CN103854292B - 一种人数及人群运动方向的计算方法及装置 - Google Patents

一种人数及人群运动方向的计算方法及装置 Download PDF

Info

Publication number
CN103854292B
CN103854292B CN201210495159.6A CN201210495159A CN103854292B CN 103854292 B CN103854292 B CN 103854292B CN 201210495159 A CN201210495159 A CN 201210495159A CN 103854292 B CN103854292 B CN 103854292B
Authority
CN
China
Prior art keywords
motion
current frame
image
frame image
points
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
CN201210495159.6A
Other languages
English (en)
Other versions
CN103854292A (zh
Inventor
董振江
罗圣美
刘锋
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN201210495159.6A priority Critical patent/CN103854292B/zh
Priority to EP13857870.3A priority patent/EP2927871A4/en
Priority to US14/648,030 priority patent/US9576199B2/en
Priority to PCT/CN2013/083687 priority patent/WO2014082480A1/zh
Publication of CN103854292A publication Critical patent/CN103854292A/zh
Application granted granted Critical
Publication of CN103854292B publication Critical patent/CN103854292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06T2207/30—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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种人数及人群运动方向的计算方法，包括：提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点；根据所在位置的修正系数，对当前帧图像的运动特征点按方向加权计数，得到人群运动方向；从当前帧图像的前景图像中提取行人图像的边缘点；根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量。本发明还公开了一种人数及人群运动方向的计算装置，采用本发明能提高计算结果的准确率。

Description

一种人数及人群运动方向的计算方法及装置
技术领域
本发明涉及智能视频监控技术，尤其涉及一种人数及人群运动方向的计算方法及装置。
背景技术
随着经济社会的发展，人们社会活动的不断增加，尤其是我国城镇化进程的推进，城市人口密度越来越大。因此，人群密度估计有着广泛的应用前景和研究价值。
目前，人群密度估计的方法为利用智能视频监控设备采集一段时间的图像，对采集的图像进行分析得到多个图像特征，使用得到的图像特征建立回归模型；智能视频监控设备实时进行监控时，对当前帧图像进行分析得到当前帧图像的个特征作为输入，使用回归模型计算得到人数，再利用人数计算出人群密度。
但是，上述人群密度估计的方法中，建立回归模型时、以及计算人数时，提取的图像特征较多，这样会提高计算的复杂度并影响计算速度；并且，由于进行智能视频监控时，没有考虑监控设备的架设位置受到的角度影响，所以直接使用提取的图像特征进行分析时，建立的回归模型不够准确，进而导致使用回归模型计算人数也不准确。
可见，现有技术中对人群密度进行估计的方法，计算速度较低，并且计算结果不准确。
发明内容
有鉴于此，本发明的目的在于提供一种人数及人群运动方向的计算方法及装置，能提高计算速度及计算结果准确度。
为达到上述目的，本发明的技术方案是这样实现的：
本发明提供了一种人数及人群运动方向的计算方法，该方法包括：
提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点；
对当前帧图像的运动特征点按方向加权计数，得到人群运动方向；
从当前帧图像的前景图像中提取行人图像的边缘点，根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量。
上述方案中，所述将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点，包括：
逐个提取当前帧图像的特征点，在特征点的周围选取模板图像；从选取的历史帧图像中，在当前帧图像的特征点对应位置周围选取搜索图像；
利用模板图像，在搜索图像内匹配搜索，根据特征点与匹配点的位置关系进行判决，当距离大于设定的阈值时，判定当前帧图像的特征点为运动特征点；直至得到当前帧图像中的所有运动特征点及其运动方向。
上述方案中，所述根据所在位置的修正系数，对当前帧图像的运动特征点按方向加权计数，得到人群运动方向，包括：
根据各运动特征点的位置，逐个查找对应的修正系数作为该点的权值；将当前帧所有运动特征点的权值按方向累加，得到当前帧运动直方图，并更新至运动直方图历史记录；
根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图；对历史运动直方图进行二值化，得到当前帧运动方向记录，并更新至运动方向历史记录；根据运动方向历史记录，得到各方向最终运动特征点计数，将所述运动特征计数值超过预置的运动阈值的方向作为人群运动方向。
上述方案中，所述根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量，包括：根据行人图像的边缘点与当前帧图像的运动特征点所在位置，逐个查找预置的该点的修正系数，将所有行人图像的边缘点与当前帧图像的运动特征点对应的修正系数加权累加所得数值作为行人数量。
本发明还提供了一种人数及运动方向的计算装置，该装置包括：图像获取模块、运动方向计算模块和人数计算模块；其中，
图像获取模块，用于为运动方向计算模块以及人数计算模块提供当前帧图像；
运动方向计算模块，用于提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点，对当前帧图像的运动特征点按方向加权计数，得到人群运动方向；
人数计算模块，用于从当前帧图像的前景图像中提取行人图像的边缘点，根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量。
上述方案中，所述运动方向计算模块，具体用于逐个提取当前帧图像的特征点，在特征点的周围选取模板图像；从选取的历史帧图像中，在当前帧图像的特征点对应位置周围选取搜索图像；利用模板图像，在搜索图像内匹配搜索，根据特征点与匹配点的位置关系进行判决，当距离大于设定的阈值时，判定当前帧图像的特征点为运动特征点；直至得到当前帧图像中的所有运动特征点及其运动方向。
上述方案中，所述运动方向计算模块，具体用于根据各运动特征点的位置，逐个查找对应的修正系数作为该点的权值；将当前帧所有运动特征点的权值按方向累加，得到当前帧运动直方图，并更新至运动直方图历史记录；根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图；根据一定阈值，对历史运动直方图进行二值化，得到当前帧运动方向记录，并更新至运动方向历史记录；根据运动方向历史记录，得到各方向最终运动特征点计数，将所述运动特征计数值超过预置的运动阈值的方向作为人群运动方向。
上述方案中，所述人数计算模块，具体用于根据行人图像的边缘点与当前帧图像的运动特征点所在位置，逐个查找预置的该点的修正系数，将所有行人图像的边缘点与当前帧图像的运动特征点对应的修正系数加权累加所得数值作为行人数量。
本发明所提供的人数及人群运动方向的计算方法及装置，能通过对当前帧图像的运动特征点加权计数得到人群运动方向；以及从当前帧图像的前景图像中提取行人图像的边缘点，根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数得到行人数量。这样，与现有技术相比，使用更少的图像特征就能得到人群运动方向和行人数量，使计算速度提高；并且在计算过程中使用修正系数进行加权计数，这样就能在计算中对监控设备的不同拍摄角度以及距离远近进行补偿，从而使最终结果更加准确。
附图说明
图1为本发明的人数及人群运动方向的计算方法流程示意图；
图2为本发明的人数及人群运动方向的计算装置组成结构示意图。
具体实施方式
本发明的基本思想是：提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点；对当前帧图像的运动特征点按方向加权计数，得到人群运动方向；从当前帧图像的前景图像中提取行人图像的边缘点，根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量。
下面结合附图及具体实施例对本发明再作进一步的详细说明。
本发明提出人数及人群运动方向的计算方法，如图1所示，包括以下步骤：
步骤101：提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点。
这里，所述提取当前帧图像为按照现有技术，设置检测区，提取检测区图像作为当前帧图像；
所述提取当前帧图像的特征点的方法为现有技术，可以使用SURF算法，参数设置采用默认设置，图像特征点的数量根据实际情况设定，具体计算方法这里不做赘述；
所述将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点包括：逐个提取当前帧图像的特征点，在提取的特征点周围选取大小为N×M的图像作为模板图像T；从选取的历史帧图像中，在当前帧图像的特征点对应位置周围选取大小为W×H的图像作为搜索图像S；利用模板图像T在搜索图像S内进行匹配搜索，根据特征点与匹配点的位置关系进行判决，当距离大于设定的阈值时，判定当前帧图像的特征点为运动特征点；依此类推，得到当前帧图像中的所有运动特征点及其运动方向。其中，所述设定的阈值为：根据实际需要设置，这里不做赘述。
所述选取的历史帧图像为：根据实际设置选取的当前帧之前的某一帧图像，比如，可以设置为选取当前帧之前五帧的图像，或者，设置为选取当前帧之前十帧的图像；所述搜索图像S比模板图像T大，即W大于N、且H大于M；
所述利用模板图像T在搜索图像S内进行匹配搜索，根据特征点与匹配点的位置关系进行判决，可以为：在搜索图像S内、依照指定顺序，依次选出和模板图像T等大的局部图像，计算所述局部图像与模板图像T的绝对误差和，当所述绝对误差和小于预置的匹配阈值时，将所述局部图像的中心点作为搜索图像S的匹配点；
计算匹配点与特征点的相对位移，判断所述相对位置是否小于预置的运动阈值，若是，则判定对应的特征点为运动特征点，否则，判定该特征点为非运动特征点。
其中，所述匹配阈值及运动阈值均为根据实际情况预置的数值；所述计算所述局部图像与模板图像T的绝对误差和为使用公式：其中，E(i，j)表示绝对误差和，(i，j)标识模板图像T在搜索图像S中的相对位置。
步骤102：对当前帧图像的运动特征点按方向加权计数，得到人群运动方向。
这里，所述对当前帧图像的运动特征点按方向加权计数为：逐个根据各运动特征点的位置，查找对应的修正系数作为该点的权值；将当前帧所有运动特征点的权值按方向累加，得到当前帧运动直方图；其中，所述修正系数为针对各个特征点预置的修正值；
所述得到人群运动方向，可以包括：将当前帧运动直方图添加至运动直方图历史记录；根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图；对历史运动直方图进行二值化，得到当前帧运动方向记录，并更新至运动方向历史记录；根据运动方向历史记录，得到各方向最终运动特征点计数，将所述运动特征计数值超过预置的运动阈值的方向作为人群运动方向。
其中，所述运动直方图的获取方法为现有技术，这里不做赘述；所述运动直方图历史记录为保存的指定数量的运动直方图组成的集合；所述指定数量为根据实际情况指定，比如，可以指定保存50个；
比如：假设当前帧运动直方图为H[8]，运动直方图历史记录包括50个运动直方图，表示为HH[8][50]；
所述根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图，可以使用公式：其中，S[n]表示历史运动直方图，n表示八个方向之一；
所述对历史运动直方图进行二值化，得到当前帧运动方向记录，可以使用公式：其中，D[n]表示当前帧运动方向记录，n表示八个方向之一；
所述根据运动方向历史记录，得到各方向最终计数，可以使用公式：其中，C[n]表示各方向最终计数，HS[n][j]表示运动方向历史记录，为保存的指定数量的运动方向记录组成的集合，n表示八个方向之一，j表示保存的运动方向记录。
步骤103：从当前帧图像的前景图像中提取行人图像的边缘点，根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量。
这里，所述当前帧图像的前景图像可以为：采用混合高斯背景建模算法，得到背景图像和前景图像，对前景图像进行修正。
其中，混合高斯背景建模算法为现有技术，这里不做赘述；所述对前景图像进行修正可以为采用形态学滤波，结合积分图像计算前景置信度的方法进行修正，为现有技术，这里不做赘述；
所述提取行人图像的边缘点包括：对当前帧图像进行Canny边缘检测得到初始边缘图像，以及与当前帧图像的前景图像进行与操作，得到修正的行人边缘图像；对修正的行人边缘图像中的边缘点计数，最终得到行人图像的边缘点。
所述根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量为：根据行人图像的边缘点与当前帧图像的运动特征点所在位置，逐个查找预置的该点的修正系数，将所有行人图像的边缘点与当前帧图像的运动特征点对应的修正系数加权累加所得数值作为行人数量。
如图2所示，本发明提供了一种人数及人群运动方向的计算装置，该装置包括：图像获取模块21、运动方向计算模块22和人数计算模块23；其中，
图像获取模块21，用于为人群运动方向计算模块22以及人数计算模块23提供当前帧图像；
运动方向计算模块22，用于从图像获取模块21中提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点，对当前图像帧的运动特征点按方向加权计数，得到人群运动方向；
人数计算模块23，用于从图像获取模块21中保存的当前帧图像的前景图像中提取行人图像的边缘点，根据所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量。
所述图像获取模块21，具体用于设置检测区，提取检测区图像作为当前帧图像。
所述运动方向计算模块22，具体用于使用SURF算法，参数设置采用默认设置，图像特征点数量根据实际情况设定，具体计算这里不做赘述。
所述运动方向计算模块22，具体用于逐个提取当前帧图像的特征点，在提取的特征点周围选取大小为N×M的图像作为模板图像T；从选取的历史帧图像中，在当前帧图像的特征点对应位置周围选取大小为W×H的图像作为搜索图像S；利用模板图像T在搜索图像S内进行匹配搜索，根据特征点与匹配点的位置关系进行判决，当距离大于设定的阈值时，判定当前帧图像的特征点为运动特征点；依此类推，得到当前帧图像中的所有运动特征点及其运动方向。
所述运动方向计算模块22，具体用于根据实际设置选取当前帧之前的某一帧图像作为历史帧图像，比如，可以设置为选取当前帧之前五帧的图像，或者，设置为选取当前帧之前十帧的图像。
所述运动方向计算模块22，具体用于在搜索图像S内、依照指定顺序，依次选出和模板图像T等大的局部图像，计算所述局部图像与模板图像T的绝对误差和，当所述绝对误差和小于预置的匹配阈值时，将所述局部图像的中心点作为搜索图像S的匹配点；计算匹配点与特征点的相对位移，判断所述相对位置是否小于预置的运动阈值，若是，则判定对应的特征点为运动特征点，否则，判定该特征点为非运动特征点；
其中，所述计算使用公式：E(i，j)表示绝对误差和，(i，j)标识模板图像T在搜索图像S中的相对位置。
所述运动方向计算模块22，具体用于逐个根据各运动特征点的位置，查找对应的修正系数作为该点的权值；将当前帧所有运动特征点的权值按方向累加，得到当前帧运动直方图。
所述运动方向计算模块22，具体用于将当前帧运动直方图更新至运动直方图历史记录；根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图；对历史运动直方图进行二值化，得到当前帧运动方向记录，并更新至运动方向历史记录；根据运动方向历史记录，得到各方向最终运动特征点计数，将所述运动特征计数值超过预置的运动阈值的方向作为人群运动方向。其中，所述运动直方图的获取方法为现有技术，这里不做赘述；
所述运动直方图历史记录为保存的指定数量的运动直方图组成的集合；所述指定数量为根据实际情况指定，比如，可以指定保存50个；比如：假设当前帧运动直方图为H[8]，运动直方图历史记录包括50个运动直方图，表示为HH[8][50]；
所述根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图，可以使用公式：其中，S[n]表示历史运动直方图，n表示八个方向之一；
所述对历史运动直方图进行二值化，得到当前帧运动方向记录，可以使用公式：其中，D[n]表示当前帧运动方向记录，n表示八个方向之一；
所述根据运动方向历史记录，得到各方向最终计数，可以使用公式：其中，C[n]表示各方向最终计数，HS[n][j]表示运动方向历史记录，为保存的指定数量的运动方向记录组成的集合，n表示八个方向之一，j表示保存的运动方向记录。
所述人数计算模块23，具体用于采用混合高斯背景建模算法，得到背景图像和前景图像，对前景图像进行修正；其中，混合高斯背景建模算法为现有技术，这里不做赘述；所述对前景图像进行修正可以为采用形态学滤波，结合积分图像计算前景置信度的方法进行修正，为现有技术，这里不做赘述；
所述人数计算模块23，具体用于对当前帧图像进行Canny边缘检测得到初始边缘图像，以及与当前帧图像的前景图像进行与操作，得到修正的行人边缘图像；对修正的行人边缘图像中的边缘点计数，最终得到行人图像的边缘点。
所述人数计算模块23，具体用于根据行人图像的边缘点与当前帧图像的运动特征点所在位置，逐个查找预置的该点的修正系数，将所有行人图像的边缘点与当前帧图像的运动特征点对应的修正系数加权累加，得到数值作为行人数量。
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 (6)

1.一种人数及人群运动方向的计算方法，其特征在于，该方法包括：
提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点；
对当前帧图像的运动特征点按方向加权计数，得到人群运动方向；
从当前帧图像的前景图像中提取行人图像的边缘点，根据所述行人图像的边缘点与所述当前帧图像的运动特征点所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量；
所述将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点，包括：
逐个提取当前帧图像的特征点，在特征点的周围选取模板图像；从选取的历史帧图像中，在当前帧图像的特征点对应位置周围选取搜索图像；
利用模板图像，在搜索图像内匹配搜索，根据特征点与匹配点的位置关系进行判决，当距离大于设定的阈值时，判定当前帧图像的特征点为运动特征点；直至得到当前帧图像中的所有运动特征点及其运动方向。
2.根据权利要求1所述的方法，其特征在于，所述对当前帧图像的运动特征点按方向加权计数，得到人群运动方向，包括：
根据各运动特征点的位置，逐个查找对应的修正系数作为该点的权值；将当前帧所有运动特征点的权值按方向累加，得到当前帧运动直方图，并更新至运动直方图历史记录；
根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图；对历史运动直方图进行二值化，得到当前帧运动方向记录，并更新至运动方向历史记录；根据运动方向历史记录，得到各方向最终运动特征点计数，将所述运动特征点计数值超过预置的运动阈值的方向作为人群运动方向。
3.根据权利要求1所述的方法，其特征在于，所述根据所述行人图像的边缘点与所述当前帧图像的运动特征点所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量，包括：根据行人图像的边缘点与当前帧图像的运动特征点所在位置，逐个查找预置的所述运动特征点的修正系数，将所有行人图像的边缘点与当前帧图像的运动特征点对应的修正系数加权累加所得数值作为行人数量。
4.一种人数及人群运动方向的计算装置，其特征在于，该装置包括：图像获取模块、运动方向计算模块和人数计算模块；其中，
图像获取模块，用于为运动方向计算模块以及人数计算模块提供当前帧图像；
运动方向计算模块，用于提取当前帧图像的特征点，将当前帧图像的特征点与选取的历史帧图像对比，得到当前帧图像的运动特征点，对当前帧图像的运动特征点按方向加权计数，得到人群运动方向；
人数计算模块，用于从当前帧图像的前景图像中提取行人图像的边缘点，根据所述行人图像的边缘点与所述当前帧图像的运动特征点所在位置的修正系数，对行人图像的边缘点与当前帧图像的运动特征点联合加权计数，得到行人数量；
所述运动方向计算模块，具体用于逐个提取当前帧图像的特征点，在特征点的周围选取模板图像；从选取的历史帧图像中，在当前帧图像的特征点对应位置周围选取搜索图像；利用模板图像，在搜索图像内匹配搜索，根据特征点与匹配点的位置关系进行判决，当距离大于设定的阈值时，判定当前帧图像的特征点为运动特征点；直至得到当前帧图像中的所有运动特征点及其运动方向。
5.根据权利要求4所述的装置，其特征在于，
所述运动方向计算模块，具体用于根据各运动特征点的位置，逐个查找对应的所述人数计算模块根据的修正系数作为该点的权值；将当前帧所有运动特征点的权值按方向累加，得到当前帧运动直方图，并更新至运动直方图历史记录；根据运动直方图历史记录分别统计各方向的运动特征点总数，计算各方向运动特征点总数占运动特征点总数的比值，得到历史运动直方图；根据一定阈值，对历史运动直方图进行二值化，得到当前帧运动方向记录，并更新至运动方向历史记录；根据运动方向历史记录，得到各方向最终运动特征点计数，将所述运动特征点计数值超过预置的运动阈值的方向作为人群运动方向。
6.根据权利要求4所述的装置，其特征在于，所述人数计算模块，具体用于根据行人图像的边缘点与当前帧图像的运动特征点所在位置，逐个查找预置的所述运动特征点的修正系数，将所有行人图像的边缘点与当前帧图像的运动特征点对应的修正系数加权累加所得数值作为行人数量。
CN201210495159.6A 2012-11-28 2012-11-28 一种人数及人群运动方向的计算方法及装置 Active CN103854292B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201210495159.6A CN103854292B (zh) 2012-11-28 2012-11-28 一种人数及人群运动方向的计算方法及装置
EP13857870.3A EP2927871A4 (en) 2012-11-28 2013-09-17 METHOD AND DEVICE FOR CALCULATING THE NUMBER OF PEDESTRIAN AND MOVING DIRECTIONS OF A QUANTITY
US14/648,030 US9576199B2 (en) 2012-11-28 2013-09-17 Method and device for calculating number and moving direction of pedestrians
PCT/CN2013/083687 WO2014082480A1 (zh) 2012-11-28 2013-09-17 一种人数及人群运动方向的计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210495159.6A CN103854292B (zh) 2012-11-28 2012-11-28 一种人数及人群运动方向的计算方法及装置

Publications (2)

Publication Number Publication Date
CN103854292A CN103854292A (zh) 2014-06-11
CN103854292B true CN103854292B (zh) 2018-02-23

Family

ID=50827151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210495159.6A Active CN103854292B (zh) 2012-11-28 2012-11-28 一种人数及人群运动方向的计算方法及装置

Country Status (4)

Country Link
US (1) US9576199B2 (zh)
EP (1) EP2927871A4 (zh)
CN (1) CN103854292B (zh)
WO (1) WO2014082480A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844572B (zh) * 2016-03-25 2022-04-15 腾讯科技（深圳）有限公司 拥挤风险监控方法及拥挤风险监控装置
CN108346199A (zh) * 2017-01-22 2018-07-31 株式会社日立制作所 人数统计方法和人数统计装置
CN108197579B (zh) * 2018-01-09 2022-05-20 杭州智诺科技股份有限公司 防护舱中人数的检测方法
US11854262B1 (en) 2018-10-31 2023-12-26 United Services Automobile Association (Usaa) Post-disaster conditions monitoring system using drones
US12087051B1 (en) * 2018-10-31 2024-09-10 United Services Automobile Association (Usaa) Crowd-sourced imagery analysis of post-disaster conditions
US11125800B1 (en) 2018-10-31 2021-09-21 United Services Automobile Association (Usaa) Electrical power outage detection system
US11789003B1 (en) 2018-10-31 2023-10-17 United Services Automobile Association (Usaa) Water contamination detection system
US11538127B1 (en) 2018-10-31 2022-12-27 United Services Automobile Association (Usaa) Post-disaster conditions monitoring based on pre-existing networks
CN109409318B (zh) * 2018-11-07 2021-03-02 四川大学 统计模型的训练方法、统计方法、装置及存储介质
CN110096959B (zh) * 2019-03-28 2021-05-28 上海拍拍贷金融信息服务有限公司 人流量计算方法、装置以及计算机存储介质
CN110263643B (zh) * 2019-05-20 2023-05-16 上海兑观信息科技技术有限公司 一种基于时序关系的快速视频人群计数方法
CN112257485A (zh) * 2019-07-22 2021-01-22 北京双髻鲨科技有限公司 一种对象检测的方法、装置、存储介质及电子设备
CN111260696B (zh) * 2020-01-21 2023-04-18 北京工业大学 一种面向边缘端行人跟踪和人数精确统计的方法
US11348338B2 (en) 2020-11-04 2022-05-31 Huawei Technologies Co., Ltd. Methods and systems for crowd motion summarization via tracklet based human localization
CN112415964A (zh) * 2020-11-13 2021-02-26 佛山市顺德区美的电子科技有限公司 一种控制方法、装置、家电设备及存储介质
CN112446922A (zh) * 2020-11-24 2021-03-05 厦门熵基科技有限公司 一种通道闸行人反向判断方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976353A (zh) * 2010-10-28 2011-02-16 北京智安邦科技有限公司 低密度人群的统计方法及装置
CN102750710A (zh) * 2012-05-31 2012-10-24 信帧电子技术（北京）有限公司 一种图像中运动目标统计方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7778466B1 (en) * 2003-12-02 2010-08-17 Hrl Laboratories, Llc System and method for processing imagery using optical flow histograms
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
WO2009102013A1 (ja) * 2008-02-14 2009-08-20 Nec Corporation 移動ベクトル検出装置
CN101404086B (zh) * 2008-04-30 2012-05-09 浙江大学 基于视频的目标跟踪方法及装置
US9104909B2 (en) * 2010-12-15 2015-08-11 Canon Kabushiki Kaisha Image processing apparatus and method of processing image

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976353A (zh) * 2010-10-28 2011-02-16 北京智安邦科技有限公司 低密度人群的统计方法及装置
CN102750710A (zh) * 2012-05-31 2012-10-24 信帧电子技术（北京）有限公司 一种图像中运动目标统计方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Method for Counting People in Crowded Scenes;D.Conte等;《2010 Seventh IEEE International Conference on Advanced video and Signal Based Surveillance》;20100901;第225-232页 *
People Counting System in Crowded Scenes Based on Feature Regression;Hajer Fradi等;《20th European Signal Processing Conference (EUSIPCO2012)》;20120831;第136-140页 *
实时人数计数系统;何鹏等;《中国图象图形学报》;20110516;第16卷(第5期);第813-820页 *

Also Published As

Publication number Publication date
US20150310275A1 (en) 2015-10-29
US9576199B2 (en) 2017-02-21
WO2014082480A1 (zh) 2014-06-05
EP2927871A4 (en) 2016-11-23
EP2927871A1 (en) 2015-10-07
CN103854292A (zh) 2014-06-11

Similar Documents

Publication Publication Date Title
CN103854292B (zh) 一种人数及人群运动方向的计算方法及装置
CN106960195B (zh) 一种基于深度学习的人群计数方法及装置
CN108986064B (zh) 一种人流量统计方法、设备及系统
CN102542289B (zh) 一种基于多高斯计数模型的人流量统计方法
CN107633226B (zh) 一种人体动作跟踪特征处理方法
CN107909081B (zh) 一种深度学习中图像数据集的快速获取和快速标定方法
CN108694356B (zh) 行人检测装置及方法、辅助驾驶系统
CN104598883B (zh) 一种多摄像机监控网络中目标再识别的方法
CN110084165A (zh) 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法
CN109800629A (zh) 一种基于卷积神经网络的遥感图像目标检测方法
CN107886507B (zh) 一种基于图像背景和空间位置的显著区域检测方法
CN110287907B (zh) 一种对象检测方法和装置
CN102682303A (zh) 基于lbp加权社会力模型的人群异常事件检测方法
CN105469397B (zh) 一种基于系数矩阵分析的目标遮挡检测方法
CN103778436B (zh) 一种基于图像处理的行人姿态检测方法
JP2016015045A (ja) 画像認識装置、画像認識方法及びプログラム
CN107944354B (zh) 一种基于深度学习的车辆检测方法
CN106529441B (zh) 基于模糊边界分片的深度动作图人体行为识别方法
CN116977937A (zh) 一种行人重识别的方法及系统
CN105426928B (zh) 一种基于Haar特征和EOH特征的行人检测方法
CN112164093A (zh) 一种基于边缘特征和相关滤波的人物自动跟踪方法
CN101877135B (zh) 一种基于背景重构的运动目标检测方法
CN112580634A (zh) 基于计算机视觉的气密性检测光源调节方法及系统
CN108985216B (zh) 一种基于多元logistic回归特征融合的行人头部检测方法
CN108573217B (zh) 一种结合局部结构化信息的压缩跟踪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant