CN103679116B - 检测场景内目标数量的方法及装置 - Google Patents

Abstract

一种检测场景内目标数量的方法及装置。所述检测场景内目标数量的方法包括：获取所述场景的第一图像，所述第一图像不包含人物；在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物；提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域；利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域；当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标；统计所确定的人物目标，以获得所述第二图像中的目标数量。本发明的技术方案，统计场景内目标数量不需要人工统计，所以方案的成本低，再者结合人脸检测算法的结果和前景图像的对比，使得统计结果的准确率高。

Description

检测场景内目标数量的方法及装置

技术领域

本发明涉及图像技术领域，尤其涉及一种检测场景内目标数量的方法及装置。

背景技术

随着人民生活水平的不断提高，人们的文化生活日益丰富、日趋活跃，越来越多的人们走进影院、剧场等场合进行电影话剧等艺术的欣赏。但是由于种种原因，电影、戏剧影院的实际票房无法得到真实地反映，因为国家电影票房信息系统只能显示电脑票房部分，准确无误的票房根本没办法在第一时间得到，而上报票房的电脑系统一套价值昂贵，有些老影院根本没有能力安装，另外，电影片方通过发行公司监票员的统计，形成了另外一个统计渠道。国内的票房统计工具、技术系统和方法都不完善，如果非要在电影放映过程中的某一个时段报出一个具体的票房数据，那很难做到完全及时、全面地统计到全国所有影院的数据。因为统计票房数据需要一定的时间，在结算报表的时候，其他影院还在不断地产生票房，等统计完了，这个票房可能又有了新的变化。

相关技术还可以参见公开号为202275421U，名称为“电影票房统计系统”的实用新型专利申请。

在其他公共场所需要统计人数时也存在同样地问题，因此，如何实时、准确地统计特定场景内的人数成为目前亟待解决的问题之一。

发明内容

本发明解决的问题是现有技术检测场景内目标数量不能准确实时地反映真实的目标数量，不能及时、全面地统计公共场所内的人数。

为了解决上述问题，本发明技术方案提供一种检测场景内目标数量的方法，包括：

获取所述场景的第一图像，所述第一图像不包含人物；

在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物；

提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域；

利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域；

当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标；

统计所确定的人物目标，以获得所述第二图像中的目标数量。

可选的，提取前景图像包括：将所述第一图像和所述第二图像分别转换到灰度空间，并将转换到灰度空间的第二图像减除转换到灰度空间的第一图像，以获得前景图像。

可选的，利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域包括：分别将所述第一图像和第二图像从其所在的色彩空间转换至l、α、β色彩空间；对l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一图像的色彩信息；将色彩迁移后的第二图像转换至其原来所在的色彩空间；利用人脸检测算法检测转换至原色彩空间的第二图像。

可选的，对l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一场景图像的色彩信息包括：分别获取l、α、β色彩空间下第一图像和第二图像在l通道、α通道、β通道下的边界值；利用所述第一图像和第二图像在l通道、α通道、β通道下的边界值和第二图像的像素点在l通道、α通道、β通道的值计算色彩迁移后的第二图像的像素点在l通道、α通道、β通道的值。

可选的，在利用人脸检测算法检测转换至原色彩空间的第二图像之前，利用超分辨技术处理所述转换至所述原色彩空间的第二图像。

可选的，当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标包括：当所述人脸预检区域与所述前景图像存在包含关系，则所述人脸预检区域为人物目标。

可选的，当所述人脸预检区域与所述前景图像不存在包含关系，则对所述前景图像中去除人脸预检区域的区域面积与面积阈值进行比较；在所述前景图像中去除人脸预检区域的区域面积大于面积阈值时，确定所述前景图像中去除人脸检测区域的区域为人物目标。

