CN108345842B - 一种基于大数据的处理方法 - Google Patents

一种基于大数据的处理方法 Download PDF

Info

Publication number
CN108345842B
CN108345842B CN201810067603.1A CN201810067603A CN108345842B CN 108345842 B CN108345842 B CN 108345842B CN 201810067603 A CN201810067603 A CN 201810067603A CN 108345842 B CN108345842 B CN 108345842B
Authority
CN
China
Prior art keywords
connecting rod
image
shaft connection
big data
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.)
Active
Application number
CN201810067603.1A
Other languages
English (en)
Other versions
CN108345842A (zh
Inventor
宋黎定
申景诗
刘书萌
肖会
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.)
CLP Great Wall SHENGFEI Information System Co.,Ltd.
Original Assignee
Clp Great Wall Shengfei Information System Co ltd
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 Clp Great Wall Shengfei Information System Co ltd filed Critical Clp Great Wall Shengfei Information System Co ltd
Priority to CN201810067603.1A priority Critical patent/CN108345842B/zh
Publication of CN108345842A publication Critical patent/CN108345842A/zh
Application granted granted Critical
Publication of CN108345842B publication Critical patent/CN108345842B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/30Noise filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53Recognition of crowd images, e.g. recognition of crowd congestion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60Control of cameras or camera modules
    • H04N23/64Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70Circuitry for compensating brightness variation in the scene
    • H04N23/71Circuitry for evaluating the brightness variation
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于大数据的处理方法包括:初始化图像采集模块的参数;采集图像;确定和调节参数,获取目标区域的视频图像,提取多帧图像,分割成检测区域,提取图像区域,提取分析主参考线和辅参考线,确定属于待统计的移动对象;增加其统计计数;求取人流量总和;超过阈值则提醒或报警。该处理方法能够全面、准确捕获目标区域和待分析对象,降低硬件成本和硬件所消耗的电力,提高电能使用效率,减少并优化对软件和硬件资源的利用和使用,便于数据的快速获取,并且可以对监测区域进行实时调节,此外还能够在复杂场景下关注有无潜在的可能引发公共危险的人物。

