CN107516124A - 实时人流数量计数方法与系统 - Google Patents
实时人流数量计数方法与系统 Download PDFInfo
- Publication number
- CN107516124A CN107516124A CN201610439603.0A CN201610439603A CN107516124A CN 107516124 A CN107516124 A CN 107516124A CN 201610439603 A CN201610439603 A CN 201610439603A CN 107516124 A CN107516124 A CN 107516124A
- Authority
- CN
- China
- Prior art keywords
- macro block
- foreground
- people
- region
- characteristic value
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种实时人流数量计数方法与系统,运动趋势特征值初始化,视频图像采集,对采集的当前帧图像与前一帧图像对比,进行前景区域判断,对得到的前景区域进行填充处理,对处理后的前景区域进行区域划分统计,对得到的处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算,当运动趋势特征值中稳定特征值超过稳定阈值时,利用运动趋势特征值进行人流量的计算。整个过程中,参考前景区域并从中提取有效特征值来完成统计,可以有效避免因运动估计造成计算时间过长,或者机器学习方法需要利用大量已知数据进行训练的情况,从而高效简洁地完成实时人流量计数的功能。
Description
技术领域
本发明涉及计数技术领域,特别是涉及实时人流数量计数方法与系统。
背景技术
计算机视觉技术是研究如何让机器“看”的计数,通过利用摄像头和计算机代替人眼对目标进行识别、跟踪和测量,并进一步做图像处理,用计算机处理成为更适合人眼观察或传送给仪器检测的图像。
一般的基于计算机视觉的人流量计数方法通过运动人体的检测与跟踪,得到运动人体在序列图像中的运动轨迹,实现人流量统计的目的。通常在传统的人流量计数方法中,对于人体运动的检测需要输入大量有手工标定特征的先验数据进行神经网络的训练,以达到检测运动人体的功能。对于运动人体的跟踪,通常使用混合高斯模型(GMM)和Kalman滤波器完成运动跟踪。传统的基于计算机视觉计数方法需要利用大量已知数据进行训练,并且运算量大,在实际应用中对于硬件有一定的要求,并且前期需要采集用于训练的数据量巨大,因此亟需一种简单且实时性高的实时人流量计数方法。
发明内容
基于此,有必要针对目前尚无简单且实时性高的实时人流量计数方法的问题,提供一种简单且实时性高的实时人流量计数方法与系统。
一种实时人流数量计数方法,包括步骤:
将运动趋势特征值初始化,运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值;
采集当前帧图像,将当前帧图像与前一帧图像对比,并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域;
对初始前景区域进行填充处理,得到处理后的前景区域;
将处理后的前景区域进行区域分割,获得多个子区域,统计每个子区域的属于前景区域的宏块数,得到处理后前景区域的区域划分统计结果;
根据处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算;
当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果。
一种实时人流数量计数系统,包括:
运动特征值初始化模块,用于将运动趋势特征值初始化,运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值;
前景区初始化模块,用于采集当前帧图像,将当前帧图像与前一帧图像对比,并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域;
填充模块,用于对初始前景区域进行填充处理,得到处理后的前景区域;
分割模块,用于将处理后的前景区域进行区域分割,获得多个子区域,统计每个子区域的属于前景区域的宏块数,得到处理后前景区域的区域划分统计结果;
运动趋势计算模块,用于根据处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算;
人流量计数模块,用于当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果。
本发明实时人流数量计数方法与系统,运动趋势特征值初始化,视频图像采集,对采集的当前帧图像与前一帧图像对比,进行前景区域判断,对得到的前景区域进行填充处理,对处理后的前景区域进行区域划分统计,对得到的处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算,当运动趋势特征值中稳定特征值超过稳定阈值时,利用运动趋势特征值进行人流量的计算。整个过程中,参考前景区域并从中提取有效特征值来完成统计,可以有效避免因运动估计造成计算时间过长,或者机器学习方法需要利用大量已知数据进行训练的情况,从而高效简洁地完成实时人流量计数的功能。
附图说明
图1为本发明实时人流数量计数方法第一个实施例的流程示意图;
图2为本发明实时人流数量计数方法第二个实施例的流程示意图;
图3为本发明实时人流数量计数方法其中一个实施例中步骤S500的子流程示意图;
图4为本发明实时人流数量计数方法其中一个实施例中步骤S600的子流程示意图;
图5为本发明实时人流数量计数系统第一个实施例的结构示意图;
图6为本发明实时人流数量计数系统第二个实施例的结构示意图;
图7为本发明实时人流数量计数系统其中一个实施例中运动趋势计算模块500具体结构示意图;
图8为本发明实时人流数量计数系统其中一个实施例中人流量计数模块600具体结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下根据附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施仅仅用以解释本发明,并不限定本发明。
如图1所示,一种实时人流数量计数方法,包括步骤:
S100:将运动趋势特征值初始化,运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值。
具体来说,步骤S100中可以将运动趋势特征值初始化为零,其中,运动趋势特征值包括每个子区域的进入时间特征值It、离开时间特征值Ot、前景宏块数的最大平均值和稳定特征值St。
S200:采集当前帧图像,将当前帧图像与前一帧图像对比,并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域。
图像数据是实时采集的,为便于研究,我们先以当前帧图像为处理对象,采集当前帧图像,对采集的当前帧图像与前一帧图像对比,进行前景区域判断,将当前图像帧的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域。
具体来说,如图2所示,在其中一个实施例中,步骤S200具体包括下述步骤S220和步骤S240。
S220:计算当前宏块中所有坐标点在当前帧图像和前一帧图像相同坐标点处像素差值大于预设像素相似度阈值的比例。
计算当前宏块在当前帧与前一帧的相似度,即当前宏块中所有坐标点在当前帧和前一帧相同坐标点处像素差值大于λ1的比例,其中λ1为像素相似度阈值,其相似度的计算公式为:
其中P(i,j)为宏块坐标为(i,j)的宏块在当前帧和前一帧相同坐标点处像素差值大于λ1的像素点比例,(x,y)为像素坐标,A(i,j)为属于坐标为(i,j)的宏块的像素点集合,D(i,j)为每个像素点差值情况,其中每个像素点差值情况的计算公式为:
其中,Ipre为前一帧图像,Icur为当前帧图像。
S240:若比例大于预设宏块相似度阈值,则当前宏块为前景宏块,属于前景区域。
判断相似度,即当前宏块中所有坐标点在当前帧和前一帧相同坐标点处像素差值大于λ1的比例,是否大于λ2,若是,则将此宏块标注为前景宏块,属于前景区域,否则将此宏块标注为背景宏块,其中λ2为宏块相似度阈值。
S300:对初始前景区域进行填充处理,得到处理后的前景区域。
对初始前景区域进行填充只要可以从水平和垂直两个方向进行,得到处理后的前景区域。具体来说,如图2所示,在其中一个实施例中,步骤S300包括下述步骤S320和步骤S340。
S320:水平方向进行前景区域填充,以图像帧中从上到下的顺序,对每一行宏块进行处理,每一行分别从最左侧宏块开始寻找最左侧的前景宏块,从最右侧宏块开始寻找最右侧的前景宏块,若此行存在前景宏块,将此行中最左侧前景宏块和最右侧前景宏块之间的所有宏块都标注为前景宏块。
S340:垂直方向进行前景区域填充,以图像帧中从左到右的顺序,对每一列宏块进行处理,每一列分别从最上方宏块开始寻找最上方的前景宏块,从最下方宏块开始寻找最下方的前景宏块,若此列存在前景宏块,将此列中最上方前景宏块和最下方前景宏块之间的所有宏块都标注为前景宏块。
S400:将处理后的前景区域进行区域分割,获得多个子区域,统计每个子区域的属于前景区域的宏块数,得到处理后前景区域的区域划分统计结果。
