CN103854273B - 一种近正向俯视监控视频行人跟踪计数方法和装置 - Google Patents

一种近正向俯视监控视频行人跟踪计数方法和装置 Download PDF

Info

Publication number
CN103854273B
CN103854273B CN201210495491.2A CN201210495491A CN103854273B CN 103854273 B CN103854273 B CN 103854273B CN 201210495491 A CN201210495491 A CN 201210495491A CN 103854273 B CN103854273 B CN 103854273B
Authority
CN
China
Prior art keywords
image
mass
pedestrian
width
height
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.)
Active
Application number
CN201210495491.2A
Other languages
English (en)
Other versions
CN103854273A (zh
Inventor
扈维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
A Polytron Technologies Inc
Original Assignee
A Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by A Polytron Technologies Inc filed Critical A Polytron Technologies Inc
Priority to CN201210495491.2A priority Critical patent/CN103854273B/zh
Priority to US14/648,066 priority patent/US9773317B2/en
Priority to EP13806468.8A priority patent/EP2919189B1/en
Priority to PCT/CN2013/082876 priority patent/WO2013189464A2/zh
Publication of CN103854273A publication Critical patent/CN103854273A/zh
Application granted granted Critical
Publication of CN103854273B publication Critical patent/CN103854273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种近正向俯视监控视频行人跟踪计数方法和装置，其中，所述方法包括：获取当前监控场景下的视频图像；将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量，本发明能够提高计数结果的准确率。

Description

一种近正向俯视监控视频行人跟踪计数方法和装置
技术领域
本发明涉及智能视频监控技术，尤其涉及一种近正向俯视监控视频行人跟踪计数方法和装置。
背景技术
目前，智能视频监控在多个领域得到了广泛应用，其中，近正向俯视监控视频行人跟踪计数是智能视频监控的一个典型应用。
但是，现有的近正向俯视监控视频行人跟踪计数技术，只能对行人分离的情况进行准确计数，不能对多个行人粘连的情况进行准确计数。由于地铁、商场等场所人流密集，多个行人粘连的情况时常出现，采用现有的近正向俯视监控视频行人跟踪计数技术获得的计数结果准确率很低，无法起到应有的作用。
发明内容
有鉴于此，本发明的主要目的在于提供一种近正向俯视监控视频行人跟踪计数方法和装置，能够提高计数结果的准确率。
为达到上述目的，本发明的技术方案是这样实现的：
本发明提供了一种近正向俯视监控视频行人跟踪计数方法，所述方法包括：
获取当前监控场景下的视频图像；
将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量。
较佳地，所述对前景图像中的各团块进行分割，为，
对团块外接矩形宽度超过单人宽度阈值TW两倍的团块，根据TW进行等宽分割；
对团块外接矩形高度超过单人高度阈值TH两倍的团块，根据TH进行等高分割；
删除分割后得到的面积小于设定阈值的团块。
较佳地，所述对前景图像中的各团块进行组合，为，
将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
分别将组合得到的各团块外接矩形的宽度除以TW取整得到NW，将外接矩形的高度除以TH取整得到NH；
分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块；
重复上述三个步骤，直到各团块全部组合完成。
较佳地，所述判定所述视频图像为前景图像之后，所述方法还包括：
根据当前帧图像，以不同的更新速率系数更新背景图像和背景振幅。
较佳地，所述进行跟踪，为，
采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离。
本发明提供了一种近正向俯视监控视频行人跟踪计数装置，所述装置包括：
视频图像获取单元，用于获取当前监控场景下的视频图像；
目标团块获取单元，用于将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
行人数量计算单元，用于根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量。
较佳地，所述目标团块获取单元，具体用于对团块外接矩形宽度超过单人宽度阈值TW两倍的团块，根据TW进行等宽分割；
对团块外接矩形高度超过单人高度阈值TH两倍的团块，根据TH进行等高分割；
删除分割后得到的面积小于设定阈值的团块。
较佳地，所述目标团块获取单元，还具体用于将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
分别将组合得到的各团块的外接矩形的宽度除以TW取整得到NW，将外接矩形的高度除以TH取整得到NH；
分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块；
重复上述三个步骤，直到各团块全部组合完成。
较佳地，所述装置还包括：
更新单元，用于根据当前帧图像，以不同的更新速率系数更新背景图像和背景振幅。
较佳地，所述行人数量计算单元，具体用于采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离。
由上可知，本发明的技术方案包括：获取当前监控场景下的视频图像；将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量；由此，根据对代表单个行人的目标团块的跟踪、计数，能够提高计数结果的准确率。
附图说明
图1为本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第一实施例的实现流程图；
图2为本发明提供的一种近正向俯视监控视频行人跟踪计数装置的实施例的结构示意图；
图3为本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第二实施例的实现流程图；
图4为检测区示意图；
图5为检测区示意图。
具体实施方式
本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第一实施例，如图1所示，所述方法包括：
步骤101、获取当前监控场景下的视频图像；
步骤102、将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
步骤103、根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量。
优选地，所述对前景图像中的各团块进行分割，为，
对团块外接矩形宽度超过单人宽度阈值TW两倍的团块，根据TW进行等宽分割；
对团块外接矩形高度超过单人高度阈值TH两倍的团块，根据TH进行等高分割；
删除分割后得到的面积小于设定阈值的团块。
优选地，所述对前景图像中的各团块进行组合，为，
将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
分别将组合得到的各团块的外接矩形的宽度除以TW取整得到NW，将外接矩形的高度除以TH取整得到NH；
分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块；
重复上述三个步骤，直到各团块全部组合完成。
优选地，所述判定所述视频图像是前景图像之后，所述方法还包括：
根据当前帧图像，以不同的更新速率系数更新背景图像和背景振幅。
优选地，所述进行跟踪，为，
采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离。
本发明提供的一种近正向俯视监控视频行人跟踪计数装置，如图2所示，所述装置包括：
视频图像获取单元，用于获取当前监控场景下的视频图像；
目标团块获取单元，用于将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
行人数量计算单元，用于根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量。
优选地，目标团块获取单元，具体用于对团块外接矩形宽度超过单人宽度阈值TW两倍的团块，根据TW进行等宽分割；
对团块外接矩形高度超过单人高度阈值TH两倍的团块，根据TH进行等高分割；
删除分割后得到的面积小于设定阈值的团块。
优选地，目标团块获取单元，还具体用于将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
分别将组合得到的各团块的外接矩形的宽度除以TW取整得到NW，将外接矩形的高度除以TH取整得到NH；
分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块；
重复上述三个步骤，直到各团块全部组合完成。
优选地，所述装置还包括：
更新单元，用于根据当前帧图像，以不同的更新速率系数更新背景图像和背景振幅。
优选地，所述行人数量计算单元，具体用于采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离。
下面结合图3对本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第二实施例进行介绍。
步骤301、获取当前监控场景下的视频图像；
步骤302、对获取的视频图像进行中值滤波处理。
具体的，选取3×3矩形滑动滤波窗口，对窗口内的9个像素的信号幅值作大小排序，将该序列的中值输出作为窗口中心像素的信号幅值。
步骤303、判断是否存有背景图像和背景振幅，当不存有背景图像和背景振幅时，进入步骤304；当存有背景图像和背景振幅时，进入步骤305。
步骤304、根据中值滤波处理后的视频图像进行背景建模，得到背景图像和背景振幅；
具体的，对最初的M帧视频图像求取平均值，获得平均图像作为背景图像；对N帧图像与初始背景求取标准差，以其倍值作为背景振幅。
步骤305、根据背景图像和背景振幅，判决当前帧图像是背景图像还是前景图像；当判定所述视频图像为前景图像时，进入步骤306；当判定所述视频图像为背景图像时，返回步骤301；
具体的，将输入的视频图像与初始的背景图像和初始的背景振幅进行比较，若输入的视频图像中像素的三通道信号幅值均在背景图像对应像素信号幅值的振幅范围内，则判定所述视频图像为背景图像，若输入的视频图像中像素的三通道信号幅值不均在背景图像对应像素信号幅值的振幅范围内，则判定所述视频图像为前景图像。
步骤306、根据当前帧图像，更新背景图像和背景振幅；
具体的，计算当前帧图像与背景图像的标准差，求取当前帧图像的信号振幅；根据当前帧图像的前景和背景部分，以不同的更新速率系数更新背景图像和背景振幅，更新采用滑动平均的方法，背景部分以较快速率更新，背景振幅以较慢速率更新；背景部分以较快速率更新是为了保持获取正确的背景，适应缓慢的背景变化；背景振幅以较慢速率更新是为了适应新增背景物体等引起的背景突变。
步骤307、消除当前帧前景图像中的阴影；
具体的，将当前帧图像和背景图像从RGB空间转换到HSV空间，将色相和饱和度归一化到0-1范围，明度归一化到0-255范围。在HSV空间对当前帧图像的前景像素和背景图像中的对应像素进行比较，如果像素的色相和饱和度差异小于预设的色相和饱和度阈值，且明度比小于预设的明度比阈值，则判定所述像素是阴影，将所述像素从前景图像中剔除，得到修正的前景图像。
步骤308、对修正的前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
具体包括：步骤3081、根据公式(1)，对团块外接矩形宽度超过单人宽度阈值TW两倍的团块进行等宽分割；
NW＝floor(W/Tw) (1)
步骤3082、根据公式(2)，对团块外接矩形高度超过单人高度阈值TH两倍的团块进行等高分割；
NH＝floor(H/TH) (2)
上述公式中，W、H分别为团块外接矩形的宽度和高度，floor为取整运算；
步骤3083、删除分割后得到的面积小于设定阈值的团块；
步骤3084、将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
步骤3085、分别将组合得到的各团块的外接矩形的宽度带入公式(1)得到NW，将外接矩形的高度带入公式(2)得到NH；
步骤3086、分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块。
重复步骤3084至3086，直到各团块全部组合完成。
步骤309、根据检测区内各目标团块的质心坐标，进行跟踪计数，得到当前监控场景下的行人数量；
具体的，采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离：
其中，表示第t帧目标团块i的质心坐标，表示第t+1帧目标团块j的质心坐标；
跟踪的同时建立跟踪器，记录目标在检测区自出现到消失的所有轨迹坐标；
设当前帧检测到m个目标团块S1，S2...Sm，当前帧已存在n个目标团块，分别对应跟踪器T1，T2...Tn。匹配的具体算法为：对当前帧的任意一个目标团块Si，利用上述公式分别计算其与所有跟踪器最新记录坐标(即上一帧匹配记录的目标坐标)的欧氏距离D＝(d1，d2...dn)。若dj＝min(D)，且dj＜Tn，则认为跟踪器Tj对应的目标团块和Si为最近邻，Si为跟踪器Tj对应的目标团块在当前帧出现的位置，把Si加入Tj，完成目标匹配及轨迹坐标记录；
对未能在最近邻匹配过程中找到匹配的当前帧目标团块，如果所述目标团块位于目标出现消失区，则判定所述目标团块为新生目标团块，建立所述新生目标团块的跟踪器记录；
对未能在最近邻匹配过程中找到匹配的跟踪器对应的目标团块，如果满足以下条件：①目标团块在检测区的出现帧数(即跟踪器长度)大于阈值；②跟踪记录的最后坐标在目标出现消失区；③目标团块移动距离大于阈值；则根据目标团块的起始与消失位置，判决行进方向，对应计数器累加计数，得到当前监控场景下，行人出入的累计值。
所述检测区是根据预设的两条检测边界的中心点和预设的行人目标的宽高阈值T生成的，所述行人目标的宽高阈值T可以取行人目标的宽高阈值的较大值；具体的，如图4将两中心点连接线垂直方向，双向各0.5倍行人目标宽高阈值T的区域作为检测区，并将所述检测区沿平行于两中心点连接线方向等分为三个区域，两端的两个区域为目标出现消失区；所述检测区的检测边界可以不与道路方向平行，如图5所示。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (8)

1.一种近正向俯视监控视频行人跟踪计数方法，其特征在于，所述方法包括：
获取当前监控场景下的视频图像；
将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量；
所述对前景图像中的各团块进行分割，为，对团块外接矩形宽度超过单人宽度阈值TW两倍的团块，根据TW进行等宽分割；对团块外接矩形高度超过单人高度阈值TH两倍的团块，根据TH进行等高分割；删除分割后得到的面积小于设定阈值的团块。
2.根据权利要求1所述的方法，其特征在于，所述对前景图像中的各团块进行组合，为，
将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
分别将组合得到的各团块外接矩形的宽度除以TW取整得到NW，将外接矩形的高度除以TH取整得到NH；
分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块；
重复上述三个步骤，直到各团块全部组合完成。
3.根据权利要求1所述的方法，其特征在于，所述判定所述视频图像为前景图像之后，所述方法还包括：
根据当前帧图像，以不同的更新速率系数更新背景图像和背景振幅。
4.根据权利要求1所述的方法，其特征在于，所述进行跟踪，为，
采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离。
5.一种近正向俯视监控视频行人跟踪计数装置，其特征在于，所述装置包括：
视频图像获取单元，用于获取当前监控场景下的视频图像；
目标团块获取单元，用于将获取的视频图像与背景图像进行比较，当判定所述视频图像为前景图像时，对前景图像中的各团块进行分割以及组合，得到代表单个行人的目标团块；
行人数量计算单元，用于根据检测区内各目标团块的质心坐标，进行跟踪、计数，得到当前监控场景下的行人数量；
所述目标团块获取单元，具体用于对团块外接矩形宽度超过单人宽度阈值TW两倍的团块，根据TW进行等宽分割；对团块外接矩形高度超过单人高度阈值TH两倍的团块，根据TH进行等高分割；删除分割后得到的面积小于设定阈值的团块。
6.根据权利要求5所述的装置，其特征在于，所述目标团块获取单元，还具体用于将质心横向距离不超过TW、纵向距离不超过TH的两个团块进行组合；
分别将组合得到的各团块的外接矩形的宽度除以TW取整得到NW，将外接矩形的高度除以TH取整得到NH；
分别判断各组合团块的NW和NH是否均小于2，当大于2时，拆分所述组合团块；当小于2时，保留所述组合团块；
重复上述三个步骤，直到各团块全部组合完成。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：
更新单元，用于根据当前帧图像，以不同的更新速率系数更新背景图像和背景振幅。
8.根据权利要求5所述的装置，其特征在于，所述行人数量计算单元，具体用于采用最近邻匹配算法对检测区内各目标团块进行跟踪，所述最近邻匹配算法采用的代价函数为欧氏距离。
CN201210495491.2A 2012-11-28 2012-11-28 一种近正向俯视监控视频行人跟踪计数方法和装置 Active CN103854273B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201210495491.2A CN103854273B (zh) 2012-11-28 2012-11-28 一种近正向俯视监控视频行人跟踪计数方法和装置
US14/648,066 US9773317B2 (en) 2012-11-28 2013-09-03 Pedestrian tracking and counting method and device for near-front top-view monitoring video
EP13806468.8A EP2919189B1 (en) 2012-11-28 2013-09-03 Pedestrian tracking and counting method and device for near-front top-view monitoring video
PCT/CN2013/082876 WO2013189464A2 (zh) 2012-11-28 2013-09-03 一种近正向俯视监控视频行人跟踪计数方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210495491.2A CN103854273B (zh) 2012-11-28 2012-11-28 一种近正向俯视监控视频行人跟踪计数方法和装置

Publications (2)

Publication Number Publication Date
CN103854273A CN103854273A (zh) 2014-06-11
CN103854273B true CN103854273B (zh) 2017-08-25

Family

ID=49769601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210495491.2A Active CN103854273B (zh) 2012-11-28 2012-11-28 一种近正向俯视监控视频行人跟踪计数方法和装置

Country Status (4)

Country Link
US (1) US9773317B2 (zh)
EP (1) EP2919189B1 (zh)
CN (1) CN103854273B (zh)
WO (1) WO2013189464A2 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104823218A (zh) * 2012-12-03 2015-08-05 哈曼国际工业有限公司 使用单一普通摄像机来检测行人的系统和方法
JP5683663B1 (ja) * 2013-09-27 2015-03-11 パナソニックＩｐマネジメント株式会社 滞留時間測定装置、滞留時間測定システムおよび滞留時間測定方法
TWI537842B (zh) * 2014-09-30 2016-06-11 廣達電腦股份有限公司 人流計數系統
CN104599511B (zh) * 2015-02-06 2016-11-30 中国石油大学(华东) 一种基于背景建模的车流量检测方法
WO2017156772A1 (zh) * 2016-03-18 2017-09-21 深圳大学 一种乘客拥挤度的计算方法及其系统
CN107292909B (zh) * 2016-04-06 2023-03-24 沈阳建筑大学 一种基于垂直角度场图像处理的视频人数统计方法
US10152630B2 (en) * 2016-08-09 2018-12-11 Qualcomm Incorporated Methods and systems of performing blob filtering in video analytics
GB201715458D0 (en) 2017-07-28 2017-11-08 Airbus Sas Aircraft Cabin Disinfection System
CN107730526A (zh) * 2017-09-25 2018-02-23 中国科学院声学研究所 一种鱼群数量的统计方法
CN108647587B (zh) * 2018-04-23 2021-08-24 腾讯科技（深圳）有限公司 人数统计方法、装置、终端及存储介质
CN108734663B (zh) * 2018-05-30 2022-05-20 北京电子工程总体研究所 一种基于位置信息的目标中心显示方法和系统
CN109308709B (zh) * 2018-08-14 2021-07-06 昆山智易知信息科技有限公司 基于图像分割的Vibe运动目标检测算法
CN109815787B (zh) * 2018-12-10 2022-07-05 达闼机器人股份有限公司 目标识别方法、装置、存储介质及电子设备
CN111815671B (zh) * 2019-04-10 2023-09-15 曜科智能科技（上海）有限公司 目标数量统计方法、系统、计算机装置及存储介质
CN110378218A (zh) * 2019-06-13 2019-10-25 大亚湾核电运营管理有限责任公司 一种图像处理方法、装置及终端设备
WO2020257881A1 (en) * 2019-06-28 2020-12-30 Frameplay Corp User specific advertising in a virtual environment
CN110378929B (zh) * 2019-07-12 2023-03-24 易诚高科（大连）科技有限公司 一种商业场所跨摄像头行人轨迹跟踪方法
CN111160101B (zh) * 2019-11-29 2023-04-18 福建省星云大数据应用服务有限公司 一种基于人工智能的视频人员跟踪与计数方法
CN111105433B (zh) * 2019-12-17 2023-05-16 河海大学 一种基于团块的运动目标轨迹提取方法
CN111274886B (zh) * 2020-01-13 2023-09-19 天地伟业技术有限公司 一种基于深度学习的行人闯红灯违法行为分析方法及系统
CN111598873A (zh) * 2020-05-15 2020-08-28 吴奇光 基于面阵相机的零件连续计数方法及装置
CN111723664A (zh) * 2020-05-19 2020-09-29 烟台市广智微芯智能科技有限责任公司 一种用于开放式区域的行人计数方法及系统
CN111652900B (zh) * 2020-05-29 2023-09-29 浙江大华技术股份有限公司 基于场景流的客流量的计数方法、系统及设备、存储介质
CN112001941B (zh) * 2020-06-05 2023-11-03 成都睿畜电子科技有限公司 基于计算机视觉的仔猪监管方法及系统
CN112990058B (zh) * 2021-03-30 2023-04-07 北京邮电大学 一种基于轨迹分析的多目标行人徘徊检测方法
TW202319957A (zh) * 2021-11-05 2023-05-16 華捷智能股份有限公司 影像辨識系統及影像辨識方法
CN114998999B (zh) * 2022-07-21 2022-12-06 之江实验室 一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置
CN117423075B (zh) * 2023-12-19 2024-04-02 盛视科技股份有限公司 人员通行检测方法及检测装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7688349B2 (en) * 2001-12-07 2010-03-30 International Business Machines Corporation Method of detecting and tracking groups of people
US7003136B1 (en) * 2002-04-26 2006-02-21 Hewlett-Packard Development Company, L.P. Plan-view projections of depth image data for object tracking
US7227893B1 (en) * 2002-08-22 2007-06-05 Xlabs Holdings, Llc Application-specific object-based segmentation and recognition system
US7512250B2 (en) * 2004-11-24 2009-03-31 Siemens Corporate Research, Inc. System and method for fast illumination-invariant background subtraction using two views
US8009871B2 (en) * 2005-02-08 2011-08-30 Microsoft Corporation Method and system to segment depth images and to detect shapes in three-dimensionally acquired data
CN101231755B (zh) * 2007-01-25 2013-03-06 上海遥薇(集团)有限公司 运动目标跟踪及数量统计方法
CN101325690A (zh) * 2007-06-12 2008-12-17 上海正电科技发展有限公司 监控视频流中人流分析与人群聚集过程的检测方法及系统
US8913781B2 (en) * 2008-08-20 2014-12-16 SET Corporation Methods and systems for audience monitoring
US8630455B2 (en) 2010-07-20 2014-01-14 SET Corporation Method and system for audience digital monitoring
CN102096813A (zh) * 2011-02-10 2011-06-15 北京邮电大学 单目摄像机垂直视角下基于Blob的行人计数方法
TWI489395B (zh) * 2011-11-28 2015-06-21 Ind Tech Res Inst 前景偵測裝置及方法
CN102622578A (zh) * 2012-02-06 2012-08-01 中山大学 一种乘客计数系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Crowd Counting Using Group Tracking and Local Features;David Ryan 等;《2010 Seventh IEEE International Conference on Advanced Video and Signal Based Surveillance》;20100901;218-224 *
Real-time p eople counting system using a s ingle video camera;Damien Lefloch 等;《Real-Time Image Processing 2008》;20080127;第6811卷;681109-1：681109-12 *

Also Published As

Publication number Publication date
US9773317B2 (en) 2017-09-26
EP2919189B1 (en) 2018-04-11
EP2919189A2 (en) 2015-09-16
WO2013189464A2 (zh) 2013-12-27
EP2919189A4 (en) 2016-08-31
WO2013189464A3 (zh) 2014-02-13
CN103854273A (zh) 2014-06-11
US20150317797A1 (en) 2015-11-05

Similar Documents

Publication Publication Date Title
CN103854273B (zh) 一种近正向俯视监控视频行人跟踪计数方法和装置
CN104751491B (zh) 一种人群跟踪及人流量统计方法及装置
Li et al. Real-time moving vehicle detection, tracking, and counting system implemented with OpenCV
Lai et al. Image-based vehicle tracking and classification on the highway
CN106600625A (zh) 检测小型生物的图像处理方法及装置
CN104282020A (zh) 一种基于目标运动轨迹的车辆速度检测方法
US20150220789A1 (en) Systems and methods for detecting and tracking objects in a video stream
CN106846359A (zh) 基于视频序列的运动目标快速检测方法
CN105046719B (zh) 一种视频监控方法及系统
Lee et al. An intelligent depth-based obstacle detection system for visually-impaired aid applications
CN104268860B (zh) 一种车道线检测方法
CN103093198A (zh) 一种人群密度监测方法及装置
US20170103536A1 (en) Counting apparatus and method for moving objects
CN111310576A (zh) 一种通道目标通行检测方法、装置以及设备
Kini Real time moving vehicle congestion detection and tracking using OpenCV
Miller et al. Person tracking in UAV video
CN104008396A (zh) 基于人头部色彩和形状特征的进出口人流量统计方法
Almomani et al. Segtrack: A novel tracking system with improved object segmentation
CN103578121A (zh) 干扰运动环境下基于共享高斯模型的运动检测方法
Suganyadevi et al. OFGM-SMED: An efficient and robust foreground object detection in compressed video sequences
CN108009480A (zh) 一种基于特征识别的图像人体行为检测方法
Khude et al. Object detection, tracking and counting using enhanced BMA on static background videos
Unno et al. Vehicle motion tracking using symmetry of vehicle and background subtraction
KR102164637B1 (ko) 고속 객체 추적 시스템 및 그 방법
CN110705492A (zh) 一种舞台移动机器人障碍目标检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20170721

Address after: 100089, room 21, floor 1, building 66, No. 2505, Zhongguancun East Road, Beijing, Haidian District

Applicant after: A Polytron Technologies Inc

Address before: 518057 Nanshan District Guangdong high tech Industrial Park, South Road, science and technology, ZTE building, Ministry of Justice

Applicant before: ZTE Corporation

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Hu Wei

Inventor before: Lu Ping

Inventor before: Lu Jian

Inventor before: Zeng Gang

GR01 Patent grant
GR01 Patent grant