Description

一种基于大数据的处理方法
技术领域
本发明涉及大数据领域,并且更具体而言,涉及一种基于大数据的处理方法。
背景技术
随着社会的快速发展和进步,城市人口的不断增多,公共场所的人流量逐年递增,尤其是在特定的时间点,例如跨年、节假日、早晚上下班高峰,以及特定的场所,例如地铁、广场、旅游景点、学校、商场、火车站、汽车站、售票厅等人流量集中的场景。然而,当诱发人员的集中时,例如当有大型促销活动,跨年演唱会,春运进站,人流量快速聚集,此时如果不对人流量进行计算、预判和控制,则可能造成踩踏。因此有必要对特定场所的人流量进行获取和预判。
另外,在某些场所中,例如售票大厅,为了更有效全面地获取人流量数据,往往会安装众多摄像头,而这些摄像头往往安装在空间的不同位置,并且面对特定的较小范围的区域;为了获取该场所的人流量数据,除了多个摄像头采集之外,还需要对图像进行调节、拼接、数据处理,带来一系列问题。首先,数量众多的摄像头将会使得硬件成本上升,而且会导致硬件所消耗的电力较大,电能使用效率不高。其次,多个摄像头所捕获的图像的拼接和图像处理,会极大地耗费软件和硬件资源,不利于数据的快速获取。为了解决这些问题,现有技术中存在降低数量的摄像头,通过将摄像头配置成可旋转来捕获下方空间中的图像,然而,其固然降低了摄像头的使用数量,但是其捕获的图像需要进行扭曲校正、切割和划界,导致捕获的范围不够全面,并且图像处理也较为复杂。而且,有时候也需要对监测区域进行实时调节,例如在如下的医院挂号或者火车站售票大厅场景中,当工作时间时,待检测区域包括售票或挂号窗口外的所有区域,而随着时间的过去,当下班后,由于办理业务的窗口变少,或者位置进行了调整,图像采集模块必须及时地过渡到急诊时间/非常规工作时间的服务区域,以进行针对性的捕获和有效分析;否则,待检测区域中无效区域过大,无形中生成很多无效数据,并且重复处理无效数据,将导致无端的耗电和处理资源的占用。另外,由于很多时候,待分析对象身边携带适当高度的随身物品,例如拉着拉杆箱、在候车大厅排队的游客,其拉杆箱会被错误地识别为人,所以会对数据结果造成误差,可见准确分析对象很有必要。另外,在一些情况复杂的场所,利用大数据技术进行分析和预判,能够准确快速地获得期望的结果。而且除了统计人流量,有时需要在复杂场景下关注有无潜在的可能引发公共危险的人物,或者犯罪潜逃的人物,此时需要进行人脸的识别和对比。
基于此,有必要发明一种能够解决以上问题的基于大数据的处理方法。
发明内容
本发明的目的之一是提供一种基于大数据的处理方法,其能够全面、准确捕获目标区域和待分析对象,降低硬件成本和硬件所消耗的电力,提高电能使用效率,减少并优化对软件和硬件资源的利用和使用,便于数据的快速获取,并且可以对监测区域进行实时调节,此外还能够在复杂场景下关注有无潜在的可能引发公共危险的人物。
本发明为解决上述技术问题而采取的技术方案为:一种基于大数据的处理方法,包括:步骤1,初始化图像采集模块的参数;步骤2,采集目标区域的第一图像;步骤3,确定目标区域的第一图像中的有效范围的比例和环境光强度,如果有效范围的比例和环境光强度都满足预设条件,则执行步骤4;否则根据当前的有效范围的比例和环境光强度的数值,查找对应的设置列表,调节图像采集模块的参数,并返回步骤1,以重复之前操作;步骤4,获取目标区域的视频图像,创建背景模型,并实时更新以适应场景的变化;步骤5,提取获取的目标区域的视频图像中的多帧图像,并将每帧图像分割成多个检测区域,其中多个检测区域中的至少一个检测区域包括场所的一个或多个入口处的图像区域;步骤6,提取场所的一个或多个入口处的图像区域,提取所述一帧图像中的移动对象分析主参考线和辅参考线,其中主参考线与场景中的移动对象以最大概率移动的方向相垂直,而辅参考线与主参考线相垂直;步骤7:提取视频图像中的相邻的多帧图像,通过移动对象是否跨过主参考线和/或辅参考线来确定属于待统计的移动对象;步骤8:如果确定属于待统计的移动对象则更新统计模块,增加其统计计数;否则返回步骤6,以针对其他检测区域重复执行操作;步骤9,如果一帧中的多个检测区域全部统计完毕,求取多个检测区域的人流量总和;步骤10:如果人流量总和超过提醒阈值而未超过警戒值,则发出提醒信号;如果人流量总和超过警戒值,则发出报警信号以控制入口和出口处的人流;如果单个检测区域的人流量超过提醒阈值而未超过警戒值,则通过声音警戒或者通过直方图突出显示而提醒管理方进入疏散就绪状态。
在一个实施例中,该处理方法进一步包括步骤11,步骤11具体包括以下子步骤:步骤ST1,分析图像中的特定区域中,反复扭头观察的人物,并且对其人脸进行跟踪,并且捕获该人物的正面人脸图像;步骤ST2,将图像中捕获的其正面人脸图像进行切割、放大、序列化,并连接大数据中心,将切割、放大和序列化的人脸数据比对大数据中心的人脸存储单元的基准特征序列进行比对;步骤ST3,计算切割、放大和序列化的人脸数据与大数据中心的人脸存储单元的基准人脸特征序列的欧氏距离的平方值;步骤ST4,将欧氏距离的平方值规格化,并将归一化的欧式距离的平方值与设置的阈值比较,如果小于设置的阈值,则与大数据中心中的嫌疑人物相似;否则为不相似;步骤ST5,查找大数据中心的人物身份信息与基准人脸特征序列的映射表,获取与大数据中心的人脸存储单元的基准人脸特征序列对应的人物身份信息,并进一步调取该人物的其它图像,进行进一步的甄别和确认;步骤ST6,如果确定该人物与大数据中心的人物身份信息吻合,则将结果发往调度中心进行显示,以供安全部门进行行动的实施或参考。
在一个实施例中,在步骤ST1中,对其人脸进行跟踪进一步包括:步骤ST11,监测一帧图像中由摄像头捕获的人脸图像,并将人脸图像作为初始搜索窗口;步骤ST12,将人脸图像转换到颜色空间中,获得色调分量,用滤波器平滑该色调分量,计算人脸图像中人脸部分的颜色直方图;步骤ST13,根据颜色直方图计算人脸部分的反向投影;步骤ST14,根据计算的反向投影来移动跟踪窗口,直到跟踪窗口的中心近似等于其重心;以该重心为圆心,以一定半径画圆,以形成下一帧的计算的人脸初始区域。
在一个实施例中,该图像采集模块包括:第一固定件1、第一轴连接2、第二轴连接3、第一连接杆4、第三轴连接5、第二连接杆6、第四轴连接7、第三连接杆8、第五轴连接9、第四连接杆10、第六轴连接11、第五连接杆12、摄像头13,其中第一固定件1固定于墙壁上,第一固定件1与第一连接杆4之间通过第一轴连接2而连接,从而从墙壁往外看,可以实现第一连接杆4相对于第一固定件1的左右移动,以便于及时地调整图像采集范围;第二轴连接3位于第一连接杆4和第二连接杆6的外侧,用于实现第二连接杆6相对于第一连接杆4的相对运动;第三轴连接5位于第一连接杆4和第四连接杆10的外侧,用于实现第四连接杆10相对于第一连接杆4的相对运动;第四轴连接7位于第二连接杆6和第三连接杆8的外侧,用于实现第二连接杆6和第三连接杆8的相对运动;第五轴连接9位于第三连接杆8和第四连接杆10的外侧,用于实现第三连接杆8和第四连接杆10的相对运动;其中第三轴连接5中从第二轴连接 3到第三轴连接5的部分、第三连接杆8中从第四轴连接7到第五轴连接9的部分、第二连接杆6、第四连接杆10形成了平行四边形,用于从图中的侧视角度看,使得图像采集可以左移或右移,同时从墙壁往外的角度看,使得图像采集可以前移或后移,以便于及时地调整图像采集范围;第三连接杆8与第五连接杆12通过第六轴连接11连接,并且第五连接杆12的外侧固定有摄像头13,由于第六轴连接11的结构,使得从墙壁往外的角度看,可以使得摄像头13和第五连接杆12一起能够相对于第三连接杆8上下移动,以便于及时地调整图像采集范围。旋转的配置方式包括以下两者中的任意一个:第一固定件1、第一连接杆4、第二连接杆6、第三连接杆8、第四连接杆10、第五连接杆12内部设置有导线,用于连接和控制第一轴连接2、第二轴连接3、第三轴连接5、第四轴连接7、第五轴连接9、第六轴连接11内部安装的可旋转电机,并且第一固定件1内部的导线的左侧通过墙壁内部的导线或墙壁表面的导线而连接到控制模块;或者,第一轴连接2、第二轴连接3、第三轴连接5、第四轴连接7、第五轴连接9、第六轴连接11的内部都设置有无线收发模块和可旋转电机,用于接收控制模块发出的控制命令,并根据该控制命令来调节可旋转电机的旋转,以进一步调节各个轴连接所连接的连接杆的相对运动。第二连接杆6和第四连接杆10的结构包括以下两者中的任意一个:第二连接杆6和第四连接杆10均为一级或多级的套叠结构,即每一级套叠结构包括套筒和内杆,套筒的直径大于内杆的直径,并且套筒套在内杆外部,并且内杆被包含在套筒内的边缘部分设置有卡勾,以使得该级套叠结构在伸展到极限时有卡勾限位,以达到固定的最大伸展长度;其中在多级套叠结构的情况下,前一级套叠结构的内杆用作后一级套叠结构的套筒;或者,第二连接杆6和第四连接杆10包括容纳在其中的磁致伸缩部件,以第二连接杆6和第四连接杆10各自的中部为界,各自存在上下两部分,磁致伸缩部件被容纳于其中,各自的磁致伸缩部件的一端连接到第二连接杆6和第四连接杆10内部靠近第二轴连接3、第三轴连接5的一侧,各自的磁致伸缩部件的另一端连接到第二连接杆6和第四连接杆10内部靠近第四轴连接7、第五轴连接9的一侧,各自的磁致伸缩部件在控制模块发送的控制命令的控制下伸长或收缩,用于有效扩展或缩短第二连接杆6和第四连接杆10的长度,从而使得从墙壁往外的角度看,可以实现大范围的前移或后移图像采集模块,进一步增强图像采集的灵活性。
在一个实施例中,步骤3进一步包括,确定目标区域的第一图像中的有效范围的比例和环境光强度,其中目标区域的第一图像中的有效范围的比例是指人以非零概率活动的区域占整个采集图像的面积的比例,环境光强度是指目标区域的光强值,由于一天中包含诸如太阳之类的外部光源与目标区域的照明光源的叠加的光强随时间变化,所以需要实时调整目标区域的照明光源的强度,这样做既为了节约能源,也为了使得采集的图像亮度适中,不至于光照太强或太弱而增加图像处理的资源占用量,增加电力消耗;如果目标区域的第一图像中的有效范围的比例小于有效范围比例的预设条件,和/或如果环境光强度小于或大于环境光强度的预设条件,则需要根据当前的有效范围的比例和环境光强度的数值,查找数据中对应的设置列表,其中该设置列表记录有在不同的有效范围的比例和环境光强度下为实现图像的最优采集所需要进行的参数调节量,进而通过调节图像采集模块中相关组件的相对位置而实现摄像头的前后左右上下移动,从而实现最佳的图像采集质量,降低数据处理资源和电力的消耗。
在一个实施例中,在步骤4中,获取目标区域的视频图像,创建背景模型,并实时更新以适应场景的变化进一步包括:步骤41,在某一时刻,获取目标区域的视频图像,连续获取n帧图像;步骤42,计算这n帧图像中对应的每个点 P的颜色值的数学期望值,作为背景模型中对应点的颜色值,并计算对应的每个点P的颜色值的标准差值;步骤43,判断采集的新的一帧图像的类型并进行赋值,如果采集的新的一帧图像中的点的数学期望值与前述数学期望值的差大于前述标准差值的三倍,则确定该点为第一类型,否则为第二类型;步骤44,当时间t+1时,对背景模型中的对应点的数学期望值进行更新,其中如果步骤43 中判断是第一类型,则该点的数学期望值保持不变;如果判断是第二类型,则该点的数学期望值为步骤42中确定的背景模型中对应点的颜色值的α倍与t时刻采集的一帧图像中的对应点的颜色值的β倍,α和β均为正数且总和为1,经上述实时更新以适应场景的变化。
在一个实施例中,在步骤6中,提取所述一帧图像中的移动对象包括:采用滤波器执行平滑操作,获得当前图像与滤波器的卷积结果;差分计算相邻像素的梯度大小,当梯度大于设定的阈值时,认为是边缘;利用边缘分割目标与背景,将面积小于一定阈值的小块删除;计算当前图像的每个像素的概率,进而判断像素的多个类型,存在符合要求的类型时更新该像素对应的背景中的像素;略去图像边缘部分,在面积大于阈值的区域中滤除噪声;在每个面积大于阈值的区域中,提取像素灰度标准差大于阈值的区域,计算其量化的梯度图,通过根据训练过程中生成的人的模型来为每个量化的梯度图导出梯度大小的概率图;使用固定大小的矩形窗口扫描区域,并根据训练的模型和概率图将图像中的对象进行分类;计算对象为人的概率,如果大于预设的阈值,则初步判定存在人;否则初步判定不存在人。
在一个实施例中,步骤7:提取视频图像中的相邻的多帧图像,通过移动对象是否跨过主参考线和/或辅参考线来确定属于待统计的移动对象,进一步包括:步骤S1,针对主参考线和图像中初步确定的存在人的对象,构建主参考线在图像中的第一直线方程,并构建当前的一帧图像和下一帧图像中初步确定的存在人的对象的位移所在的直线的第二方程,当这两个方程构成的方程组有解时,执行步骤S3;步骤S2,如果当这两个方程构成的方程组无解时,针对辅参考线和图像中初步确定的存在人的对象,构建辅参考线在图像中的第三直线方程,并且当第二和第三方程构成的方程组有解时,执行步骤S3;步骤S3,提取图像中的人物的包含头部及以下和肩部及以上的图像,提取特征,并使用分类器分类,进而根据训练好的分类规则确定头肩比例;其中训练分类规则为:先取得头肩的正负样本,并进行特征提取,使用支持向量机分类器进行训练;步骤S4,如果该比例符合预设条件,则基于该结果来确定属于待统计的移动对象,否则认为不属于待统计的移动对象。
附图说明
在附图中通过实例的方式而不是通过限制的方式来示出本发明的实施例,其中相同的附图标记表示相同的元件,其中:
根据本发明的示范性实施例,图1图示一种基于大数据的处理方法的流程简图。
根据本发明的示范性实施例,图2图示图像采集模块的结构图。
具体实施方式
在进行以下具体实施方式之前,阐述贯穿本专利文档所使用的某些词语和短语的定义可能是有利的:术语“包括”和“包含”及其派生词意味着包括而没有限制;术语“或”是包含的,意味着和/或;短语“与...相关联”、“与其相关联”及其派生词可能意味着包括,被包括在...内,与...互连,包含,被包含在... 内,连接到...或与...连接,耦合到...或与...耦合,可与...通信,与...合作,交织,并列,接近...,被绑定到...或与...绑定,具有,具有...的属性,等等;而术语“控制器”意味着控制至少一个操作的任何设备、系统或其部件,这样的设备可能以硬件、固件或软件或者其中至少两个的一些组合来实现。应当注意的是:与任何特定的控制器相关联的功能性可能是集中式或分布式的,无论是本地还是远程。贯穿本专利文档提供用于某些词语和短语的定义,本领域技术人员应当理解:如果不是大多数情况下,在许多情况下,这样的定义适用于现有的以及这样定义的词语和短语的未来使用。
在下面的描述中,参考附图并以图示的方式示出几个具体的实施例。将理解的是:可设想并且可做出其他实施例而不脱离本公开的范围或精神。因此,以下详细描述不应被认为具有限制意义。
根据本发明的示范性实施例,图1图示一种基于大数据的处理方法的流程简图。具体地,该方法包括:
步骤1,初始化图像采集模块的参数;
步骤2,采集目标区域的第一图像;
步骤3,确定目标区域的第一图像中的有效范围的比例和环境光强度,如果有效范围的比例和环境光强度都满足预设条件,则执行步骤4;否则根据当前的有效范围的比例和环境光强度的数值,查找对应的设置列表,调节图像采集模块的参数,并返回步骤1,以重复之前操作;
步骤4,获取目标区域的视频图像,创建背景模型,并实时更新以适应场景的变化;
步骤5,提取获取的目标区域的视频图像中的多帧图像,并将每帧图像分割成多个检测区域,其中多个检测区域中的至少一个检测区域包括场所的一个或多个入口处的图像区域;
步骤6,提取场所的一个或多个入口处的图像区域,提取所述一帧图像中的移动对象分析主参考线和辅参考线,其中主参考线与场景中的移动对象以最大概率移动的方向相垂直,而辅参考线与主参考线相垂直;
步骤7:提取视频图像中的相邻的多帧图像,通过移动对象是否跨过主参考线和/或辅参考线来确定属于待统计的移动对象;
步骤8:如果确定属于待统计的移动对象则更新统计模块,增加其统计计数;否则返回步骤6,以针对其他检测区域重复执行操作;
步骤9,如果一帧中的多个检测区域全部统计完毕,求取多个检测区域的人流量总和;
步骤10:如果人流量总和超过提醒阈值而未超过警戒值,则发出提醒信号;如果人流量总和超过警戒值,则发出报警信号以控制入口和出口处的人流;如果单个检测区域的人流量超过提醒阈值而未超过警戒值,则通过声音警戒或者通过直方图突出显示而提醒管理方进入疏散就绪状态。
根据本发明的示范性实施例,图2图示图像采集模块的结构图。其中,图2 的圆形部分为顶视放大图,而其余部分为该图像采集模块的侧视图,该图像采集模块包括:第一固定件1、第一轴连接2、第二轴连接3、第一连接杆4、第三轴连接5、第二连接杆6、第四轴连接7、第三连接杆8、第五轴连接9、第四连接杆10、第六轴连接11、第五连接杆12、摄像头13,其中第一固定件1固定于墙壁上,第一固定件1与第一连接杆4之间通过第一轴连接2而连接,从而从墙壁往外看,可以实现第一连接杆4相对于第一固定件1的左右移动,以便于及时地调整图像采集范围;第二轴连接3位于第一连接杆4和第二连接杆6 的外侧,用于实现第二连接杆6相对于第一连接杆4的相对运动;第三轴连接5 位于第一连接杆4和第四连接杆10的外侧,用于实现第四连接杆10相对于第一连接杆4的相对运动;第四轴连接7位于第二连接杆6和第三连接杆8的外侧,用于实现第二连接杆6和第三连接杆8的相对运动;第五轴连接9位于第三连接杆8和第四连接杆10的外侧,用于实现第三连接杆8和第四连接杆10 的相对运动;其中第三轴连接5中从第二轴连接3到第三轴连接5的部分、第三连接杆8中从第四轴连接7到第五轴连接9的部分、第二连接杆6、第四连接杆10形成了平行四边形,用于从图中的侧视角度看,使得图像采集可以左移或右移,同时从墙壁往外的角度看,使得图像采集可以前移或后移,以便于及时地调整图像采集范围;第三连接杆8与第五连接杆12通过第六轴连接11连接,并且第五连接杆12的外侧固定有摄像头13,由于第六轴连接11的结构,使得从墙壁往外的角度看,可以使得摄像头13和第五连接杆12一起能够相对于第三连接杆8上下移动,以便于及时地调整图像采集范围。通过以上一系列的轴连接和连接杆的联合或单独操作,可实现图像采集模块的上下、左右、前后移动,从而有效地增强图像获取的灵活性,为后续基于人流量的大数据处理提供灵活的源数据。
本发明可以根据需要实时调节摄像头的图像采集区域进行,例如:在火车站售票大厅的场景下,当考虑售票窗口的开放数量时,需要将图像采集模块的摄像头对准已开通窗口的排队队伍;而当考虑售票大厅的环境容量时,需要将图像采集模块的摄像头对准入口和入口外排队和被安检的区域,以确定是否需要在大厅外部限流或者增加室外排队栏杆的复杂度和/或增加到入口的距离,以有效限流以避免群体性时间的发生。再例如,在医院挂号/缴费大厅中,当工作时间时,待检测区域包括挂号/缴费窗口外的所有区域,而随着时间的过去,当下班后,由于办理业务的窗口变少,或者办理位置进行了调整,图像采集模块可以及时地过渡到急诊时间/非常规工作时间的服务区域,以进行针对性的捕获和有效分析;以避免待检测区域中无效区域过大,无形中生成很多无效数据,并且重复处理无效数据而导致无端的耗电和处理资源的占用。
优选地,第一固定件1、第一连接杆4、第二连接杆6、第三连接杆8、第四连接杆10、第五连接杆12内部设置有导线,用于连接和控制第一轴连接2、第二轴连接3、第三轴连接5、第四轴连接7、第五轴连接9、第六轴连接11内部安装的可旋转电机,并且第一固定件1内部的导线的左侧通过墙壁内部的导线或墙壁表面的导线而连接到控制模块。
替代地,第一轴连接2、第二轴连接3、第三轴连接5、第四轴连接7、第五轴连接9、第六轴连接11的内部都设置有无线收发模块和可旋转电机,用于接收控制模块发出的控制命令,并根据该控制命令来调节可旋转电机的旋转,以进一步调节各个轴连接所连接的连接杆的相对运动。
优选地,第二连接杆6和第四连接杆10均为一级或多级的套叠结构,即每一级套叠结构包括套筒和内杆,套筒的直径大于内杆的直径,并且套筒套在内杆外部,并且内杆被包含在套筒内的边缘部分设置有卡勾,以使得该级套叠结构在伸展到极限时有卡勾限位,以达到固定的最大伸展长度;其中在多级套叠结构的情况下,前一级套叠结构的内杆用作后一级套叠结构的套筒。
替代地,第二连接杆6和第四连接杆10包括容纳在其中的磁致伸缩部件,以第二连接杆6和第四连接杆10各自的中部为界,各自存在上下两部分,磁致伸缩部件被容纳于其中,各自的磁致伸缩部件的一端连接到第二连接杆6和第四连接杆10内部靠近第二轴连接3、第三轴连接5的一侧,各自的磁致伸缩部件的另一端连接到第二连接杆6和第四连接杆10内部靠近第四轴连接7、第五轴连接9的一侧,各自的磁致伸缩部件在控制模块发送的控制命令的控制下伸长或收缩,用于有效扩展或缩短第二连接杆6和第四连接杆10的长度,从而使得从墙壁往外的角度看,可以实现大范围的前移或后移图像采集模块,进一步增强图像采集的灵活性。
优选地,步骤3进一步包括,确定目标区域的第一图像中的有效范围的比例和环境光强度,其中目标区域的第一图像中的有效范围的比例是指人以非零概率活动的区域占整个采集图像的面积的比例,环境光强度是指目标区域的光强值,由于一天中包含诸如太阳之类的外部光源与目标区域的照明光源的叠加的光强随时间变化,所以需要实时调整目标区域的照明光源的强度,这样做既为了节约能源,也为了使得采集的图像亮度适中,不至于光照太强或太弱而增加图像处理的资源占用量,增加电力消耗。如果目标区域的第一图像中的有效范围的比例小于有效范围比例的预设条件,和/或如果环境光强度小于或大于环境光强度的预设条件,则需要根据当前的有效范围的比例和环境光强度的数值,查找数据中对应的设置列表,其中该设置列表记录有在不同的有效范围的比例和环境光强度下为实现图像的最优采集所需要进行的参数调节量,进而通过调节图像采集模块中相关组件的相对位置而实现摄像头的前后左右上下移动,从而实现最佳的图像采集质量,降低数据处理资源和电力的消耗。
优选地,在步骤4中,获取目标区域的视频图像,创建背景模型,并实时更新以适应场景的变化进一步包括:
步骤41,在某一时刻,获取目标区域的视频图像,连续获取n帧图像;
步骤42,计算这n帧图像中对应的每个点P的颜色值的数学期望值,作为背景模型中对应点的颜色值,并计算对应的每个点P的颜色值的标准差值;
步骤43,判断采集的新的一帧图像的类型并进行赋值,如果采集的新的一帧图像中的点的数学期望值与前述数学期望值的差大于前述标准差值的三倍,则确定该点为第一类型,否则为第二类型;
步骤44,当时间t+1时,对背景模型中的对应点的数学期望值进行更新,其中如果步骤43中判断是第一类型,则该点的数学期望值保持不变;如果判断是第二类型,则该点的数学期望值为步骤42中确定的背景模型中对应点的颜色值的α倍与t时刻采集的一帧图像中的对应点的颜色值的β倍,α和β均为正数且总和为1,经上述实时更新以适应场景的变化。
优选地,在步骤6中,提取所述一帧图像中的移动对象包括:采用滤波器执行平滑操作,获得当前图像与滤波器的卷积结果;差分计算相邻像素的梯度大小,当梯度大于设定的阈值时,认为是边缘;利用边缘分割目标与背景,将面积小于一定阈值的小块删除;计算当前图像的每个像素的概率,进而判断像素的多个类型,存在符合要求的类型时更新该像素对应的背景中的像素;略去图像边缘部分,在面积大于阈值的区域中滤除噪声;在每个面积大于阈值的区域中,提取像素灰度标准差大于阈值的区域,计算其量化的梯度图,通过根据训练过程中生成的人的模型来为每个量化的梯度图导出梯度大小的概率图;使用固定大小的矩形窗口扫描区域,并根据训练的模型和概率图将图像中的对象进行分类;计算对象为人的概率,如果大于预设的阈值,则初步判定存在人;否则初步判定不存在人。
优选地,步骤7:提取视频图像中的相邻的多帧图像,通过移动对象是否跨过主参考线和/或辅参考线来确定属于待统计的移动对象,进一步包括:
步骤S1,针对主参考线和图像中初步确定的存在人的对象,构建主参考线在图像中的第一直线方程,并构建当前的一帧图像和下一帧图像中初步确定的存在人的对象的位移所在的直线的第二方程,当这两个方程构成的方程组有解时,执行步骤S3;
步骤S2,如果当这两个方程构成的方程组无解时,针对辅参考线和图像中初步确定的存在人的对象,构建辅参考线在图像中的第三直线方程,并且当第二和第三方程构成的方程组有解时,执行步骤S3;
步骤S3,提取图像中的人物的包含头部及以下和肩部及以上的图像,提取特征,并使用分类器分类,进而根据训练好的分类规则确定头肩比例;其中训练分类规则为:先取得头肩的正负样本,并进行特征提取,使用支持向量机分类器进行训练;
步骤S4,如果该比例符合预设条件,则基于该结果来确定属于待统计的移动对象,否则认为不属于待统计的移动对象。
通过上述步骤,可以有效地统计人流量,同时可以避免将行李等物品识别为人,导致结果准确度的降低,并且可以优化计算方式,减少处理资源的占用和电力消耗。
优选地,步骤10进一步包括:统计单个检测区域的人流量,并将各个检测区域的人流量显示于地图上,根据各个区域的人流量,进行直方图分析,如果超过提醒阈值,播报模块以警示声或语音提示声发出警戒,指示器通过不同颜色的灯交替闪烁而发出警戒。
除了统计人流量,有时需要在复杂场景下关注有无潜在的可能引发公共危险的人物,或者犯罪潜逃的人物,此时需要进行人脸的识别和对比,具体包括步骤11:
步骤ST1,分析图像中的特定区域中,反复扭头观察的人物,并且对其人脸进行跟踪,并且捕获该人物的正面人脸图像;
步骤ST2,将图像中捕获的其正面人脸图像进行切割、放大、序列化,并连接大数据中心,将切割、放大和序列化的人脸数据比对大数据中心的人脸存储单元的基准特征序列进行比对;
步骤ST3,计算切割、放大和序列化的人脸数据与大数据中心的人脸存储单元的基准人脸特征序列的欧氏距离的平方值;
步骤ST4,将欧氏距离的平方值规格化,并将归一化的欧式距离的平方值与设置的阈值比较,如果小于设置的阈值,则与大数据中心中的嫌疑人物相似;否则为不相似;
步骤ST5,查找大数据中心的人物身份信息与基准人脸特征序列的映射表,获取与大数据中心的人脸存储单元的基准人脸特征序列对应的人物身份信息,并进一步调取该人物的其它图像,进行进一步的甄别和确认;
步骤ST6,如果确定该人物与大数据中心的人物身份信息吻合,则将结果发往调度中心进行显示,以供安全部门进行行动的实施或参考。
优选地,在步骤ST1中,对其人脸进行跟踪进一步包括:
步骤ST11,监测一帧图像中由摄像头捕获的人脸图像,并将人脸图像作为初始搜索窗口;
步骤ST12,将人脸图像转换到颜色空间中,获得色调分量,用滤波器平滑该色调分量,计算人脸图像中人脸部分的颜色直方图;
步骤ST13,根据颜色直方图计算人脸部分的反向投影;
步骤ST14,根据计算的反向投影来移动跟踪窗口,直到跟踪窗口的中心近似等于其重心;以该重心为圆心,以一定半径画圆,以形成下一帧的计算的人脸初始区域。
上述的各个技术术语是本领域中的具有通常含义的常规技术术语,为了不模糊本发明的重点,在此不对其进行进一步的解释。
综上,在本发明的技术方案中,通过采用了一种基于大数据的处理方法,其能够全面、准确捕获目标区域和待分析对象,降低硬件成本和硬件所消耗的电力,提高电能使用效率,减少并优化对软件和硬件资源的利用和使用,便于数据的快速获取,并且可以对监测区域进行实时调节,此外还能够在复杂场景下关注有无潜在的可能引发公共危险的人物。将理解的是:可以硬件、软件或硬件和软件的组合的形式实现本发明的示例和实施例。如上所述,可存储任何执行这种方法的主体,以挥发性或非挥发性存储的形式,例如存储设备,像ROM,无论可抹除或可重写与否,或者以存储器的形式,诸如例如RAM、存储器芯片、设备或集成电路或在光或磁可读的介质上,诸如例如CD、DVD、磁盘或磁带。将理解的是:存储设备和存储介质是适合于存储一个或多个程序的机器可读存储的示例,当被执行时,所述一个或多个程序实现本发明的示例。经由任何介质,诸如通过有线或无线耦合载有的通信信号,可以电子地传递本发明的示例,并且示例适当地包含相同内容。
应当注意的是:因为本发明解决了全面、准确捕获目标区域和待分析对象,降低硬件成本和硬件所消耗的电力,提高电能使用效率,减少并优化对软件和硬件资源的利用和使用,便于数据的快速获取,并且可以对监测区域进行实时调节,此外还能够在复杂场景下关注有无潜在的可能引发公共危险的人物的技术问题,采用了计算机技术领域中技术人员在阅读本说明书之后根据其教导所能理解的技术手段,并获取了有益技术效果,所以在所附权利要求中要求保护的方案属于专利法意义上的技术方案。另外,因为所附权利要求要求保护的技术方案可以在工业中制造或使用,因此该方案具备实用性。
以上所述,仅为本发明的较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应包涵在本发明的保护范围之内。除非以其他方式明确陈述,否则公开的每个特征仅是一般系列的等效或类似特征的一个示例。因此,本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种基于大数据的处理方法,包括:
步骤1,初始化图像采集模块的参数;
步骤2,采集目标区域的第一图像;
步骤3,确定目标区域的第一图像中的有效范围的比例和环境光强度,如果有效范围的比例和环境光强度都满足预设条件,则执行步骤4;否则根据当前的有效范围的比例和环境光强度的数值,查找对应的设置列表,调节图像采集模块的参数,并返回步骤1,以重复之前操作;
步骤4,获取目标区域的视频图像,创建背景模型,并实时更新以适应场景的变化;
步骤5,提取获取的目标区域的视频图像中的多帧图像,并将每帧图像分割成多个检测区域,其中多个检测区域中的至少一个检测区域包括场所的一个或多个入口处的图像区域;
步骤6,提取场所的一个或多个入口处的图像区域,提取一帧图像中的移动对象分析主参考线和辅参考线,其中主参考线与场景中的移动对象以最大概率移动的方向相垂直,而辅参考线与主参考线相垂直;
步骤7:提取视频图像中的相邻的多帧图像,通过移动对象是否跨过主参考线和/或辅参考线来确定属于待统计的移动对象;
步骤8:如果确定属于待统计的移动对象则更新统计模块,增加其统计计数;否则返回步骤6,以针对其他检测区域重复执行操作;
步骤9,如果一帧中的多个检测区域全部统计完毕,求取多个检测区域的人流量总和;
步骤10:如果人流量总和超过提醒阈值而未超过警戒值,则发出提醒信号;如果人流量总和超过警戒值,则发出报警信号以控制入口和出口处的人流;如果单个检测区域的人流量超过提醒阈值而未超过警戒值,则通过声音警戒或者通过直方图突出显示而提醒管理方进入疏散就绪状态;
该图像采集模块包括:第一固定件(1)、第一轴连接(2)、第二轴连接(3)、第一连接杆(4)、第三轴连接(5)、第二连接杆(6)、第四轴连接(7)、第三连接杆(8)、第五轴连接(9)、第四连接杆(10)、第六轴连接(11)、第五连接杆(12)、摄像头(13),其中第一固定件(1)固定于墙壁上,第一固定件(1)与第一连接杆(4)之间通过第一轴连接(2)而连接,从而从墙壁往外看,可以实现第一连接杆(4)相对于第一固定件(1)的左右移动,以便于及时地调整图像采集范围;第二轴连接(3)位于第一连接杆(4)和第二连接杆(6)的外侧,用于实现第二连接杆(6)相对于第一连接杆(4)的相对运动;第三轴连接(5)位于第一连接杆(4)和第四连接杆(10)的外侧,用于实现第四连接杆(10)相对于第一连接杆(4)的相对运动;第四轴连接(7)位于第二连接杆(6)和第三连接杆(8)的外侧,用于实现第二连接杆(6)和第三连接杆(8)的相对运动;第五轴连接(9)位于第三连接杆(8)和第四连接杆(10)的外侧,用于实现第三连接杆(8)和第四连接杆(10)的相对运动;其中第三轴连接(5)中从第二轴连接(3)到第三轴连接(5)的部分、第三连接杆(8)中从第四轴连接(7)到第五轴连接(9)的部分、第二连接杆(6)、第四连接杆(10)形成了平行四边形,用于从图中的侧视角度看,使得图像采集可以左移或右移,同时从墙壁往外的角度看,使得图像采集可以前移或后移,以便于及时地调整图像采集范围;第三连接杆(8)与第五连接杆(12)通过第六轴连接(11)连接,并且第五连接杆(12)的外侧固定有摄像头(13),由于第六轴连接(11)的结构,使得从墙壁往外的角度看,可以使得摄像头(13)和第五连接杆(12)一起能够相对于第三连接杆(8)上下移动,以便于及时地调整图像采集范围;
其中在步骤4中,获取目标区域的视频图像,创建背景模型,并实时更新以适应场景的变化进一步包括:
步骤41,在某一时刻,获取目标区域的视频图像,连续获取n帧图像;
步骤42,计算这n帧图像中对应的每个点P的颜色值的数学期望值,作为背景模型中对应点的颜色值,并计算对应的每个点P的颜色值的标准差值;
步骤43,判断采集的新的一帧图像的类型并进行赋值,如果采集的新的一帧图像中的点的数学期望值与前述数学期望值的差大于前述标准差值的三倍,则确定该点为第一类型,否则为第二类型;
步骤44,当时间t+1时,对背景模型中的对应点的数学期望值进行更新,其中如果步骤43中判断是第一类型,则该点的数学期望值保持不变;如果判断是第二类型,则该点的数学期望值为步骤42中确定的背景模型中对应点的颜色值的α倍与t时刻采集的一帧图像中的对应点的颜色值的β倍,α和β均为正数且总和为1,经上述实时更新以适应场景的变化。
2.根据权利要求1所述的基于大数据的处理方法,其中该处理方法进一步包括步骤11,步骤11具体包括以下子步骤:
步骤ST1,分析图像中的特定区域中,反复扭头观察的人物,并且对其人脸进行跟踪,并且捕获该人物的正面人脸图像;
步骤ST2,将图像中捕获的其正面人脸图像进行切割、放大、序列化,并连接大数据中心,将切割、放大和序列化的人脸数据比对大数据中心的人脸存储单元的基准特征序列进行比对;
步骤ST3,计算切割、放大和序列化的人脸数据与大数据中心的人脸存储单元的基准人脸特征序列的欧氏距离的平方值;
步骤ST4,将欧氏距离的平方值规格化,并将归一化的欧式距离的平方值与设置的阈值比较,如果小于设置的阈值,则与大数据中心中的嫌疑人物相似;否则为不相似;
步骤ST5,查找大数据中心的人物身份信息与基准人脸特征序列的映射表,获取与大数据中心的人脸存储单元的基准人脸特征序列对应的人物身份信息,并进一步调取该人物的其它图像,进行进一步的甄别和确认;
步骤ST6,如果确定该人物与大数据中心的人物身份信息吻合,则将结果发往调度中心进行显示,以供安全部门进行行动的实施或参考。
3.根据权利要求2所述的基于大数据的处理方法,其中:
在步骤ST1中,对其人脸进行跟踪进一步包括:
步骤ST11,监测一帧图像中由摄像头捕获的人脸图像,并将人脸图像作为初始搜索窗口;
步骤ST12,将人脸图像转换到颜色空间中,获得色调分量,用滤波器平滑该色调分量,计算人脸图像中人脸部分的颜色直方图;
步骤ST13,根据颜色直方图计算人脸部分的反向投影;
步骤ST14,根据计算的反向投影来移动跟踪窗口,直到跟踪窗口的中心近似等于其重心;以该重心为圆心,以一定半径画圆,以形成下一帧的计算的人脸初始区域。
4.根据权利要求3所述的基于大数据的处理方法,其中旋转的配置方式包括以下两者中的任意一个:
第一固定件(1)、第一连接杆(4)、第二连接杆(6)、第三连接杆(8)、第四连接杆(10)、第五连接杆(12)内部设置有导线,用于连接和控制第一轴连接(2)、第二轴连接(3)、第三轴连接(5)、第四轴连接(7)、第五轴连接(9)、第六轴连接(11)内部安装的可旋转电机,并且第一固定件(1)内部的导线的左侧通过墙壁内部的导线或墙壁表面的导线而连接到控制模块;
或者,第一轴连接(2)、第二轴连接(3)、第三轴连接(5)、第四轴连接(7)、第五轴连接(9)、第六轴连接(11)的内部都设置有无线收发模块和可旋转电机,用于接收控制模块发出的控制命令,并根据该控制命令来调节可旋转电机的旋转,以进一步调节各个轴连接所连接的连接杆的相对运动。
5.根据权利要求3所述的基于大数据的处理方法,其中第二连接杆6和第四连接杆10的结构包括以下两者中的任意一个:
第二连接杆(6)和第四连接杆(10)均为一级或多级的套叠结构,即每一级套叠结构包括套筒和内杆,套筒的直径大于内杆的直径,并且套筒套在内杆外部,并且内杆被包含在套筒内的边缘部分设置有卡勾,以使得该级套叠结构在伸展到极限时有卡勾限位,以达到固定的最大伸展长度;其中在多级套叠结构的情况下,前一级套叠结构的内杆用作后一级套叠结构的套筒;
或者,第二连接杆(6)和第四连接杆(10)包括容纳在其中的磁致伸缩部件,以第二连接杆(6)和第四连接杆(10)各自的中部为界,各自存在上下两部分,磁致伸缩部件被容纳于其中,各自的磁致伸缩部件的一端连接到第二连接杆(6)和第四连接杆(10)内部靠近第二轴连接(3)、第三轴连接(5)的一侧,各自的磁致伸缩部件的另一端连接到第二连接杆(6)和第四连接杆(10)内部靠近第四轴连接(7)、第五轴连接(9)的一侧,各自的磁致伸缩部件在控制模块发送的控制命令的控制下伸长或收缩,用于有效扩展或缩短第二连接杆(6)和第四连接杆(10)的长度,从而使得从墙壁往外的角度看,可以实现大范围的前移或后移图像采集模块,进一步增强图像采集的灵活性。
6.根据权利要求3所述的基于大数据的处理方法,其中:
步骤3进一步包括,确定目标区域的第一图像中的有效范围的比例和环境光强度,其中目标区域的第一图像中的有效范围的比例是指人以非零概率活动的区域占整个采集图像的面积的比例,环境光强度是指目标区域的光强值;如果目标区域的第一图像中的有效范围的比例小于有效范围比例的预设条件,和/或如果环境光强度小于或大于环境光强度的预设条件,则需要根据当前的有效范围的比例和环境光强度的数值,查找数据中对应的设置列表,其中该设置列表记录有在不同的有效范围的比例和环境光强度下为实现图像的最优采集所需要进行的参数调节量,进而通过调节图像采集模块中相关组件的相对位置而实现摄像头的前后左右上下移动,从而实现最佳的图像采集质量,降低数据处理资源和电力的消耗。
7.根据权利要求3所述的基于大数据的处理方法,其中:
在步骤6中,提取所述一帧图像中的移动对象包括:采用滤波器执行平滑操作,获得当前图像与滤波器的卷积结果;差分计算相邻像素的梯度大小,当梯度大于设定的阈值时,认为是边缘;利用边缘分割目标与背景,将面积小于一定阈值的小块删除;计算当前图像的每个像素的概率,进而判断像素的多个类型,存在符合要求的类型时更新该像素对应的背景中的像素;略去图像边缘部分,在面积大于阈值的区域中滤除噪声;在每个面积大于阈值的区域中,提取像素灰度标准差大于阈值的区域,计算其量化的梯度图,通过根据训练过程中生成的人的模型来为每个量化的梯度图导出梯度大小的概率图;使用固定大小的矩形窗口扫描区域,并根据训练的模型和概率图将图像中的对象进行分类;计算对象为人的概率,如果大于预设的阈值,则初步判定存在人;否则初步判定不存在人。
8.根据权利要求3所述的基于大数据的处理方法,其中:
步骤7:提取视频图像中的相邻的多帧图像,通过移动对象是否跨过主参考线和/或辅参考线来确定属于待统计的移动对象,进一步包括:
步骤S1,针对主参考线和图像中初步确定的存在人的对象,构建主参考线在图像中的第一直线方程,并构建当前的一帧图像和下一帧图像中初步确定的存在人的对象的位移所在的直线的第二方程,当这两个方程构成的方程组有解时,执行步骤S3;
步骤S2,如果当这两个方程构成的方程组无解时,针对辅参考线和图像中初步确定的存在人的对象,构建辅参考线在图像中的第三直线方程,并且当第二和第三方程构成的方程组有解时,执行步骤S3;
步骤S3,提取图像中的人物的包含头部及以下和肩部及以上的图像,提取特征,并使用分类器分类,进而根据训练好的分类规则确定头肩比例;其中训练分类规则为:先取得头肩的正负样本,并进行特征提取,使用支持向量机分类器进行训练;
步骤S4,如果该比例符合预设条件,则基于结果来确定属于待统计的移动对象,否则认为不属于待统计的移动对象。
CN201810067603.1A 2018-01-24 2018-01-24 一种基于大数据的处理方法 Active CN108345842B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810067603.1A CN108345842B (zh) 2018-01-24 2018-01-24 一种基于大数据的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810067603.1A CN108345842B (zh) 2018-01-24 2018-01-24 一种基于大数据的处理方法

Publications (2)

Publication Number Publication Date
CN108345842A CN108345842A (zh) 2018-07-31
CN108345842B true CN108345842B (zh) 2022-03-04

Family

ID=62961230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810067603.1A Active CN108345842B (zh) 2018-01-24 2018-01-24 一种基于大数据的处理方法

Country Status (1)

Country Link
CN (1) CN108345842B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110025146B (zh) * 2018-08-01 2020-12-22 安徽国星生物化学有限公司 自动化板式机构电视柜
CN109495718B (zh) * 2018-11-02 2021-04-30 深圳市北斗智能科技有限公司 监控视频获取方法、装置及计算机可读存储介质
CN109695215A (zh) * 2018-12-29 2019-04-30 大连交通大学 安检自动限流系统和限流方法
CN110582003B (zh) * 2019-01-12 2020-10-27 安徽省安泰科技股份有限公司 兼容性大数据采集终端
CN111476336B (zh) * 2019-01-23 2023-06-20 阿里巴巴集团控股有限公司 服装的计件方法、装置及设备
CN111539281B (zh) * 2020-04-15 2024-04-05 上海明略人工智能(集团)有限公司 分布式人脸识别方法及系统
CN112231306B (zh) * 2020-08-23 2021-05-28 山东翰林科技有限公司 基于大数据的能源数据分析系统及方法
CN113709006B (zh) * 2021-10-29 2022-02-08 上海闪马智能科技有限公司 一种流量确定方法、装置、存储介质及电子装置
CN116541416B (zh) * 2023-04-07 2024-03-15 杭州浩联智能科技有限公司 一种请求数据的优化处理方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1792572A (zh) * 2005-11-11 2006-06-28 北京航空航天大学 三自由度力觉交互装置
CN101587539A (zh) * 2008-05-21 2009-11-25 上海新联纬讯科技发展有限公司 基于智能视频识别技术的人流量统计方法与系统
CN103986910A (zh) * 2014-05-20 2014-08-13 中国科学院自动化研究所 一种基于智能分析摄像机的客流统计方法和系统
CN105303191A (zh) * 2014-07-25 2016-02-03 中兴通讯股份有限公司 一种前视监视场景下的行人计数方法和装置
CN105512640A (zh) * 2015-12-30 2016-04-20 重庆邮电大学 一种基于视频序列的人流量统计方法
CN105763853A (zh) * 2016-04-14 2016-07-13 北京中电万联科技股份有限公司 一种公共区域拥挤、踩踏事件应急预警方法
CN106326823A (zh) * 2015-07-07 2017-01-11 北京神州泰岳软件股份有限公司 一种获取图片中头像的方法和系统
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1792572A (zh) * 2005-11-11 2006-06-28 北京航空航天大学 三自由度力觉交互装置
CN101587539A (zh) * 2008-05-21 2009-11-25 上海新联纬讯科技发展有限公司 基于智能视频识别技术的人流量统计方法与系统
CN103986910A (zh) * 2014-05-20 2014-08-13 中国科学院自动化研究所 一种基于智能分析摄像机的客流统计方法和系统
CN105303191A (zh) * 2014-07-25 2016-02-03 中兴通讯股份有限公司 一种前视监视场景下的行人计数方法和装置
CN106326823A (zh) * 2015-07-07 2017-01-11 北京神州泰岳软件股份有限公司 一种获取图片中头像的方法和系统
CN105512640A (zh) * 2015-12-30 2016-04-20 重庆邮电大学 一种基于视频序列的人流量统计方法
CN105763853A (zh) * 2016-04-14 2016-07-13 北京中电万联科技股份有限公司 一种公共区域拥挤、踩踏事件应急预警方法
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置

Also Published As

Publication number Publication date
CN108345842A (zh) 2018-07-31

Similar Documents

Publication Publication Date Title
CN108345842B (zh) 一种基于大数据的处理方法
CN106878674B (zh) 一种基于监控视频的停车检测方法及装置
CN105447459B (zh) 一种无人机自动检测目标和跟踪方法
US9940633B2 (en) System and method for video-based detection of drive-arounds in a retail setting
CN114390079B (zh) 一种智慧城市公共场所管理方法和物联网系统
CN108268850B (zh) 一种基于图像的大数据处理方法
US20040131231A1 (en) Miniature autonomous agents for scene interpretation
CN103208185B (zh) 一种基于车灯识别的夜间车辆检测方法及系统
CN105913685A (zh) 一种基于视频监控的车位识别及智能引导方法
WO2020233000A1 (zh) 人脸识别方法、装置及计算机可读存储介质
CN101200252A (zh) 一种目标场所优化调度方法及系统
KR101895374B1 (ko) 주차면 관리시스템
CN108280427B (zh) 一种基于人流量的大数据处理方法
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
CN112287827A (zh) 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统
CN111860390A (zh) 一种电梯候梯人数检测统计方法、装置、设备及介质
Hakim et al. Implementation of an image processing based smart parking system using Haar-Cascade method
US20150310458A1 (en) System and method for video-based detection of drive-offs and walk-offs in vehicular and pedestrian queues
CN113239911B (zh) 一种无人驾驶智能塔吊视觉场景分析方法和装置
KR20210048132A (ko) 인공지능 기반 영상분석을 통한 차량인식기를 구비한 주차 차단기 및 그 구성 방법
Dhuri et al. Real-time parking lot occupancy detection system with vgg16 deep neural network using decentralized processing for public, private parking facilities
O’Gorman et al. Motion feature filtering for event detection in crowded scenes
US11663844B2 (en) Head-counter device and method for processing digital images
CN106022458A (zh) 面向校车安全的人数快速统计方法
JP2011013924A (ja) 駐車場における車両の検知システムおよび検知方法

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
CB03 Change of inventor or designer information

Inventor after: Song Liding

Inventor after: Shen Jingshi

Inventor after: Liu Shumeng

Inventor after: Xiao Hui

Inventor before: Xiao Hui

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20220216

Address after: 102200 part of the first floor, third and fourth floors of building B, No. 5 lutuan Road, future science city, Changping District, Beijing

Applicant after: CLP Great Wall SHENGFEI Information System Co.,Ltd.

Address before: 610000 Sichuan Province Chengdu High-tech Zone Tianfu Avenue Middle Section 1388 Building 7 Floor 772

Applicant before: CHENGDU DINGZHIHUI TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant