CN104794790B - 一种景区游客统计方法 - Google Patents
一种景区游客统计方法 Download PDFInfo
- Publication number
- CN104794790B CN104794790B CN201510198527.4A CN201510198527A CN104794790B CN 104794790 B CN104794790 B CN 104794790B CN 201510198527 A CN201510198527 A CN 201510198527A CN 104794790 B CN104794790 B CN 104794790B
- Authority
- CN
- China
- Prior art keywords
- visitor
- profile
- image
- scenic spot
- people
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种景区游客统计方法,通过对采集的游客分布图像进行人头图像识别,进行游客人数统计,能够准确、实时、有效的检测到图像中的游客人数,具有较高的抗干扰能力;本发明还公开了一种景区游客疏导方法,通过计算游客密度、每个景点在的时空负载、疏导分流能力及疏导阻力,计算资源匹配度,选取资源匹配度最大的疏导资源景点进行游客的疏导分流,其算法简单、难度较低,能够准确的进行游客分流疏导,实现景区景点游客负载相对平衡,具有一定的实用价值和市场应用前景。
Description
技术领域
本发明涉及一种景区游客统计方法,还涉及一种景区游客疏导方法,属于数据处理技术领域。
背景技术
随着经济和旅游业的发展,越来越多的人选择外出旅游,导致全国各地热门景点客流爆满。游客数量过多容易导致景区突发事件的增多,带来景区和游客间的冲突,同时也影响到游客旅游的心情。
针对景区旅游高峰不同的形成原因,很多学者研究了时间分流、客源分流、信息分流、价格分流和景区容量控制等模式来防止景区旅游客流高峰的形成,从而减轻对旅游生态环境的破坏,然而景区旅游高峰仍然存在,且正严重威胁着景区的可持续发展。
2014年9月10日中国专利数据库公开了一件专利名称为“一种景区游客时空调控与应急指引系统及方法”的发明专利,其申请号为:201410253143.3,该专利公开的景区游客时空调控与应急指引方法为:客流分析模块通过分析客流量采集器采集的景区内疏导点的双向客流量数据及视频监视器采集的景点核心区域及疏散要道的客流实时状态,判断景点客流量的饱和状态及景区是否存在异常现象,根据判断结果按照TRE数据库相关设定匹配各景点的分流方案及应急决策方案,并通过多媒体服务终端向游客传送信息,引导游客游览路线,缓解一定时空内游客过剩的状况。其不足之处在于:没有给出具体的客流量统计算法,也未给出客流量饱和的具体疏导方案,无法实现景区景点游客负载相对平衡。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种景区游客统计方法,解决现有技术中景区游客众多,游客人数统计困难,统计结果不准确的技术问题。
为解决上述技术问题,本发明所采用的技术方案是:一种景区游客统计方法,包括如下步骤:
STEP-01:将游客总数sum清零,设景区有n个景点,采集t时刻景点i的游客分布图像,并对所述游客分布图像进行预处理,得到游客分布图像中每一块区域的轮廓,其中i=1,2,...n;
STEP-02:根据轮廓特征对游客分布图像中的每一块区域进行人头图像分析判断:若判断不是人头图像,将其区域内所有像素灰度设为0;若判断是人头图像,则游客总数sum=sum+1,并将其区域内所有像素灰度设为0到255之间的一个值,该值不同于游客分布图像二值化后已存在的灰度值;
STEP-03:循环STEP-02,直至游客分布图像中所有轮廓分析判断完成,完成景点i在t时刻的游客人数统计。
所述预处理包括依次进行的:减背景处理、二值化处理、形态学处理和去毛刺处理。
所述人头图像分析判断包括如下步骤:
步骤3-01:设定最小人头图像面积,计算游客分布图像中的轮廓面积,如果轮廓面积小于最小人头图像面积,则排除是人头图像的可能性,并将轮廓所包围的区域标记为黑色,否则,进入下一步;
步骤3-02:计算轮廓的圆形度e,其中:S0表示轮廓面积;L0表示轮廓周长;
步骤3-03:将圆的圆弧度4π设为最小阈值,当轮廓的圆弧度小于最小阈值时,认定该轮廓为人头图像。
