CN106570465A - 一种基于图像识别的人流量统计方法及装置 - Google Patents

Abstract

本发明实施例公开了一种基于图像识别的人流量统计方法及装置，所述方法包括：依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

Description

一种基于图像识别的人流量统计方法及装置

技术领域

本发明涉及人工智能领域，具体涉及一种基于图像识别的人流量统计方法及装置。

背景技术

在很多的场景中，进入某一卡口或区域的人流量是非常有用的一个信息，这个需求广泛存在于安保、交通和商业等诸多环境中，也是智慧城市、智慧交通以及智慧商业等领域一个持续受到关注的问题。

目前，人流量的统计可分为基于门禁或闸机等物理解决方案及基于视频图像分析的解决方案。但基于门禁或闸机等物理解决方案通过性差，门禁闸机的存在极大的限制了人流量的速度；并且总体成本高；而现有的基于视频图像分析对人流量进行计数的方法中采用的主要思想是统计视频帧图像中出现的目标人脸的数量，但是很显然该目标人脸可能在不同的视频帧中重复出现，从而使得计数不准备。

发明内容

本发明实施例提供了一种基于图像识别的人流量统计方法及装置，以期可以提高人流量计数准确程度。

第一方面，本发明实施例提供一种基于图像识别的人流量统计方法，包括：

依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；

基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；

基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；

统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

第二方面，本发明实施例提供一种基于图像识别的人流量统计装置，包括：

检测模块，用于依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；

过滤模块，用于基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；

所述过滤模块还用于：基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；

统计模块，用于统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

可以看出，本发明实施例所提供的技术方案中，依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于图像识别的人流量统计方法的第一实施例流程示意图；

图2是本发明实施例提供的一种基于图像识别的人流量统计方法架构图；

图3是本发明实施例提供的一种人脸实时聚类过滤器的Map结构图；

图4是本发明实施例提供的一种基于图像识别的人流量统计方法的第二实施例流程示意图；

图5是本发明实施例提供的一种基于图像识别的人流量统计装置的第一实施例的结构示意图；

图6是本发明实施例提供的一种基于图像识别的人流量统计装置的第二实施例的结构示意图；

图7是本发明实施例提供的一种图像识别装置的第三实施例的结构示意图。

具体实施方式

本发明实施例提供了一种基于图像识别的人流量统计方法及装置，以期可以提高人流量计数准确程度

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例提供的一种基于图像识别的人流量统计方法，包括：

依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。本发明实施例通过引入二层去重过滤器，从而使得对人流量的统计更为准确。

参见图1，图1是本发明实施例提供的一种基于图像识别的人流量统计方法的第一实施例流程示意图。如图1所示，本发明实施例提供的基于图像识别的人流量统计方法包括以下步骤：

S101、依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数。

其中，目标图像可以是指从视频流中获取到的各帧图像，优选地，该图像为包括人脸的图像。

在本发明实施例中，通过在目标区域或位置安装摄像头来获取视频流，再对该视频流进行解码，以从该视频流中获取一帧帧的视频图像，也即目标图像，再对该目标图像进行图像处理。参见图2，图2是本发明实施例提供的一种基于图像识别的人流量统计方法架构图。

在本发明实施例中，可以在小区门口、学校门口、进出关口等位置安装该摄像头。

其中，目标人脸是指该目标图像中所拍摄到的人物头像。

其中，第一目标人脸集合是指对N张目标图像中所有出现的人脸均进行统计后得到的人脸集合，该人脸集合中可能包括重复的人脸图像。

举例说明，在本发明的一个示例中，若为了统计某一关口的人数量，可以在关口位置安装一摄像头，然后获取摄像头拍摄的视频流，并对视频流进行解码得到N目标图像，然后对该目标图像进行人脸检测统计该N张目标图像中所有的人脸，得到第一人脸集合。

S102、基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合。

其中，人脸跟踪算法是指对在连续多帧内出的人脸进行跟踪过滤，滤除当一个人出现后，后续连续重复出现的人脸，也即在该N张目标图像中，当某个目标人脸出现在第一张目标图像，后续则在第二张、第三张等目标图像中对该目标图像进行跟踪并滤除，以防止对目标人脸进行重复计数。

在本发明实施例中，人脸跟踪算法为对目标人脸进行的第一层过滤。

其中，第二目标人脸集合是指对在前续同一个人只保留一个目标人脸后所得到的目标人脸集合，第二目标人脸集合是在第一目标人脸集合的基础上进行过滤后得到的较为精确的目标人脸集合。

S103、基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合。

其中，人脸特征值实时聚类算法是指通过人脸特征值实时聚类分析，滤除掉当一个出现后，后续由于被其它物体或人与人的相互遮挡并复现出现(此时人脸跟踪算法将失效)的人脸，也即在该N张目标图像中，当某个目标人脸出现在第一张目标图像，利用人脸特征值来确定后续的目标图像中是否出现包括该人脸特征值的目标人脸，以根据人脸特征值对目标人脸进行过滤，以防止对目标人脸进行重复计数。

在本发明实施例中，人脸特征值实时聚类算法为对目标人脸进行的第二层过滤。

其中，第三目标人脸集合是在第二目标人脸集合的基础上利用人脸特征值进行的进一步过滤，由于人脸特征值能更为准确，可以在不连续的时间和空间内精确确定相同的目标人脸，从而利用人脸特征值能进一步过滤掉基于人脸跟踪算法所不能滤除的目标人脸，得到更为准确的第三目标人脸集合。

具体地，该人脸特征值包括一个或多个人脸特征，例如个体识别特征，纹理特征，颜色特征等。

S104、统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

可以理解，最后经过二层过滤后，再统计第三目标人脸集合中的目标人脸即可以得到精确的人流量统计计数值。

可以看出，本实施例的方案中，依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

可选地，在本发明的一些实施例中，也可以在获取到目标图像后即设置人流量统计计数值，并在获取到目标人脸后进行计数，也即对第一目标人脸集合进行计数统计，然后在过滤的过程中将计算值进行减值。

可选地，在本发明的一些实施例中，所述基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合，包括：

在所述第n张目标图像中目标人脸为所述第n张之前的目标图像中的目标人脸时，滤除所述第一目标人脸集合中的所述目标人脸以得到第二目标人脸集合。

需要说明，在本发明实施例中，当某个目标人脸为第n-1张的目标图像中的目标人脸时，然后此时对该目标人脸进行跟踪，若发现第n张目标图像中同样地出现了该目标人脸，则将该目标人脸过滤，以防止重复计数，提高人流量统计计算准确度。

可选地，在本发明的一些实施例中，所述基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合，包括：

获取所述第n张目标图像中目标人脸的人脸特征值，所述n为1至N中任一数值；

判断所述人脸特征值是否属于过滤器人脸特征值集合，所述过滤器人脸特征值集合基于实时聚类算法维护；

若所述人脸特征值属于过滤器人脸特征值集合，从所述第二目标人脸集合中滤除与所述人脸特征值对应的目标人脸以得到第三目标人脸集合。

其中，过滤器人脸特征值集合是指在判断该第n张目标图像的目标人脸是否与以前的目标人脸相似时所保存的第n张目标图像之前的所的目标人脸的人脸特征值，该预设人脸特征值是用于对后续出现的具有相同的人脸特征值的目标人脸进行滤除的有效参数值。

可以理解，通过人脸特征值进一步滤除与前面图像具有相同的人脸特征值，从而使得人物去重更为准确，更进一步地提高人流量统计计数准确度。

具体地，在所述n的取值为1时，所述过滤器人脸特征值集合为空；

在所述n的取值大于1时，所述预设人脸特征值为所述第n张目标图像之前的目标图像中目标人脸所对应的人脸特征值的集合。

更进一步地，所述方法还包括：

若所述人脸特征值不属于过滤器人脸特征值集合，将所述人脸特征值并入过滤器人脸特征值集合以得到更新后的过滤器人脸特征值集合。

可以理解，在从第一张目标图像向第N张目标图像进行目标人脸计数的过程中，在需要确定某张目标图像中的目标人脸是否与之前的目标人脸是否重复，需要将之前所有存在的目标人脸对应的人脸特征值进行匹配，所以当该张目标图像的目标人脸的人脸特征值不重合，就将该目标人脸特征值加入过滤器人脸特征值集合中得到新的全面的过滤器人脸特征值集合去过滤目标人脸，以得到准确的人流量计数统计值。

可选地，所述方法还包括：

基于过期检测算法删除所述过滤器人脸特征值集合中满足预设条件的人脸特征值以更新所述过滤器人脸特征值集合。

具体地，所述基于过期检测算法删除所述过滤器人脸特征值集合中满足预设条件的人脸特征值，包括：

在检测到判断所述人脸特征值是否属于过滤器人脸特征值集合的操作时，对过滤器人脸特征值集合中人脸特征值的匹配计数器进行计数，所述匹配计数器的计数值在所述人脸特征值加入所述过滤器人脸特征值集合，或判断所述人脸特征值是否属于过滤器人脸特征值集合时得到的判断结果为所述人脸特征值属于过滤器人脸特征值集合时被初始化；

若所述匹配计数器的计数值大于或等于预设阈值时，确定删除所述人脸特征值。

举例说明，在本发明的一个示例中，首先对过滤器人脸特征值集合中的每个人脸特征值添加一个匹配计数器，该匹配计数器用于对每次利用该过滤器人脸特征值进行人脸扫描时进行计数操作，该匹配计数器在人脸特征值新加入该过滤器人脸特征值集合中时进行初始化为0，并且在扫描匹配时，匹配成功的人脸特征值进行初始化为0。

然后当判断某个时刻采集到的人脸特征值是否属于过滤器人脸特征值集合时，此时相当于对过滤器人脸特征值集合中的每个人脸特征值进行扫描，在某个人脸特征值匹配成功时，对该人脸特征值对应的匹配计数器清0，对匹配不成功的人脸特征值进行加1操作。

当周期性地采集到新的人脸特征集去执行上述动作，当检测到某个人脸特征值的匹配计数器的计算值超过一定数值，此时将该人脸特征值删除。

可以理解，通过以上述方式实时删除以更新过滤器人脸特征值集合，从而可以维护一个在预设的时间空间范围内的过滤器特征值集合，防止过度去重，并进一步地提高人流量统计计数准确性。

下面再举一具体的实施例对步骤3进行具体说明，参见图3，图3是本发明实施例提供的一种人脸实时聚类过滤器的Map结构图。基于图3的人脸实时聚类过滤器的核心处理步骤可以包括：

1、初始化一个Map，其Map的结构如图3所示，初始状态下，Map为空。其中Map每个元素是历史输入的聚类结果，每一个聚类得到的元素中，可能包含一个或多个特征值；

2、当新一个人脸目标从人脸跟踪过滤器输入到聚类过滤器时，聚类过滤器执行以下操作：

A、将输入的人脸特征值按预设遍历算法在Map中进行遍历搜索，如果搜索到匹配成功转到B步骤；如果搜索匹配失败，则转到C步骤。

B、设匹配的元素为Element(a)，则将这个特征值加入到Element(a)的附带的List(a)中。同时将这张人脸滤除，不输出到后续的处理流程中。然后转到E步骤。

C、建立一个新的元素，同时为这个元素建立一个新的特征值列表，并将当前的特征值插入到特征值列表中

D、输出当前人脸到后续处理流程中，转到E步骤

E、结束当前人脸的处理过滤处理过程。

3、转到步骤1继续等待新的人脸及其特征值的输入。

最后当执行完毕后，对人脸进行统计得到人流量计数统计。

参见图4，图4是本发明实施例提供的一种基于图像识别的人流量统计方法的第二实施例流程示意图。图4所示的方法中，与图1所示方法相同或类似的内容可以参考图1中的详细描述，此处不再赘述。如图4所示，本发明实施例提供的基于图像识别的人流量统计方法包括以下步骤：

S401、依次获取N张目标图像中目标人脸以得到第一目标人脸集合。

其中，所述N为正整数。

S402、在所述第n张目标图像中目标人脸为所述第n张之前的目标图像中的目标人脸时，滤除所述第一目标人脸集合中的所述目标人脸以得到第二目标人脸集合。

S403、在所述第n张目标图像中目标人脸不为所述第n张之前的目标图像中的目标人脸时，获取所述第n张目标图像中目标人脸的人脸特征值。

其中，所述n为1至N中任一数值。

S404、判断所述人脸特征值是否属于过滤器人脸特征值集合。

S405、若所述人脸特征值属于过滤器人脸特征值集合，从所述第二目标人脸集合中滤除与所述人脸特征值对应的目标人脸以得到第三目标人脸集合。

S406、统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

可以看出，本实施例的方案中，依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

本发明实施例还提供一种基于图像识别的人流量统计装置，包括：

检测模块，用于依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；

过滤模块，用于基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；

所述过滤模块还用于：基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；

统计模块，用于统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

具体地，请参见图5，图5是本发明实施例提供的一种基于图像识别的人流量统计装置的第一实施例的结构示意图，用于实现本发明实施例公开的一种基于图像识别的人流量统计方法。其中，如图5所示，本发明实施例提供的一种基于图像识别的人流量统计装置500可以包括：

检测模块510、过滤模块520和统计模块530。

其中，检测模块510，用于依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数。

其中，目标图像可以是指从视频流中获取到的各帧图像，优选地，该图像为包括人脸的图像。

在本发明实施例中，通过在目标区域或位置安装摄像头来获取视频流，再对该视频流进行解码，以从该视频流中获取一帧帧的视频图像，也即目标图像，再对该目标图像进行图像处理。参见图2，图2是本发明实施例提供的一种基于图像识别的人流量统计方法。

在本发明实施例中，可以在小区门口、学校门口、进出关口等位置安装该摄像头。

其中，目标人脸是指该目标图像中所拍摄到的人物头像。

其中，第一目标人脸集合是指对N张目标图像中所有出现的人脸均进行统计后得到的人脸集合，该人脸集合中可能包括重复的人脸图像。

举例说明，在本发明的一个示例中，若为了统计某一关口的人数量，可以在关口位置安装一摄像头，然后获取摄像头拍摄的视频流，并对视频流进行解码得到N目标图像，然后对该目标图像进行人脸检测统计该N张目标图像中所有的人脸，得到第一人脸集合。

过滤模块520，用于基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合。

其中，人脸跟踪算法是指对在连续多帧内出的人脸进行跟踪过滤，滤除当一个人出现后，后续连续重复出现的人脸，也即在该N张目标图像中，当某个目标人脸出现在第一张目标图像，后续则在第二张、第三张等目标图像中对该目标图像进行跟踪并滤除，以防止对目标人脸进行重复计数。

在本发明实施例中，人脸跟踪算法为对目标人脸进行的第一层过滤。

其中，第二目标人脸集合是指对在前续同一个人只保留一个目标人脸后所得到的目标人脸集合，第二目标人脸集合是在第一目标人脸集合的基础上进行过滤后得到的较为精确的目标人脸集合。

所述过滤模块520还用于：基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合。

其中，人脸特征值实时聚类算法是指通过人脸特征值实时聚类分析，滤除掉当一个出现后，后续由于被其它物体或人与人的相互遮挡并复现出现(此时人脸跟踪算法将失效)的人脸，也即在该N张目标图像中，当某个目标人脸出现在第一张目标图像，利用人脸特征值来确定后续的目标图像中是否出现包括该人脸特征值的目标人脸，以根据人脸特征值对目标人脸进行过滤，以防止对目标人脸进行重复计数。

在本发明实施例中，人脸特征值实时聚类算法为对目标人脸进行的第一层过滤。

其中，第三目标人脸集合是在第二目标人脸集合的基础上利用人脸特征值进行的进一步过滤，由于人脸特征值能更为准确，可以在不连续的时间和空间内精确地确定相同的目标人脸，从而利用人脸特征值能进一步过滤掉基于人脸跟踪算法所不能滤除的目标人脸，得到更为准确的第三目标人脸集合。

具体地，该人脸特征值包括一个或多个人脸特征，例如个体识别特征，纹理特征，颜色特征等。

统计模块530，用于统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

可以理解，最后经过二层过滤后，再统计第三目标人脸集合中的目标人脸即可以得到精确的人流量统计计数值。

可以看出，本实施例的方案中，基于图像识别的人流量统计装置500依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；然后基于图像识别的人流量统计装置500再基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；并基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；最后基于图像识别的人流量统计装置500统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

在本实施例中，基于图像识别的人流量统计装置500是以单元的形式来呈现。这里的“单元”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。

可以理解的是，本实施例的基于图像识别的人流量统计装置500的各功能单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

参见图6，图6是本发明实施例提供的一种基于图像识别的人流量统计装置600的第二实施例的结构示意图，用于实现本发明实施例公开的图像识别方法。其中，如图6所示的基于图像识别的人流量统计装置是由图5所示的基于图像识别的人流量统计装置进行优化得到的。图6所示的终端除了包括图5所示的基于图像识别的人流量统计装置500的模块之外，还有以下扩展：

可选地，在本发明的一些实施例中，也可以在获取到目标图像后即设置人流量统计计数值，并在获取到目标人脸后进行计数，也即对第一目标人脸集合进行计数统计，然后在过滤的过程中将计算值进行减值。

可选地，在本发明的一个实施例中，所述过滤模块620，包括：

检测单元621，用于获取所述第n张目标图像中目标人脸的人脸特征值，所述n为1至N中任一数值；

判断单元622，用于判断所述人脸特征值是否属于过滤器人脸特征值集合，所述过滤器人脸特征值集合基于实时聚类算法维护；

过滤单元623，用于若所述人脸特征值属于过滤器人脸特征值集合，从所述第二目标人脸集合中滤除与所述人脸特征值对应的目标人脸以得到第三目标人脸集合。

其中，过滤器人脸特征值集合是指在判断该第n张目标图像的目标人脸是否与以前的目标人脸相似时所保存的第n张目标图像之前的所的目标人脸的人脸特征值，该预设人脸特征值是用于对后续出现的具有相同的人脸特征值的目标人脸进行滤除的有效参数值。

可以理解，通过人脸特征值进一步滤除与前面图像具有相同的人脸特征值，从而使得人物去重更为准确，更进一步地提高人流量统计计数准确度。

具体地，在所述n的取值为1时，所述过滤器人脸特征值集合为空；

在所述n的取值大于1时，所述预设人脸特征值为所述第n张目标图像之前的目标图像中目标人脸所对应的人脸特征值的集合。

更进一步地，所述装置600还包括：

更新模块640，用于若所述人脸特征值不属于过滤器人脸特征值集合，将所述人脸特征值并入过滤器人脸特征值集合以得到更新后的过滤器人脸特征值集合。

可以理解，在从第一张目标图像向第N张目标图像进行目标人脸计数的过程中，在需要确定某张目标图像中的目标人脸是否与之前的目标人脸是否重复，需要将之前所有存在的目标人脸对应的人脸特征值进行匹配，所以当该张目标图像的目标人脸的人脸特征值不重合，就将该目标人脸特征值加入过滤器人脸特征值集合中得到新的全面的过滤器人脸特征值集合去过滤目标人脸，以得到准确的人流量计数统计值。

可选地，在本发明的一些实施例中，所述过滤模块620，具体用于：

在所述第n张目标图像中目标人脸为所述第n张之前的目标图像中的目标人脸时，滤除所述第一目标人脸集合中的所述目标人脸以得到第二目标人脸集合。

需要说明，在本发明实施例中，当某个目标人脸为第n-1张的目标图像中的目标人脸时，然后此时对该目标人脸进行跟踪，若发现第n张目标图像中同样地出现了该目标人脸，则将该目标人脸过滤，以防止重复计数，提高人流量统计计算准确度。

可选地，在本发明的一些实施例中，所述更新模块640还用于基于过期检测算法删除所述过滤器人脸特征值集合中满足预设条件的人脸特征值以更新所述过滤器人脸特征值集合。

具体地，所述更新模块640具体用于：

在检测到判断所述人脸特征值是否属于过滤器人脸特征值集合的操作时，对过滤器人脸特征值集合中人脸特征值的匹配计数器进行计数，所述匹配计数器的计数值在所述人脸特征值加入所述过滤器人脸特征值集合，或判断所述人脸特征值是否属于过滤器人脸特征值集合时得到的判断结果为所述人脸特征值属于过滤器人脸特征值集合时被初始化；

若所述匹配计数器的计数值大于或等于预设阈值时，确定删除所述人脸特征值。

举例说明，在本发明的一个示例中，首先对过滤器人脸特征值集合中的每个人脸特征值添加一个匹配计数器，该匹配计数器用于对每次利用该过滤器人脸特征值进行人脸扫描时进行计数操作，该匹配计数器在人脸特征值新加入该过滤器人脸特征值集合中时进行初始化为0，并且在扫描匹配时，匹配成功的人脸特征值进行初始化为0。

然后当判断某个时刻采集到的人脸特征值是否属于过滤器人脸特征值集合时，此时相当于对过滤器人脸特征值集合中的每个人脸特征值进行扫描，在某个人脸特征值匹配成功时，对该人脸特征值对应的匹配计数器清0，对匹配不成功的人脸特征值进行加1操作。

当周期性地采集到新的人脸特征集去执行上述动作，当检测到某个人脸特征值的匹配计数器的计算值超过一定数值，此时将该人脸特征值删除。

可以理解，通过以上述方式实时删除以更新过滤器人脸特征值集合，从而可以维护一个在预设的时间空间范围内的过滤器特征值集合，防止过度去重，并进一步地提高人流量统计计数准确性。

可以看出，本实施例的方案中，基于图像识别的人流量统计装置600依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；然后基于图像识别的人流量统计装置600再基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；并基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；最后基于图像识别的人流量统计装置600统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

在本实施例中，基于图像识别的人流量统计装置600是以单元的形式来呈现。这里的“单元”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。

可以理解的是，本实施例的基于图像识别的人流量统计装置600的各功能单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

参见图7，图7是本发明实施例提供的一种图像识别装置的第三实施例的结构示意图，用于实现本发明实施例公开的图像识别方法。其中，该图像识别装置700可以包括：至少一个总线701、与总线701相连的至少一个处理器702以及与总线701相连的至少一个存储器703。

其中，处理器702通过总线701，调用存储器中存储的代码以用于依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

可选地，在本发明的一些可能的实施方式中，所述处理器702基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合，包括：

获取所述第n张目标图像中目标人脸的人脸特征值，所述n为1至N中任一数值；判断所述人脸特征值是否属于过滤器人脸特征值集合；若所述人脸特征值属于过滤器人脸特征值集合，从所述第二目标人脸集合中滤除与所述人脸特征值对应的目标人脸以得到第三目标人脸集合。

可选地，在本发明的一些可能的实施方式中，所述处理器702还用于若所述人脸特征值不属于过滤器人脸特征值集合，将所述人脸特征值并入过滤器人脸特征值集合以得到更新后的过滤器人脸特征值集合。

可选地，在本发明的一些可能的实施方式中，在所述n的取值为1时，所述过滤器人脸特征值集合为空；

在所述n的取值大于1时，所述预设人脸特征值为所述第n张目标图像之前的目标图像中目标人脸所对应的人脸特征值的集合。

可选地，在本发明的一些可能的实施方式中，所述处理器702还用于：

在所述第n张目标图像中目标人脸为所述第n张之前的目标图像中的目标人脸时，滤除所述第一目标人脸集合中的所述目标人脸以得到第二目标人脸集合。

可以看出，本实施例的方案中，基于图像识别的人流量统计装置700依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；然后基于图像识别的人流量统计装置700再基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；并基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；最后基于图像识别的人流量统计装置700统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。通过对N张目标图像进行二层过滤，从而能准确地过滤掉目标人脸中的重复人脸，以防止对目标人脸进行重复计数，提高人流量统计计数准确性。

在本实施例中，基于图像识别的人流量统计装置700是以单元的形式来呈现。这里的“单元”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。

可以理解的是，本实施例的基于图像识别的人流量统计装置700的各功能单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何基于图像识别的人流量统计方法的部分或全部步骤。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明的各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于图像识别的人流量统计方法，其特征在于，所述方法包括：

依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；

基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；

基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；

统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

2.根据权利要求1所述的方法，其特征在于，所述基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合，包括：

获取所述第n张目标图像中目标人脸的人脸特征值，所述n为1至N中任一数值；

判断所述人脸特征值是否属于过滤器人脸特征值集合，所述过滤器人脸特征值集合基于实时聚类算法维护；

若所述人脸特征值属于过滤器人脸特征值集合，从所述第二目标人脸集合中滤除与所述人脸特征值对应的目标人脸以得到第三目标人脸集合。

3.根据权利要求2所述的方法，其特征在于，

在所述n的取值为1时，所述过滤器人脸特征值集合为空；

在所述n的取值大于1时，所述过滤器人脸特征值集合为所述第n张目标图像之前的目标图像中目标人脸所对应的人脸特征值聚类结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

基于过期检测算法删除所述过滤器人脸特征值集合中满足预设条件的人脸特征值以更新所述过滤器人脸特征值集合。

5.根据权利要求4所述的方法，其特征在于，所述基于过期检测算法删除所述过滤器人脸特征值集合中满足预设条件的人脸特征值，包括：

在检测到判断所述人脸特征值是否属于过滤器人脸特征值集合的操作时，对过滤器人脸特征值集合中人脸特征值的匹配计数器进行计数，所述匹配计数器的计数值在所述人脸特征值加入所述过滤器人脸特征值集合，或判断所述人脸特征值是否属于过滤器人脸特征值集合时得到的判断结果为所述人脸特征值属于过滤器人脸特征值集合时被初始化；

若所述匹配计数器的计数值大于或等于预设阈值时，确定删除所述人脸特征值。

6.一种基于图像识别的人流量统计装置，其特征在于，所述装置包括：

检测模块，用于依次获取N张目标图像中目标人脸以得到第一目标人脸集合，所述N为正整数；

过滤模块，用于基于人脸跟踪算法对所述第一目标人脸集合进行过滤以得到第二目标人脸集合；

所述过滤模块还用于：基于人脸特征值实时聚类算法对所述第二目标人脸集合进行过滤以得到第三目标人脸集合；

统计模块，用于统计所述第三目标人脸集合中的目标人脸以得到人流量统计计数值。

7.根据权利要求6所述的装置，其特征在于，所述过滤模块，包括：

检测单元，用于获取所述第n张目标图像中目标人脸的人脸特征值，所述n为1至N中任一数值；

判断单元，用于判断所述人脸特征值是否属于过滤器人脸特征值集合，所述过滤器人脸特征值集合基于实时聚类算法维护；

过滤单元，用于若所述人脸特征值属于过滤器人脸特征值集合，从所述第二目标人脸集合中滤除与所述人脸特征值对应的目标人脸以得到第三目标人脸集合。

8.根据权利要求7所述的装置，其特征在于，

在所述n的取值为1时，所述过滤器人脸特征值集合为空；

在所述n的取值大于1时，所述预设人脸特征值为所述第n张目标图像之前的目标图像中目标人脸所对应的人脸特征值聚类结果。

9.根据权利要求8所述的装置，其特征在于，所述更新模块还用于基于过期检测算法删除所述过滤器人脸特征值集合中满足预设条件的人脸特征值以更新所述过滤器人脸特征值集合。

10.根据权利要求9所述的装置，其特征在于，所述更新模块具体用于：

在检测到判断所述人脸特征值是否属于过滤器人脸特征值集合的操作时，对过滤器人脸特征值集合中人脸特征值的匹配计数器进行计数，所述匹配计数器的计数值在所述人脸特征值加入所述过滤器人脸特征值集合，或判断所述人脸特征值是否属于过滤器人脸特征值集合时得到的判断结果为所述人脸特征值属于过滤器人脸特征值集合时被初始化；

若所述匹配计数器的计数值大于或等于预设阈值时，确定删除所述人脸特征值。