元14建立背景模型采用视觉背景抽取算法ViBe（Visual Background ex-tractor）并结合动态区域采样技术来实现的，通过计算出一幅采样掩膜，减少需要检测前景的像素点个数，从而提高背景建模模块的实时性。
对于动态区域采样技术，本实施例采用的是轮廓优先算法，通过调整检测顺序，可以进一步提高背景模型检测前景的速度。采样掩膜的范围包含了整个前景图像，只有采样掩膜覆盖的范围，才会被背景建模模块进行前景检测。因为前景目标是一个连通区域，一旦目标的外围轮廓被正确检测，其内部必定也是属于目标的前景区域，因此，不必对内部像素点进行检测处理而直接将其判定为前景。通过改变目标检测的像素点处理顺序，从掩膜的外围轮廓逐渐向内部检测，减少需要检测的像素点，达到加速的效果。
具体检测过程可请参阅图6a至图6f：
首要地，需要定义一个参数接触度：在每个像素点的上下左右四个相邻像素点（四邻域）中，若有N个像素点属于采样掩膜或目标前景区域，则称该点的接触度为N。
根据计算所得到的动态区域采样掩膜，对于掩膜区域内的每一个像素点，计算每一个像素点接触度。如图6a所示，蓝色部分为采样掩膜，里面的数字表示每一个像素点的接触度，黑色部分为非采样掩膜部分，黑色部分直接判断为背景，白色部分为经检测后的目标前景。
轮廓优先检测的具体处理方法如下：
在前景检测过程中，因为要达到先处理掩膜的轮廓区域，后处理掩膜的内部区域的目的，所以我们采取了先处理接触度小、后处理接触度大的像素点的检测顺序原则。
在图6a中，先处理接触度最小的像素点，即图6a右上角红框所标出的接触度为0的像素点。假设该点经过检测判断为背景，则把该点标为背景（黑色），同时将邻近四个像素点（若有）的接触度减1。然后处理剩下的接触度最小的像素点，即图6a右下角红框所标出的接触度为1的像素点，检测判断为背景，同样标为背景（黑色），同时左边的像素点接触度减1，即图6b右下角红框所标出的像素点，接触度由4变为3。
如果存在多个同样的最小接触度的像素点，如图6b中存在多个接触度为2的点，则随机选取其中一个，如图6b右上角红框所标出的像素点，若检测判断为前景，则标为前景（白色），而邻近四个像素的接触度不变。
继续处理下一个点，如图6c右上角红框所标出的像素点，检测判断为背景，邻近四个像素（若有）的接触度减1，即图6d右上角两个红框标出的像素点。
根据以上原则按顺序逐个处理像素点，当剩下的像素点的接触度均为4时，如图6e，则表示这些像素点均为物体内部区域，物体外围轮廓已经被成功检测，内部像素点无需判断，直接全部判定为前景，得到图6f，从而减少需要检测的像素点的数量，达到加速的目的。
拼图生成单元15根据速度估计单元12和速度修正单元13处理得到的速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，不断累积切片，并结合背景建模单元14建立背景模型而得到的前景检测结果，还原行人的完整拼图。在本实施例中，所述速度信息表示了每一帧视频图像中行人经过检测线的图像大小，因为根据检测线上的平均速度作为厚度获取每一帧的行人切片。在行人越过检测线的过程中，不断累积这些切片，并且结合背景建模的前景检测结果，排除背景的影响因素，拼接成完成的行人拼图，这样系统就可以获取到行人越过检测线时的顶部行人拼图，在所述拼图中，拼图内的人数与拼图的像素点和边缘信息个数是成正比的。
决策模型单元16根据拼图生成单元15所还原的拼图，利用线性回归分析，计算出所述拼图内像素点个数和边缘信息个数，从而统计出所述拼图内的人数。在本实施例中，由于在拼图中，拼图的像素点个数和边缘信息个数是与拼图内的人数成正比，因此可以使用回归分析的方法，使用大量行人拼图作为样本，训练出一组回归分析方程的系数。在实际应用时，根据拼图的像素点个数和边缘信息个数计算出行人个数，从而实现行人计数。
本发明还提供了一种人流统计方法，请参阅图xx，其显示了本发明人流统计方法在一个实施方式中的流程示意图。
如图7所示，所述人流统计方法包括：
步骤S201，利用单一影像摄取设备自上而下地摄取行人顶部的一路视频图像。
在本实施例中，所述影像摄取设备放置在作为检测点的检测线的正上方（即，影像摄取设备中的摄像头正对于所述检测线），用于自上而下地摄取行人顶部的一路视频图像，如此，即使在人流密集的情况下，所述影像摄取设备依然可以获取到完整的行人顶部图像（主要包含人的头部和肩），避免行人之间相互遮挡问题的发生，当行人从两个方向上（视频图像的上方和下方）经过检测线时，即可统计行人整体走过检测线的数目以及方向，从而提高后续行人计数的准确性。
步骤S203，使用光流法计算每一个行人经过所述检测线时的速度信息，所述速度信息描述了行人在每一帧视频图像中扫过检测线的图像大小。
在本实施例中，计算每一个行人经过所述检测线时的速度信息就是计算出行人经过检测线时的垂直速度（行人的走动表现在视频图像上即是：由视频图像的上方移向下方，或由视频图像的下方移向上方），速度表示了每一帧行人经过检测线的图像大小。光流法用于目标检测的原理主要在于：给图像中的每个像素点赋予一个速度矢量，这样就形成了一个运动矢量场。在某一特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可以通过投影来计算得到。根据各个像素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动目标，则光流矢量在整个图像区域是连续变化的。当图像中有运动物体时，目标和背景存在着相对运动。运动物体所形成的速度矢量必然和背景的速度矢量有所不同，如此便可以计算出运动物体的位置。由于利用光流法来确定视频图像中的目标对象的运动已为本领域技术人员所熟知的现有技术，故不再在此赘述。
步骤S205，用于对步骤S203中计算得到的速度信息进行速度修正。
在本实施例中，由于使用光流估计速度的过程中会受到很多外来因素的干扰，速度信息不能很好地描述行人经过检测线的距离，因此有必要对所述速度信息进行修正。为此，本发明提供了一种速度修正算法，由于检测线上的速度是利用光流法对运动行人进行速度估计得到的，相邻的速度应该具有相似的分布特征。因此，可以选取邻近像素点的速度值，并将当前速度值与之作对比，判断该点的速度值和方向是否与邻近像素点相一致，进而发现差异较大的速度值，并对存在差异较大的这一速度值进行调整。
如图5所示，对于检测线上的每一个速度值ui，设定参考范围为2τ，以该速度值为中点，选取范围在[i-τ,i+τ]内所有速度值作为参考，并根据参考范围内的速度集合对该点速度值进行调整。
首先，对于检测线上每一个速度值ui，首先统计参考范围[i-τ,i+τ]内的速度值分别为正和负的个数、平均速度值以及速度值的绝对值之和，其中p（positive）表示参考范围内速度值为正的个数，n（nagative）表示参考范围内速度值为负的个数，U表示参考范围内速度值的绝对值之和。
即，对于每一个速度值ui
遍历参考范围[i-τ,i+τ]内的速度值ui+j(j∈[-τ,τ])
若ui+j>0，p++；
若ui+j<0，n++；
U+=abs(ui+j)；
之后，针对速度值ui为0或非0，对该点速度值ui进行调整。
若ui≠0
若p>n且ui<0，ui=-ui；
若p<n且ui>0，ui=-ui；
若p+n<τ/3，ui=0；
若ui=0
若p>n且p+n>τ/2，ui=U/(2τ+1)；
若p<n且p+n>τ/2，ui=-U/(2τ+1)。
即：a、当前速度值ui为非0时，若该速度方向与参考范围内的大部分速度方向相反，则认为该点是速度反向点，并改变该速度方向；若参考范围内速度值非0的点不超过总数的三分之一，则认为该点是噪声点，并将该速度值清零；b、当前速度值ui为0时，若参考范围内速度值非0的点超过总数的一半，则认为该点是速度估计失败点，重新给该点赋值，新速度值等于参考范围内速度值的均值。
步骤S207，通过步骤S201中获取的所述视频图像中的视频点信息而建立背景模型以供检测行人目标前景后得到前景检测结果。在本发明中，由于视频场景在实际应用中非常复杂，常常会出现光照变化、运动背景、前背景相似等问题，因此需要排除视频场景的干扰因素。
在本实施例中，建立背景模型采用视觉背景抽取算法ViBe（Visual Background ex-tractor）并结合动态区域采样技术来实现的，通过计算出一幅采样掩膜，减少需要检测前景的像素点个数，从而提高背景建模模块的实时性。对于动态区域采样技术，本实施例采用的是轮廓优先算法，通过调整检测顺序，可以进一步提高背景模型检测前景的速度。采样掩膜的范围包含了整个前景图像，只有采样掩膜覆盖的范围，才会被背景建模模块进行前景检测。因为前景目标是一个连通区域，一旦目标的外围轮廓被正确检测，其内部必定也是属于目标的前景区域，因此，不必对内部像素点进行检测处理而直接将其判定为前景。通过改变目标检测的像素点处理顺序，从掩膜的外围轮廓逐渐向内部检测，减少需要检测的像素点，达到加速的效果。
具体检测过程可请参阅图6a至图6f：
首要地，需要定义一个参数接触度：在每个像素点的上下左右四个相邻像素点（四邻域）中，若有N个像素点属于采样掩膜或目标前景区域，则称该点的接触度为N。
根据计算所得到的动态区域采样掩膜，对于掩膜区域内的每一个像素点，计算每一个像素点接触度。如图6a所示，蓝色部分为采样掩膜，里面的数字表示每一个像素点的接触度，黑色部分为非采样掩膜部分，黑色部分直接判断为背景，白色部分为经检测后的目标前景。
轮廓优先检测的具体处理方法如下：
在前景检测过程中，因为要达到先处理掩膜的轮廓区域，后处理掩膜的内部区域的目的，所以我们采取了先处理接触度小、后处理接触度大的像素点的检测顺序原则。
在图6a中，先处理接触度最小的像素点，即图6a右上角红框所标出的接触度为0的像素点。假设该点经过检测判断为背景，则把该点标为背景（黑色），同时将邻近四个像素点（若有）的接触度减1。然后处理剩下的接触度最小的像素点，即图6a右下角红框所标出的接触度为1的像素点，检测判断为背景，同样标为背景（黑色），同时左边的像素点接触度减1，即图6b右下角红框所标出的像素点，接触度由4变为3。
如果存在多个同样的最小接触度的像素点，如图6b中存在多个接触度为2的点，则随机选取其中一个，如图6b右上角红框所标出的像素点，若检测判断为前景，则标为前景（白色），而邻近四个像素的接触度不变。
继续处理下一个点，如图6c右上角红框所标出的像素点，检测判断为背景，邻近四个像素（若有）的接触度减1，即图6d右上角两个红框标出的像素点。
根据以上原则按顺序逐个处理像素点，当剩下的像素点的接触度均为4时，如图6e，则表示这些像素点均为物体内部区域，物体外围轮廓已经被成功检测，内部像素点无需判断，直接全部判定为前景，得到图6f，从而减少需要检测的像素点的数量，达到加速的目的。
步骤S209，根据步骤S205中修正处理得到的速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，不断累积切片，并结合步骤S207中建立背景模型而得到的前景检测结果，还原行人的完整拼图。
在本实施例中，所述速度信息表示了每一帧视频图像中行人经过检测线的图像大小，因为根据检测线上的平均速度作为厚度获取每一帧的行人切片。在行人越过检测线的过程中，不断累积这些切片，并且结合背景建模的前景检测结果，排除背景的影响因素，拼接成完成的行人拼图，这样系统就可以获取到行人越过检测线时的顶部行人拼图，在所述拼图中，拼图内的人数与拼图的像素点和边缘信息个数是成正比的。
步骤S211，根据步骤S209中还原的所述拼图，利用线性回归分析，计算出所述拼图内像素点个数和边缘信息个数，统计出所述拼图内的人数。在本实施例中，由于在拼图中，拼图的像素点个数和边缘信息个数是与拼图内的人数成正比，因此可以使用回归分析的方法，使用大量行人拼图作为样本，训练出一组回归分析方程的系数。在实际应用时，根据拼图的像素点个数和边缘信息个数计算出行人个数，从而实现行人计数。
综上所述，本发明的一种人流统计系统及方法，相对于现有技术具有如下优点：
1、影像摄取装置采用垂直的部署角度，即使在人流密集的情况下，依然可以自上而下地获取到完整的行人顶部图像（主要包含人的头部和肩），可避免行人之间相互遮挡问题的发生，提高行人计数的准确性。
2、对于还原的拼图，采用线性回归分析，对同一时间内经过检测线的行人统一计数，不需要将行人分开处理，有利于增强人流密集时的计数准确性。
3、采用了视觉背景抽取算法ViBe建立背景模型，有利于提高前景检测的准确性，避免光照变化、前背景相似和运动背景的影响，并通过结合改进的动态区域采样技术，提高背景建模模块的实时性。
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)
1.一种人流统计系统，其特征在于，包括：
放置在作为检测点的检测线的正上方的单一影像摄取单元，用于自上而下地摄取行人顶部的一路视频图像；
速度估计单元，用于使用光流法计算所述视频图像中每一个行人经过所述检测线时的速度信息，所述速度信息描述了行人在每一帧视频图像中扫过检测线的图像大小；
拼图生成单元，根据所述速度估计单元计算得到的速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，并通过不断累积切片以还原行人的完整拼图；在所述拼图中，拼图内的人数与拼图的像素点和边缘信息个数是成正比的；
决策模型单元，根据所述拼图生成单元所还原的拼图，利用线性回归分析，计算出所述拼图内像素点个数和边缘信息个数，统计出所述拼图内的人数。
2.根据权利要求1所述的人流统计系统，其特征在于，还包括：与所述速度估计单元连接，用于对所述速度估计单元计算得到的速度信息进行速度修正的速度修正单元。
3.根据权利要求1或2所述的人流统计系统，其特征在于，还包括：背景建模单元，用于通过获取所述视频图像中的视频点信息而建立背景模型以供检测行人目标前景，并将前景检测结果传输至所述拼图生成单元以令所述拼图生成单元结合所述前景检测结果和所述速度信息还原行人的完整拼图。
4.根据权利要求3所述的人流统计系统，其特征在于，所述背景建模单元建立背景模型采用视觉背景抽取算法ViBe并结合动态区域采样技术来实现的。
5.一种人流统计方法，其特征在于，包括：
利用单一影像摄取设备自上而下地摄取行人顶部的一路视频图像；所述影像摄取设备放置在作为检测点的检测线的正上方；
使用光流法计算每一个行人经过所述检测线时的速度信息，所述速度信息描述了行人在每一帧视频图像中扫过检测线的图像大小；
根据计算得到的所述速度信息，计算出每一帧视频图像中行人经过检测线的距离，作为切片的厚度，并通过不断累积切片以还原行人的完整拼图；在所述拼图中，拼图内的人数与拼图的像素点和边缘信息个数是成正比的；
根据还原的所述拼图，利用线性回归分析，计算出所述拼图内像素点个数和边缘信息个数，统计出所述拼图内的人数。
6.根据权利要求5所述的人流统计方法，其特征在于，在计算得到每一个行人经过所述检测线时的速度信息之后以及还原拼图之前还包括用于对计算得到的所述速度信息进行速度修正的步骤。
7.根据权利要求6所述的人流统计方法，其特征在于，所述速度修正的步骤包括：
对于检测线上的每一个速度值ui，设定参考范围为2τ且以该速度值ui为中点；
统计出在所述参考范围[i-τ,i+τ]内的所有速度值作为参考，并根据参考范围内的速度集合对该点速度值ui进行调整。
8.根据权利要求6所述的人流统计方法，其特征在于，统计出所述参考范围在[i-τ,i+τ]内的所有速度值作为参考，并根据参考范围内的速度集合对该点速度值ui进行调整，包括：
对于检测线上每一个速度值ui，首先统计参考范围[i-τ,i+τ]内的速度值分别为正和负的个数、平均速度值以及速度值的绝对值之和；
针对速度值ui为0或非0，对该点速度值ui进行调整：a、当前速度值ui为非0时，若该速度方向与参考范围内的大部分速度方向相反，则认为该点是速度反向点，并改变该速度方向；若参考范围内速度值非0的点不超过总数的三分之一，则认为该点是噪声点，并将该速度值清零；b、当前速度值ui为0时，若参考范围内速度值非0的点超过总数的一半，则认为该点是速度估计失败点，重新给该点赋值，新速度值等于参考范围内速度值的均值。
9.根据权利要求5所述的人流统计方法，其特征在于，还包括通过获取所述视频图像中的视频点信息而建立背景模型以供检测行人目标前景后得到前景检测结果作为后续还原拼图的参考信息的步骤。
10.据权利要求9所述的人流统计方法，其特征在于，在所述建立背景模型的步骤中，前景检测采用视觉背景抽取算法ViBe并结合动态区域采样技术来计算出一幅采样掩膜实现的；在动态区域采样技术中，先处理所述采样掩膜的轮廓区域，后处理所述采样掩膜的内部区域；所述采样掩膜的范围包含了整个前景图像，在所述采样掩膜中，处于轮廓区域的像素点的接触度要大于处于内部区域的像素点的接触度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310364541.8A CN103473554B (zh) | 2013-08-19 | 2013-08-19 | 人流统计系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310364541.8A CN103473554B (zh) | 2013-08-19 | 2013-08-19 | 人流统计系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103473554A true CN103473554A (zh) | 2013-12-25 |
| CN103473554B CN103473554B (zh) | 2016-12-28 |
Family
ID=49798398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310364541.8A Active CN103473554B (zh) | 2013-08-19 | 2013-08-19 | 人流统计系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103473554B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103984937A (zh) * | 2014-05-30 | 2014-08-13 | 无锡慧眼电子科技有限公司 | 基于光流法的行人计数方法 |
| CN104091198A (zh) * | 2014-06-27 | 2014-10-08 | 无锡慧眼电子科技有限公司 | 基于ViBe的人流量统计方法 |
| CN105321090A (zh) * | 2014-07-29 | 2016-02-10 | 中华电信股份有限公司 | 来店客群分析及人流情报系统及其使用方法 |
| CN105466414A (zh) * | 2015-11-17 | 2016-04-06 | 广东欧珀移动通信有限公司 | 一种导航路线的推荐方法及服务器 |
| CN105787960A (zh) * | 2016-02-18 | 2016-07-20 | 江西洪都航空工业集团有限责任公司 | 一种基于场景应用的球型摄像机实时运动目标检测的方法 |
| CN107369399A (zh) * | 2017-08-15 | 2017-11-21 | 重庆悦享智慧旅游发展有限公司 | 基于旅游景点的智能导游方法 |
| CN107403137A (zh) * | 2017-06-29 | 2017-11-28 | 山东师范大学 | 基于视频的密集人群流量计算方法和装置 |
| CN107610142A (zh) * | 2017-04-17 | 2018-01-19 | 中华电信股份有限公司 | 依据影像进行人流计数的系统及方法 |
| CN108069307A (zh) * | 2016-11-14 | 2018-05-25 | 杭州海康威视数字技术股份有限公司 | 一种对电梯中的人数进行统计的方法及装置 |
| CN110033476A (zh) * | 2018-01-11 | 2019-07-19 | 富士通株式会社 | 目标速度估计方法、装置和图像处理设备 |
| CN110428443A (zh) * | 2019-08-11 | 2019-11-08 | 上海天诚比集科技有限公司 | 一种智慧社区车辆轨迹跟踪方法 |
| CN110472593A (zh) * | 2019-08-20 | 2019-11-19 | 重庆紫光华山智安科技有限公司 | 训练图像获取方法、模型训练方法及相关装置 |
| CN110796035A (zh) * | 2019-10-14 | 2020-02-14 | 上海复瞰科技有限公司 | 一种基于人形检测和速度计算的进出人数统计方法 |
| TWI721673B (zh) * | 2019-11-27 | 2021-03-11 | 財團法人車輛研究測試中心 | 人數分析方法及其系統 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110804966A (zh) * | 2019-09-23 | 2020-02-18 | 重庆特斯联智慧科技股份有限公司 | 一种智慧城市的道路行人识别通行调节系统和方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009223693A (ja) * | 2008-03-17 | 2009-10-01 | Glory Ltd | 人物計数装置および人物計数方法 |
| JP2010262397A (ja) * | 2009-04-30 | 2010-11-18 | Nippon Telegr & Teleph Corp <Ntt> | 物体数計測方法、物体数計測装置、物体数計測プログラム及びこのプログラムを記録した記録媒体 |
| CN102799935A (zh) * | 2012-06-21 | 2012-11-28 | 武汉烽火众智数字技术有限责任公司 | 一种基于视频分析技术的人流量统计方法 |
-
2013
- 2013-08-19 CN CN201310364541.8A patent/CN103473554B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009223693A (ja) * | 2008-03-17 | 2009-10-01 | Glory Ltd | 人物計数装置および人物計数方法 |
| JP2010262397A (ja) * | 2009-04-30 | 2010-11-18 | Nippon Telegr & Teleph Corp <Ntt> | 物体数計測方法、物体数計測装置、物体数計測プログラム及びこのプログラムを記録した記録媒体 |
| CN102799935A (zh) * | 2012-06-21 | 2012-11-28 | 武汉烽火众智数字技术有限责任公司 | 一种基于视频分析技术的人流量统计方法 |
Non-Patent Citations (1)
| Title |
|---|
| Y.CONG ETC.: "Flow Mosaicking: Real-time Pedestrian Counting without Scene-specific Learning", 《IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》, 20 August 2009 (2009-08-20) * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103984937A (zh) * | 2014-05-30 | 2014-08-13 | 无锡慧眼电子科技有限公司 | 基于光流法的行人计数方法 |
| CN104091198A (zh) * | 2014-06-27 | 2014-10-08 | 无锡慧眼电子科技有限公司 | 基于ViBe的人流量统计方法 |
| CN105321090A (zh) * | 2014-07-29 | 2016-02-10 | 中华电信股份有限公司 | 来店客群分析及人流情报系统及其使用方法 |
| CN105466414A (zh) * | 2015-11-17 | 2016-04-06 | 广东欧珀移动通信有限公司 | 一种导航路线的推荐方法及服务器 |
| CN105466414B (zh) * | 2015-11-17 | 2018-05-29 | 广东欧珀移动通信有限公司 | 一种导航路线的推荐方法及服务器 |
| CN105787960A (zh) * | 2016-02-18 | 2016-07-20 | 江西洪都航空工业集团有限责任公司 | 一种基于场景应用的球型摄像机实时运动目标检测的方法 |
| CN108069307A (zh) * | 2016-11-14 | 2018-05-25 | 杭州海康威视数字技术股份有限公司 | 一种对电梯中的人数进行统计的方法及装置 |
| TWI618002B (zh) * | 2017-04-17 | 2018-03-11 | Chunghwa Telecom Co Ltd | System and method for counting human flow according to images |
| CN107610142A (zh) * | 2017-04-17 | 2018-01-19 | 中华电信股份有限公司 | 依据影像进行人流计数的系统及方法 |
| CN107610142B (zh) * | 2017-04-17 | 2020-09-25 | 中华电信股份有限公司 | 依据影像进行人流计数的系统及方法 |
| CN107403137A (zh) * | 2017-06-29 | 2017-11-28 | 山东师范大学 | 基于视频的密集人群流量计算方法和装置 |
| CN107403137B (zh) * | 2017-06-29 | 2020-01-31 | 山东师范大学 | 基于视频的密集人群流量计算方法和装置 |
| CN107369399A (zh) * | 2017-08-15 | 2017-11-21 | 重庆悦享智慧旅游发展有限公司 | 基于旅游景点的智能导游方法 |
| CN110033476A (zh) * | 2018-01-11 | 2019-07-19 | 富士通株式会社 | 目标速度估计方法、装置和图像处理设备 |
| CN110428443A (zh) * | 2019-08-11 | 2019-11-08 | 上海天诚比集科技有限公司 | 一种智慧社区车辆轨迹跟踪方法 |
| CN110472593A (zh) * | 2019-08-20 | 2019-11-19 | 重庆紫光华山智安科技有限公司 | 训练图像获取方法、模型训练方法及相关装置 |
| CN110796035A (zh) * | 2019-10-14 | 2020-02-14 | 上海复瞰科技有限公司 | 一种基于人形检测和速度计算的进出人数统计方法 |
| TWI721673B (zh) * | 2019-11-27 | 2021-03-11 | 財團法人車輛研究測試中心 | 人數分析方法及其系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103473554B (zh) | 2016-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103473554B (zh) | 人流统计系统及方法 | |
| CN103279791B (zh) | 基于多特征的行人计算方法 | |
| TWI448977B (zh) | 基於視訊分析的物件計數方法與裝置 | |
| CN103049787B (zh) | 一种基于头肩特征的人数统计方法和系统 | |
| CN103971380B (zh) | 基于rgb-d的行人尾随检测方法 | |
| CN103150559A (zh) | 基于Kinect三维深度图像的头部识别与跟踪方法 | |
| Luvizon et al. | Vehicle speed estimation by license plate detection and tracking | |
| CN102156880A (zh) | 基于改进的社会力模型的异常集群行为检测方法 | |
| CN102622584B (zh) | 视频监控中蒙面人脸的检测方法 | |
| CN102750527A (zh) | 一种银行场景中长期稳定的人脸检测与跟踪方法及装置 | |
| EP2709066A1 (en) | Concept for detecting a motion of a moving object | |
| CN104751486A (zh) | 一种多ptz相机的运动目标接力跟踪算法 | |
| Pan et al. | Traffic surveillance system for vehicle flow detection | |
| CN103325115B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
| CN102136196A (zh) | 一种基于图像特征的车辆测速方法 | |
| CN103268470A (zh) | 基于任意场景的视频对象实时统计方法 | |
| EP2813973B1 (en) | Method and system for processing video image | |
| CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 | |
| CN109272482A (zh) | 一种基于序列图像的城市路口车辆排队检测系统 | |
| CN109791607A (zh) | 借助单应矩阵从摄像机的一系列图像中探测和验证对象 | |
| Boltes et al. | Influences of extraction techniques on the quality of measured quantities of pedestrian characteristics | |
| CN103984937A (zh) | 基于光流法的行人计数方法 | |
| Cao et al. | Counting people by using a single camera without calibration | |
| CN106340032A (zh) | 一种基于光流场聚类的运动目标检测方法 | |
| CN104778676A (zh) | 基于深度测距的运动目标检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB02 | Change of applicant information |
Address after: 201505 Jinshan District, Shanghai, Lin Ting Town, Temple Ping Road, room 16, No. 599 Applicant after: SHANGHAI WINNER INFORMATION TECHNOLOGY CO., INC. Address before: 201505 Jinshan District, Shanghai, Lin Ting Town, Temple Ping Road, room 16, No. 599 Applicant before: Huina Network Information Science & Technology Co., Ltd. |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: HUINA NETWORK INFORMATION SCIENCE + TECHNOLOGY CO., LTD. TO: SHANGHAI WINNER INFORMATION TECHNOLOGY CO., INC. |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 201505 Room 216, 333 Tingfeng Highway, Tinglin Town, Jinshan District, Shanghai Patentee after: Huina Technology Co., Ltd. Address before: Room 599, 16 Pingnan Road, Temple, Tinglin Town, Jinshan District, Shanghai, 201505 Patentee before: SHANGHAI WINNER INFORMATION TECHNOLOGY CO., INC. |
|
| CP03 | Change of name, title or address | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201203 No. 6, Lane 55, Chuanhe Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: Winner Technology Co.,Ltd. Address before: 201505 Room 216, 333 Tingfeng Highway, Tinglin Town, Jinshan District, Shanghai Patentee before: Winner Technology Co.,Ltd. |