所述轮廓面积的计算方法如下:
保留每个轮廓点的序号,建立矢量表;
从矢量表中筛出Y坐标值相同的轮廓点,并根据它们的X坐标由小到大排序;
从Xmin到Xmax对每个轮廓点逐个进行矢量分析,然后作弦长计算,每一行弦长自动累加后的和即为轮廓面积。
所述轮廓周长的计算方法是:设所有相邻像素点距离均为1,轮廓上像素点的数目即为轮廓周长。
本发明的另一目的在于提供一种景区游客疏导方法,解决现有技术中游客分布不均衡的技术问题,它包括如下步骤:
步骤一:计算景区各景点游客密度:设景区共有n个景点,景点i在t时刻的游客密度为
其中:i=1,2,...n,为景点i在t时刻的游客人数,Si为景点i的游览面积;
若景点的游客密度超过最大忍受游客密度,则进入下一步;否则,循环本步骤,实时计算每个景点的游客密度;
步骤二:计算景点i在t时刻的时空负载
其中:ci为景点i的自然容量;vti为旅客在景点i的平均逗留时间;
步骤三:计算景区通道在t时刻的疏导分流能力Kt:假设每个景点仅有一个进出口:
Kt=c(v/l); (3)
c=ρwl; (4)
其中:l、w分别是景区通道的长和宽,ρ为景区通道上最大忍受游客密度,v为游客的平均行走速度;
步骤四:计算疏导阻力Zij:
Zij=aLij; (5)
其中:a为疏导阻力的前置系数;Lij为需疏导景点i与疏导资源景点j之间的距离;
步骤五:计算资源匹配度Tij t:将景区景点游客密度的大小按降序排列,游客密度最大的景点优先匹配资源,计算每个疏导资源景点与需疏导景点之间的资源匹配度,资源匹配度最高的景点作为疏导游客的最佳选择,资源匹配度Tij t的计算公式如下:
步骤六:实施疏导:向需疏导景点的游客传送疏导信息,列出游客当下可以选择的疏导资源景点,实现景区景点游客负载相对平衡。
采用统计人头数的方式统计景点i在t时刻的游客人数,具体方法如下:
步骤701:将游客总数sum清零,采集t时刻景点i的游客分布图像,并对所述游客分布图像进行预处理,得到游客分布图像中每一块区域的轮廓;
步骤702:根据轮廓特征对游客分布图像中的每一块区域进行人头图像分析判断:若判断不是人头图像,将其区域内所有像素灰度设为0;若判断是人头图像,则游客总数sum=sum+1,并将其区域内所有像素灰度设为0到255之间的一个值,该值不同于游客分布图像二值化后已存在的灰度值;
步骤703:循环步骤702,直至游客分布图像中所有轮廓分析判断完成,完成景点i在t时刻的游客人数统计。
所述预处理包括依次进行的:减背景处理、二值化处理、形态学处理和去毛刺处理。
步骤702中所述人头图像分析判断包括如下步骤:
步骤901:设定最小人头图像面积,计算游客分布图像中的轮廓面积,如果轮廓面积小于最小人头图像面积,则排除是人头图像的可能性,并将轮廓所包围的区域标记为黑色,否则,进入下一步;
步骤902:计算轮廓的圆形度e,
其中:S0表示轮廓面积;L0表示轮廓周长;
步骤903:将圆的圆弧度4π设为最小阈值,当轮廓的圆弧度小于最小阈值时,认定该轮廓为人头图像。
步骤四中需疏导景点i与疏导资源景点j之间的距离Lij根据景点电子地图采用长度测量工具计算得出。
与现有技术相比,本发明所达到的有益效果是:提供了一种景区游客统计方法,通过图像面积初步筛选和圆形度进一步筛选,能够准确、实时、有效的检测到图像中的游客人数,具有较高的抗干扰能力;同时提供了一种景区游客疏导方法,实时计算景区每个景点的游客密度,根据时空负载、疏导分流能力及疏导阻力计算资源匹配度,选取该值最大的疏导资源景点进行游客的疏导分流,算法简单、难度较低,能够准确的进行游客分流疏导,实现景区景点游客负载相对平衡,具有一定的实用价值和市场应用前景。
附图说明
图1是本发明提供的景区游客统计方法的流程图。
图2是本发明提供的景区游客疏导方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明以Windows作为运行环境,采用C++编程语言进行算法开发,其中的图像获取部分通过调用DLL程序实现Matlab代码的调用。景区的每一个景点均设有1个摄像头,作为游客分布图像的采集装置,本发明采用PE-V-200(室外)360度多镜头全景监控摄像头,它是一款能对较大场景进行全局监控、全程监视与全角度拍摄的摄像产品,可实现无缝监控,并能实时展开浏览全景视频。同时,景区的每一个景点还应当设有用于向游客传送信息的多媒体服务终端,多媒体服务终端可以是显示屏,也可以是音频广播。本发明采用KD-SC014610SL-E液晶拼接屏,该型号液晶拼接屏具备多功能信号接口,能稳定地处理输入输出信号,画面清晰。
如图1所示,是本发明提供的景区游客统计方法的流程图,包括如下步骤:
STEP-01:将游客总数sum清零,设景区有n个景点,采集集t时刻景点i (其中,i=1,2,...n)的游客分布图像,并对游客分布图像进行预处理,得到游客分布图像中每一块区域的轮廓。预处理包括依次进行的:利用imsubstract()函数进行的减背景处理、利用im2bw()函数进行灰度图像二值化处理、利用bwmorph()函数进行二值图像形态学处理和调用wiener函数进行自适应维纳滤波,达到去毛刺效果。
STEP-02:根据轮廓特征对游客分布图像中的每一块区域进行人头图像分析判断:若判断不是人头图像,将其区域内所有像素灰度设为0;若判断是人头图像,则游客总数sum=sum+1,并将其区域内所有像素灰度设为0到255之间的一个值,该值不同于游客分布图像二值化后已存在的灰度值。
人头图像分析判断包括如下步骤:
步骤3-01:设定最小人头图像面积,计算游客分布图像中的轮廓面积,如果轮廓面积小于最小人头图像面积,则排除是人头图像的可能性,并将轮廓所包围的区域标记为黑色,否则,进入下一步。
上述,轮廓面积的计算方法为:保留每个轮廓点的序号,建立矢量表;从矢量表中筛出Y坐标值相同的轮廓点,并根据它们的X坐标由小到大排序;从Xmin到Xmax对每个轮廓点逐个进行矢量分析,然后作弦长计算,每一行弦长自动累加后的和即为轮廓面积。
轮廓周长的计算方法是:设所有相邻像素点距离均为1,轮廓上像素点的数目即为轮廓周长。
步骤3-02:计算轮廓的圆形度e,其中:S0表示轮廓面积;L0表示轮廓周长;
步骤3-03:将圆的圆弧度4π设为最小阈值,当轮廓的圆弧度小于最小阈值时,认定该轮廓为人头图像,每检测到一个轮廓就立即进行筛选和人头识别,然后作不同的标记。
STEP-03:循环STEP-02,直至游客分布图像中所有轮廓分析判断完成,完成景点i在t时刻的游客人数统计。
如图2所示,是本发明提供的景区游客疏导方法的流程图,它包括如下步骤:
步骤一:计算景区各景点游客密度:设景区共有n个景点,景点i在t时刻的游客密度为
其中:i=1,2,...n,为景点i在t时刻的游客人数,Si为景点i的游览面积。景点i的游览面积Si可以在景区电子地图中利用工具将每一块景点划出来,然后用长度测量工具测出长和宽,进行面积计算。
若景点的游客密度超过最大忍受游客密度,则进入下一步;否则,循环本步骤,实时计算每个景点的游客密度;
步骤二:计算景点i在t时刻的时空负载
其中:ci为景点i的自然容量;vti为旅客在景点i的平均逗留时间。景点i的自然容量的计算方法是:景点面积除以平均每位游客占用面积再乘上景点日周转率,景点日周转率=景区一天开放时间/游客平均逗留时间。时空负载表征景点当前的疏导分流需求。
步骤三:计算景区通道在t时刻的疏导分流能力Kt:假设每个景点仅有一个进出口:
Kt=c(v/l); (3)
c=ρwl; (4)
其中:l、w分别是景区通道的长和宽,ρ为景区通道上最大忍受游客密度,v为游客的平均行走速度。疏导分流能力表征景区通道在单位时间内能够疏导的游客。
步骤四:计算疏导阻力Zij:
Zij=aLij; (5)
其中:a为疏导阻力的前置系数;Lij为需疏导景点i与疏导资源景点j之间的距离,假设景点之间的距离是一条虚拟的标量线段,在景区电子地图中利用长度测量工具测出景点之间的距离。疏导阻力即即疏导游客所需的距离代价,以表征需疏导景点与疏导资源景点之间的资源平衡阻力。
步骤五:计算资源匹配度Tij t:将景区景点游客密度的大小按降序排列,游客密度最大的景点优先匹配资源,计算每个疏导资源景点与需疏导景点之间的资源匹配度,资源匹配度最高的景点作为疏导游客的最佳选择,资源匹配度Tij t的计算公式如下:
步骤六:实施疏导:景区管理人员根据计算分析得出的疏导方案,通过管理系统软件,在终端监控中心电脑上分别向需要疏导的景点的液晶拼接屏传送疏导信息,列出当下游客可以选择的疏导资源景点,建议游客改变游览路线,以达到整个景区各景点负载相对平衡的状态。
本发明提供的景区游客疏导方法中游客人数统计方法采用本发明提供的景区游客统计方法进行统计,如图1所示。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (3)
1.一种景区游客统计方法,其特征在于,包括如下步骤:
STEP-01:将游客总数sum清零,设景区有n个景点,采集t时刻景点i的游客分布图像,并对所述游客分布图像进行预处理,得到游客分布图像中每一块区域的轮廓,其中i=1,2,...n;
STEP-02:根据轮廓特征对游客分布图像中的每一块区域进行人头图像分析判断:若判断不是人头图像,将其区域内所有像素灰度设为0;若判断是人头图像,则游客总数sum=sum+1,并将其区域内所有像素灰度设为0到255之间的一个值,该值不同于游客分布图像二值化后已存在的灰度值;
所述人头图像分析判断包括如下步骤:
步骤3-01:设定最小人头图像面积,计算游客分布图像中的轮廓面积,如果轮廓面积小于最小人头图像面积,则排除是人头图像的可能性,并将轮廓所包围的区域标记为黑色,否则,进入下一步;
步骤3-02:计算轮廓的圆形度e,其中:S0表示轮廓面积;L0表示轮廓周长;
所述轮廓面积的计算方法如下:
保留每个轮廓点的序号,建立矢量表;
从矢量表中筛出Y坐标值相同的轮廓点,并根据它们的X坐标由小到大排序;
从Xmin到Xmax对每个轮廓点逐个进行矢量分析,然后作弦长计算,每一行弦长自动累加后的和即为轮廓面积;
步骤3-03:将圆的圆形度4π设为最小阈值,当轮廓的圆形度小于最小阈值时,认定该轮廓为人头图像;
STEP-03:循环STEP-02,直至游客分布图像中所有轮廓分析判断完成,完成景点i在t时刻的游客人数统计。
2.根据权利要求1所述的景区游客统计方法,其特征在于,所述预处理包括依次进行的:减背景处理、二值化处理、形态学处理和去毛刺处理。
3.根据权利要求1所述的景区游客统计方法,其特征在于,所述轮廓周长的计算方法是:设所有相邻像素点距离均为1,轮廓上像素点的数目即为轮廓周长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510198527.4A CN104794790B (zh) | 2015-04-23 | 2015-04-23 | 一种景区游客统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510198527.4A CN104794790B (zh) | 2015-04-23 | 2015-04-23 | 一种景区游客统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794790A CN104794790A (zh) | 2015-07-22 |
CN104794790B true CN104794790B (zh) | 2017-10-17 |
Family
ID=53559567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510198527.4A Expired - Fee Related CN104794790B (zh) | 2015-04-23 | 2015-04-23 | 一种景区游客统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794790B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368947A (zh) * | 2017-06-16 | 2017-11-21 | 深圳市盛路物联通讯技术有限公司 | 一种游乐场管理方法及装置 |
CN108509913B (zh) * | 2018-03-30 | 2021-03-02 | 世纪美映影院技术服务(北京)有限公司 | 一种室内人数统计方法 |
CN109446895B (zh) * | 2018-09-18 | 2022-04-08 | 中国汽车技术研究中心有限公司 | 一种基于人体头部特征的行人识别方法 |
CN109509119A (zh) * | 2018-11-23 | 2019-03-22 | 四川长虹电器股份有限公司 | 景区游览线路引导系统及方法 |
CN111126713B (zh) * | 2019-12-31 | 2023-05-09 | 方正国际软件(北京)有限公司 | 基于卡口数据的时空热点预测方法、装置及控制器 |
CN113642362A (zh) * | 2020-05-11 | 2021-11-12 | 广东毓秀科技有限公司 | 用于密集场所智能逃生的人群密度估计方法 |
CN117968208A (zh) * | 2024-03-29 | 2024-05-03 | 中建安装集团有限公司 | 一种环境系统控制方法及控制系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120215698A1 (en) * | 2011-02-23 | 2012-08-23 | Brown Jr Robert | Biologic-biometrics snapshot profile PIN access system |
CN102169543B (zh) * | 2011-04-15 | 2013-04-03 | 苏州市慧视通讯科技有限公司 | 基于多源信息融合和在线学习的人头计数方法 |
CN103136703A (zh) * | 2012-12-27 | 2013-06-05 | 中州大学 | 一种统计处理游客密度分布的方法及系统 |
CN103440491A (zh) * | 2013-06-24 | 2013-12-11 | 中国科学院上海微系统与信息技术研究所 | 一种基于颜色特征的密集人流量实时检测方法 |
-
2015
- 2015-04-23 CN CN201510198527.4A patent/CN104794790B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104794790A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794790B (zh) | 一种景区游客统计方法 | |
CN109389086B (zh) | 检测无人机影像目标的方法和系统 | |
CN104424634B (zh) | 对象跟踪方法和装置 | |
CN107305635A (zh) | 对象识别方法、对象识别装置和分类器训练方法 | |
CN109101914A (zh) | 一种基于多尺度的行人检测方法和装置 | |
CN107408303A (zh) | 用于对象跟踪的系统和方法 | |
CN111079695B (zh) | 一种人体关键点检测与自学习方法及装置 | |
CN110163041A (zh) | 视频行人再识别方法、装置及存储介质 | |
CN104166861A (zh) | 一种行人检测方法 | |
GB2502187A (en) | Determining parking lot occupancy from digital camera images | |
CN107358141B (zh) | 数据识别的方法及装置 | |
CN103310183A (zh) | 人群聚集检测的方法与装置 | |
CN103577875A (zh) | 一种基于fast的计算机辅助cad人数统计方法 | |
CN107689157B (zh) | 基于深度学习的交通路口可通行道路规划方法 | |
Xing et al. | Traffic sign recognition using guided image filtering | |
CN110197494A (zh) | 一种基于单目红外图像的受电弓接触点实时检测算法 | |
CN111654694B (zh) | 图像处理算法的质量评测方法、装置及电子设备 | |
CN109711344A (zh) | 一种前端智能化的特定异常行为检测方法 | |
CN111914657B (zh) | 一种宠物行为检测方法、装置、电子设备及存储介质 | |
CN109708658A (zh) | 一种基于卷积神经网络的视觉里程计方法 | |
CN106570440A (zh) | 基于图像分析的人数统计方法和人数统计装置 | |
CN103150575A (zh) | 一种实时三维无标记人体姿态识别方法及系统 | |
CN106529441A (zh) | 基于模糊边界分片的深度动作图人体行为识别方法 | |
CN106056078A (zh) | 一种基于多特征回归式集成学习的人群密度估计方法 | |
CN112700473B (zh) | 一种基于图像识别进行车厢拥挤度判断系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171017 |