CN105844328A - 用于自动试运行人员计数系统的方法和系统 - Google Patents

用于自动试运行人员计数系统的方法和系统 Download PDF

Info

Publication number
CN105844328A
CN105844328A CN201510019651.XA CN201510019651A CN105844328A CN 105844328 A CN105844328 A CN 105844328A CN 201510019651 A CN201510019651 A CN 201510019651A CN 105844328 A CN105844328 A CN 105844328A
Authority
CN
China
Prior art keywords
personnel
counting
value
pixel
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.)
Granted
Application number
CN201510019651.XA
Other languages
English (en)
Other versions
CN105844328B (zh
Inventor
A.M.芬
方辉
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.)
Carrier Corp
Original Assignee
Carrier 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 Carrier Corp filed Critical Carrier Corp
Priority to CN201510019651.XA priority Critical patent/CN105844328B/zh
Priority to US15/529,758 priority patent/US10474905B2/en
Priority to PCT/CN2016/070889 priority patent/WO2016112859A1/en
Publication of CN105844328A publication Critical patent/CN105844328A/zh
Application granted granted Critical
Publication of CN105844328B publication Critical patent/CN105844328B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53Recognition of crowd images, e.g. recognition of crowd congestion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75Determining position or orientation of objects or cameras using feature-based methods involving models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30242Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种自动试运行人员计数系统的方法。所述方法包括收集人员计数数据、对所述收集的人员计数数据进行一个或多个分布拟合、根据所述一个或多个分布来确定值,以及将所述值设置为所述人员计数系统的关键参数。

Description

用于自动试运行人员计数系统的方法和系统
发明背景
本发明的实施方案涉及人员计数系统,并且更具体来说涉及人员计数系统的自动试运行。
人员计数的视频系统被用于各种应用中,如安全、HVAC能量优化、人群控制和管理,以及商务和零售分析。人员计数的视频系统过去使用两种方法—(i)检测和跟踪单独人员,这存在伴随的隐私风险,并且在拥挤的情况下存在潜在的跟踪不精确度,或者(ii)检测运动并且累计跨越一个区域的运动。后者的这些系统包括用来将累计运动转换成个人计数的决定性或关键参数,其中累计运动对应于“个人尺寸”,并且被计数为个体或者群组中特定(整数)数量的个体。
这些视频人员计数系统的安装会产生相当大的费用,这部分地归因于安装和试运行系统,即使系统进入工作状况以便执行人员计数所需要的劳力。
发明内容
根据一个实施方案,提供一种自动试运行人员计数系统的方法。所述方法包括收集人员计数数据、对所述收集的人员计数数据进行一个或多个分布拟合、根据所述一个或多个分布来确定值,以及将所述值设置为所述人员计数系统的关键参数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:所述人员计数数据包括激活像素的累计像素计数。此外,在一些实施方案中,一个或多个分布的所述拟合包括对所述人员计数数据的第一高斯(Gaussian)曲线拟合,和对所述人员计数数据的第二高斯曲线拟合。在一些此类实施方案中,所述第一高斯曲线表示单人计数,并且所述第二高斯曲线表示双人计数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:重复所述收集步骤、所述拟合步骤和所述确定步骤一次或多次,并且确定何时峰值在单个值上收敛。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:所述人员计数系统具有传感设备,所述传感设备用于感测穿过计数区域的人员。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:所述设置步骤包括针对单人计数、双人计数和三人计数来设置关键参数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:所述人员计数系统被配置成个人运输系统的一部分。
根据另一个实施方案,提供一种人员计数系统。所述人员计数系统包括:传感设备,其被配置来观察跨越计数区域的移动;处理器,其与所述传感设备通信,并且被配置来设置所述计数区域,所述处理器被配置来执行所述系统的自我试运行。所述自我试运行包括收集人员计数数据、对所述收集的人员计数数据进行一个或多个分布拟合、根据所述一个或多个分布来确定值,以及将所述值设置为所述人员计数系统的关键参数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:其中所述人员计数数据包括所述传感设备的视野中激活像素的累计像素计数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:其中一个或多个分布的所述拟合包括对所述人员计数数据的第一高斯曲线拟合,和对所述人员计数数据的第二高斯曲线拟合。在一些这类实施方案中,所述第一高斯曲线表示单人计数,并且所述第二高斯曲线表示双人计数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:其中所述处理器还被配置来重复所述收集步骤、所述拟合步骤和所述确定步骤一次或多次,并且确定何时峰值在单个值上收敛。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:其中所述设置步骤包括针对单人计数、双人计数和三人计数来设置关键参数。
除上文所述特征中的一个或多个特征之外,或者作为替代,其它实施方案可包括:其中所述人员计数系统被配置成个人运输系统的一部分。
本发明的实施方案的技术效果包括自动试运行人员计数系统。其它技术效果包括在人员计数系统的自动试运行期间精确确定关键参数,从而提供精确可靠的人员计数系统。其它技术效果包括如下人员计数系统:能够确定何时它是不精确的,且因此能够再次自动试运行,并持续提供维持其自身的精确和可靠人员计数系统。
附图简述
在本说明书结尾部分的权利要求书中具体地指出了被视为是本发明的主题并且在权利要求书中明确地提出保护要求。根据结合附图进行的以下详述,本发明的前述和其它特征以及优点是明显的,附图中:
图1为人员计数系统的示例性配置;
图2为利用自动化人员计数系统进行个人计数的图像的示意图;
图3为表示累计运动中像素数量的数据的拟合的示例性绘图,所述累计运动表示整数数量的人员;
图4为根据本发明的示例性实施方案的累计运动的示例性柱状图,图中带有对现实世界数据点的高斯拟合;
图5为根据本发明的示例性实施方案的自动试运行过程的流程图。
具体实施方式
本发明的实施方案提供基于图像或基于视频的人员计数系统,所述系统自动地并精确地自我试运行并且确定系统的关键参数。因此,本发明的实施方案提供一种不依赖于安装人员进行试运行过程的劳力的系统。在自动试运行期间,所述系统利用了估算技术,所述估算技术使用图像/视频数据的代表性样本来自动地估算运动累计人员计数系统的关键人员计数参数或“关键参数”。
参看图1,图中展示了示例性人员计数系统100的图解。在图1中,提供传感设备101,如视频摄像机、光学传感器、IR传感器、2D传感器、3D传感器等,所述传感设备101用于监视并计数穿过预定假想(或数字)区域102(下文称为“计数区域”)的人员。传感设备101连接到计算机或其它处理设备104。计算机104可包括中央处理器、易失性和非易失性存储器以及输入/输出设备,如显示器、键盘等。计算机104被配置来界定计数区域102,并且处理从传感设备101接收的信息或数据,如指示跨越计数区域102的运动的数据。数据可以是色彩、亮度等发生变化的像素的数量,或者可以基于用于辨别图像或视频中的运动的一些其它标准。尽管将传感设备101和计算机104展示为两个独立且明显不同的部件,但是本领域技术人员将了解的是,这两个设备可以合并或配置成单个装置或部件。此外,尽管将计算机104展示为靠近传感设备101,但这只是出于示例性目的来提供,并且,本领域技术人员将了解的是,计算机104可以位于远离传感设备101的任何地方,并且这两个部件可以借助任何已知的通信协议进行电子通信,所述协议包括但不限于蓝牙、Wi-Fi、硬连线等。
当使用传感设备101和计算机104时,例如,如传感设备101所查看到的,在人员106穿过计数区域102时,计算机104可以基于跨越计数区域102的被检测运动来确定个人已经穿过计数区域102,并且收集与之相关的数据。被检测运动可以根据表示、形成或界定传感设备101上的计数区域102的像素的变化来检测。例如,当个人或物体穿过计数区域102时,传感设备101和/或计算机104可以检测出构成或界定计数区域102的各种像素的色彩、亮度、强度等的变化。在下文中,由于运动而变化的像素将称为“激活像素”。
现在参看图2,图中展示穿过计数区域202的个人206的激活像素和累计运动的表示。图像200表示如由传感设备(如传感设备101)所看到的俯视图,或者表示如在计算机(如计算机104)的显示屏上所看到的俯视图。图像200包括计数区域202,它是预设的虚拟区域并且指示出于人员计数目的进行监视的位置。计数区域202被界定为图像200中的多个像素。因此,随着计数区域202的像素由于运动而激活,对运动进行累计将提供归因于运动的激活像素的像素计数。然后,像素的数量可以用来确定穿过计数区域202的人员数量。
在实践中,处理器或类似设备将对由穿过计数区域202的个人206所激活的像素的数量进行计数。在个人206穿过计数区域202时,不同数量的像素将基于(例如)个人的尺寸和形状以及其它因素而在整个运动期间被激活。然后,可以界定出像素块208、210、212,并且可以基于计数区域上激活像素的数量(块的宽度)乘以这些激活像素的平均速度(块的高度)来估算出所述像素块的大小。速度可以通过例如光学流的任何熟知的技术来计算。运动累计的值是累计所有像素块的值。通过使用像素速度信息,系统给出不同人员移动速度下的精确累计值。
如图2中所示,当个人206在移动方向214上移动时,像素块208表示穿过计数区域202的个人206的第一部分,如个人206头部的一部分。类似地,像素块210表示个人206肩部的起始处,这个像素块比像素块208具有更大数量的像素。像素块212表示个人206肩部处的全宽,因此,比像素块210具有更大数量的像素。因此,系统可以收集与由于检测运动而随着时间推移被激活的像素相关的数据。
然后,系统、处理器或其它设备可以累计像素块208、210和212以及任何其它像素块中所激活的像素的数量,所述其它像素块是在运动持续时间期间因跨越计数区域202的个人206的移动而激活的像素块。在图2的示例中,像素的累计数量表示单人穿过计数区域202,并且可以出于人员计数目的来进行计数或记分(tally)。在单人的情况下,计数/记分可以简单地基于走过计数区域202的个人所影响的像素的数量。然而,这在多于一个人穿过计数区域202或拥挤人群穿过计数区域202时更为困难。
当单人206穿过计数区域202时,所检测运动(激活像素)从零值变到某个零值,并且接着在个人206完全穿过计数区域202之后返回到零值。相应地,累计运动从某个第一值(如零值或某个恒定值)变到第二不同值。如果唯一地识别出从第一值到第二值的运动转变,那么值的差便是累计运动值,其可对应于穿过计数区域202的整数数量的人员。因此,这个示例的第二值必须是预定或已知的,以便在穿过计数区域202的一个人、两个人、三个人等之间进行区分。这个第二值将称为关键个人计数参数或关键参数,并且对穿过计数区域202的每一个整数数量的人员都存在关键参数。确定和设置关键参数被称为系统的试运行。
传统上,在试运行和设置人员计数系统时,需要地面真实(ground-truth)数据,例如对穿过计数区域的人员数量的实际了解,因为累计运动(像素数量)至少部分地取决于传感/成像/摄像机角度、人员的尺寸和形状、携带的物品、轮椅、由阻挡另一个人的“视野”的人员所提供的遮挡等。由于影响在累计运动中计数的像素数量的这些因素,不存在表示穿过计数区域的人员的每一个数量的精准数量。例如,如果两个人彼此手挽手穿过所述区域,那么在累计运动中计数的像素数量可能不同于两个人穿过所述区域而彼此完全不接触的情况。因此,关键参数是表示穿过所述区域的整数数量的人员的像素数量的估算值。然后,当激活的像素数量介于关键参数数量中的两个数量之间时,计数数量可以出于人员计数目的四舍五入成最接近的关键参数数量。
因此,当技术人员试运行和设置系统时,技术人员可以尝试通过应用地面真实值来校准系统,即,在已知数量的人员穿过计数区域时使用系统。技术人员必须使用这个已知信息来建立或设置关键参数,以便系统将在启动时对穿过计数区域的人员数量进行计数。然而,这个过程可能导致不精确度,因为穿过计数区域的个人所激活的像素数量可能并非在所有情况下都是相同的,如上文所述。即使穿过计数区域的人员的许多潜在情况可被呈现给系统,但是当技术人员必须确定关键参数时,系统仍然容易出现人为误差。
现在转而参看图3,图中展示绘图300,其显示人员计数系统中的遮挡问题。在图3中,水平轴线是穿过计数区域的人员的实际(地面真实)数量。垂直轴线是以像素表示且设置成任意标度的累计运动,所述像素是在检测到跨越计数区域的运动时进行计数或检测。图3是整数数量的人员可产生的各种数量的像素/累计运动的示例性数据绘图,并且展示了遮挡的影响。
在图3中,线302表示理想的成比例线性拟合,其中累计运动的像素数量成比例线性增加。即,当单人穿过计数区域时,点304表示所激活的像素数量,并且这是每一次单人穿过计数区域时所激活的像素数量(点304)。类似地,点306指示每一次两个人穿过计数区域时所激活的像素数量,其中点306是点304的像素数量的两倍。类似地,点308表示三个人,并且是点304的像素数量的三倍,而点310表示四个人,并且是点304的像素数量的四倍。在这些情况中的每一种情况下,累计运动每一次所产生的像素数量对于每一个整数数量的人员来说都是相同,并且在绘图上以单个点表示。
然而,如线312所示,累计运动所确定的激活像素的实际线性平均表示并不建立类似于线302的简单成比例线性拟合。与线302的“理想情况”相对比,每一次整数数量的人员穿过计数区域时,可以激活各种不同数量的像素,即使在已知地面真实值的情况下仍然如此。例如,参考数据点314,根据数据的代表性采样绘制单人的累计运动中的像素数量。如图所示,单人可以比理想情况(点304,线302上)产生或生产更多或更少的激活像素(数据点314)。如上文所论述的,这可能是由于携带物品的个人、个人的高度和/或体重、个人在穿过计数区域时所面向的角度、个人坐在轮椅上,或者归因于其它因素或其组合。因此,表示一个人穿过计数区域的点314分布在值的范围内。
类似地,当两个人穿过计数区域时,累计运动的像素数量分布在如数据点316所示的值的范围内。除了可在一个人穿过计数区域时扭曲或改变值的变量之外,当多个于一个人穿过计数区域时,也可能发生遮挡。遮挡是指用来执行人员计数的传感设备的视野的全部或部分阻挡。例如,一个人可阻挡传感设备查看另一个人的视线,因而被阻挡或被遮挡的人的一些像素/累计运动将不会被计数或甚至不会被观察到,从而导致所获得的总计数的减少。例如,在图3中,由于遮挡,所计数的并且表示两个人的所有点316都在“理想”点306下方。这在如点318所示的三个人以及如点320所示的四个人的情况继续如此,其中随着人员的数量增加,变化和/或发布变得更大。这是由于越来越多的可能遮挡以及这种遮挡会产生的差异。
因此,参看图3,对于一个人穿过计数区域来说,数据点314的像素计数分布表示在采样期间穿过计数区域的单独人员的分布。类似地,点316的像素计数分布表示穿过计数区域时的两个人的像素计数分布,等等。
仍然参看图3,数据点314、316、318和320可以用来表达线性关系或某个其它关系,这种关系可以用来表示何时特定数量的人员穿过计数区域。所述关系可以基于整数点中每一点处的平均值,或者基于一些其它标准。取决于所收集的样本数据点的应用和数量,并且在一些实施方案中,图3可以表示一次穿过计数区域的以一个人、两个人、三个人和四个人为分组的人群的一般大小(像素计数)分布,并且线312可以是在跨越计数区域的运动期间所激活的像素平均数量的一般表示。
因此,如果理想的线性成比例拟合302被用来计算关键参数,那么结果将有所偏差或不精确,这是由于在多个人穿过计数区域时缺乏对遮挡的补偿。如图所示,如果使用拟合302,大多数数据点314和316可以计成单人,并且数据点318和320中的一些数据点只可以分别计成穿过计数区域的两个人,而不是三个或四个人。此外,可能的是如果使用拟合302,那么由于遮挡以及数据点320与理想点310的较大偏移,因而无法对穿过计数区域的四个人进行计数。有鉴于此,应当使用拟合312进行人员计数。然而,即使使用线312,变化仍然会发生,并且累计运动的像素计数可以四舍五入成拟合在线312上的最接近整数。
鉴于上述内容,已经阐明:由于固有的不精确度和变量加上人为误差,人员计数系统的人为试运行可能是不精确的。因此,本发明的实施方案在于提供可靠的自我试运行系统。
根据本发明的实施方案,关键参数可以由系统本身自动地并精确地计算和设置。根据一些实施方案,可以收集能够对各种数学分布建模的数据。例如,高斯拟合可以被应用于数据的聚合体来确定关键参数(图4)—而不是依赖线性拟合(图3)。高斯建模允许获得累计运动与人员计数的平均值(和差异)。根据平均值(或高斯曲线的峰值),可以确定关键参数,并且所述差异可以允许四舍五入成最接近的人员整数计数的精确能力。在一些实施方案中,可以获得概率性个人计数估算值,即,在给定特定累计运动值的情况下,可以获得有多少人员穿过计数区域的对应概率。
参看图4,柱状图400展示人员计数数据的示例性现实世界样本,所述人员计数数据表示通过计数区域的人员。x轴表示累计运动的像素数量,以104计,而y轴表示在对所述像素数量(像素范围)进行计数的测试期间的出现次数。例如,在图4中,最左侧柱条402表示约1700个像素,并且在样本测试中出现约10次。应注意,绘图400的最左边部分上存在“空”点或空白点。这是由于一些较小数据值的预先过滤,如果包括这些较小数据值的话,那么它们会使结果有所偏差。使用预先过滤,这部分地是因为就所激活的像素来说存在合理的最小小人员尺寸,并且预先过滤会消除来自采样的噪音,所述采样很可能不是穿过计数区域的个人。
当随着时间推移而收集数据时,形成柱状图的许多柱条,并且将出现一个图样。参考图3,图中展示了像素计数由于遮挡而不是完全成比例的。然而,将会出现一些像素计数或像素计数范围,这些像素计数或像素计数范围更通常不是在一个人、两个人、三个人等穿过计数区域时出现。这在图4中通过一系列峰值404、406、408来展示,这些峰值具有高的出现发生率。这些峰值404、406、408可被假设成分别表示一个人、两个人和三个人。然而,存在重叠计数或者并不拟合于峰值404、406、408内或峰值404、406、408处的计数。当两个人由于遮挡或其它因素而激活与三个人的情况相同数量的像素时,所述重叠就可发生。因此,如图4所示,产生数据的分布。
利用这个数据,系统可对数据进行高斯曲线拟合(这不是图3中的线性拟合)。因此,高斯拟合410被拟合成数据的第一高斯分布,并且理想地涵盖表示穿过计数区域的单人的数据。在图4的示例性数据中,第一高斯拟合410具有3,319个像素的平均值,它是拟合410的最大值或峰值,并且具有585个像素的差异。这个值(3,319)表示穿过计数区域的一个人的平均像素数量,并因此从第一高斯拟合所提取的值是这个整数(一)的关键参数。因此,在这个示例中,穿过计数区域的单人的关键参数是3,319个像素。此外,约2,734个像素到约3,904个像素的任何计数也可以基于差异而计成单人。
接下来,第二高斯拟合412被用于对数据进行拟合,并且它基于大约第二峰值406。因为这是第二高斯拟合,所以其表示同时穿过计数区域的两个人。在这个示例中,拟合412的峰值是5,963个像素,其中差异是1,286个像素。类似地,第三高斯拟合414被用于对数据进行拟合,其中峰值为11,429个像素并且差异为3,744个像素,并且表示同时穿过计数区域的三个人。如图4中所显示,表示两个人的像素数量(5,963个像素)并不是表示一个人的像素数量(3,319个像素)的两倍。在这个示例中,由于有限数据以及数据的广泛散布,更高的平均高斯分布更加不精确。然而,随着收集到更多数据,结果将更为精确。
然后,系统可以取用每一个高斯峰值的像素计数,并且将这个数量设置为用于每一个整数数量的人员的人员计数的关键参数。例如,在使用图4所提供的数据点的情况下,高斯拟合402可以是针对一个人的收敛第一高斯拟合,并且峰值像素计数被设置为穿过计数区域的单人的关键参数,即,针对穿过计数区域的单人的累计运动来说为3,319个像素。类似地,系统可以应用收敛第二高斯拟合404来表示穿过计数区域的两个人,并且可以将峰值像素计数选为针对两个人的关键参数,即,针对穿过计数区域的两个人的累计运动来说为5,963个像素。这可以继续针对三个人或更多个人的情况进行。
在自我试运行期间,系统可以工作在一段时间,以便获得足够的数据点来拟合高斯曲线并提取关键参数。系统可以被配置成“知道”何时已达到关键参数,即,系统可以知道何时已收集到足够数据。例如,系统可以利用基于图3所呈现的信息的预设配置来作为基线或指导来工作。因此,系统可以具有表示一个人、两个人、三个人等的累计运动像素计数的“想法”。然后,当在类似于图3所提供的情况对各个值进行重复拟合之后,高斯曲线收敛时,系统将知道拟合是精确的并且可以设置关键参数。这个过程相比只将值设置成图3中的那些值的优势在于:可以确定与系统相关联的现实世界差异。
另外,在系统工作时,它可以基于持续的现实世界观察和数据收集来调整关键参数。例如,即使在系统已完成自我试运行之后,系统可持续地或周期性地检查用来确定关键参数的高斯拟合,并且根据需要来调整值。
此外,如果系统被设置来使得角度不同于指导数量(图3),那么关键参数可被调整来基于现实世界观察而不是预定计算和/或模拟而提供最精确的人员计数结果。系统可以生成如图4中所示的柱状图,或者可以生成包括更多数据且因此更精确结果的柱状图。然而,在任何情况下,在收集数据点时,一旦柱状图的峰值开始出现,便可以应用高斯拟合来确定关键参数。在收集到更多数据时,高斯拟合可以再次应用并重新拟合,并且随着时间推移将会进行收敛,从而产生最佳的高斯拟合。因为基于所收集数据的收敛,所以在一些实施方案中完全不需要知道或应用图3的拟合,这是因为对特定值的仅仅高斯拟合收敛便足以确定和设置系统的关键参数。
当高斯拟合稳定或已经收敛时,系统将设置关键参数,并且完成自动试运行过程。系统随后将准备提供精确的人员计数,而无需影像系统试运行的人为误差。
现在转而参看图5,图中展示根据本发明实施方案的自动试运行人员计数系统的示例性过程500的流程图。在步骤502,传感设备被设置在要针对人员计数进行监视的位置处。在步骤504,为系统建立计数区域。然后,在步骤506,系统收集初步数据。初步数据收集必需对每次穿过计数区域时对累计运动的特定数量像素进行计数的次数进行计数(例如,参看图4)。在步骤508,系统可以绘制所收集的数据,或者以数学方式分析和/或准备数据。在步骤510,系统会对所收集的数据进行分布(如高斯曲线)应用或拟合。此外,系统可以在步骤512继续收集数据,并且在步骤514可以再次应用分布拟合。在步骤516,系统确定分布拟合是否已收敛或在某一差异或范围内不发生变化。如果分布拟合还没有收敛,那么系统可以返回到步骤512,并且收集其它数据。然而,如果分布拟合已经收敛,那么系统可以在步骤518提取或确定人员计数系统的关键参数,并且完成系统的自动试运行。
在一些实施方案中,系统可以不时地执行自动试运行过程,以便重新校准或检查关键参数和/或验证系统的精确度。因而,一旦系统被实体安装,便可以在任何时候执行自动试运行。
有利地,本发明的实施方案提供用于自动试运行人员计数的系统精确系统。此外,有利地,本发明的实施方案在自动试运行期间消除了对人为互动的依赖,并且消除了系统的人为误差。此外,有利地,在一些实施方案中,系统可以自我确定何时完成自动试运行,或何时可需要使用所公开的过程来重新校准。
虽然仅结合有限数量的实施方案对本发明进行了详细描述,但是应易于理解,本发明不限于这些已公开的实施方案。相反,本发明可以进行修改来并入之前并未描述但与本发明的精神和范围相符的任何数量的变化方案、替代方案、替换方案、组合、子组合或等效布置。另外,虽然已描述了本发明的各种实施方案,但是应理解本发明的各方面可仅包括所描述实施方案中的一些实施方案。
例如,如上所述,在根据本发明的实施方案确定关键参数时,可以应用其它类型的数学表示或拟合。例如,可以使用不同于高斯分布的其它数学分布,如对数正态分布,或者本领域中已知的或将为知晓的其它分布。使用不同的分布可部分地取决于数据的基本分布。另外,尽管描述和展示为数据的图形拟合,但是本领域的技术人员将了解的是,这并非是必须的,并且可以利用处理器计算性地执行拟合。此外,尽管图4只展示四个高斯拟合,但是这可以是任何数量,并且在数据点的数量增加时,这些拟合的精确度也会增加。另外,在一些实施方案中,不是依赖于高斯曲线的差异来确定计数的恰当“四舍五入”,而是可以出于人员计数目的只将单个计数四舍五入成最接近的整数数量。
另外,系统的物理部件可以不同于上文所述的部件。例如,在一些实施方案中,传感设备和计算机可以被配置成单个装置。另外,本文所述的自动试运行过程的各种步骤可以省略或重复,或者可以在不背离本发明范围的情况下增加其它步骤。例如,只需要一个数据集来确定关键参数,而不需“重新拟合”绘图。这可能会发生在如下情形中:执行自动试运行过程持续足够的持续时间来获得大量的数据,从而对数据进行精确曲线拟合并提取关键参数。
此外,如本文所使用的术语“传感设备”包括可以被配置来检测移动的摄像机、视频、检测器、2D传感器、3D传感器。此外,术语“图像”和“视频”在本公开中一般针对任何2D或3D传感设备输出来使用。本领域的一般技术人员将清楚地知道,存在多种3D(深度)传感技术,包括但不限于结构光、相移、飞行时间(time offlight)、立体三角测量、光三角测量板、光场摄像机、编码光圈摄像机、计算成像技术,如离焦深度法、基于运动的结构法(SFM)、同时定位和映射法(SLAM)、成像雷达、成像声纳、扫描LIDAR、闪速LIDAR等。同样地,本领域的一般技术人员熟知的是,不同的2D或3D照相技术可以是有源的或无源的,并且可以在电磁或声学频谱的不同频带中操作。
此外,本文所述的实施方案可以有利地应用于各种个人运输系统。例如,本文所述的自动试运行和人员计数系统可以用来对使用电梯、自动扶梯、载人工具等的个人进行计数。此外,这写系统可以用于人群控制和管理和/或用于HVAC应用,如确定建筑或其它空间内人员的数量。
因此,本发明不应被视为受前文描述的限制,而是仅受所附权利要求书的范围限制。

Claims (15)

1.一种自动试运行人员计数系统的方法,其包括:
收集人员计数数据;
对所述收集的人员计数数据进行一个或多个分布拟合;
根据所述一个或多个分布来确定值;以及
将所述值设置为所述人员计数系统的关键参数。
2.如权利要求1所述方法,其中所述人员计数数据包括激活像素的累计像素计数。
3.如权利要求1所述的方法,其中一个或多个分布的所述拟合包括对所述人员计数数据的第一高斯曲线拟合,和对所述人员计数数据的第二高斯曲线拟合。
4.如权利要求3所述的方法,其中所述第一高斯曲线表示单人计数,并且所述第二高斯曲线表示双人计数。
5.如权利要求1所述的方法,其还包括:
重复所述收集步骤、所述拟合步骤和所述确定步骤一次或多次;以及
确定何时峰值在单个值上收敛。
6.如权利要求1所述的方法,其中所述人员计数系统包括传感设备,所述传感设备用于检测穿过计数区域的人员。
7.如权利要求1所述的方法,其中所述设置步骤包括针对单人计数、双人计数和三人计数来设置关键参数。
8.如权利要求1所述的方法,其中所述人员计数系统被配置成个人运输系统的一部分。
9.一种人员计数系统,其包括:
传感设备,其被配置来观察跨越计数区域的移动;
处理器,其与所述传感设备通信,并且被配置来设置所述计数区域;
所述处理器被配置来执行所述系统的自我试运行,所述自我试运行包括:
收集人员计数数据;
对所述收集的人员计数数据进行一个或多个分布拟合;
根据所述一个或多个分布来确定值;以及
将所述值设置为所述人员计数系统的关键参数。
10.如权利要求9所述的系统,其中所述人员计数数据包括所述传感设备的视野中激活像素的累计像素计数。
11.如权利要求9所述的系统,其中一个或多个分布的所述拟合包括对所述人员计数数据的第一高斯曲线拟合,和对所述人员计数数据的第二高斯曲线拟合。
12.如权利要求11所述的系统,其中所述第一高斯曲线表示单人计数,并且所述第二高斯曲线表示双人计数。
13.如权利要求9所述的系统,其中所述处理器还被配置来:
重复所述收集步骤、所述拟合步骤和所述确定步骤一次或多次;以及
确定何时峰值在单个值上收敛。
14.如权利要求9所述的系统,其中所述设置步骤包括针对单人计数、双人计数和三人计数来设置关键参数。
15.如权利要求9所述的系统,其中所述人员计数系统被配置成个人运输系统的一部分。
CN201510019651.XA 2015-01-15 2015-01-15 用于自动试运行人员计数系统的方法和系统 Expired - Fee Related CN105844328B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510019651.XA CN105844328B (zh) 2015-01-15 2015-01-15 用于自动试运行人员计数系统的方法和系统
US15/529,758 US10474905B2 (en) 2015-01-15 2016-01-14 Methods and systems for auto-commissioning people counting systems
PCT/CN2016/070889 WO2016112859A1 (en) 2015-01-15 2016-01-14 Methods and systems for auto-commissioning people counting systems

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510019651.XA CN105844328B (zh) 2015-01-15 2015-01-15 用于自动试运行人员计数系统的方法和系统

Publications (2)

Publication Number Publication Date
CN105844328A true CN105844328A (zh) 2016-08-10
CN105844328B CN105844328B (zh) 2021-03-02

Family

ID=56405256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510019651.XA Expired - Fee Related CN105844328B (zh) 2015-01-15 2015-01-15 用于自动试运行人员计数系统的方法和系统

Country Status (3)

Country Link
US (1) US10474905B2 (zh)
CN (1) CN105844328B (zh)
WO (1) WO2016112859A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429440A (zh) * 2020-03-31 2020-07-17 上海杏脉信息科技有限公司 显微病理图像细胞充足检测方法、系统、设备、装置及介质
CN114822043A (zh) * 2022-06-29 2022-07-29 长沙海信智能系统研究院有限公司 道路拥堵检测方法、装置及电子设备

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018102190A1 (en) 2016-11-29 2018-06-07 Blackmore Sensors and Analytics Inc. Method and system for classification of an object in a point cloud data set
EP3548925B1 (en) 2016-11-30 2024-05-22 Aurora Operations, Inc. Method and system for automatic real-time adaptive scanning with optical ranging systems
JP6811862B2 (ja) 2016-11-30 2021-01-13 ブラックモア センサーズ アンド アナリティクス エルエルシー 光学測距システムによる適応走査の方法およびシステム
CN113985427A (zh) 2016-11-30 2022-01-28 布莱克莫尔传感器和分析有限责任公司 对光学啁啾距离检测进行多普勒检测和校正的方法和系统
US10422880B2 (en) 2017-02-03 2019-09-24 Blackmore Sensors and Analytics Inc. Method and system for doppler detection and doppler correction of optical phase-encoded range detection
JP6910208B2 (ja) * 2017-05-30 2021-07-28 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
US10401495B2 (en) 2017-07-10 2019-09-03 Blackmore Sensors and Analytics Inc. Method and system for time separated quadrature detection of doppler effects in optical range measurements
EP4246176A3 (en) * 2018-04-23 2023-12-13 Blackmore Sensors & Analytics, LLC Method and system for controlling autonomous vehicle using coherent range doppler optical sensors
US11053729B2 (en) * 2018-06-29 2021-07-06 Overhead Door Corporation Door system and method with early warning sensors
CN110807345A (zh) 2018-08-06 2020-02-18 开利公司 建筑物疏散方法和建筑物疏散系统
CA3116615A1 (en) * 2018-12-21 2020-06-25 Inventio Ag Registration of users of a passenger transport system
US11822010B2 (en) 2019-01-04 2023-11-21 Blackmore Sensors & Analytics, Llc LIDAR system
US20210398691A1 (en) * 2020-06-22 2021-12-23 Honeywell International Inc. Methods and systems for reducing a risk of spread of disease among people in a space
WO2022035876A1 (en) * 2020-08-10 2022-02-17 Ran Yahav Determining number of persons in space and influencing crowd dispersal by display totems

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030139886A1 (en) * 2001-09-05 2003-07-24 Bodzin Leon J. Method and apparatus for normalization and deconvolution of assay data
US20040041575A1 (en) * 2002-09-03 2004-03-04 Romain Desplats Apparatus and method for detecting photon emissions from transistors
US20050276446A1 (en) * 2004-06-10 2005-12-15 Samsung Electronics Co. Ltd. Apparatus and method for extracting moving objects from video
CN103093198A (zh) * 2013-01-15 2013-05-08 信帧电子技术(北京)有限公司 一种人群密度监测方法及装置
US20140025342A1 (en) * 2006-05-26 2014-01-23 Waters Technologies Corporation Ion detection and parameter estimation for n-dimensional data
CN103714346A (zh) * 2013-12-27 2014-04-09 杭州电子科技大学 一种基于视频监控的人群人数估计方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US669704A (en) 1900-02-05 1901-03-12 Frank S Perry Automatic weighing-machine.
US4303851A (en) 1979-10-16 1981-12-01 Otis Elevator Company People and object counting system
WO1994027408A1 (en) * 1993-05-14 1994-11-24 Rct Systems, Inc. Video traffic monitor for retail establishments and the like
US7203338B2 (en) 2002-12-11 2007-04-10 Nielsen Media Research, Inc. Methods and apparatus to count people appearing in an image
GB0308943D0 (en) * 2003-04-17 2003-05-28 Univ Dundee A system for determining the body pose of a person from images
WO2006105655A1 (en) 2005-04-06 2006-10-12 March Networks Corporation Method and system for counting moving objects in a digital video stream
US7409076B2 (en) 2005-05-27 2008-08-05 International Business Machines Corporation Methods and apparatus for automatically tracking moving entities entering and exiting a specified region
US8224026B2 (en) 2005-12-08 2012-07-17 Lenel Systems International, Inc. System and method for counting people near external windowed doors
US7787656B2 (en) 2007-03-01 2010-08-31 Huper Laboratories Co., Ltd. Method for counting people passing through a gate
US7965866B2 (en) 2007-07-03 2011-06-21 Shoppertrak Rct Corporation System and process for detecting, tracking and counting human objects of interest
US7991193B2 (en) * 2007-07-30 2011-08-02 International Business Machines Corporation Automated learning for people counting systems
WO2009041242A1 (ja) 2007-09-28 2009-04-02 Nec Soft, Ltd. 集計システム、集計装置、及び集計方法
EP2093698A1 (en) * 2008-02-19 2009-08-26 British Telecommunications Public Limited Company Crowd congestion analysis
US8325976B1 (en) 2008-03-14 2012-12-04 Verint Systems Ltd. Systems and methods for adaptive bi-directional people counting
US8238603B1 (en) * 2008-03-14 2012-08-07 Verint Systems Ltd. Systems and methods for multi-pass adaptive people counting
US8885047B2 (en) 2008-07-16 2014-11-11 Verint Systems Inc. System and method for capturing, storing, analyzing and displaying data relating to the movements of objects
US9299231B2 (en) 2009-02-26 2016-03-29 Tko Enterprises, Inc. Image processing sensor systems
GB2476500B (en) * 2009-12-24 2012-06-20 Infrared Integrated Syst Ltd Activity mapping system
KR101222482B1 (ko) 2011-06-23 2013-01-15 브이씨에이 테크놀러지 엘티디 설정 인터페이스를 구비한 피플 카운터 및 그 설정 방법
US9922256B2 (en) * 2011-06-30 2018-03-20 Yale University Subject sensing in an environment
TWI448977B (zh) 2011-12-08 2014-08-11 Ind Tech Res Inst 基於視訊分析的物件計數方法與裝置
JP6650677B2 (ja) * 2015-02-26 2020-02-19 キヤノン株式会社 映像処理装置、映像処理方法、およびプログラム
US10152630B2 (en) * 2016-08-09 2018-12-11 Qualcomm Incorporated Methods and systems of performing blob filtering in video analytics

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030139886A1 (en) * 2001-09-05 2003-07-24 Bodzin Leon J. Method and apparatus for normalization and deconvolution of assay data
US20040041575A1 (en) * 2002-09-03 2004-03-04 Romain Desplats Apparatus and method for detecting photon emissions from transistors
US20050276446A1 (en) * 2004-06-10 2005-12-15 Samsung Electronics Co. Ltd. Apparatus and method for extracting moving objects from video
US20140025342A1 (en) * 2006-05-26 2014-01-23 Waters Technologies Corporation Ion detection and parameter estimation for n-dimensional data
CN103093198A (zh) * 2013-01-15 2013-05-08 信帧电子技术(北京)有限公司 一种人群密度监测方法及装置
CN103714346A (zh) * 2013-12-27 2014-04-09 杭州电子科技大学 一种基于视频监控的人群人数估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
柴进: ""视频监控中的人数统计和人群密度分析"", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429440A (zh) * 2020-03-31 2020-07-17 上海杏脉信息科技有限公司 显微病理图像细胞充足检测方法、系统、设备、装置及介质
CN111429440B (zh) * 2020-03-31 2023-04-28 上海杏脉信息科技有限公司 显微病理图像细胞充足检测方法、系统、设备、装置及介质
CN114822043A (zh) * 2022-06-29 2022-07-29 长沙海信智能系统研究院有限公司 道路拥堵检测方法、装置及电子设备
CN114822043B (zh) * 2022-06-29 2022-09-13 长沙海信智能系统研究院有限公司 道路拥堵检测方法、装置及电子设备

Also Published As

Publication number Publication date
US10474905B2 (en) 2019-11-12
US20180307913A1 (en) 2018-10-25
CN105844328B (zh) 2021-03-02
WO2016112859A1 (en) 2016-07-21

Similar Documents

Publication Publication Date Title
CN105844328A (zh) 用于自动试运行人员计数系统的方法和系统
CN102760234B (zh) 深度图像采集装置、系统及其方法
CN104680555B (zh) 基于视频监控的越界检测方法及越界监控系统
CN103716579B (zh) 视频监控方法及系统
KR101558258B1 (ko) Tof카메라를 이용한 피플 카운터 및 그 카운트 방법
US20040153671A1 (en) Automated physical access control systems and methods
CN104657993B (zh) 一种镜头遮挡检测方法及装置
CN107079093B (zh) 校准装置
EP2857939A1 (en) Pupil detection method, corneal reflex detection method, facial posture detection method, and pupil tracking method
CN104173054A (zh) 基于双目视觉技术的人体身高测量方法及其装置
AU2016307843A1 (en) 3D face reconstruction from gate camera
CN105354825B (zh) 自动识别读写场景中读物位置的智能装置及其应用
CN105139447A (zh) 基于双摄像头的坐姿实时检测方法
CN104823522A (zh) 用于对照明空间提取特征的传感照明系统和方法
WO2007018523A2 (en) Method and apparatus for stereo, multi-camera tracking and rf and video track fusion
US12039803B2 (en) Techniques for automatically identifying secondary objects in a stereo-optical counting system
CN104966062A (zh) 视频监视方法和装置
CN104349136A (zh) 三维侦测装置侦测影像的方法
CN105354822B (zh) 自动识别读写场景中读写元素位置的智能装置及应用
CN110067274A (zh) 设备控制方法及挖掘机
CN109711267A (zh) 一种行人重识别、行人运动轨迹生成方法及装置
US20210133491A1 (en) System and method for detecting, tracking and counting human objects of interest with an improved height calculation
CN108230351A (zh) 基于双目立体视觉行人检测的柜台评价方法与系统
CN106056030A (zh) 用于对人数进行计数的方法和设备
CN109341588A (zh) 一种双目结构光三系统法视角加权的三维轮廓测量方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for 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

Granted publication date: 20210302

CF01 Termination of patent right due to non-payment of annual fee