若图像采集区域的人流量为水平方向,则将处理后的前景区域划分为四个形状大小相同的、水平方向并排且互不重叠的矩形子区域,统计每个子区域中为前景宏块的宏块数目,四个子区域沿水平方向依次包括第一子区域,第二子区域,第三子区域和第四子区域。若图像采集区域的人流量为垂直方向,则将处理后的前景区域划分为四个形状大小相同的、垂直方向并排且互不重叠的矩形子区域,统计每个子区域中前景宏块的宏块数目,四个子区域沿垂直方向依次包括第五子区域,第六子区域,第七子区域和第八子区域;统计每个子区域中前景宏块的宏块的个数,得到处理后前景区域的区域划分统计结果。
S500:根据处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算。
处理后前景区域的区域划分统计结果统计有每个子区域中前景宏块的宏块的个数,基于这些数据进行运动趋势特征值的计算。
如图3所示,在其中一个实施例中,步骤S500具体包括下述步骤:
S520:对于当前子区域,若当前时刻当前子区域的前景宏块数目大于预设有效前景宏块数阈值,并且当前时刻当前子区域的前景宏块数不同于前一时刻当前子区域的前景宏块数,则当前子区域处于运动状态,对当前子区域进行运动状态情况下的运动趋势特征值的计算,否则进入步骤S540。
判断当前时刻t当前子区域的前景宏块数目B(t)是否大于有效前景宏块数阈值λ3,并且当前时刻此子区域的前景宏块数B(t)是否不同于前一时刻t-1时刻此子区域的前景宏块数B(t-1),若两者判断结果都为是,则对当前子区域进行运动状态情况下的运动趋势特征值的计算,否则,进入S540。
具体来说,对当前子区域进行运动状态情况下的运动趋势特征值的计算具体包括如下步骤:1)稳定特征值St置零;2)判断当前时刻t当前子区域的前景宏块数B(t)是否大于前一时刻t-1时刻此子区域的前景宏块数B(t-1),若是进入步骤3),若否进入步骤4);3)进入时间特征值It在当前值基础上加一;4)离开时间特征值Ot在当前值基础上加一;5)计算当前时刻t此子区域的前景宏块数、前一时刻t-1时刻此子区域的前景宏块数,和再前时刻t-2时刻此子区域的前景宏块数的平均值Avrg;6)判断Avrg是否大于目前的前景宏块数的最大平均值AvrgMax;7)若此平均值Avrg大于目前的前景宏块数的最大平均值,那么将前景宏块数的最大平均值置为当前前景宏块数的平均值Avrg。
S540:若此时稳定特征值为零,且当前时刻当前子区域的前景宏块数小于前一时刻当前子区域的前景宏块数,则当前子区域处于即将稳定状态,对当前子区域进行即将稳定状态情况下的运动趋势特征值的计算,否则进入步骤S560。
判断稳定特征值St是否为零,并且当前时刻t此子区域的前景宏块数B(t)是否小于前一时刻t-1时刻此子区域的前景宏块数B(t-1),若两者判断结果都为是,则对当前子区域进行即将稳定状态情况下的运动趋势特征值的计算,若否则进入步骤S560。
具体来说,当前子区域进行即将稳定状态情况下的运动趋势特征值的计算具体包括如下步骤:a)离开时间特征值Ot在当前值基础上加一;b)判断Avrg是否大于目前的前景宏块数的最大平均值AvrgMax;c)若此平均值Avrg大于目前的前景宏块数的最大平均值,那么将前景宏块数的最大平均值置为当前前景宏块数的平均值Avrg。
S560:判定当前子区域处于没有运动的稳定情况,稳定特征值在当前值基础上加一。
判定当前子区域处于没有运动的稳定情况,稳定特征值St在当前值基础上加一。
S600:当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果。
当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值It、离开时间特征值Ot和前景宏块数的最大平均值AvrgMax进行人流量的计算。当运动趋势特征值中稳定特征值未超过预设稳定阈值时,返回步骤S400。
如图4所示,在其中一个实施例中,步骤S600具体包括下述步骤:
S620:当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值和离开时间特征值判断当前子区域内的前景区域是否为噪声,若是,则人流量统计结果为进入人数为零,离开人数为零,输出人流量统计结果,算法结束,否则进入S640。
根据进入时间特征值和离开时间特征值判断是否为噪声的方法为:对于当前子区域,判断当前进入时间特征值与离开时间特征值差值的绝对值是否小于噪声差值阈值λ4,且进入时间特征值与离开时间特征值是否同时小于噪声独立阈值λ5,若两者都为是,那么目前前景区域不是噪声,否则,目前前景区域为噪声。
S640:根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值计算通过图像采集区域的人数。
具体来说,步骤S640可以包括下述步骤:步骤一,将进入时间特征值与离开时间特征值的和除以时间阈值T,得到时间特征值n1;步骤二,S822,将前景宏块数的最大平均值除以人数阈值N,得到人数特征值n2;步骤三,计算四个子区域n1*n2的平均值,作为通过图像采集区域的总人数。
S660:获取当前子区域的位置,并根据当前子区域的位置判断人流量的方向。
根据当前子区域的位置判断人流量的方向,若当前子区域为第一子区域,则判定图像采集区域有人进入,否则,若当前子区域为第四子区域,则判定图像采集区域有人离开
S680:获得人流量计算结果,人流量计算结果包括通过图像采集区域的人数和人流量的方向。
本发明实时人流数量计数方法,运动趋势特征值初始化,视频图像采集,对采集的当前帧图像与前一帧图像对比,进行前景区域判断,对得到的前景区域进行填充处理,对处理后的前景区域进行区域划分统计,对得到的处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算,当运动趋势特征值中稳定特征值超过稳定阈值时,利用运动趋势特征值进行人流量的计算。整个过程中,参考前景区域并从中提取有效特征值来完成统计,可以有效避免因运动估计造成计算时间过长,或者机器学习方法需要利用大量已知数据进行训练的情况,从而高效简洁地完成实时人流量计数的功能。
如图5所示,一种实时人流数量计数系统,包括:
运动特征值初始化模块100,用于将运动趋势特征值初始化,运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值;
前景区初始化模块200,用于采集当前帧图像,将当前帧图像与前一帧图像对比,并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域;
填充模块300,用于对初始前景区域进行填充处理,得到处理后的前景区域;
分割模块400,用于将处理后的前景区域进行区域分割,获得多个子区域,统计每个子区域的属于前景区域的宏块数,得到处理后前景区域的区域划分统计结果;
运动趋势计算模块500,用于根据处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算;
人流量计数模块600,用于当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果。
本发明实时人流数量计数系统,运动特征值初始化模块100运动趋势特征值初始化,前景区初始化模块200采集图像,对采集的当前帧图像与前一帧图像对比,进行前景区域判断,填充模块300对得到的前景区域进行填充处理,分割模块400对处理后的前景区域进行区域划分统计,运动趋势计算模块500对得到的处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算,当运动趋势特征值中稳定特征值超过稳定阈值时,人流量计数模块600利用运动趋势特征值进行人流量的计算。整个过程中,参考前景区域并从中提取有效特征值来完成统计,可以有效避免因运动估计造成计算时间过长,或者机器学习方法需要利用大量已知数据进行训练的情况,从而高效简洁地完成实时人流量计数的功能。
如图6所示,在其中一个实施例中,前景区初始化模块200包括:
像素相似度比较单元220,用于计算当前宏块中所有坐标点在当前帧图像和前一帧图像相同坐标点处像素差值大于预设像素相似度阈值的比例。
宏块相似度度比较单元240,用于若比例大于预设宏块相似度阈值,则当前宏块为前景宏块,属于前景区域。
如图6所示,在其中一个实施例中,填充模块300包括:
第一填充单元320,用于对初始前景区域进行水平方向填充处理,以图像帧中从上到下的顺序,对每一行宏块进行处理,每一行分别从最左侧宏块开始寻找最左侧的前景宏块,从最右侧宏块开始寻找最右侧的前景宏块,若此行存在前景宏块,则定义此行中最左侧前景宏块和最右侧前景宏块之间的所有宏块都为前景宏块。
第二填充单元340,用于对初始前景区域进行垂直方向填充处理,以图像帧中从左到右的顺序,对每一列宏块进行处理,每一列分别从最上方宏块开始寻找最上方的前景宏块,从最下方宏块开始寻找最下方的前景宏块,若此列存在前景宏块,则定义此列中最上方前景宏块和最下方前景宏块之间的所有宏块都为前景宏块。
在其中一个实施例中,分割模块400包括:
第一分割单元,用于当图像采集区域的人流量为水平方向时,将处理后的前景区域划分为四个形状大小相同的、水平方向并排且互不重叠的矩形子区域,统计每个子区域中为前景宏块的宏块数目,四个子区域沿水平方向依次包括第一子区域,第二子区域,第三子区域和第四子区域;
第二分割单元,用于当图像采集区域的人流量为垂直方向时,将处理后的前景区域划分为四个形状大小相同的、垂直方向并排且互不重叠的矩形子区域,统计每个子区域中前景宏块的宏块数目,四个子区域沿垂直方向依次包括第五子区域,第六子区域,第七子区域和第八子区域;
统计单元,用于统计每个子区域中前景宏块的宏块的个数,得到处理后前景区域的区域划分统计结果。
如图7所示,在其中一个实施例中,运动趋势计算模块500包括:
第一计算单元520,用于当当前时刻当前子区域的前景宏块数目大于预设有效前景宏块数阈值,并且当前时刻当前子区域的前景宏块数不同于前一时刻当前子区域的前景宏块数时,判定当前子区域处于运动状态,对当前子区域进行运动状态情况下的运动趋势特征值的计算;
第二计算单元540,用于当不满足第一计算单元判定情况、稳定特征值为零、且当前时刻当前子区域的前景宏块数小于前一时刻当前子区域的前景宏块数时,判定当前子区域处于即将稳定状态,对当前子区域进行即将稳定状态情况下的运动趋势特征值的计算;
第三计算单元560,用于既不满足第一计算单元判定条件且不满足第二计算单元判定条件时,判定当前子区域处于没有运动的稳定情况,稳定特征值在当前值基础上加一。
如图8所示,在其中一个实施例中,人流量计数模块600包括:
第一计数单元620,用于当运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值和离开时间特征值判断当前子区域内的前景区域是否为噪声,若是,则人流量统计结果为进入人数为零,离开人数为零,输出人流量统计结果。
第二计数单元640,用于当运动趋势特征值中稳定特征值未超过预设稳定阈值时,根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值计算通过图像采集区域的人数。
位置获取单元660,用于获取当前子区域的位置,并根据当前子区域的位置判断人流量的方向。
计数结果单元680,用于获得人流量计算结果,人流量计算结果包括通过图像采集区域的人数和人流量的方向。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种实时人流数量计数方法,其特征在于,包括步骤:
将运动趋势特征值初始化,所述运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值;
采集当前帧图像,将所述当前帧图像与前一帧图像对比,并将所述当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域;
对所述初始前景区域进行填充处理,得到处理后的前景区域;
将所述处理后的前景区域进行区域分割,获得多个子区域,统计每个所述子区域的属于所述前景区域的宏块数,得到处理后前景区域的区域划分统计结果;
根据所述处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算;
当所述运动趋势特征值中稳定特征值超过预设稳定阈值时,根据所述进入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果。
2.根据权利要求1所述的实时人流数量计数方法,其特征在于,所述采集当前帧图像,将所述当前帧图像与前一帧图像对比,并将所述当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域的步骤包括:
计算当前宏块中所有坐标点在当前帧图像和前一帧图像相同坐标点处像素差值大于预设像素相似度阈值的比例;
若所述比例大于预设宏块相似度阈值,则所述当前宏块为前景宏块,属于前景区域。
3.根据权利要求1所述的实时人流数量计数方法,其特征在于,所述对所述初始前景区域进行填充处理的步骤包括:
对所述初始前景区域进行水平方向填充处理,以图像帧中从上到下的顺序,对每一行宏块进行处理,每一行分别从最左侧宏块开始寻找最左侧的前景宏块,从最右侧宏块开始寻找最右侧的前景宏块,若此行存在前景宏块,则定义此行中最左侧前景宏块和最右侧前景宏块之间的所有宏块都为前景宏块;
对所述初始前景区域进行垂直方向填充处理,以图像帧中从左到右的顺序,对每一列宏块进行处理,每一列分别从最上方宏块开始寻找最上方的前景宏块,从最下方宏块开始寻找最下方的前景宏块,若此列存在前景宏块,则定义此列中最上方前景宏块和最下方前景宏块之间的所有宏块都为前景宏块。
4.根据权利要求1所述的实时人流数量计数方法,其特征在于,所述将所述处理后的前景区域进行区域分割,获得多个子区域,统计每个所述子区域的属于所述前景区域的宏块数,得到处理后前景区域的区域划分统计结果的步骤包括:
若图像采集区域的人流量为水平方向,则将所述处理后的前景区域划分为四个形状大小相同的、水平方向并排且互不重叠的矩形子区域,统计每个所述子区域中为前景宏块的宏块数目,四个所述子区域沿所述水平方向依次包括第一子区域,第二子区域,第三子区域和第四子区域;
若所述图像采集区域的人流量为垂直方向,则将所述处理后的前景区域划分为四个形状大小相同的、垂直方向并排且互不重叠的矩形子区域,统计每个所述子区域中前景宏块的宏块数目,四个所述子区域沿所述垂直方向依次包括第五子区域,第六子区域,第七子区域和第八子区域;
统计每个所述子区域中前景宏块的宏块的个数,得到处理后前景区域的区域划分统计结果。
5.根据权利要求1所述的实时人流数量计数方法,其特征在于,所述根据所述处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算的步骤包括:
对于当前子区域,若当前时刻所述当前子区域的前景宏块数目大于预设有效前景宏块数阈值,并且所述当前时刻所述当前子区域的前景宏块数不同于前一时刻所述当前子区域的前景宏块数,则所述当前子区域处于运动状态,对所述当前子区域进行运动状态情况下的运动趋势特征值的计算;
否则,若此时稳定特征值为零,且所述当前时刻所述当前子区域的前景宏块数小于前一时刻所述当前子区域的前景宏块数,则所述当前子区域处于即将稳定状态,对所述当前子区域进行即将稳定状态情况下的运动趋势特征值的计算;
否则,所述当前子区域处于没有运动的稳定情况,稳定特征值在当前值基础上加一。
6.根据权利要求1所述的实时人流数量计数方法,其特征在于,所述当所述运动趋势特征值中稳定特征值超过预设稳定阈值时,根据所述进入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果的步骤包括:
当所述运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值和离开时间特征值判断当前子区域内的前景区域是否为噪声,若是,则人流量统计结果为进入人数为零,离开人数为零,输出人流量统计结果,算法结束;
否则,根据进所述入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值计算通过图像采集区域的人数;
获取所述当前子区域的位置,并根据所述当前子区域的位置判断人流量的方向;
获得人流量计算结果,所述人流量计算结果包括通过图像采集区域的人数和人流量的方向。
7.一种实时人流数量计数系统,其特征在于,包括:
运动特征值初始化模块,用于将运动趋势特征值初始化,所述运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值;
前景区初始化模块,用于采集当前帧图像,将所述当前帧图像与前一帧图像对比,并将所述当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比,得到初始前景区域;
填充模块,用于对所述初始前景区域进行填充处理,得到处理后的前景区域;
分割模块,用于将所述处理后的前景区域进行区域分割,获得多个子区域,统计每个所述子区域的属于所述前景区域的宏块数,得到处理后前景区域的区域划分统计结果;
运动趋势计算模块,用于根据所述处理后前景区域的区域划分统计结果,进行运动趋势特征值的计算;
人流量计数模块,用于当所述运动趋势特征值中稳定特征值超过预设稳定阈值时,根据所述进入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值进行人流量的计算,获得人流量计算结果。
8.根据权利要求7所述的实时人流数量计数系统,其特征在于,所述前景区初始化模块包括:
像素相似度比较单元,用于计算当前宏块中所有坐标点在当前帧图像和前一帧图像相同坐标点处像素差值大于预设像素相似度阈值的比例;
宏块相似度度比较单元,用于若所述比例大于预设宏块相似度阈值,则所述当前宏块为前景宏块,属于前景区域。
9.根据权利要求7所述的实时人流数量计数系统,其特征在于,所述填充模块包括:
第一填充单元,用于对所述初始前景区域进行水平方向填充处理,以图像帧中从上到下的顺序,对每一行宏块进行处理,每一行分别从最左侧宏块开始寻找最左侧的前景宏块,从最右侧宏块开始寻找最右侧的前景宏块,若此行存在前景宏块,则定义此行中最左侧前景宏块和最右侧前景宏块之间的所有宏块都为前景宏块;
第二填充单元,用于对所述初始前景区域进行垂直方向填充处理,以图像帧中从左到右的顺序,对每一列宏块进行处理,每一列分别从最上方宏块开始寻找最上方的前景宏块,从最下方宏块开始寻找最下方的前景宏块,若此列存在前景宏块,则定义此列中最上方前景宏块和最下方前景宏块之间的所有宏块都为前景宏块。
10.根据权利要求7所述的实时人流数量计数系统,其特征在于,所述分割模块包括:
第一分割单元,用于当图像采集区域的人流量为水平方向时,将所述处理后的前景区域划分为四个形状大小相同的、水平方向并排且互不重叠的矩形子区域,统计每个所述子区域中为前景宏块的宏块数目,四个所述子区域沿所述水平方向依次包括第一子区域,第二子区域,第三子区域和第四子区域;
第二分割单元,用于当所述图像采集区域的人流量为垂直方向时,将所述处理后的前景区域划分为四个形状大小相同的、垂直方向并排且互不重叠的矩形子区域,统计每个所述子区域中前景宏块的宏块数目,四个所述子区域沿所述垂直方向依次包括第五子区域,第六子区域,第七子区域和第八子区域;
统计单元,用于统计每个所述子区域中前景宏块的宏块的个数,得到处理后前景区域的区域划分统计结果。
11.根据权利要求7所述的实时人流数量计数系统,其特征在于,所述运动趋势计算模块包括:
第一计算单元,用于当当前时刻当前子区域的前景宏块数目大于预设有效前景宏块数阈值,并且所述当前时刻所述当前子区域的前景宏块数不同于前一时刻所述当前子区域的前景宏块数时,判定所述当前子区域处于运动状态,对所述当前子区域进行运动状态情况下的运动趋势特征值的计算;
第二计算单元,用于当不满足所述第一计算单元判定情况、稳定特征值为零、且所述当前时刻所述当前子区域的前景宏块数小于前一时刻所述当前子区域的前景宏块数时,判定所述当前子区域处于即将稳定状态,对所述当前子区域进行即将稳定状态情况下的运动趋势特征值的计算;
第三计算单元,用于既不满足所述第一计算单元判定条件且不满足所述第二计算单元判定条件时,判定所述当前子区域处于没有运动的稳定情况,稳定特征值在当前值基础上加一。
12.根据权利要求7所述的实时人流数量计数系统,其特征在于,所述人流量计数模块包括:
第一计数单元,用于当所述运动趋势特征值中稳定特征值超过预设稳定阈值时,根据进入时间特征值和离开时间特征值判断当前子区域内的前景区域是否为噪声,若是,则人流量统计结果为进入人数为零,离开人数为零,输出人流量统计结果;
第二计数单元,用于当所述运动趋势特征值中稳定特征值未超过预设稳定阈值时,根据进所述入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值计算通过图像采集区域的人数;
位置获取单元,用于获取所述当前子区域的位置,并根据所述当前子区域的位置判断人流量的方向;
计数结果单元,用于获得人流量计算结果,所述人流量计算结果包括通过图像采集区域的人数和人流量的方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610439603.0A CN107516124B (zh) | 2016-06-17 | 2016-06-17 | 实时人流数量计数方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610439603.0A CN107516124B (zh) | 2016-06-17 | 2016-06-17 | 实时人流数量计数方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107516124A true CN107516124A (zh) | 2017-12-26 |
CN107516124B CN107516124B (zh) | 2020-06-16 |
Family
ID=60721476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610439603.0A Active CN107516124B (zh) | 2016-06-17 | 2016-06-17 | 实时人流数量计数方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107516124B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724360A (zh) * | 2022-03-14 | 2022-07-08 | 江上(上海)软件科技有限公司 | 一种基于智慧城市的应用预警系统及预警方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855466A (zh) * | 2012-04-12 | 2013-01-02 | 无锡慧眼电子科技有限公司 | 一种基于视频图像处理的人数统计方法 |
CN103077380A (zh) * | 2013-01-07 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 一种基于视频的人数统计方法及装置 |
KR101480348B1 (ko) * | 2013-05-31 | 2015-01-09 | 삼성에스디에스 주식회사 | 사람 검출 장치 및 방법과 사람 계수 장치 및 방법 |
US20160127696A1 (en) * | 2014-10-31 | 2016-05-05 | Hong Fu Jin Precision Industry (Shenzhen) Co., Ltd. | Monitor device and dynamic object monitoring method |
-
2016
- 2016-06-17 CN CN201610439603.0A patent/CN107516124B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855466A (zh) * | 2012-04-12 | 2013-01-02 | 无锡慧眼电子科技有限公司 | 一种基于视频图像处理的人数统计方法 |
CN103077380A (zh) * | 2013-01-07 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 一种基于视频的人数统计方法及装置 |
KR101480348B1 (ko) * | 2013-05-31 | 2015-01-09 | 삼성에스디에스 주식회사 | 사람 검출 장치 및 방법과 사람 계수 장치 및 방법 |
US20160127696A1 (en) * | 2014-10-31 | 2016-05-05 | Hong Fu Jin Precision Industry (Shenzhen) Co., Ltd. | Monitor device and dynamic object monitoring method |
Non-Patent Citations (1)
Title |
---|
韩亚伟等: ""动态场景监控系统中人数统计算法的研究"", 《计算机应用与软件》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724360A (zh) * | 2022-03-14 | 2022-07-08 | 江上(上海)软件科技有限公司 | 一种基于智慧城市的应用预警系统及预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107516124B (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108021848B (zh) | 客流量统计方法及装置 | |
CN106056053B (zh) | 基于骨骼特征点提取的人体姿势识别方法 | |
CN104200485B (zh) | 一种面向视频监控的人体跟踪方法 | |
CN108830252A (zh) | 一种融合全局时空特征的卷积神经网络人体动作识别方法 | |
CN103473542B (zh) | 多线索融合的目标跟踪方法 | |
CN104637058B (zh) | 一种基于图像信息的客流量识别统计方法 | |
CN107679503A (zh) | 一种基于深度学习的人群计数算法 | |
CN104320617B (zh) | 一种基于深度学习的全天候视频监控方法 | |
CN104361332B (zh) | 一种用于疲劳驾驶检测的人脸眼睛区域定位方法 | |
CN101751679A (zh) | 运动目标的分类方法和检测方法及其装置 | |
CN106709453A (zh) | 一种基于深度学习的体育视频关键姿态提取方法 | |
CN111553274A (zh) | 一种基于轨迹分析的高空抛物检测方法及装置 | |
CN104077757B (zh) | 一种融合实时交通状态信息的道路背景提取与更新方法 | |
CN104268860B (zh) | 一种车道线检测方法 | |
CN107909081A (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 | |
CN109359577B (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
CN105184812B (zh) | 一种基于目标跟踪的行人徘徊检测方法 | |
CN104966305B (zh) | 基于运动矢量划分的前景检测方法 | |
CN106815578A (zh) | 一种基于深度运动图‑尺度不变特征变换的手势识别方法 | |
JP2021082316A5 (zh) | ||
CN107292913A (zh) | 一种基于视频的多阶段摔倒检测算法 | |
CN110633671A (zh) | 基于深度图像的公交车客流实时统计方法 | |
KR102199252B1 (ko) | 교통상황 분석 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |