CN108234932B - 视频监控图像中的人员形态提取方法及装置 - Google Patents
视频监控图像中的人员形态提取方法及装置 Download PDFInfo
- Publication number
- CN108234932B CN108234932B CN201611191607.8A CN201611191607A CN108234932B CN 108234932 B CN108234932 B CN 108234932B CN 201611191607 A CN201611191607 A CN 201611191607A CN 108234932 B CN108234932 B CN 108234932B
- Authority
- CN
- China
- Prior art keywords
- point
- video monitoring
- determining
- straight line
- standing
- 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.)
- Expired - Fee Related
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000009434 installation Methods 0.000 claims abstract description 99
- 238000003384 imaging method Methods 0.000 claims abstract description 79
- 230000000877 morphologic effect Effects 0.000 claims abstract description 50
- 238000012806 monitoring device Methods 0.000 claims description 71
- 230000037237 body shape Effects 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
一种视频监控图像中的人员形态提取方法及装置，一个实施例中方法包括：获取视频监控图像；识别出视频监控图像中的第一站立点、第一人体形态特征点、第一边界点；基于摄像机线性成像模型，确定现实视频监控区域的地面平面上与第一站立点对应的第二站立点、与第一人体形态特征点对应的第二人体形态特征点基于视频监控设备的投影方向的第二特征点投影点、与第一边界点对应的第二边界点；从建筑信息模型中获取视频监控设备的安装角度；根据视频监控设备的设备坐标点、第二边界点、第二特征点投影点、安装角度以及第二特征点，确定对应的人体形态特征信息。本实施例可以准确地提取出视频图像监控图像中的人员形态特征，且成本低、简单实用。
Description
技术领域
本发明涉及信息处理技术领域，特别是涉及一种视频监控图像中的人员形态提取方法以及一种视频监控图像中的人员形态提取装置。
背景技术
随着安防技术的发展，在安防领域进行安防定位已经成为安防中的一项重要技术内容，而室内安防定位是安防定位的一项重要组成部分。在进行室内安防定位时，较为常用的是室内地图服务，室内地图服务利用室内定位技术使得用户在建筑物内也能被精确的定位，同时还能提供精确位置的导航功能。常见的室内定位方式包括红外定位、WiFi((Wireless Fidelity)定位、惯性导航定位、二维码定位和RFID(Radio FrequencyIdentification，射频识别)定位等。然而，这些定位方式都只能定位到位置坐标，无法获得被定位的用户的人员形态。
随着3D(三维空间)技术的发展，3D摄像机渐渐走进大众视野，3D摄像机由于其空间成像属性，能获取到摄影画面内容的三维空间信息。人们利用这些三维信息在很多领域进行了应用，例如人脸识别、VR(Virtual Realit，虚拟实境)拍摄、3D试装体验等。在一些重要的安防监控领域，也同样应用到了3D摄像机，在这些区域中，通过3D摄像机，能获取到监控区域内物体的三维信息，进一步对该区域进行安防监控。尽管3D摄像机在安防监控领域中进行了引用，但是由于其成本高的问题，目前只是应用到一些重点监控区域，无法在安防监控领域普遍应用。
发明内容
基于此，本实施例的目的在于提供一种视频监控图像中的人员形态提取方法以及一种视频监控图像中的人员形态提取装置，以简单实用且准确地提取出视频监控图像中的人员形态。
为达到上述目的，本实施例采用以下技术方案：
一种视频监控图像中的人员形态提取方法，包括步骤：
获取视频监控设备拍摄得到的视频监控图像；
识别出所述视频监控图像中的人物的第一人体形态特征点以及与该第一人体形态特征点对应的第一站立点；
根据与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一站立点对应的第二站立点、与所述第一人体形态特征点对应的第二特征点投影点，所述第二特征点投影点为所述人物所在平面上与所述第一人体特征点对应的第二人体形态特征点基于所述视频监控设备的投影方向的投影点；
获取所述视频监控图像中从所述第一站立点到所述第一人体形态特征点的延长线方向上的第一边界点，并基于所述线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点；
从建筑信息模型中获取所述视频监控设备的安装角度、安装位置信息，所述安装角度为所述视频监控设备的摄像角度与水平面的夹角；
根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离，并将该距离确定为与所述第一人体形态特征点的类型对应的人体形态特征信息。
一种视频监控图像中的人员形态提取装置，包括：
监控图像获取模块，用于获取视频监控设备拍摄得到的视频监控图像；
监控图像特征点识别模块，用于识别出所述视频监控图像中的人物的第一人体形态特征点以及与该第一人体形态特征点对应的第一站立点，并识别出所述视频监控图像中从所述第一站立点到所述第一人体形态特征点的延长线方向上的第一边界点；
区域图像投影点确定模块，用于根据与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一站立点对应的第二站立点、与所述第一人体形态特征点对应的第二特征点投影点，所述第二特征点投影点为所述人物所在平面上与所述第一人体特征点对应的第二人体形态特征点基于所述视频监控设备的投影方向的投影点，并基于所述线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点；
建筑模型信息获取模块，用于从建筑信息模型中获取所述视频监控设备的安装角度、安装位置信息，所述安装角度为所述视频监控设备的摄像角度与水平面的夹角；
形态特征确定模块，用于根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离，并将该距离确定为与所述第一人体形态特征点的类型对应的人体形态特征信息。
如上所述的实施例中的方案，其根据普通的视频监控设备拍摄得到的视频监控图像，基于与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定出现实视频监控区域的地面平面上的对应的相关特征点，并从建筑信息模型中获得视频监控设备的安装角度和安装位置信息后，结合该安装角度、安装位置信息以及现实视频监控区域的地面平面上的对应的相关特征点计算确定出具体的人体形态特征信息，其不仅可以准确地提取出视频图像监控图像中的人员形态特征，而且无需采用成本高昂的3D摄影机，可以普遍应用于目前已有的各种视频监控领域，成本低且简单实用。
附图说明
图1是一个实施例中的本发明方案的应用环境的示意图；
图2是一个实施例中的终端的组成结构示意图；
图3是一个实施例中的视频监控图像中的人员形态提取方法的流程示意图；
图4是一个实施例中的视频监控设备的成像基本原理示意图；
图5是一个实施例中的成像模型的确定方式的原理示意图；
图6是一个具体应用示例中的视频监控图像的示意图；
图7是图6所示示例对应的现实视频监控区域的地面平面的示意图；
图8是图6所示的示例中选取的一个人体形态特征点的示意图；
图9是与图8所示示例对应的现实视频监控区域的地面平面的示意图；
图10是图9所示示例确定人体形态特征信息的原理示意图；
图11是一个具体示例中确定与左肩点对应的第一站立点的原理示意图；
图12是一个具体示例中确定与右肩点对应的第二站立点的原理示意图；
图13是一个实施例中的视频监控图像中的人员形态提取装置的结构示意图；
图14是一个具体应用示例中的形态特征确定模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
需要说明的是，在下述各实施例的说明中，将视频监控设备的成像面上的点以第一命名，将现实视频监控区域的地面平面上的点以第二命名，其仅仅是以平面的不同进行的名称的区分，并不用以对具体的点进行区分。
图1示出了本发明一个实施例中的工作环境示意图，如图1所示，其工作环境涉及人员对象10以及视频监控设备(摄像设备)11，还可能涉及终端12和终端13，视频监控设备11对其监控范围进行监控，在有用户或者人物进入了视频监控设备11的监控范围时，视频监控设备11进行监控得到的视频监控图像将会包含该出现在其监控范围内的人的图像。视频监控设备11将该视频监控图像发送给终端12、13，终端12、13对该视频监控图像进行分析，从中分析出该人物的人体形态特征。当然，可以理解的是，如果视频监控设备11的处理能力足够，例如给视频监控设备增加了相关的处理器，也可以是由视频监控设备11自身对视频监控图像进行分析。本实施例涉及的是终端12、13或者视频监控设备11自身对视频监控设备11得到的视频监控图形进行分析，从中分析出人物的人体形态特征的方式。
终端12、13在一个实施例中的组成结构示意图如图2所示。该终端12、13包括通过系统总线连接的处理器、存储介质、通信接口、电源接口和内存。其中，终端12、13的存储介质存储有一种视频监控图像中的人员形态提取装置，该装置用于实现一种视频监控图像中的人员形态提取方法。终端12、13的通信接口用于与视频监控设备11或者其他的网络设备连接和通信，终端12、13的电源接口用于与外部电源连接，外部电源通过该电源接口向终端12、13供电。终端12、13可以是任何一种能够实现智能输入输出的设备，例如个人计算机、平板电脑等；也可以是其它具有上述结构的设备。
图3中示出了一个实施例中的视频监控图像中的人员形态提取方法的流程示意图。如图3所示，该实施例中的视频监控图像中的人员形态提取方法包括：
步骤S301：获取视频监控设备拍摄得到的视频监控图像；
步骤S302：识别出所述视频监控图像中的人物的第一人体形态特征点以及与该第一人体形态特征点对应的第一站立点；
步骤S303：根据与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一站立点对应的第二站立点、与所述第一人体形态特征点对应的第二特征点投影点，所述第二特征点投影点为所述人物所在平面上与所述第一人体特征点对应的第二人体形态特征点基于所述视频监控设备的投影方向的投影点；
步骤S304：获取所述视频监控图像中从所述第一站立点到所述第一人体形态特征点的延长线方向上的第一边界点，并基于所述线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点；
步骤S305：从建筑信息模型中获取所述视频监控设备的安装角度、安装位置信息，所述安装角度为所述视频监控设备的摄像角度与水平面的夹角；
步骤S306：根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离，并将该距离确定为与所述第一人体形态特征点的类型对应的人体形态特征信息。
如上所述的实施例中的方案，其根据普通的视频监控设备拍摄得到的视频监控图像，基于与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定出现实视频监控区域的地面平面上的对应的相关特征点，并从建筑信息模型中获得视频监控设备的安装角度和安装位置信息后，结合该安装角度、安装位置信息以及现实视频监控区域的地面平面上的对应的相关特征点计算确定出具体的人体形态特征信息，其不仅可以准确地提取出视频图像监控图像中的人员形态特征，而且无需采用成本高昂的3D摄影机，可以普遍应用于目前已有的各种视频监控领域，成本低且简单实用。
在其中一个具体示例中，在上述步骤S306中根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离时，具体的方式包括：
根据所述视频监控设备的安装位置信息确定所述视频监控设备在所述现实视频监控区域的地面平面上的设备坐标点；
根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度；
根据所述安装角度和所述边界角度确定所述第二人体形态特征点到所述第二特征点投影点的连线与水平面的投影角度；
根据所述投影角度、所述第二站立点、第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离。
可以理解的是，上述投影角度为所述安装角度和所述边界角度的和值。根据所述投影角度、所述第二站立点、所述第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离时，可以是基于三角函数关系进行。
在上述根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度时，一个具体示例中的方式可以包括：
根据所述设备坐标点、所述第二边界点，确定所述设备坐标点与所述第二边界点之间的第一距离；
根据所述第二边界点、所述第二特征点投影点，确定所述第二边界点与所述第二特征点投影点之间的第二距离；
基于三角函数关系，根据所述第一距离、所述第二距离、所述安装角度确定所述边界角度。
上述第一人体形态特征点，可以结合实际需要进行设定。
在一个具体示例中，上述第一人体形态特征点可以包括头顶点，此时，上述第一人体形态特征点为头顶点，与头顶点对应的第一站立点为所述视频监控图像中的人物的脚部区域的脚部中心点，对应的人体体态特征信息可以包括人体高度。
在另一个具体示例中，上述第一人体形态特征点可以包括左肩点，此时，上述第一人体形态特征点为左肩点，对应的所述人体体态特征信息可以包括左肩高度。此时，与左肩点对应的第一站立点可以通过下述方式确定：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点，确定通过所述头顶点与脚部中心点的第一直线，并确定通过所述脚部中心点且与所述第一直线垂直的第二直线、以及通过所述左肩点且与所述第一直线平行的第三直线，将所述第二直线与所述第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点。
可以理解，上述第一人体形态特征点还可以包括右肩点，此时，第一人体形态特征点为右肩点，上述对应的所述人体体态特征信息包括可以右肩高度。此时，与右肩点对应的第一站立点可以通过下述方式确定：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点。
此外，在另一个具体示例中，上述第一人体形态特征点可以同时包括左肩点、右肩点。此时，确定的与左肩点和右肩点对应的人体形态特征信息包括左肩高度、右肩高度和肩宽。
此时，识别出所述视频监控图像中的人物的与左肩点对应的第一站立点时，可以与上述第一人体形态特征点为左肩点时同样的方式进行，即：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第一直线，并确定通过所述脚部中心点且与所述第一直线垂直的第二直线、以及通过所述左肩点且与所述第一直线平行的第三直线，将所述第二直线与所述第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点。
类似地，在识别出所述视频监控图像中的人物的与右肩点对应的第一站立点时，可以与上述第一人体形态特征点为右肩点时同样的方式进行，即：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点。
从而，在确定左肩高度时，可以将左肩点对应的第二人体形态特征点与第二站立点之间的距离确定为左肩高度，将右肩点对应的第二人体形态特征点与第二站立点之间的距离确定为右肩高度，并将左肩点对应的第二人体形态特征点与右肩点对应的第二人体形态特征点之间的距离确定为肩宽。
上述现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，可以基于视频监控设备的成像原理等确定。一个具体示例中的确定上述线性成像模型的方式可以是：
从所述建筑信息模型中获取所述视频监控设备的安装高度以及所述安装角度；
根据所述安装高度、所述安装角度确定所述现实视频监控区域的地面平面；
获取所述视频监控设备的成像平面与镜头之间的像距；
根据所述现实视频监控区域的地面平面、所述像距，确定以所述镜头为光心的、根据所述视频监控设备的成像平面上的成像点确定所述现实视频监控区域的地面平面的平面点的转换关系，并将该转换关系确定为所述线性成像模型。
基于如上所述的实施例中的方法，以下结合其中一个具体应用示例进行详细举例说明。
本实施例中的方法在实现时，如上所述，需要基于现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型进行，该线性成像模型可以基于视频监控设备的成像原理以及建筑信息模型中的该视频监控设备的相关信息确定。
图4中示出了一个实施例中的视频监控设备的成像基本原理示意图，如图4所示，视频监控设备在对其视频监控区域进行监控时，视频监控设备的镜头400会将其视频监控范围内监控到的画面成像至其成像平面401上。
结合图4所示，结合视频监控设备的成像原理，基于成像平面的401的成像中心O以及镜头400的光心的像距，基于映射关系，可以将成像平面401上的点401转换至镜头外的某个平面上的点P1。
据此，针对视频监控设备的视频监控特性，视频监控设备最终获得的视频监控图像，实际上是对其监控范围内的地面上的相关场景进行拍摄得到的图像，如图5所示，结合视频监控设备的镜头50的光心501，基于视频监控设备的成像画面51上的成像点C1、C2，可以确定视频监控设备监控的地面平面上的对应点C12和C22。
据此，选择视频监控设备的监控屏幕(视频监控图像)上的任意一点，可以结合视频监控设备(摄像机)的内部参数(例如像距等)确定该点的坐标，假设现实视频监控区域的某个平面上的坐标记为(X`、Y`)，则该点在摄像机成像面的对应点(X、Y)的关系式可以记为：
其中，Rw为空间中成像面坐标系与现实视频监控区域的二维平面坐标系的转换矩阵，本领域技术人员理解，该转换矩阵以及上述关系式可以结合摄像机的安装位置、摄像机内部参数等共同求出。
基于上述关系式，可以利用空间几何知识确定出像面点的坐标与现实视频监控区域的某个点的坐标的关系式为：
其中(x、y、z)为现实视频监控区域的某个点的坐标，(x`、y`、z`)为摄像机成像面对应的点的坐标。本领域技术人员理解，该关系式可以结合摄像机的安装位置、摄像机内部参数等共同确定。
一个具体应用示例中，在确定现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型时，可以结合下述方式进行：
从所述建筑信息模型中获取所述视频监控设备的安装高度以及所述安装角度；
根据所述安装高度、所述安装角度确定所述现实视频监控区域的地面平面；
获取所述视频监控设备的成像平面与镜头之间的像距；
根据所述现实视频监控区域的地面平面、所述像距，确定以所述镜头为光心的、根据所述视频监控设备的成像平面上的成像点确定所述现实视频监控区域的地面平面的平面点的转换关系，并将该转换关系确定为所述线性成像模型。
至此，基于建立的该所述线性成像模型，视频监控设备的视频监控图像上的任一点，均能在现实视频监控区域的地面平面上找到相对应的点，并获取对应的点坐标。
图6中示出了一个具体应用示例中的视频监控图像的示意图，其是以设置在某个室内空间的走廊上的视频监控设备为例进行说明，如图6所示，视频监控设备获得的视频监控图像中包含被拍摄到的人员Z的图像，同时其被监控的走廊地面，同时还可能包含灰色部分所示的墙壁的图像。图7示出了图6所示示例对应的现实视频监控区域的地面平面的示意图；图6所示的点A为视频监控图像中识别出的人员Z的脚部区域的脚部中心点，即该人员Z的实际站立位置的中心点，并将该脚部中心点作为第一站立点，经过基于上述线性成像模型的转换后，其对应的现实视频监控区域的地面平面上的第二站立点A1也是人员Z的实际站立位置。
然而，结合图8、图9、图10所示，假设当前选取的第一人体形态特征点为视频监控图像中人员Z的头顶点B，则视频监控图像中与头顶点B对应的第一站立点为图8所示的脚部中心点A。经过基于上述线性成像模型的转换后，其对应的现实视频监控区域的地面平面上的第二人体形态特征点为图9中的点B2，该第二人体形态特征点B2实际上是人员Z所在平面(即人员Z的人体站立平面)上与所述头顶点B对应的第二人体形态特征点B1基于所述视频监控设备11的投影方向的投影点。
图10示出了图9所示示例的确定人体形态特征信息的原理示意图，结合图8、图10所示，其以第一人体形态特征点为头顶点B为例，在获得视频监控设备11拍摄得到的视频监控图像后，从视频监控图像中识别出该视频监控图像中的人物Z的头顶点B(第一人体形态特征点)、以及与头顶点B对应的脚部中心点A(第一站立点)，
随后，基于上述确定的视频监控设备11对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定出现实视频监控区域的地面平面上与第一站立点A对应的第二站立点A1、与第一人体形态特征点B对应的第二特征点投影点B2，可以理解，该第二特征点投影点B2为人物所在平面上与第一人体特征点A对应的第二人体形态特征点A1基于视频监控设备11的投影方向的投影点。
随后，获取视频监控图像中从第一站立点A到第一人体形态特征点B的延长线方向上的第一边界点，并基于所述线性成像模型，确定现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点N。
此外，还从建筑信息模型中获取视频监控设备11的安装角度η、安装位置信息，该安装角度η为视频监控设备11的摄像角度与水平面的夹角。
随后，基于所述视频监控设备的安装位置信息，可以确定出视频监控设备11在现实视频监控区域的地面平面上的设备坐标点G。
结合三角形平行定理可知，线段GN与线段NB2的夹角角度θ与视频监控设备11的安装角度η相等。
从而，结合三角形函数关系，根据设备坐标点G、第二边界点N、第二特征点投影点B2、视频监控设备11的安装角度η(即线段GN与线段NB2的夹角角度θ)，确定出第二人体形态特征点B1到视频监控设备11的连线相对于视频监控设备11的投影范围γ上边界的边界角度α。
根据上述安装角度η和边界角度α，结合三角平行定律，可以确定出第二人体形态特征点B1到第二特征点投影点B2的连线与水平面的投影角度δ，其中δ＝η+α。
随后，即可结合三角函数关系，根据投影角度δ、第二站立点A1、第二特征点投影点B2确定第二人体形态特征点B1与第二站立点A1之间的距离，该距离即为与第一人体形态特征点B的类型对应的人体形态特征信息。由于这里的第一人体形态特征点为头顶点B，可以理解，其对应的人体形态特征信息为人体高度。
上述示例中是以第一人体特征点为头顶点为例进行说明，可以理解，本实施例还可以对肩高、肩宽等人体体态特征信息进行确定。
在一个示例中，上述第一人体特征点还可以为左肩点，从视频监控图像中识别出左肩点的方式可以采用已有的任何可能的方式进行，从而可以据此确定出左肩高度。由于左肩点与头顶点存在一定的距离，从而使得上述脚部中心点A不能作为与左肩点对应的第一站立点。图11中示出了一个具体示例中确定与左肩点对应的第一站立点的原理示意图。
如图11所示，假设识别出的左肩点记为点C，则在确定左肩点C对应的第一站立点时，可以采用下述方式进行：
识别出视频监控图像中的人物的头顶点B和脚部区域的脚部中心点A；
确定通过头顶点B与脚部中心点A的第一直线BA；
确定通过脚部中心点A且与第一直线BA垂直的第二直线AC’，以及通过左肩点C且与第一直线BA平行的第三直线CC’；
将第二直线AC’与第三直线CC’的交点C’确定为视频监控图像中的人物的与左肩点C对应的第一站立点。
在确定了左肩点C以及与左肩点对应的第一站立点C’后，则可以将左肩C作为上述第一人体形态特征点、点C’作为上述第一站立点，采用与上述第一人体形态特征点为头顶点B时同样的方式进行处理，获得与左肩点C对应的第二人体形态特征点与第二站立点，并将与左肩点C对应的第二人体形态特征点与第二站立点的距离确定为左肩高度。
类似地，上述第一人体特征点还可以为右肩点，从视频监控图像中识别出右肩点的方式可以采用已有的任何可能的方式进行，从而可以据此确定出右肩高度。确定出与右肩点对应的第一站立点的方式可以采用与上述左肩点类似的方式进行，图12中示出了一个具体示例中确定与右肩点对应的第一站立点的原理示意图。
如图12所示，假设识别出的右肩点记为点D，则在确定右肩点D对应的第一站立点时，可以采用下述方式进行：
识别出视频监控图像中的人物的头顶点B和脚部区域的脚部中心点A；
确定通过头顶点B与脚部中心点A的第四直线BA(也即上述第一直线BA)；
确定通过脚部中心点A且与第四直线BA垂直的第五直线AD’，以及通过右肩点D且与第四直线BA平行的第六直线DD’；
将第五直线AD’与第六直线DD’的交点D’确定为视频监控图像中的人物的与右肩点D对应的第一站立点。
在确定了右肩点D以及与右肩点对应的第一站立点D’后，则可以将右肩D作为上述第一人体形态特征点、点D’作为上述第一站立点，采用与上述第一人体形态特征点为头顶点B时同样的方式进行处理，获得与右肩点D对应的第二人体形态特征点与第二站立点，并将与右肩点D对应的第二人体形态特征点与第二站立点的距离确定为右肩高度。
另一方面，在确定左肩点和右肩点后，还可以据此确定出肩宽，此时上述第一人体形态特征点包括左肩点和右肩点，上述人体形态特征信息还包括肩宽。在基于上述同样的方式确定出左肩点C的第一站立点C’、右肩点D的第一站立点C’，并在此基础上确定出与左肩点C对应的第二人体形态特征点与第二站立点、与右肩点D对应的第二人体形态特征点与第二站立点后，将左肩点C对应的第二人体形态特征点与第二站立点之间的距离确定为左肩高度，将右肩点D对应的第二人体形态特征点与第二站立点确定为右肩高度，并将左肩点对应的第二人体形态特征点与右肩点对应的第二人体形态特征点之间的距离确定为肩宽。
在图11、图12所示中，在确定左肩点、右肩点对应的第一站立点时，是结合各直线的交点来确定，在另一应用示例中，也可以是直接将脚部中心点A移动一定步长后(该步长可以是结合人体形态特征统计数据确定的统计值)，将移动步长后的位置坐标作为该左肩点或者右肩点对应的第一站立点，然后采用与上述相同的方式确定出左肩高度和右肩高度。
在确定左肩高、右肩高时，可以是结合人体形态特征统计数据，直接将站立点移动统计的步长后(相当于确定了上述交点后)，采用与上述相同的方式进行。
因此，基于上述方式，可以确定出视频监控图像中任务的身高、肩高、肩宽等人体形态特征信息。最终识别出的人体形态特征信息可以作为数据集合记录为人员Z的数据，也可以作为人物Z的数据ID，从而完成对被监控人员Z的形态抽取过程。
基于与上述实施例中的方法相同的思想，本发明实施例还提供一种食品监控图像中的人员形态提取装置。
图13示出了一个实施例中的视频监控图像中的人员形态提取装置的结构示意图。如图13所示，该实施例中的装置包括：
监控图像获取模块101，用于获取视频监控设备拍摄得到的视频监控图像；
监控图像特征点识别模块102，用于识别出所述视频监控图像中的人物的第一人体形态特征点以及与该第一人体形态特征点对应的第一站立点，并识别出所述视频监控图像中从所述第一站立点到所述第一人体形态特征点的延长线方向上的第一边界点；
区域图像投影点确定模块103，用于根据与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一站立点对应的第二站立点、与所述第一人体形态特征点对应的第二特征点投影点，所述第二特征点投影点为所述人物所在平面上与所述第一人体特征点对应的第二人体形态特征点基于所述视频监控设备的投影方向的投影点，并基于所述线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点；
建筑模型信息获取模块104，用于从建筑信息模型中获取所述视频监控设备的安装角度、安装位置信息，所述安装角度为所述视频监控设备的摄像角度与水平面的夹角；
形态特征确定模块105，用于根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离，并将该距离确定为与所述第一人体形态特征点的类型对应的人体形态特征信息。
如上所述的实施例中的方案，其根据普通的视频监控设备拍摄得到的视频监控图像，基于与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定出现实视频监控区域的地面平面上的对应的相关特征点，并从建筑信息模型中获得视频监控设备的安装角度和安装位置信息后，结合该安装角度、安装位置信息以及现实视频监控区域的地面平面上的对应的相关特征点计算确定出具体的人体形态特征信息，其不仅可以准确地提取出视频图像监控图像中的人员形态特征，而且无需采用成本高昂的3D摄影机，可以普遍应用于目前已有的各种视频监控领域，成本低且简单实用。
图14中示出了一个具体应用示例中的形态特征确定模块的结构示意图。如图14所示，该具体应用示例中的形态特征确定模块105包括：
设备坐标点确定模块1051，用于根据所述视频监控设备的安装位置信息确定所述视频监控设备在所述现实视频监控区域的地面平面上的设备坐标点；
边界角度确定模块1052，用于根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度；
投影角度确定模块1053，用于根据所述安装角度和所述边界角度确定所述第二人体形态特征点到所述第二特征点投影点的连线与水平面的投影角度；
距离确定模块1054，用于根据所述投影角度、所述第二站立点、第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离。
可以理解的是，上述投影角度为所述安装角度和所述边界角度的和值。距离确定模块1054根据所述投影角度、所述第二站立点、所述第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离时，可以是基于三角函数关系进行。
另一方面，边界角度确定模块1052在根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度时，具体是可以通过下述方式进行：根据所述设备坐标点、所述第二边界点，确定所述设备坐标点与所述第二边界点之间的第一距离，根据所述第二边界点、所述第二特征点投影点，确定所述第二边界点与所述第二特征点投影点之间的第二距离，并基于三角函数关系，根据所述第一距离、所述第二距离、所述安装角度确定所述边界角度。
上述第一人体形态特征点，可以结合实际需要进行设定。
在一个具体示例中，上述第一人体形态特征点可以包括头顶点，此时，上述对应的人体体态特征信息可以包括人体高度。此时，如图13所示，监控图像特征点识别模块101可以包括头顶特征点识别模块1011，该头顶特征点识别模块1011用于识别视频监控图像中的人物的头顶点，并识别出视频监控图像中的人物的脚部区域的脚部中心点，并将该脚部中心点确定为与头顶点对应的第一站立点。
在另一个具体示例中，上述第一人体形态特征点可以包括左肩点，此时，上述对应的所述人体体态特征信息可以包括左肩高度。
此时，如图13所示，监控图像特征点识别模块101还可以包括左肩特征点识别模块1012，用于在识别出视频监控图像中的人物的头顶点和脚部区域的脚部中心点后(或者是基于头顶特征点识别模块1011识别出的头顶点和脚部中心点)，确定通过头顶点与脚部中心点的第一直线，确定通过脚部中心点且与第一直线垂直的第二直线、以及通过左肩点且与第一直线平行的第三直线，并将第二直线与第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点。
可以理解，上述第一人体形态特征点还可以包括右肩点，此时，第一人体形态特征点为右肩点，上述对应的所述人体体态特征信息包括可以右肩高度。
此时，如图13所示，监控图像特征点识别模块101还可以包括右肩特征点识别模块1013，用于在识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后(或者是基于头顶特征点识别模块1011识别出的头顶点和脚部中心点)，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，并将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点。
此外，在另一个具体示例中，上述第一人体形态特征点可以同时包括左肩点、右肩点。此时，确定的与左肩点和右肩点对应的人体形态特征信息包括左肩高度、右肩高度和肩宽。
此时，如图13所示，上述监控图像特征点识别模块101可以同时包括上述左肩特征点识别模块1012、右肩特征点识别模块1013，当然，还可以同时包括上述头顶特征点识别模块1011。
在左肩特征点识别模块1012采用上述方式识别出左肩点对应的第一站立点，右肩特征点识别模块1013采用上述方式识别出右肩点对应第一站立点后，形态特征确定模块105，将左肩点对应的第二人体形态特征点与第二站立点之间的距离确定为左肩高度，将右肩点对应的第二人体形态特征点与第二站立点之间的距离确定为右肩高度，并将左肩点对应的第二人体形态特征点与右肩点对应的第二人体形态特征点之间的距离确定为所述肩宽。
如图11所示，在一个具体示例中，本实施例的装置还可以包括线性模型确定模块100，该线性模型确定模块100，用于从所述建筑信息模型中获取所述视频监控设备的安装高度以及所述安装角度，并获取所述视频监控设备的成像平面与镜头之间的像距，并根据所述安装高度、所述安装角度确定所述现实视频监控区域的地面平面，并根据所述现实视频监控区域的地面平面、所述像距，确定以所述镜头为光心的、根据所述视频监控设备的成像平面上的成像点确定所述现实视频监控区域的地面平面的平面点的转换关系，并将该转换关系确定为所述线性成像模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
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 (14)
1.一种视频监控图像中的人员形态提取方法，其特征在于，包括步骤：
获取视频监控设备拍摄得到的视频监控图像；
识别出所述视频监控图像中的人物的第一人体形态特征点以及与该第一人体形态特征点对应的第一站立点；
根据与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一站立点对应的第二站立点、与所述第一人体形态特征点对应的第二特征点投影点，所述第二特征点投影点为所述人物所在平面上与所述第一人体特征点对应的第二人体形态特征点基于所述视频监控设备的投影方向的投影点；
获取所述视频监控图像中从所述第一站立点到所述第一人体形态特征点的延长线方向上的第一边界点，并基于所述线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点；
从建筑信息模型中获取所述视频监控设备的安装角度、安装位置信息，所述安装角度为所述视频监控设备的摄像角度与水平面的夹角；
根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二人体形态特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离，并将该距离确定为与所述第一人体形态特征点的类型对应的人体形态特征信息。
2.根据权利要求1所述的视频监控图像中的人员形态提取方法，其特征在于，根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二人体形态特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离的方式包括：
根据所述视频监控设备的安装位置信息确定所述视频监控设备在所述现实视频监控区域的地面平面上的设备坐标点；
根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度；
根据所述安装角度和所述边界角度确定所述第二人体形态特征点到所述第二特征点投影点的连线与水平面的投影角度；
根据所述投影角度、所述第二站立点、第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离。
3.根据权利要求2所述的视频监控图像中的人员形态提取方法，其特征在于，包括下述各项中的至少一项：
根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度的方式包括：根据所述设备坐标点、所述第二边界点，确定所述设备坐标点与所述第二边界点之间的第一距离；根据所述第二边界点、所述第二特征点投影点，确定所述第二边界点与所述第二特征点投影点之间的第二距离；基于三角函数关系，根据所述第一距离、所述第二距离、所述安装角度确定所述边界角度；
所述投影角度为所述安装角度和所述边界角度的和值；
基于三角函数关系，根据所述投影角度、所述第二站立点、所述第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离。
4.根据权利要求1至3任意一项所述的视频监控图像中的人员形态提取方法，其特征在于，包括下述各项中的至少一项：
所述第一人体形态特征点包括头顶点，与头顶点对应的第一站立点为所述视频监控图像中的人物的脚部区域的脚部中心点，对应的所述人体形态特征信息包括人体高度；
所述第一人体形态特征点包括左肩点，对应的所述人体形态特征信息包括左肩高度，识别出所述视频监控图像中的人物的与左肩点对应的第一站立点的方式包括：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点，确定通过所述头顶点与脚部中心点的第一直线，并确定通过所述脚部中心点且与所述第一直线垂直的第二直线、以及通过所述左肩点且与所述第一直线平行的第三直线，将所述第二直线与所述第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点；
所述第一人体形态特征点包括右肩点，对应的所述人体形态特征信息包括右肩高度，识别出所述视频监控图像中的人物的与右肩点对应的第一站立点的方式包括：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点。
5.根据权利要求1至3任意一项所述的视频监控图像中的人员形态提取方法，其特征在于，所述第一人体形态特征点包括左肩点和右肩点；
识别出所述视频监控图像中的人物的与左肩点对应的第一站立点的方式包括：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第一直线，并确定通过所述脚部中心点且与所述第一直线垂直的第二直线、以及通过所述左肩点且与所述第一直线平行的第三直线，将所述第二直线与所述第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点；
识别出所述视频监控图像中的人物的与右肩点对应的第一站立点的方式包括：识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点；
确定的与左肩点和右肩点对应的人体形态特征信息包括左肩高度、右肩高度和肩宽，所述左肩高度为左肩点对应的第二人体形态特征点与第二站立点之间的距离，所述右肩高度为右肩点对应的第二人体形态特征点与第二站立点之间的距离，所述肩宽为左肩点对应的第二人体形态特征点与右肩点对应的第二人体形态特征点之间的距离。
6.根据权利要求1至3任意一项所述的视频监控图像中的人员形态提取方法，其特征在于，所述现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型通过下述方式确定：
从所述建筑信息模型中获取所述视频监控设备的安装高度以及所述安装角度；
根据所述安装高度、所述安装角度确定所述现实视频监控区域的地面平面；
获取所述视频监控设备的成像平面与镜头之间的像距；
根据所述现实视频监控区域的地面平面、所述像距，确定以所述镜头为光心的、根据所述视频监控设备的成像平面上的成像点确定所述现实视频监控区域的地面平面的平面点的转换关系，并将该转换关系确定为所述线性成像模型。
7.一种视频监控图像中的人员形态提取装置，其特征在于，包括：
监控图像获取模块，用于获取视频监控设备拍摄得到的视频监控图像；
监控图像特征点识别模块，用于识别出所述视频监控图像中的人物的第一人体形态特征点以及与该第一人体形态特征点对应的第一站立点，并识别出所述视频监控图像中从所述第一站立点到所述第一人体形态特征点的延长线方向上的第一边界点；
区域图像投影点确定模块，用于根据与所述视频监控设备对应的现实视频监控区域的地面平面成像至所述视频监控设备的成像面的线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一站立点对应的第二站立点、与所述第一人体形态特征点对应的第二特征点投影点，所述第二特征点投影点为所述人物所在平面上与所述第一人体特征点对应的第二人体形态特征点基于所述视频监控设备的投影方向的投影点，并基于所述线性成像模型，确定所述现实视频监控区域的地面平面上与所述第一边界点对应的第二边界点；
建筑模型信息获取模块，用于从建筑信息模型中获取所述视频监控设备的安装角度、安装位置信息，所述安装角度为所述视频监控设备的摄像角度与水平面的夹角；
形态特征确定模块，用于根据所述视频监控设备的安装位置信息、所述第二边界点、所述第二特征点投影点、所述安装角度以及所述第二人体形态特征点，确定所述第二人体形态特征点与所述第二站立点之间的距离，并将该距离确定为与所述第一人体形态特征点的类型对应的人体形态特征信息。
8.根据权利要求7所述的视频监控图像中的人员形态提取装置，其特征在于，所述形态特征确定模块包括：
设备坐标点确定模块，用于根据所述视频监控设备的安装位置信息确定所述视频监控设备在所述现实视频监控区域的地面平面上的设备坐标点；
边界角度确定模块，用于根据所述设备坐标点、所述第二边界点、所述第二特征点投影点、所述安装角度，确定所述第二人体形态特征点到所述视频监控设备的连线相对于所述视频监控设备的投影范围上边界的边界角度；
投影角度确定模块，用于根据所述安装角度和所述边界角度确定所述第二人体形态特征点到所述第二特征点投影点的连线与水平面的投影角度；
距离确定模块，用于根据所述投影角度、所述第二站立点、第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离。
9.根据权利要求8所述的视频监控图像中的人员形态提取装置，其特征在于，包括下述各项中的至少一项：
所述边界角度确定模块根据所述设备坐标点、所述第二边界点，确定所述设备坐标点与所述第二边界点之间的第一距离，根据所述第二边界点、所述第二特征点投影点，确定所述第二边界点与所述第二特征点投影点之间的第二距离，并基于三角函数关系，根据所述第一距离、所述第二距离、所述安装角度确定所述边界角度；
所述投影角度为所述安装角度和所述边界角度的和值；
所述距离确定模块基于三角函数关系，根据所述投影角度、所述第二站立点、所述第二特征点投影点确定所述第二人体形态特征点与所述第二站立点之间的距离。
10.根据权利要求7至9任意一项所述的视频监控图像中的人员形态提取装置，其特征在于，包括下述各项中的至少一项：
所述第一人体形态特征点包括头顶点，对应的所述人体形态特征信息包括人体高度；所述监控图像特征点识别模块包括头顶特征点识别模块，用于识别所述视频监控图像中的人物的头顶点，并识别出所述视频监控图像中的人物的脚部区域的脚部中心点，并将该脚部中心点确定为与头顶点对应的第一站立点；
所述第一人体形态特征点包括左肩点，对应的所述人体形态特征信息包括左肩高度，所述监控图像特征点识别模块包括左肩特征点识别模块，用于在识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第一直线，确定通过所述脚部中心点且与所述第一直线垂直的第二直线、以及通过所述左肩点且与所述第一直线平行的第三直线，并将所述第二直线与所述第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点；
所述第一人体形态特征点包括右肩点，对应的所述人体形态特征信息包括右肩高度，所述监控图像特征点识别模块包括右肩特征点识别模块，用于在识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，并将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点。
11.根据权利要求7至9任意一项所述的视频监控图像中的人员形态提取装置，其特征在于，所述第一人体形态特征点包括左肩点、右肩点，确定的与左肩点和右肩点对应的人体形态特征信息包括左肩高度、右肩高度和肩宽；
所述监控图像特征点识别模块包括左肩特征点识别模块、右肩特征点识别模块；
所述左肩特征点识别模块，用于在识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第一直线，确定通过所述脚部中心点且与所述第一直线垂直的第二直线、以及通过所述左肩点且与所述第一直线平行的第三直线，并将所述第二直线与所述第三直线的交点确定为所述视频监控图像中的人物的与左肩点对应的第一站立点；
所述右肩特征点识别模块，用于在识别出所述视频监控图像中的人物的头顶点和脚部区域的脚部中心点后，确定通过所述头顶点与脚部中心点的第四直线，并确定通过所述脚部中心点且与所述第四直线垂直的第五直线、以及通过所述右肩点且与所述第四直线平行的第六直线，并将所述第五直线与所述第六直线的交点确定为所述视频监控图像中的人物的与右肩点对应的第一站立点；
所述形态特征确定模块，将左肩点对应的第二人体形态特征点与第二站立点之间的距离确定为所述左肩高度，将右肩点对应的第二人体形态特征点与第二站立点之间的距离确定为所述右肩高度，并将左肩点对应的第二人体形态特征点与右肩点对应的第二人体形态特征点之间的距离确定为所述肩宽。
12.根据权利要求7至9任意一项所述的视频监控图像中的人员形态提取装置，其特征在于，还包括：
线性模型确定模块，用于从所述建筑信息模型中获取所述视频监控设备的安装高度以及所述安装角度，并获取所述视频监控设备的成像平面与镜头之间的像距，并根据所述安装高度、所述安装角度确定所述现实视频监控区域的地面平面，并根据所述现实视频监控区域的地面平面、所述像距，确定以所述镜头为光心的、根据所述视频监控设备的成像平面上的成像点确定所述现实视频监控区域的地面平面的平面点的转换关系，并将该转换关系确定为所述线性成像模型。
13.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
14.一种计算机系统，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611191607.8A CN108234932B (zh) | 2016-12-21 | 2016-12-21 | 视频监控图像中的人员形态提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611191607.8A CN108234932B (zh) | 2016-12-21 | 2016-12-21 | 视频监控图像中的人员形态提取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108234932A CN108234932A (zh) | 2018-06-29 |
| CN108234932B true CN108234932B (zh) | 2020-06-02 |
Family
ID=62651832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611191607.8A Expired - Fee Related CN108234932B (zh) | 2016-12-21 | 2016-12-21 | 视频监控图像中的人员形态提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108234932B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108965850B (zh) * | 2018-07-05 | 2020-04-07 | 盎锐（上海）信息科技有限公司 | 人体形态的采集装置及方法 |
| CN109740458B (zh) * | 2018-12-21 | 2021-07-16 | 安徽智恒信科技股份有限公司 | 一种基于视频处理的体貌特征测量方法及系统 |
| CN112561987B (zh) * | 2020-12-18 | 2023-03-24 | 万翼科技有限公司 | 人员位置显示方法及相关装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004282162A (ja) * | 2003-03-12 | 2004-10-07 | Minolta Co Ltd | カメラ、監視システム |
| CN102930554B (zh) * | 2011-08-11 | 2015-06-03 | 天津市亚安科技股份有限公司 | 一种监控场景下目标精确抓取的方法及系统 |
| CN103049918A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种视频监控中准确计算实际目标大小的方法 |
| CN104236462B (zh) * | 2013-06-14 | 2018-01-23 | 北京千里时空科技有限公司 | 一种提取视频图像中物体高度和距离的方法 |
-
2016
- 2016-12-21 CN CN201611191607.8A patent/CN108234932B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN108234932A (zh) | 2018-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110568447B (zh) | 视觉定位的方法、装置及计算机可读介质 | |
| US10068344B2 (en) | Method and system for 3D capture based on structure from motion with simplified pose detection | |
| US11816829B1 (en) | Collaborative disparity decomposition | |
| US11842516B2 (en) | Homography through satellite image matching | |
| CN107103056B (zh) | 一种基于局部标识的双目视觉室内定位数据库建立方法及定位方法 | |
| US8369578B2 (en) | Method and system for position determination using image deformation | |
| CN111192321B (zh) | 目标物三维定位方法与装置 | |
| CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
| JP6609640B2 (ja) | 電子デバイス上における環境マッピング用のフィーチャ・データの管理 | |
| US20240071016A1 (en) | Mixed reality system, program, mobile terminal device, and method | |
| JP7161550B2 (ja) | 関心領域の空間座標を算出する方法、システムおよび非一過性のコンピュータ読み取り可能記録媒体 | |
| CN108234932B (zh) | 视频监控图像中的人员形态提取方法及装置 | |
| CN110796032A (zh) | 基于人体姿态评估的视频围栏及预警方法 | |
| Yeh et al. | 3D reconstruction and visual SLAM of indoor scenes for augmented reality application | |
| CN112422653A (zh) | 基于位置服务的场景信息推送方法、系统、存储介质及设备 | |
| CN114463663A (zh) | 一种人员身高的计算方法、装置、电子设备及存储介质 | |
| CN117711130A (zh) | 基于3d建模的厂区安全生产监管方法及系统、电子设备 | |
| Aliakbarpour et al. | Multi-sensor 3D volumetric reconstruction using CUDA | |
| CN112634377B (zh) | 扫地机器人的相机标定方法、终端和计算机可读存储介质 | |
| CN112862976A (zh) | 一种图像生成方法、装置及电子设备 | |
| US11539934B2 (en) | Image display method and image surveillance system | |
| CN111724442B (zh) | 图像处理方法及装置、电子设备及存储介质 | |
| CN114663507A (zh) | 距离检测方法、装置、电子设备及计算机存储介质 | |
| CN117764896A (zh) | 建筑物完整性检测方法、装置、电子设备及存储介质 | |
| CN110991383A (zh) | 一种多相机联合的周界区域人员定位方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 |