可选的，所述人脸检测算法为Adaboost算法。

可选的，获得所述预定时间段多次拍摄得到的第二图像中的目标数量，统计目标数量的平均值。

为了解决上述问题，本发明技术方案还提供一种检测场景内目标数量的装置，包括：

第一获取单元，用于获取所述场景的第一图像，所述第一图像不包含人物；

第二获取单元，用于在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物；

提取单元，用于提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域；

预检测单元，用于利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域；

第一确定单元，用于当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标；

统计单元，用于统计所确定的人物目标，以获得所述第二图像中的目标数量。

与现有技术相比，本发明的技术方案具有以下优点：

通过前景图像与用人脸特征检测技术对实时获得的第二图像检测得到人脸区域进行对比，确定人脸数目，可以及时、准确地获得人数统计结果。

进一步，将前景图像中有可能为人物目标但是未被人脸特征检测技术检测出来的区域通过与面积阈值的比较，以确定是否为人物目标，从而增加了人数统计结果的准确性。

将第一图像和第二图像转换到l、α、β色彩空间，并用直方图均衡化将图像的环境明亮化便于人脸检测。

利用人脸检测算法检测之前，利用超分辨技术处理图像，使得像素过小的脸部特征进行放大，提高了检测的精度，避免漏检的情况。

附图说明

图1是本发明实施方式检测场景内目标数量的方法的流程示意图；

图2是图1所示的步骤S3提取到的前景图像的实例示意图；

图3是图1所示的步骤S4检测到的人脸预检区域的实例示意图；

图4是本发明实施例检测场景内目标数量的装置的结构示意图。

具体实施方式

现有技术中检测场景内目标数量不及时不全面，并且还存在用人工检测目标数量的情况，造成人力物力财力的浪费，因此本发明实施方式提供了一种检测场景内目标数量的方法及装置。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。

下面结合实施方式和图1对本发明实施方式的检测场景内目标数量的方法进行详细说明。

首先执行步骤S1，获取所述场景的第一图像，所述第一图像不包含人物。获取所述场景的第一图像可以用高清晰度相机、高清晰度网络相机等，调整合适的相机角度，并在适当的光照下拍摄场景内不包含人物的图像，该图像定义为第一图像。由于通常所需检测目标数量的场景光照条件比较差，例如影院、剧场等的一般光线比较暗，虽然通常的高清晰度相机都具备一定的红外功能，但是为了最终统计数量的准确，在获取第一图像的时候需要在一定的光照条件下。例如在影院观众入场前，利用安装在合适位置的相机拍摄无观众的图像作为第一图像。

接着执行步骤S2，在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物。在目标进入所述场景需要通过检测数量来统计的时候，再次利用相机，调整合适的相机角度，拍摄包括人物目标的图像，该图像定义为第二图像。例如影院统计票房，在观众入场完毕影片开播的时候，利用安装在合适位置的相机拍摄该时刻的图像作为第二图像。

接着执行步骤S3，提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域。将步骤S1和步骤S2分别获取的第一图像和第二图像，并通过灰度转换将上述第一图像和第二图像从其所在的色彩空间分别转换到灰度空间下，再将转换到灰度空间的第二图像减除转换到灰度空间的第一图像，也就是将第二图像的灰度图像减去第一图像的灰度图像，以得到前景图像。以影院票房统计为例，图2示出了前景图像的一实施例示意图，其中差异区域D1、D2、…、D12构成了所述前景图像。

接着执行步骤S4，利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域。现有的人脸检测技术已经比较成熟，因此可以利用现有的人脸检测算法例如Adaboost（Adaptive Boosting）算法、基于人脸模板的算法以及基于人脸色彩统计特征等检测所述第二图像中的人脸。而基于不同的人脸检测算法，在人脸检测前可能需要使用一些图像处理技术对所述第二图像进行处理，以提高检测准确度。

在本实施例中，步骤S4进一步包括：

首先，将步骤S1和步骤S2分别获取到的第一图像和第二图像从其所在的色彩空间转换至l、α、β色彩空间，其中其所在的色彩空间可以为RBG空间、YUV空间等，本领域技术人员可以通过现有的实现方式实现色彩空间转换，在此不再累述。

接着，将l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一图像的色彩信息。其中所述的色彩迁移，分别获取l、α、β色彩空间下第一图像和第二图像在l通道、α通道、β通道下的边界值；利用所述边界值和第二图像的像素点在l通道、α通道、β通道的值计算色彩迁移后的第二图像的像素点在l通道、α通道、β通道的值。

进一步地，计算色彩迁移后的第二图像的像素点在l通道、α通道、β通道的值可根据以下方法计算：假设l_1i、α_1i、β_1i与l_2i、α_2i、β_2i分别为第一图像和第二图像在i像素点各通道值，计算得到的l_1max、α_1max、β_1max以及l_1min、α_1min、β_1min为第一图像的各通道最大值和最小值，计算得到的l_2max、α_2max、β_2max以及l_2min、α_2min、β_2min为第二图像各通道最大值和最小值，根据以上的各值，第二图像在i像素点（l_2i、α_2i、β_2i）空间迁移后的值可以根据以下公式计算：

$l_{2i1}=(l_{2i}-l_{2\min })\frac{l_{1\max }-l_{1\min }}{l_{2\max }-l_{2\min }}+l_{1\min },$

${\mathrm{\α}}_{2i1}=({\mathrm{\α}}_{2i}-{\mathrm{\α}}_{2\min })\frac{{\mathrm{\α}}_{1\max }-{\mathrm{\α}}_{1\min }}{{\mathrm{\α}}_{2\max -}{\mathrm{\α}}_{2\min }}+{\mathrm{\α}}_{1\min },$

${\mathrm{\β}}_{2i1}=({\mathrm{\β}}_{2i}-{\mathrm{\β}}_{2\min })\frac{{\mathrm{\β}}_{1\max }-{\mathrm{\β}}_{1\min }}{{\mathrm{\β}}_{2\max -}{\mathrm{\β}}_{2\min }}+{\mathrm{\β}}_{1\min }.$

按照以上的计算方法得到第二图像的所有像素点空间迁移后的值，即可得到第二图像色彩迁移后的图像。

进一步地，本实施例中步骤S4是将第一图像和第二图像分别转换到l、α、β色彩空间，在其他实施例中也可以将第一图像和第二图像保留在原来的色彩空间，如RGB空间，在RGB空间中对第一图像和第二图像进行正交化的主分量分析，也可以得到第二图像色彩迁移后的像素点值。

接着，将色彩迁移后的第二图像转换至其原来所在的色彩空间。由于色彩迁移后的第二图像在l、α、β色彩空间，l、α、β色彩空间各个色彩分量的相关性较小，难以用人脸检测技术进行检测，为了便于之后用人脸检测技术检测人脸，所以将其转换至原来所在的色彩空间。

然后，利用人脸检测算法检测转换至原色彩空间的第二图像。人脸检测算法可以用Adaboost（Adaptive Boosting）算法，再加上基于特征检测技术对转换至原色彩空间的第二图像进行检测。其中Adaboost算法是基于积分图、级联检测器和Adaboost算法的人脸检测算法，该算法的基本思想是将分类能力一般的弱分类器通过一定方法叠加起来，构造生成强分类器；特征是对目标对象进行建模，有利于判别函数的建立，有利于人脸检测速度的提高，其中，基于特征的检测可以是基于Harr特征、基于类Harr特征、基于Harr2like特征等多种类型的检测。

此外，在利用人脸检测算法检测转换至原色彩空间的第二图像之前，还可以利用超分辨技术处理所述转换至所述原色彩空间的第二图像。由于在实际拍摄到的第二图像中，有可能存在脸部过小的情况，在人脸检测时候会存在漏检或者错检的情况，所以利用超分辨技术将所述转换至原色彩空间的第二图像放大，提高了人脸检测时的准确性和有效性。

接着执行步骤S5，当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标。将步骤S3中得到的前景图像与步骤S4得到的人脸预检区域进行匹配，若前景图像中存在人脸检测算法检测到的人脸预检区域，就确定上述人脸预检区域为人物目标。

图3示出了步骤S4检测到的人脸预检区域的一实例示意图，其中包括10个人脸预检区域F1、F2、…、F10。图2和图3所示的实例是基于同一第二图像获取的。

步骤S5所述的将前景图像与人脸预检区域进行匹配，在本实施例中如图2、图3所示，将前景图像中D1~D12区域与人脸预检区域中F1~F10区域进行匹配，人脸预检区域的F1~F10均存在于前景图像D1~D12中，人脸预检区域中所有的区域都与前景图像匹配，所以可以确定人脸预检区域检测到的人脸F1~F10为人物目标。

进一步，当所述人脸预检区域与所述前景图像不存在包含关系时，例如前景图像中包含的区域不存在人脸预检区域，即可能存在未被人脸检测技术检测到的人脸区域，可以将去除人脸预检区域的前景区域再进一步判断是否有人脸的存在。将去除人脸预检区域的前景区域的面积与预设的面积阈值进行比较，若去除人脸预检区域的前景区域与的面积大于该面积阈值，则判定该区域为人物目标。所述面积阈值可以为经验值，一般与人脸面积或人身面积相关。在本实施例中所述面积阈值可以设定为步骤S4人脸检测算法得到的人脸预检区域的面积均值。

继续参考图2和图3，本实施例中图2中前景图像D6和D11区域不存在图3中的人脸预检区域，将前景图像D6和D11区域的面积与上述步骤S4检测到的人脸预检区域的面积均值进行比较，若前景图像D6和D11区域的面积大于人脸预检区域的面积均值，则判断D6和D11区域为人物目标，反之则判断为非人物目标。

此外，在判断人脸预检区域与前景图像是否匹配的过程中，不限定于通过判断两者图像是否存在包含关系的方法来判断两者匹配。例如，还可以通过位置匹配的方法来判断。参考图2和图3在其他实施例中，判断人脸预检区域F1~F10是否在位置上与前景图像D1~D12匹配，若人脸预检区域F1~F10的位置与前景图像D1~D5、D7~D10、D12存在重叠关系，则判断人脸预检区域F1~F10与前景图像相匹配。

最后执行步骤S6，统计所确定的人物目标，以获得所述第二图像中的目标数量。将步骤S5中确定的人物目标数量进行统计，得到最终有观众的场景图像中目标的数量。

进一步，还可以多次拍摄得到的第二图像中的目标数量，统计目标数量的平均值。通过多次获取第二图像求得多次目标数量的平均值使得统计的数据结果更准确。如在一场电影播放的过程中，定时地多次拍摄含有观众的场景图像，得到多个第二图像，分别利用上述步骤S1~步骤S6得到每个第二图像中的人物目标数量，对得到的数量取平均值。由于在影院场景中观众会因为各种原因离席，所以仅凭单次获取的第二场景图像的得到的目标数量会有误差，采用多次获取目标数量求平均值的方法得到的结果更可靠。

基于上述检测场景内目标数量的方法，本发明实施方式还提供了一种检测场景内目标数量的装置，下面结合实施方式和图2对本发明实施方式的检测场景内目标数量的装置进行详细说明。

本发明实施方式的检测场景内目标数量的装置，请参考图4所示的本发明实施例检测场景内目标数量的装置的结构示意图，包括：第一获取单元1，用于获取所述场景的第一图像，所述第一图像不包含人物；第二获取单元2，用于在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物；提取单元3，用于提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域；预检测单元4，用于利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域；第一确定单元5，用于当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标；统计单元6，用于统计所确定的人物目标，以获得所述第二图像中的目标数量。

提取单元3包括：灰度转换单元31，用于将所述第一图像和所述第二图像分别转换到灰度空间；减除单元32，用于将转换到灰度空间的第二图像减除转换到灰度空间的第一图像，以获得前景图像。

预检测单元4包括：色彩转换单元41，用于分别将所述第一图像和第二图像从其所在的色彩空间转换至l、α、β色彩空间；色彩迁移单元42，用于对l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一图像的色彩信息；色彩逆转换单元43，用于将色彩迁移后的第二图像转换至其原来所在的色彩空间；超分辨处理单元44，用于利用超分辨技术处理所述转换至所述原色彩空间的第二图像；检测单元45，用于利用人脸检测算法检测转换至原色彩空间的第二图像。

另外的，色彩迁移单元42包括：边界获取单元421，用于分别获取l、α、β色彩空间下第一图像和第二图像在l通道、α通道、β通道下的边界值；计算单元422，用于利用所述第一图像和第二图像在l通道、α通道、β通道下的边界值和第二图像的像素点在l通道、α通道、β通道的值计算色彩迁移后的第二图像的像素点在l通道、α通道、β通道的值。

第一确定单元5包括：判断单元51，用于判断所述第一确定单元确定人脸预检区域与所述前景图像是否存在包含关系，若判断结果为是，则所述人脸预检区域为人物目标;比较单元52，用于判断单元的判断结果为否，则对所述前景图像中去除人脸预检区域的区域面积与面积阈值进行比较；第二确定单元53，用于在所述前景图像中去除人脸预检区域的区域面积大于面积阈值时，确定所述前景图像中去除人脸预检区域的区域为人物目标。

另外的，本发明实施方式的检测场景内目标数量的装置，还包括：平均单元7，用于获得所述预定时间段多次拍摄得到的第二图像中的目标数量，统计目标数量的平均值。

上述检测场景内目标数量的装置的工作过程可参考本实施方式的检测场景内目标数量的方法。

本发明虽然已以较佳实施方式公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施方式所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (16)

1.一种检测场景内目标数量的方法，其特征在于，包括：

获取所述场景的第一图像，所述第一图像不包含人物；

在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物；

提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域；

利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域；

当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标；

统计所确定的人物目标，以获得所述第二图像中的目标数量；

其中，所述利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域包括：

分别将所述第一图像和第二图像从其所在的色彩空间转换至l、α、β色彩空间；

对l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一图像的色彩信息；

将色彩迁移后的第二图像转换至其原来所在的色彩空间；

利用人脸检测算法检测转换至原色彩空间的第二图像。

2.如权利要求1所述的检测场景内目标数量的方法，其特征在于，提取前景图像包括：

将所述第一图像和所述第二图像分别转换到灰度空间，并将转换到灰度空间的第二图像减除转换到灰度空间的第一图像，以获得前景图像。

3.如权利要求1所述的检测场景内目标数量的方法，其特征在于，所述对l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一场景图像的色彩信息包括：

分别获取l、α、β色彩空间下第一图像和第二图像在l通道、α通道、β通道下的边界值；

利用所述第一图像和第二图像在l通道、α通道、β通道下的边界值和第二图像的像素点在l通道、α通道、β通道的值计算色彩迁移后的第二图像的像素点在l通道、α通道、β通道的值。

4.如权利要求1所述的检测场景内目标数量的方法，其特征在于，还包括：在利用人脸检测算法检测转换至原色彩空间的第二图像之前，利用超分辨技术处理所述转换至所述原色彩空间的第二图像。

5.如权利要求1所述的检测场景内目标数量的方法，其特征在于，所述当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标包括：

当所述人脸预检区域与所述前景图像存在包含关系，则所述人脸预检区域为人物目标。

6.如权利要求5所述的检测场景内目标数量的方法，其特征在于，还包括：

当所述人脸预检区域与所述前景图像不存在包含关系，则对所述前景图像中去除人脸预检区域的区域面积与面积阈值进行比较；

在所述前景图像中去除人脸预检区域的区域面积大于面积阈值时，确定所述前景图像中去除人脸检测区域的区域为人物目标。

7.如权利要求1所述的检测场景内目标数量的方法，其特征在于，所述人脸检测算法为Adaboost算法。

8.如权利要求1-7任一项所述的检测场景内目标数量的方法，其特征在于，还包括：获得所述预定时间段多次拍摄得到的第二图像中的目标数量，统计目标数量的平均值。

9.一种检测场景内目标数量的装置，其特征在于，包括：

第一获取单元，用于获取所述场景的第一图像，所述第一图像不包含人物；

第二获取单元，用于在预定时间段内拍摄所述场景，以获取第二图像，所述第二图像包含人物；

提取单元，用于提取前景图像，所述前景图像为所述第二图像与第一图像的差异区域；

预检测单元，用于利用人脸检测算法检测所述第二图像，以得到至少一人脸预检区域；

第一确定单元，用于当所述前景图像中存在与所述人脸预检区域匹配的区域，则确定所述人脸预检区域为人物目标；

统计单元，用于统计所确定的人物目标，以获得所述第二图像中的目标数量；

其中，所述预检测单元包括：

色彩转换单元，用于分别将所述第一图像和第二图像从其所在的色彩空间转换至l、α、β色彩空间；

色彩迁移单元，用于对l、α、β色彩空间下的第二图像进行色彩迁移以使得其具有l、α、β色彩空间下的第一图像的色彩信息；

色彩逆转换单元，用于将色彩迁移后的第二图像转换至其原来所在的色彩空间；

检测单元，用于利用人脸检测算法检测转换至原色彩空间的第二图像。

10.如权利要求9所述的检测场景内目标数量的装置，其特征在于，所述提取单元包括：

灰度转换单元，用于将所述第一图像和所述第二图像分别转换到灰度空间；

减除单元，用于将转换到灰度空间的第二图像减除转换到灰度空间的第一图像，以获得前景图像。

11.如权利要求9所述的检测场景内目标数量的装置，其特征在于，所述色彩迁移单元包括：

边界获取单元，用于分别获取l、α、β色彩空间下第一图像和第二图像在l通道、α通道、β通道下的边界值；

计算单元，用于利用所述第一图像和第二图像在l通道、α通道、β通道下的边界值和第二图像的像素点在l通道、α通道、β通道的值计算色彩迁移后的第二图像的像素点在l通道、α通道、β通道的值。

12.如权利要求9所述的检测场景内目标数量的装置，其特征在于，所述预检测单元，还包括：

超分辨处理单元，用于利用超分辨技术处理所述转换至所述原色彩空间的第二图像。

13.如权利要求9所述的检测场景内目标数量的装置，其特征在于，所述第一确定单元包括：

判断单元，用于判断所述第一确定单元确定人脸预检区域与所述前景图像是否存在包含关系，若判断结果为是，则所述人脸预检区域为人物目标。

14.如权利要求13所述的检测场景内目标数量的装置，其特征在于，所述第一确定单元还包括：

比较单元，用于在所述判断单元的判断结果为否，则对所述前景图像中去除人脸预检区域的区域面积与面积阈值进行比较；

第二确定单元，用于在所述前景图像中去除人脸预检区域的区域面积大于面积阈值时，确定所述前景图像中去除人脸预检区域的区域为人物目标。

15.如权利要求9所述的检测场景内目标数量的装置，其特征在于，所述人脸检测算法为Adaboost算法。

16.如权利要求9-15任一项所述的检测场景内目标数量的装置，其特征在于，还包括：

平均单元，用于获得所述预定时间段多次拍摄得到的第二图像中的目标数量，统计目标数量的平均值。