CN106372566A - 一种基于数字标牌紧急疏散系统及方法 - Google Patents

Abstract

本发明公开了一种基于数字标牌紧急疏散系统及方法，该系统包括：摄像头系统，能够实时监控；图像采集模块，用于实时对监控区域的图像进行采样；人脸检测模块，用于对采样图像范围内的人脸进行检测；云端，对人脸重复率进行检测，并且根据统计的人数与警戒人数作对比；数字标牌和高音喇叭集成模块，用于根据云端发送的指令来指导人群有序疏散；PC端，用来实时监控各个监控区域的情况和显示人数统计情况。该系统及方法可以有效的实时监控区域的人流，对人数进行评估，且评估精度较高，可以保障监控区域的安全。

Description

一种基于数字标牌紧急疏散系统及方法

技术领域

本发明涉及基于数字标牌紧急疏散系统及方法，尤其涉及到一种人脸检测进行人数统计的紧急疏散系统及方法。

背景技术

随着经济社会的日益发展，群众日常生活更加丰富多彩。在许多旅游景区，车站，商场等地经常会发生人流拥挤，特别容易发生踩踏，拥堵等意外事件。并且在灾难发生或者将要发生时还没有一个有效的手段来指挥人流按照秩序疏散，以减轻或避免灾难的发生。目前拥有的紧急疏散系统都是在灾难发生时，由相应的传感设备感应之后才自发报警，或者在人为的干预下报警，指挥通常也是人工通过高音喇叭来呼喊指导人流疏散。而慌乱中的人群根本无暇顾及指挥人员的指挥，甚至会造成混乱进一步恶化，单纯配合喇叭的人工指挥难以达到优良的指挥效果。与此同时，人为目测很难有精确的数据来说明；并且人为检测容易造成人工疲劳，导致疏忽。

目前还没有一种有效的装置和方法来保证灾难将要发生时提前预警并且作出及时的应急响应；因此，发明设计一套自动预警并且替代人工的有效指挥方法是非常有意义的。

发明内容

本发明要解决的技术问题是：能够有效的实时监控区域人数，当有可能的灾难将要发生时，能够指导人群有序的疏散。

为解决上述问题，本发明提供了一种基于数字标牌紧急疏散系统，其特征在于，该系统包括：

摄像头系统，用于保证监控区域无死角，能够实时监控，保证监控区域内的人脸至少被一个摄像头检测到；

数字图像采集模块，用于对监控区域的图像进行采样，并将采样图像传递给人脸检测模块；人脸检测模块，与数字图像采集模块相连，用于对采样图像范围内的人脸进行检测，并提取关键信息发送到云端；

云端，根据人脸检测模块提取来的关键信息进行处理，对人脸重复率进行检测，并且根据统计的人数与警戒人数作对比；

数字标牌和高音喇叭集成模块，其与云端相连，用于根据云端发送的指令来指导人群有序疏散；

PC端，与云端相连，用来实时监控各个监控区域的情况和显示人数统计情况。

进一步地，所述监控区域为矩形区域，所述摄像头系统包括8个摄像头。

进一步地，所述人脸检测模块包括：数字图像处理单元和人脸检测单元，其中数字图像处理单元用于将原始图像进行降金字塔处理，RGB图像到YCbCr空间的转换，灰度图像的转换；人脸检测单元根据肤色提取和Haar特征相结合的人脸检测算法对所采集到的图像进行人脸检测。

进一步地，所述云端包括：人脸重复率检测模块，用以消除同一人脸因多次检测重复计数而导致的统计不准确；人数统计模块，对于人脸重复率检测整合之后，根据所检测到的人脸进行人数的统计；报警控制模块，根据统计之后的数据与设定好的人数警戒值做比较，决定数字标牌和高音喇叭集成模块是正常播放广告，还是发出报警并指导人群疏散。

本发明还提供了一种基于数字标牌紧急疏散的方法，其特征在于，该方法包括以下步骤：

S1：通过摄像头系统采集监控区域内人脸图像；

S2：通过数字图像采集模块对摄像头系统采集的人脸图像进行实时采样，并发送到人脸检测及追踪模块；

S3：通过人脸检测模块对数字图像采样模块传送来的人脸图像进行人脸检测，并提取人脸关键信息发送到云端；

S4：云端对提取的人脸关键信息进行人脸重复率检测，并根据检测的人脸进行人数的统计，最后将统计的人数跟设定的警戒人数作对比，来控制数字标牌和高音喇叭集成模块是否报警并播放指示人群疏散的指令。

进一步地，步骤S1进一步包括：

S1.1：将所述监控区域设定为矩形区域，在该矩形区域几何中心安装四个摄像头分别朝向垂直于四条边的区域，所述四个摄像头可以分别检测到朝向的矩形边；

S1.2：分别作四条边的中垂线，在中垂线方向远离矩形区域外边的位置再分别安装四个摄像头，面朝所要监控的矩形区域，所述四个摄像头可以分别监测到所面对的最远那条边；

S1.3：根据各个摄像头所安装的位姿，焦距，视距和感光器件大小选择合适的摄像头型号。

进一步地，步骤S3进一步包括：

S3.1根据数字图像采集模块采集的图像进行图像预处理，首先是降金字塔处理，然后将RGB图像转换到YCbCr空间下；

S3，2进行人脸肤色的提取，标记人脸肤色区域，舍弃非人脸肤色的区域不再检测；

S3.3再将RGB图像转化为灰度图像，对人脸肤色提取之后的人脸区域基于Haar特征的AdaBoost人脸检测算法，检测出人脸；

S3.4最后提取出人脸关键信息发送到云端。

进一步地，步骤S4进一步包括；

S4.1根据发送到云端的人脸关键信息，通过侧面人脸及正面人脸检测算法进行人脸重复性检测，检测各个人脸的相似度，即一个人脸图像与另一个人脸图像的相似程度；

S4.2对于相似度在阈值邻域范围内的则认定为同一人脸，在进行人脸统计时，只算作一个人脸；

S4.3对人脸图像重复率检测，整合完毕之后，根据检测到的人脸进行人数的统计；

S4.4将所统计出的人数与设定的警戒人数做对比，并控制数字标牌和高音喇叭集成模块是否报警并播放指示人群疏散的指令。

本发明具有以下的有益效果：

1.首次将数字图像处理，计算机视觉和云计算技术配合高大的数字标牌平台引入到紧急疏散系统中。对区域的实时监控，预防灾难，提前预警，并能够有效的指导人群疏散在保障公共场所安全方面非常重要。本发明针对区域监控，通过摄像头系统对区域进行实时监控，能够提前发现密集人群，并报警处理，自动引导人群按照指定的方向疏散。

2.在对区域人群进行人脸检测时，对摄像头系统的安装和选型提出了解决方案。保证区域能够无死角被监控，并保证区域内人脸至少可以被一个摄像头检测到。

3.在进行区域图像处理和人脸检测时，应用了多种数字图像处理和计算机视觉的关键技术。并结合特有的改进型人脸检测算法，对区域人脸进行高效的检测。

4.首次应用了云计算技术，将人脸重复率检测的大数据算法嵌入到云端，通过云端强大的计算能力，对区域内多摄像头检测到的人脸进行重复率检测。保证了统计出检测人脸数目的精度。

5.通过云端控制终端数字标牌自动的播放合适的内容，借助终端多个数字标牌和集成高音喇叭模块进行人流紧急疏散，代替了人工的监控和灾难发生之后人工指挥疏散的不及时性和低效性。

附图说明

图1为依照本发明一种实施方式的数字标牌紧急疏散系统结构框图；

图2为依照本方明所使用的三种类Haar特征示意图；

图3为依照本发明一种实施方式的摄像头系统安装示意图；

图4为依照本发明一种实施方式的人脸重复率检测原理图；

图5为依照本发明一种实施方式的人脸检测方法流程图；

图6为依照本发明所建立的一种强分类器示意图。

具体实施方式

如图1所示，依照本发明一种实施方式的数字标牌紧急疏散系统，包括：

摄像头系统，用于保证监控区域无死角，能够实时监控，保证监控区域内的人脸至少被一个摄像头检测到。

数字图像采集模块，用于按照给定的采样频率，实时对监控区域的图像进行采样，并将采样图像传递给人脸检测模块。

人脸检测模块，与数字图像采集模块相连，用于对采样图像范围内的人脸进行检测，并提取关键信息发送到云端，人脸检测模块进一步包括：

数字图像处理单元，首先对数字图像采集模块传送来的原始图像进行降金字塔处理，目的是为了减少后期的计算量。然后对RGB图像转换到YCbCr空间下，以便进行人脸肤色提取。最后要将RGB图像转化为灰度图进行基于Harr特征人脸检测；

人脸检测单元首先对YCbCr空间下的图像进行人脸肤色提取，将人脸肤色区域标记出来，进行下一步检测，舍去其他一定不存在人脸的区域不去检测，提高检测效率。最后采用目前最高效率的人脸检测方法基于Haar特征的AdaBoost人脸检测算法进行人脸的二次检测。

如图2所示，为本发明所使用的三种类Haar特征示意图，当进行人脸检测时，因为人的脸颊与眼睛区域的灰度值有明显的差距，在使用Haar特征时，检测器用黑色部分覆盖的像素值之和减去白色部分覆盖的像素值之和。如果差值在阈值范围之内，则认为该区域是人脸，否则不是人脸，Haar特征配合积分图的方法可以加速人脸的检测。

云端，包括人脸重复率检测模块，用于图像采集模块根据各个摄像头所监控的区域进行图像采集后进行人脸检测，因为各个摄像头所监控的区域有重叠部分，用以消除同一人脸因多次检测到而重复计数导致统计不准确，同一人脸由多个摄像头检测到并检测为多人脸合并为同一人脸，计数时只记1；人数统计模块，对于人脸重复率检测整合之后，根据所检测到的人脸进行人数的统计；报警控制模块，根据统计的人数跟设定的警戒人数作对比，决定数字标牌和高音喇叭集成模块是正常播放广告，还是发出报警并指导人群疏散。

数字标牌和高音喇叭集成模块，其与云端相连，用于根据云端发送的指令来指导人群有序疏散。

PC端用于实时监控区域情况和统计的人员数量。

如图3所示，基于数字标牌紧急疏散系统摄像头的安装和选型应遵循以下步骤：

S3.1：将所监控区域近似为矩形区域，在该矩形区域几何中心安装四个摄像头分别朝向垂直于四条边的区域，所述四个摄像头可以分别检测到朝向的矩形边；

S3.2：作各边的中垂线，在中垂线方向远离矩形外边区域分别安装四个摄像头，面朝所要监控的矩形区域；所述四个摄像头可以分别监测到所面对的最远那条边；

S3.3：根据各个摄像头所安装的位姿，焦距，视距和感光器件大小选择合适的摄像头型号。

如图4所示，云端人脸重复率检测原理图。所谓重复率检测，就是对比人脸间的相似程度。本发明的相似度衡量采用特征之间的距离函数来进行相似度的度量。将人脸检测单元所检测到的人脸提取特征，并对各个人脸特征向量空间中对各个特征点距离进行比对计算。然后所得相似度与相似度阈值作对比，在阈值邻域范围之内，则认为是同一入脸，否则视为不同人脸。测量距离的方法采用加权距离：

$\mathrm{Dis}(X_i,X_{i+1})=\frac{{\mathrm{\Σ}}_{j=1}^n{W}_j|X_{i,j}-X_{i+1,j}|}{{\mathrm{\Σ}}_{j=1}^n{W}_j}$

其中X_i，X_i+1分别表示第i和i+1号人脸，W_j表示第j个特征脸的权值，X_i，j和X_i+1，j表示X_i，X_i+1中第j个特征值。以该加权距离来表示相似度。

如图5所示，人脸检测模块的具体实施步骤为：

S5.1数字图像处理模块对采样模块送来的原始图像进行金字塔降采样处理，在进行降金字塔处理时，每进行一次，原始图像的长宽方向的像素点各减少1/2，目的是为了降低后期运算量。并将RGB图像转换到YCbCr空间下，转换的原则为：

$\left[\begin{array}{c}Y\\ C_b\\ C_r\end{array}\right]=\frac{1}{256}\left[\begin{array}{ccc}65.738& 129.057& 25.06\\ -37.945& -74.494& 112.43\\ 112.439& -94.154& -18.28\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]+\left[\begin{array}{c}16\\ 128\\ 128\end{array}\right]$

S5.2脸检测单元对YCbCr空间下的图像进行人脸肤色提取，由已知的肤色提取算法，统计出肤色主要集中于Cr∈[133，173]，Cb∈[77，127]，将在此阈值范围内的默认为可能的人脸区域，标记出来。而范围之外的绝对非人脸区域则舍去，今后不再进行人脸检测，提高检测效率。

S5.3数字图像处理单元将RGB图像转化为灰度图像，RGB图像转化为灰度图原则为：Gray＝R*0.299+G*0.587+B*0.114。

S5.4人脸检测单元对灰度图像结合标记出来的人脸肤色区域进行二次人脸检测，所采用的算法是基于Haar特征的AdaBoost人脸检测算法，如图2所示，为本法明采用的三类典型的类Haar特征。搜索时检测器用矩形特征黑色区域的灰度值之和减去白色区域的灰度值之和。当在阈值范围之内时，则确认该区域是人脸，如果不在则舍去。利用积分图的方法是快速计算Haar特征灰度值的方法。

如图6所示，是应用AdaBoost人脸检测算法，由多个若分类器组合而成的强分类器。具体步骤为：

S6.1.首先由人脸检测模块的数字图像处理单元，将RGB图像转换到YCbCr空间下。

S6.2.由人脸检测单元对YCbCr空间下的图像进行肤色提取，标记出肤色区域，此处为可能的人脸区域，舍去非肤色区域，然后进行下一步检测，该肤色提取分类器为1号弱分类器。

S6.3.将彩色RGB图像转换成灰度图像，对通过1号分类器的区域进行Haar1特征判别，如果在阈值范围内，则认为可能人脸区域，舍弃不符合的区域。Haar1特征的搜索判别为2号弱分类器。

S6.4.将通过2号弱分类器的区域进行Haar2特征的判别，在阈值范围内的保留，进入下一轮判别，不合格的舍弃。这就是3号弱分类器。

S6.5.将通过3号弱分类器的区域进行Haar3特征判别，如果在阈值范围内则认为该区域为人脸区域，否则判断为非人脸。该分类器为4号弱分类器。

通过将以上4个弱分类器线性组合，形成了强分类器。如果每个弱分类器可以包含99％的人脸，其中1％漏检，那么经过4次的组合，将会有0.99*0.99*0.99*0.99＝0.96，即96％的人脸检测出来。

以上实施方式仅用于说明本发明，而并非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合，修改或者等同体会，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于数字标牌紧急疏散系统，其特征在于，该系统包括：

摄像头系统，用于保证监控区域无死角，能够实时监控，保证监控区域内的人脸至少被一个摄像头检测到；

数字图像采集模块，用于对监控区域的图像进行采样，并将采样图像传递给人脸检测模块；

人脸检测模块，与数字图像采集模块相连，用于对采样图像范围内的人脸进行检测，并提取关键信息发送到云端；

云端，根据人脸检测模块提取来的关键信息进行处理，对人脸重复率进行检测，并且根据统计的人数与警戒人数作对比；

数字标牌和高音喇叭集成模块，其与云端相连，用于根据云端发送的指令来指导人群有序疏散；

PC端，与云端相连，用来实时监控各个监控区域的情况和显示人数统计情况。

2.一种根据权利要求1所述的基于数字标牌紧急疏散系统，其特征在于，所述监控区域为矩形区域，所述摄像头系统包括8个摄像头。

3.一种根据权利要求1-2任一项所述的基于数字标牌紧急疏散系统，其特征在于，所述人脸检测模块包括：数字图像处理单元和人脸检测单元，其中数字图像处理单元用于将原始图像进行降金字塔处理，RGB图像到YCbCr空间的转换，灰度图像的转换；人脸检测单元根据肤色提取和Haar特征相结合的人脸检测算法对所采集到的图像进行人脸检测。

4.一种根据权利要求1-3任一项所述的基于数字标牌紧急疏散系统，其特征在于，所述云端包括：人脸重复率检测模块，用以消除同一人脸因多次检测重复计数而导致的统计不准确；人数统计模块，对于人脸重复率检测整合之后，根据所检测到的人脸进行人数的统计；报警控制模块，根据统计之后的数据与设定好的人数警戒值做比较，决定数字标牌和高音喇叭集成模块是正常播放广告，还是发出报警并指导人群疏散。

5.一种基于数字标牌紧急疏散的方法，其特征在于，该方法包括以下步骤：

S1：通过摄像头系统采集监控区域内人脸图像；

S2：通过数字图像采集模块对摄像头系统采集的人脸图像进行实时采样，并发送到人脸检测及追踪模块；

S3：通过人脸检测模块对数字图像采样模块传送来的人脸图像进行人脸检测，并提取人脸关键信息发送到云端；

S4：云端对提取的人脸关键信息进行人脸重复率检测，并根据检测的人脸进行人数的统计，最后将统计的人数跟设定的警戒人数作对比，来控制数字标牌和高音喇叭集成模块是否报警并播放指示人群疏散的指令。

6.如权利要求5所述的基于数字标牌紧急疏散的方法，其特征在于，步骤S1进一步包括：

S1.1：将所述监控区域设定为矩形区域，在该矩形区域几何中心安装四个摄像头分别朝向垂直于四条边的区域，所述四个摄像头可以分别检测到朝向的矩形边；

S1.2：分别作四条边的中垂线，在中垂线方向远离矩形区域外边的位置再分别安装四个摄像头，面朝所要监控的矩形区域，所述四个摄像头可以分别监测到所面对的最远那条边；

S1.3：根据各个摄像头所安装的位姿，焦距，视距和感光器件大小选择合适的摄像头型号。

7.如权利要求5-6任一项所述的基于数字标牌紧急疏散的方法，其特征在于，步骤S3进一步包括：

S3.1根据数字图像采集模块采集的图像进行图像预处理，首先是降金字塔处理，然后将RGB图像转换到YCbCr空间下；

S3.2进行人脸肤色的提取，标记人脸肤色区域，舍弃非人脸肤色的区域不再检测；

S3.3再将RGB图像转化为灰度图像，对人脸肤色提取之后的人脸区域基于Haar特征的AdaBoost人脸检测算法，检测出人脸；

S3.4最后提取出人脸关键信息发送到云端。

8.如权利要求5-6任一项所述的基于数字标牌紧急疏散的方法，其特征在于，步骤S4进一步包括：

S4.1根据发送到云端的人脸关键信息，通过侧面人脸及正面人脸检测算法进行人脸重复性检测，检测各个人脸的相似度，即一个人脸图像与另一个人脸图像的相似程度；

S4.2对于相似度在阈值邻域范围内的则认定为同一人脸，在进行人脸统计时，只算作一个人脸；

S4.3对人脸图像重复率检测，整合完毕之后，根据检测到的人脸进行人数的统计；

S4.4将所统计出的人数与设定的警戒人数作对比，并控制数字标牌和高音喇叭集成模块是否报警并播放指示人群疏散的指令。