CN107766784A - 一种新型视频人数统计算法 - Google Patents

一种新型视频人数统计算法 Download PDF

Info

Publication number
CN107766784A
CN107766784A CN201610743088.5A CN201610743088A CN107766784A CN 107766784 A CN107766784 A CN 107766784A CN 201610743088 A CN201610743088 A CN 201610743088A CN 107766784 A CN107766784 A CN 107766784A
Authority
CN
China
Prior art keywords
camera
color
algorithm
background
area
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.)
Withdrawn
Application number
CN201610743088.5A
Other languages
English (en)
Inventor
宋坤骏
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201610743088.5A priority Critical patent/CN107766784A/zh
Publication of CN107766784A publication Critical patent/CN107766784A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种新型视频人数统计算法。所述算法是一种结合了特征筛选、背景差分和轮廓检测方法的综合算法。该算法能够很好地克服特征筛选和背景差分两种方法常见的误判情况。算法实时响应好，内存开销少，能获得各个分区的人数统计结果且无需预先训练样本。算法考虑了摄像头的方位，人体轮廓遮挡座椅，人头重叠，以及背景光照变化，衣服颜色同背景颜色接近，人戴帽子，黑色衣服等各种可能造成误判的特殊情况并提供了解决方案。摘要附图为特征筛选的流程图。

Description

一种新型视频人数统计算法
本发明公开了一种结合了特征筛选、背景差分和轮廓检测方法的视频人数统计综合算法。
技术领域
本发明涉足图像处理领域，将计算机视觉算法应用于室内人数统计。
背景技术
人数统计是很多行业都有迫切需要的应用领域，相比利用红外传感器进行人体检测的传统方法，基于人工智能的计算机图像识别的方法具有检测过程除去摄像头外全软件化，成本低廉等优点。特别是本文提出的算法能够实现室内分区域的精细控制，不仅单单给出一个教室的占座率数字，更能给出各个区域中的人数信息。采用图像处理，而不用温湿度或红外传感器，受环境影响极小，性能更加稳定，且能一次性统计人数而传感器只能确定有人或无人。省去了传感器的维护费用，减少了系统故障率。
目前人数统计的软件方法主要有计算机视觉，机器学习和概率统计等方法。机器学习方法要求大量的训练样本，实用上不方便，概率统计方法一般仅仅适用于人流密度较大的场合。相比之下，计算机视觉方法无需训练样本且能灵活适应各种应用场合因而具有较高实用价值。但是目前各种计算机视觉算法在响应的实时性，统计的准确性等方面有很大差别。
目前很多视频人数统计的算法都没有考虑摄像头角度的问题，实际上摄像头在正上方和在斜上方这两种情况下人头的特征是不同的，例如摄像头在正上方时人头下方并不露出肤色，但人头的圆形度较好。而当摄像头在斜上方时，人头下方则会露出肤色，但圆形度不佳。本文提出的算法适用于摄像头在前后方各种角度的拍摄。其根本原因在于本文没有用到上述随摄像头位置变化敏感的特征。
发明内容
有鉴于此，本文提出了一种准确率较高的视频人数统计算法。其综合了分区统计法，背景差分方法和特征过滤的方法，能够改善任一种方法的误统计情况。
首先解释一下分区统计法：
其含义是某区域只采用最清晰的摄像头拍摄的照片，避免同一个摄像头监控视野过大造成监控区域中出现前后人头重叠的现象，该措施不仅可以改善前后人头重叠的情况，还可以实现分区人数分布统计。本文依据摄像头的几何位置定义了一个清晰度。具体参见附图1和下文的具体实施方式。
接着概述下提到的两种方法，背景差分和特征过滤。
1.特征过滤方法
根据人头发色，形状和面积特征进行人数统计。具体说来，先由黑发色筛选人头连通区域，其次依据人头面积不能过大或过小过滤所得黑色连通区域，最后利用人头形状不能十分接近矩形进行最后一重过滤。这种方法受背景，光照等影响小，且能很好地区分人和物。其框图见附图2。
其步骤如下，对每一个摄像头：
a.二值化后用广度优先遍历找出1.中所得黑白图内所有连通域。广度优先算法，相比递归洪泛算法和深度优先洪泛算法，所需的内存空间较小。
b.进行数学形态学膨胀操作，结构元素选为图2所示正方形。目的是去除头顶心处的亮漩涡。
c.用掩膜版提取监控的ROI子区域，剔除面积小于人头面积下界的连通域和面积大于人头面积上限的连通域。剔除同外围最小矩形面积比大于个给定阈值的连通域。
d.对于剩下的每一个连通域，可选的进一步筛选可以选择运动检测和肤色特征。
e.返回剩下的连通域数作为子区域人数。
方法一可能的误判情形：人戴了帽子，女生头发较长且穿着黑衣服造成头部同衣服连成一片很大的黑色连通域，人头区域前后重叠导致将两个人计数为一个人等。误判的结果：计数偏少。
2.背景差分方法：其特点是利用室内背景的相对固定性，通过同背景上像素点颜色比较的办法判定这些点是否被人占据。此方法计算简便且可以克服方法一难以处理的误判情形。
方法二可能的误判情形|：摄像头拍摄角度较偏，造成同一排左右相邻两个位置被一个人的衣服遮挡占据。或照片中人身高过高，以致后排斜后方的座位也被其遮挡，将其轮廓重复计数了。误判的结果：计数偏多。
3.方法三：分区统计法，同方法二自然结合，是划分子区域和原胞的方法，可以克服摄像头距离过远或拍摄角度不佳造成的前后人头重叠或遮挡，人头形状参数随距离改变等问题，且可以获得除总人数外各子区域的人数分布信息。
仔细比较方法一和方法二的误判情形，可以发现，方法二的误判情形是可以通过方法三改善的，而方法一误判的原因多不能通过分区采用更加清晰的摄像头改善。因此算法的计数结果应该以方法二为准，仅当摄像头数目偏少，监控的某些区域不可避免地出现遮挡时才考虑用方法一来纠正方法二，即两个座椅原胞右上方都出现了衣服颜色，但是两个座椅上方只有一个人头。
以方法二为准还有一个原因，那就是在头顶心处可能出现非黑色的漩涡区域造成头部连通区域计数错误(偏多和偏少都有可能。偏多因为头顶心将头分为了两个区域了，偏少因为分出来的两个区域都小于人头面积下界，则都会被过滤掉)事实上由于人头顶心处毛发稀疏的原因，黑色阈值判据在头顶心处可能不适用。针对这个问题，在剔除黑白图中少像素连通域之后，用数学形态学进行滤波修补，填充头顶心处的偏亮区域。采用如附图3所示的正方形结构元素，在二值化并剔除黑白图中少像素连通域之后进行形态学变换，由于这里头顶心处的漩涡一般较大，因而采用膨胀运算而不用闭运算，以填补较大的孔洞。
环境光线变化或者学生穿的衣服颜色同座椅颜色十分相近时，方法二可能出现少计数的误判。针对这种情况，再额外引入轮廓检测的方法：用canny算子提取边缘后同没坐人时提取的边缘比较，如果除了座椅的边缘外多出了一些弯曲的轮廓，则可能有人在座椅上。
方法三划分子区域和原胞是出于三个目的，其一是每个子区域只采用与其相距最近，拍摄最清晰的摄像头的照片，可以避免单个摄像头监控视野过大造成监控区域中出现前后人体重叠的现象影响计数准确性。其二在于划分子区域后每个子区域单独统计人数，这样不仅可以得到整个教室/办公场所的总人数，还可以得到各子区域中的人数分布信息，能够支持更多种类的应用。其三在于划分为原胞后每个原胞内人数的统计可以用同原胞背景比较的方法进行，如果原胞中某些点上像素颜色同无人时背景像素颜色不同则可以判定此原胞中有人。
综合三种方法，方法二为主，方法一辅助修正的算法流程描述如下：
0.初始化：只需进行一次，以后算法启动时无需执行，包括掩膜版的制作，原胞质心位置和背景色的记录等。相比机器学习算法所需的训练量和人工统计量来说，此初始化步骤开销小得多。首先利用座椅的固定性划分子区域和原胞，每个原胞基本上对应一个座椅，但事实上原胞的背景也完全可以是空的空间。原胞尺寸上要求一个原胞中出现2个人的几率很小。记录下原胞的边界像素坐标，中心处无人背景像素颜色Y值。将这些数据存储起来。
划分完毕后，对每一个子区域：按(1)式定义的清晰度为该子区域选定一个摄像头，可能一个摄像头需要监控多个子区域，但每一子区域只选取一个拍摄最清晰的摄像头。对每一个摄像头：在这个固定摆设的摄像头拍摄的图片中找出其管辖的所有物理子区域对应的像素区域。按找出的像素区域制作长期保存的专属本摄像头的掩膜版，掩膜版是二值化图，在所有子区域处为1，在非管辖区域则为0。
1.二值化并分原胞计数：对每一摄像头：按照(2)式计算像素的Y分量值，用亮度Y分量形成灰度图，对灰度图作用canny算子得到轮廓分布。按照预先选定的本相机的Y阈值二值化得到黑白图(约定前景为黑色)。然后用掩膜版同其拍摄的图像进行“与”操作，提取各个ROI(Region Of Interest)子区域。
对ROI中每个原胞，判断原胞质心(xc，yc)附近一点(xc+dx，yc+dy)(若摄像头在前方靠左，如测试图片所示，则“附近”指右上方，即dx＞0，dy＜0，若摄像头在前方靠右，则dx＜0，dy＜0。若摄像头在后方靠右，则dx＞0，dy＜0，若摄像图在后方靠左，则dx＜0，dy＜0。)是否有显著不同于背景色的像素(如衣服)颜色出现。除了检测该点外，还要判断该点附近8个点颜色是否与该点颜色接近(注意到与该点颜色接近蕴含于背景色显著不同，但反之不然)。若是，且则该原胞标记为有人。若没有检测出与背景明显不同的衣服颜色，但是canny算子检测出了人的弯曲轮廓边缘，那么该原胞还是标记为有人。
原则上dx，dy大小同子区域离开人的远近有关。就附图中摄像头在左上方的情形，可以看到dx随x增大而增大，随y增大而减小，dy随y增大而增大，随x增大而减小。因而可以提出如下的拟合公式
dx＝ax-by
dy＝-cx+ey (3)
其中正参数a，b，c，d对于各个摄像头不同。可采集几个数据点后由最小二乘法定出。当子区域不大，且各子区域离开相机不远时，可近似认为dx，dy是常数。
2.原胞计数修正：1)当摄像头的角度参数θ(见附图1)比较大甚至接近90度时，以及2)当拍摄距离较远时，很可能出现同一排座位左右遮挡或一个人的轮廓遮挡住斜后方座位的情况，这时原胞计数会偏多，有两种修正方案：
其一是利用方法一修正，检测两个原胞上方究竟有一个还是有两个人头区域，其二是通过canny算子求出轮廓边缘后通过人体轮廓判断究竟是有一个人还是两个人。上述两种情况均可用这两种方案修正。
附图说明
图1为清晰度定义说明
图2为方法一流程框图
图3为形态学修复采用的结构元素
图4和图5为依据本发明图像处理测试用图片
具体实施方式
下面结合附图中所列实施样例对本发明进行进一步说明：
此处所描述的具体实施样例仅仅用于解释本发明而不用于限定本发明。
图1是清晰度定义说明图。
本文按照清晰度来决定一个特定子区域的多张照片中究竟采用哪个摄像头拍摄的照片。由于清晰度只需要相对大小在各个摄像头之间进行排序即可，所以本文简单定义清晰度Q为距离和拍摄角度的函数
Q＝c2-d2+sin|90-θ|+cos|45-α| (1)
其中距离d是子区域中心离开摄像头的像素距离。c是一个同摄像头离开区域物理距离有关的阈值距离，单位为米。θ是摄像头镜面法线在天花板上投影同区域座椅正前方朝向(从讲台指向黑板)的夹角，取值从0到180，单位为度。α是摄像头镜面法线同铅垂线的夹角，范围从0到90，单位为度。(参见附图1)距离含有平方项反映出清晰度对于距离更敏感，并且考虑到了侧面(θ为90角)拍摄时左右座椅的遮挡现象将十分严重。也考虑了摄像头在正上方(α为0)时对于特征采集不利。算出的Q是一个无量纲的纯数，其绝对数值不重要，每一个子区域选用Q值相对最大的摄像头拍摄的照片。
图2为方法一流程框图，
方法一可以概括为：
每个摄像头拍摄的照片按照掩膜版分割为子区域和原胞--按给定阈值二值化为黑白图---求出黑白图中连通域-按照连通域的特征筛选人头候选区域---返回筛选剩下的连通域数作为子区域中人数。
图3是数学形态学结构元素
此处结构元素选为边长为3个像素的正方形，其编程实现较为简单，同时用其进行膨胀操作也能基本填补头顶心上的白色漩涡区域。可以防止方法一产生黑色人头连通域的误计数。
图4和图5为图形处理算法验证用图
对人数统计算法进行数值实验验证，所用平台信息如下Intel(R)Core(TM)i7-4710HQ 2CPU@2.5GHz内存16G系统64位Windows7 JDK1.7
两幅图片按照三排座位前后各一半共划分成6个子区域，左上角的摄像头选取监控的两个ROI子区域为离开它最近的两个子区域。综合算法输出的各子区域人数与实际人数差距在1人以内，算法处理两副图片的用时分别为1.842秒和1.684秒，对于教室和办公室等人员流动不大的场所基本可以满足实时性和准确性的要求。
数值实验中算法采用的一些实际参数值见下表所示
表1算法输入参数
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明精神和范围的情况下做出各种修改和变形，这样的修改和变形均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种新型视频人数统计算法，其特征在于，包括：
综合了分区统计法，背景差分法和特征筛选法，能够克服后两种方法常见的误判情况；
其中，
所述分区统计法的大意在于：将室内空间划分为若干合适大小的子区域和原胞，原胞大小以其中容纳两个人的几率很小为标准，按照摄像头拍摄的清晰度给每个子区域分配一个拍摄最清晰的摄像头；
所述背景差分法的大意在于：利用室内背景的相对固定性，通过同背景上像素点颜色比较的办法判定这些点是否被人占据；
所述特征筛选法的大意在于：用给定的发色阈值二值化后用广度优先遍历找出黑白图内所有连通域，提取黑色连通区域的面积，同最小包围矩形的面积比，圆形度(可选)，下方是否多点出现肤色(可选)，在多帧图像中是否出现运动(可选)等特征筛选黑色人头候选区域。
2.根据权利要求1所述的系统，其特征在于，
其包含一个初始化步骤，只需进行一次，以后算法启动时无需执行，包括掩膜版的制作，原胞质心位置和背景色的记录；
首先利用座椅的固定性划分子区域和原胞，每个原胞基本上对应一个座椅，但事实上原胞的背景也完全可以是空的空间，原胞尺寸上要求一个原胞中出现2个人的几率很小。记录下原胞的边界像素坐标，中心处无人背景像素颜色Y值。将这些数据存储起来。
划分完毕后，对每一个子区域：按(1)式定义的清晰度为该子区域选定一个摄像头，可能一个摄像头需要监控多个子区域，但每一子区域只选取一个拍摄最清晰的摄像头。对每一个摄像头：在这个固定摆设的摄像头拍摄的图片中找出其管辖的所有物理子区域对应的像素区域。按找出的像素区域制作长期保存的专属本摄像头的掩膜版，掩膜版是二值化图，在所有子区域处为1，在非管辖区域则为0。
3.根据权利要求1所述的系统，其特征在于，
考虑摄像头角度的问题，按下式定义的清晰度为该子区域选定一个摄像头，用于特征筛选的特征没有随摄像头位置变化敏感的特性，并定义用于决定子区域所属摄像头的清晰度为摄像头到目标距离和角度参数的函数
Q＝c2-d2+sin|90-θ|+cos|45-α|
其中距离d是子区域中心离开摄像头的物理距离。c是一个同摄像头离开目标区域物理距离有关的阈值距离，单位为米。θ是摄像头镜面法线在天花板上投影同区域座椅正前方朝向(从讲台指向黑板)的夹角，取值从0到180，单位为度。α是摄像头镜面法线同铅垂线的夹角，范围从0到90，单位为度。
4.根据权利要求1所述的系统，其特征在于，所述特征筛选法的详细步骤如下，
a.用给定的发色阈值二值化后用广度优先遍历找出黑白图内所有连通域。广度优先算法，相比递归洪泛算法和深度优先洪泛算法，所需的内存空间较小。
b.进行数学形态学膨胀操作，结构元素选为边长3个像素的正方形。目的是去除头顶心处的亮漩涡。
c.用掩膜版提取监控的ROI子区域，剔除面积小于人头面积下界的连通域和面积大于人头面积上限的连通域。剔除同外围最小矩形面积比大于给定阈值的连通域。
d.对于剩下的每一个连通域，可选的进一步筛选可以选择运动检测和肤色特征。
e.返回剩下的连通域数作为子区域人数。
5.根据权利要求1所述的系统，其特征在于，所述背景差分法的详细步骤如下，
对每一摄像头：按照下式计算像素的Y分量值，
Y＝0.299·R+0.587·G+0.114·B
用亮度Y分量形成灰度图，对灰度图作用canny算子得到轮廓分布，按照预先选定的本相机的Y阈值二值化得到黑白图(约定前景为黑色)，然后用掩膜版同其拍摄的图像进行“与”操作，提取各个ROI(Region Of Interest)子区域，对ROI中每个原胞，判断原胞质心(xc，yc)附近一点(xc+dx，yc+dy)(若摄像头在前方靠左，如测试图片所示，则“附近”指右上方，即dx＞0，dy＜0；若摄像头在前方靠右，则dx＜0，dy＜0；若摄像头在后方靠右，则dx＞0，dy＜0；若摄像头在后方靠左，则dx＜0，dy＜0；)是否有不同于背景色的像素颜色出现；除了检测该点外，还要判断该点附近8个点颜色是否与该点颜色接近；若以上检测结果均为肯定的，则该原胞标记为有人；若没有检测出与背景明显不同的衣服颜色，但是canny算子检测出了人的弯曲轮廓边缘，那么该原胞还是标记为有人。
6.根据权利要求1所述的系统，其特征在于，
使用背景差分法统计各个原胞人数后，当原胞与摄像头间的角度参数θ(见附图1)比较大甚至接近90度时或当原胞与摄像头距离较远时，很可能出现同一排座位左右遮挡或一个人的轮廓遮挡住斜后方座位的情况，这时原胞计数会偏多；或者当环境光线变化或者计数目标穿的衣服颜色同座椅颜色十分相近时，原胞计数会偏少，这时同时采用两种修正方案进行校正；其一是利用特征筛选方法检测两个原胞上方究竟有一个还是有两个人头区域，其二是通过canny算子求出轮廓边缘后通过人体轮廓判断究竟是有一个人还是两个人，上述两种误判情况均可用这两种方案修正。
7.根据权利要求1所述的系统，其特征在于，
采用特征筛选法筛选人头区域时考虑了人头顶心的白色漩涡，其解决方案为在剔除黑白图中少像素连通域之后，用数学形态学膨胀运算进行滤波修补，填充头顶心处的偏亮区域，形态学结构元素为边长3个像素的正方形。
8.根据权利要求1所述的系统，其特征在于，
如果摄像头拍摄角度接近正面，则可以使用肤色特征进行人头候选连通域的筛选；
运用的基本步骤如下，
记录下黑白图中人头候选连通域，找到彩色图中相同的区域；对于每一个彩色图中的区域，成功定位区域的下边界线段后，找出下边界线段上最高(Y坐标最小)的一点，根据男女梳头的习惯，以及头发不能遮挡眼睛的需求，此最高点下一定不会有眉毛等的干扰；选取最高点左右各3个像素点，共7个点检测每个点下方1-5个像素处是否呈现肤色，如果检测的35个点中有超过28个点呈现肤色，显然可以认为下方有一片肤色的连通域，从而更加肯定候选区域是人头。
9.根据权利要求1所述的系统，其特征在于，
背景差分法统计后可以加入一个可选的帧差法运动检测过程，筛选留下在指定的帧数中有运动的连通域，不运动的连通域认为是干扰物不是人；
所述帧差法的步骤如下，
检测候选连通域内部多点颜色同之前1帧，2帧，3帧...等帧对应点像素颜色是否有明显不同，若是则认为该连通域有运动。
10.根据权利要求1所述系统，其特征在于，
算法考虑了摄像头的方位，人体轮廓遮挡座椅，人头重叠，以及背景光照变化，衣服颜色同背景颜色接近，人戴帽子，黑色衣服等各种可能造成误判的特殊情况。
CN201610743088.5A 2016-08-20 2016-08-20 一种新型视频人数统计算法 Withdrawn CN107766784A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610743088.5A CN107766784A (zh) 2016-08-20 2016-08-20 一种新型视频人数统计算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610743088.5A CN107766784A (zh) 2016-08-20 2016-08-20 一种新型视频人数统计算法

Publications (1)

Publication Number Publication Date
CN107766784A true CN107766784A (zh) 2018-03-06

Family

ID=61264867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610743088.5A Withdrawn CN107766784A (zh) 2016-08-20 2016-08-20 一种新型视频人数统计算法

Country Status (1)

Country Link
CN (1) CN107766784A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110032930A (zh) * 2019-03-01 2019-07-19 中南大学 一种教室人数统计方法及其系统、装置、存储介质
CN110363784A (zh) * 2019-06-28 2019-10-22 青岛理工大学 一种重叠果实的识别方法
CN110490103A (zh) * 2019-08-05 2019-11-22 中国铁道科学研究院集团有限公司电子计算技术研究所 轨道交通客流密度检测方法及装置
CN110620947A (zh) * 2018-06-20 2019-12-27 北京优酷科技有限公司 字幕显示区域确定方法及装置
CN111738125A (zh) * 2020-06-16 2020-10-02 中国银行股份有限公司 客户人数确定方法及装置
CN111954354A (zh) * 2020-08-21 2020-11-17 湖南工学院 基于图像运算的灯光控制方法
CN112767304A (zh) * 2020-12-04 2021-05-07 浙江大学山东工业技术研究院 一种基于视觉的太阳花模组位置和方向检测方法
CN113222969A (zh) * 2021-05-28 2021-08-06 大连海事大学 一种基于双向背景差分法的成像流式细胞粘连计数与活性检测方法、装置

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11219437A (ja) * 1998-01-30 1999-08-10 Yamatake Corp 人数計測システム
JP2007150903A (ja) * 2005-11-29 2007-06-14 Eastman Kodak Co 撮像装置
TW200727204A (en) * 2006-01-06 2007-07-16 Univ Nat Kaohsiung Applied Sci Bi-directional people counter for pedestrian passing flow
US20070168153A1 (en) * 2006-01-13 2007-07-19 Digicontractor Corporation Method and apparatus for photographic measurement
CN101303727A (zh) * 2008-07-08 2008-11-12 北京中星微电子有限公司 基于视频人数统计的智能管理方法及其系统
CN101770642A (zh) * 2008-12-26 2010-07-07 深圳先进技术研究院 一种车内人数计数方法和系统
CN102324016A (zh) * 2011-05-27 2012-01-18 郝红卫 一种高密度人群流量统计方法
CN102799936A (zh) * 2012-07-13 2012-11-28 北京凯森世纪科技发展有限公司 电影票房核验系统
US20120306725A1 (en) * 2010-12-03 2012-12-06 Hilkes Robert G Apparatus and Method for a Bioptic Real Time Video System
CN103065123A (zh) * 2012-12-21 2013-04-24 南京邮电大学 基于图像预处理和背景差分的人头跟踪及计数方法
CN103440475A (zh) * 2013-08-14 2013-12-11 北京博思廷科技有限公司 一种自动取款机使用者人脸可见性判断系统及方法
CN103546665A (zh) * 2012-07-11 2014-01-29 北京博雅华录视听技术研究院有限公司 基于多摄像头的图像清晰度增强方法
CN104123579A (zh) * 2014-08-12 2014-10-29 中国电影科学技术研究所 院线影片放映效果评估及观影人数智能统计系统
CN104156972A (zh) * 2014-08-25 2014-11-19 西北工业大学 基于激光扫描测距仪与多相机融合的透视成像方法
CN104376554A (zh) * 2014-10-16 2015-02-25 中海网络科技股份有限公司 一种基于图像纹理的违章停车检测方法
CN104517127A (zh) * 2013-09-27 2015-04-15 汉王科技股份有限公司 一种基于Bag-of-features模型的自学习行人计数方法及装置
CN104732220A (zh) * 2015-04-03 2015-06-24 中国人民解放军国防科学技术大学 一种面向监控视频的特定颜色人体检测方法
CN105069816A (zh) * 2015-07-29 2015-11-18 济南中维世纪科技有限公司 一种进出口人流量统计的方法及系统
CN105163110A (zh) * 2015-09-02 2015-12-16 厦门美图之家科技有限公司 摄像头清洁度的检测方法、检测系统及拍摄终端
CN105205437A (zh) * 2014-06-16 2015-12-30 浙江宇视科技有限公司 基于头部轮廓验证的侧脸检测方法及装置

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11219437A (ja) * 1998-01-30 1999-08-10 Yamatake Corp 人数計測システム
JP2007150903A (ja) * 2005-11-29 2007-06-14 Eastman Kodak Co 撮像装置
TW200727204A (en) * 2006-01-06 2007-07-16 Univ Nat Kaohsiung Applied Sci Bi-directional people counter for pedestrian passing flow
US20070168153A1 (en) * 2006-01-13 2007-07-19 Digicontractor Corporation Method and apparatus for photographic measurement
CN101303727A (zh) * 2008-07-08 2008-11-12 北京中星微电子有限公司 基于视频人数统计的智能管理方法及其系统
CN101770642A (zh) * 2008-12-26 2010-07-07 深圳先进技术研究院 一种车内人数计数方法和系统
US20120306725A1 (en) * 2010-12-03 2012-12-06 Hilkes Robert G Apparatus and Method for a Bioptic Real Time Video System
CN102324016A (zh) * 2011-05-27 2012-01-18 郝红卫 一种高密度人群流量统计方法
CN103546665A (zh) * 2012-07-11 2014-01-29 北京博雅华录视听技术研究院有限公司 基于多摄像头的图像清晰度增强方法
CN102799936A (zh) * 2012-07-13 2012-11-28 北京凯森世纪科技发展有限公司 电影票房核验系统
CN103065123A (zh) * 2012-12-21 2013-04-24 南京邮电大学 基于图像预处理和背景差分的人头跟踪及计数方法
CN103440475A (zh) * 2013-08-14 2013-12-11 北京博思廷科技有限公司 一种自动取款机使用者人脸可见性判断系统及方法
CN104517127A (zh) * 2013-09-27 2015-04-15 汉王科技股份有限公司 一种基于Bag-of-features模型的自学习行人计数方法及装置
CN105205437A (zh) * 2014-06-16 2015-12-30 浙江宇视科技有限公司 基于头部轮廓验证的侧脸检测方法及装置
CN104123579A (zh) * 2014-08-12 2014-10-29 中国电影科学技术研究所 院线影片放映效果评估及观影人数智能统计系统
CN104156972A (zh) * 2014-08-25 2014-11-19 西北工业大学 基于激光扫描测距仪与多相机融合的透视成像方法
CN104376554A (zh) * 2014-10-16 2015-02-25 中海网络科技股份有限公司 一种基于图像纹理的违章停车检测方法
CN104732220A (zh) * 2015-04-03 2015-06-24 中国人民解放军国防科学技术大学 一种面向监控视频的特定颜色人体检测方法
CN105069816A (zh) * 2015-07-29 2015-11-18 济南中维世纪科技有限公司 一种进出口人流量统计的方法及系统
CN105163110A (zh) * 2015-09-02 2015-12-16 厦门美图之家科技有限公司 摄像头清洁度的检测方法、检测系统及拍摄终端

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JIACHEN YANG ET AL: "Objective Evaluation Criteria for Stereo Camera Shooting Quality Under Different Shooting Parameters and Shooting Distances" *
PIETERJAN DE POTTER ET AL: "Automatic available seat counting in public rail transport using wavelets" *
徐勇等: "基于ARM的商标识别系统的设计与实现" *
苑玮琦: "虹膜清晰程度与人眼拍摄距离对应关系研究" *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110620947A (zh) * 2018-06-20 2019-12-27 北京优酷科技有限公司 字幕显示区域确定方法及装置
CN110032930A (zh) * 2019-03-01 2019-07-19 中南大学 一种教室人数统计方法及其系统、装置、存储介质
CN110363784A (zh) * 2019-06-28 2019-10-22 青岛理工大学 一种重叠果实的识别方法
CN110490103A (zh) * 2019-08-05 2019-11-22 中国铁道科学研究院集团有限公司电子计算技术研究所 轨道交通客流密度检测方法及装置
CN111738125A (zh) * 2020-06-16 2020-10-02 中国银行股份有限公司 客户人数确定方法及装置
CN111738125B (zh) * 2020-06-16 2023-10-27 中国银行股份有限公司 客户人数确定方法及装置
CN111954354A (zh) * 2020-08-21 2020-11-17 湖南工学院 基于图像运算的灯光控制方法
CN111954354B (zh) * 2020-08-21 2022-05-31 湖南工学院 基于图像运算的灯光控制方法
CN112767304A (zh) * 2020-12-04 2021-05-07 浙江大学山东工业技术研究院 一种基于视觉的太阳花模组位置和方向检测方法
CN112767304B (zh) * 2020-12-04 2023-02-28 浙江大学山东工业技术研究院 一种基于视觉的太阳花模组位置和方向检测方法
CN113222969A (zh) * 2021-05-28 2021-08-06 大连海事大学 一种基于双向背景差分法的成像流式细胞粘连计数与活性检测方法、装置
CN113222969B (zh) * 2021-05-28 2024-05-14 大连海事大学 一种基于双向背景差分法的成像流式细胞粘连计数与活性检测方法、装置

Similar Documents

Publication Publication Date Title
CN107766784A (zh) 一种新型视频人数统计算法
US8103061B2 (en) Method and apparatus for identifying facial regions
US9773302B2 (en) Three-dimensional object model tagging
US9070023B2 (en) System and method of alerting a driver that visual perception of pedestrian may be difficult
US8836777B2 (en) Automatic detection of vertical gaze using an embedded imaging device
US8041077B2 (en) Method of motion detection and autonomous motion tracking using dynamic sensitivity masks in a pan-tilt camera
TWI526982B (zh) 區域分割方法、電腦程式產品及檢查裝置
CN106604005B (zh) 一种投影电视自动对焦方法及系统
CN105812790B (zh) 图像传感器感光面与光轴垂直度的评测方法及光学测试卡
CN113449606B (zh) 一种目标对象识别方法、装置、计算机设备及存储介质
KR102199094B1 (ko) 관심객체 검출을 위한 관심영역 학습장치 및 방법
CN110199317A (zh) 使用手持设备对木板的自动检测、计数和测量
US11120578B2 (en) Method of color matching using reference indicators
US11216905B2 (en) Automatic detection, counting, and measurement of lumber boards using a handheld device
US11704807B2 (en) Image processing apparatus and non-transitory computer readable medium storing program
CN112712059A (zh) 基于红外热图像和rgb图像的活体人脸识别方法
JP2019066909A (ja) 物体分布推定装置
JPH11306348A (ja) 対象物検出装置及び対象物検出方法
US11972593B2 (en) System and methods for quantifying uncertainty of segmentation masks produced by machine learning models
CN113128499B (zh) 视觉成像设备的震动测试方法、计算机设备及存储介质
EP4352451A1 (en) Texture mapping to polygonal models for industrial inspections
JPH11283036A (ja) 対象物検出装置及び対象物検出方法
JP4831344B2 (ja) 目の位置の検出方法
WO2020107196A1 (zh) 一种对拍摄装置的拍摄质量评测方法、装置及终端设备
JP2010015463A (ja) 目の位置の検出方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180306