CN108388838A - 无人机对地人群监控系统及监控方法 - Google Patents

Abstract

本发明公开一种无人机对地人群监控系统，包括地面信息平台、至少一台监控无人机，所述监控无人机设置有：对地拍摄的摄像头、处理器、无线传输机构、光照度传感器，所述处理器分别和摄像头、无线传输机构双向连接，所述无线传输机构与地面信息平台无线通信，所述光照度传感器与摄像头或处理器双向连接；一种监控方法，通过图像透地度识别人群密度，对不同密度的人群图像着色，最后计算出人群分布变化数据。有益效果：对无人机的硬件要求低，且直观得出人群的人数、密度、移动等信息；对人群的密度进行了着色，使管理人员能够直观看到人群的分布情况，从而精准调度安保的人员部署，节省分析图像的时间，提高了工作效率。

Description

无人机对地人群监控系统及监控方法

技术领域

本发明涉及人群监控技术领域，具体的说，涉及一种无人机对地人群监控系统及监控方法。

背景技术

人群集会是公民的合法权利，但是往往会因为集会人群过多，人员管理欠缺，造成事故频发，踩踏事件、偷抢等犯罪事件层出不穷，为集会人员和管理人员都造成重大损失。

现今对集会人群的监控通常都是多部署警备、安保人员进行分散监督，这样在一定程度上对人群的分布能够实时掌握，但在一些人员特别密集的区域安保人员甚至都挤不进去，而这些监控盲点却是最容易发生事故的危险区域；无人机的出现为密集人群监控提供了方便，但现有技术对无人机的使用还仅限于视频拍摄传输到地面后由管理人员监视并作出应变，这需要管理人员随时注意力集中到监控视频上，偶尔一个分神可能就会出现安保调度不及时，从而引发重大事故。

现有技术的缺点：缺少一种自动监控集会人群，识别并根据人群情况及时发出警报，提醒管理方调度安保力量、增减警备人员的系统。

发明内容

本发明的目的是提供一种无人机对地人群监控系统及监控方法，能够自动监控地面人群，识别人群分布并根据人群分布情况及时发出警报，提醒管理方调度安保力量、增减警备人员，降低调度不及时而产生集会事故的风险。

为达到上述目的，本发明采用的具体技术方案如下：

一种无人机对地人群监控系统，包括地面信息平台、至少一台监控无人机，所述监控无人机设置有：

对地拍摄的摄像头，用于采集初始场景图像和实时拍摄场景内人群图像；

处理器，用于修正图像因光照变化产生的误差，以及运算比较场景内人群数量、密度的变化；

无线传输机构，用于实时传输图像或运算结果至地面信息平台；

光照度传感器，实时感知场景中的光照强度，令摄像头或处理器根据光照度对图像进行光度修正；

所述处理器分别和摄像头、无线传输机构双向连接，所述无线传输机构与地面信息平台无线通信；

所述光照度传感器与摄像头或处理器双向连接。

通过上述设计，摄像头拍摄图像后传输至处理器，同时光照度传感器可将实时的场景光照情况发送给摄像头使摄像头直接对图像进行光补偿修正，或者光照度传感器将场景光照情况发送到处理器，处理器对图像进行统一补偿修正。修正后将图像发送到地面信息平台，由地面信息平台对图像进行比较运算，得出人群分布信息，实时对信息分析后发出警报提醒管理方调整安保力量；或者处理器还可以直接运算比较图像中的人群分布信息，再将人群人群分部信息发送给地面信息平台，地面信息平台实时分析后发出警报提醒；图像运算的过程若由地面信息平台处理则无人机的处理器可选择运算能力较低的芯片，降低无人机的成本，而图像运算若由无人机直接处理，则保证图像处理的实时性，减少从拍摄到调度的时间差。

进一步描述，所述监控无人机还设置有照明设备，为夜间监控拍摄提供光照度，同时为弱光环境提供光照补偿。

人群聚集若在夜间进行，比如演唱会通常就是晚上举办，空中的无人机对地面可能难以清楚识别到人群，则通过上述设计，照明设备打开可最大程度地降低监控无人机所拍摄的图像光照弱的影响，一些弱光环境下也能对拍摄进行光照补偿。

一种无人机对地人群监控系统的监控方法，采用如下具体步骤：

S1，所述摄像头采集初始场景图像，所述初始场景图像传输至处理器修正后经无线传输机构发送到地面信息平台；

所述初始场景图像为每一时间节点自动采集，并将新采集的场景图像与最早的场景图像进行对比修正，降低光照、阴影对场景的影响；

S2，根据每天时间间隔属性，所述地面信息平台按照时间节点建立场景模型P₀库；

每天时间间隔属性由当天的天气情况、光照强弱等对场景图像有较大影响的因素决定，例如在光照最强的中午建立一个场景模型，再在光照较弱的早晨、傍晚分别建立新的场景模型，以此作为不同时刻的实时图像的对照比较，从而降低光照的影响；

S3，所述摄像头每隔时间t截取实时场景图像传输至处理器；

S4，所述处理器根据光照度传感器采集的实时光照度对图像进行光补偿修正，获得实时图像P_i并将其发送到地面信息平台；

S5，根据当前时间节点，所述地面信息平台调取对应的场景模型P₀，并比较相同场景的实时图像P_i与场景模型P₀，计算得到实时人群分布图D_i；

所述实时人群分布图D_i中显示有着色的人群密度分布；

S6，所述地面信息平台比较间隔时间t前后的实时人群分布图D_i、D_i+1，得到人群分布变化I；

所述人群分布变化I包括人数增减变化I₁、人群移动变化I₂、人群密度变化I₃；

S7，所述地面信息平台根据人群分布变化I及时发出警报提醒管理人员。

为了降低监控无人机的处理器要求和控制成本，本发明选择的监控方法为由地面信息平台对图像进行运算处理，同时，通过上述设计，实时人群分布图D_i中对人群的密度进行了着色，使管理人员能够直观看到人群的分布情况，从而精准调度安保的人员部署，节省分析图像的时间，提高了工作效率；且不同拍摄时间受光照或天气影响，利用各个时间节点建立的对应场景模型P₀降低图像识别的误差，提高识别精准度。

进一步描述，所述步骤5的计算步骤具体如下：

S5.1，令场景模型P₀为背景板，则相同场景的实时图像P_i中无人员遮挡的任意点为可视背景点，所述地面信息平台读取可视背景点的集合图像A；

S5.2，所述地面信息平台将集合图像A均匀划分为N个矩形区域，标记为A₁，A₂，…，A_N，则每一矩形区域内的可视背景点范围越大或数量越多，其对应场景内的人群分布密度越小，反之密度越大；

S5.3，根据上述密度判断，所述地面信息平台将集合图像A的每一矩形区域对应在实时图像P_i中的位置区域进行着色，着色规则为人群分布密度越大，所着色的颜色越深；

S5.4，着色后的图像即为实时人群分布图D_i。

由于人站的地面会被人体遮挡住，从而在高空拍摄的图像上看不到这部分场景，以此间接识别出人所站的位置，即看不到背景场景的部分即为站有人的地方，通过上述设计，根据实时图像P_i中的透地情况识别出人群分布情况。

更进一步描述，所述步骤S6的人群增减变化I₁采用如下具体步骤获得：

I1.1，所述地面信息平台记步骤S5.2中每一矩形区域的密度为ρ₁，ρ₂，…，ρN；

I1.2，计算每一矩形区域的人数v₁，v₂，…，v_N：

v＝ρ*c

其中，v为人数，ρ为密度，c为密度系数；

I1.3，则实时人群分布图D_i的总人数

V_i＝v₁+v₂+…+v_N；

I1.4，所述地面信息平台比较间隔时间t前后，实时人群分布图D_i的总人数V_i与D_i+1的总人数V_i+1：

当V_i与V_i+1的变化在设定区间[V_min，V_max]内，地面信息平台识别人数变化不明显；

当V_i与V_i+1的变化超过设定区间[V_min，V_max]，且V_i>V_i+1时，地面信息平台识别人数正在减少；

当V_i与V_i+1的变化超过设定区间[V_min，V_max]，且V_i<V_i+1时，地面信息平台识别人数正在增加；

其中，V_min为变化下限，V_max为变化上限；

则上述识别结果为所述人群增减变化I₁。

通过预先测取单位区域内不同人数所对应的人群密度得到密度系数c，例如在1立方米区域内只站1个人，得到此时的人群密度，此时的密度系数即为c₁，依次增加1立方米区域内站立的人数，直到再难以增加人数为止，测量获得对应的密度系数组成密度系数的排列表。

则通过上述设计，只要得到区域内的人群密度就能反向计算出该区域的人数，以此判断整体人群的数量变化情况。

更进一步描述，所述步骤S6的人群移动变化I₂采用如下具体步骤获得：

I2.1，所述地面信息平台将实时人群分布图D_i划分为M个图团T_j，j＝1，2，…，M；

所述图团T_j为实时人群分布图D_i中颜色深度大于色阈值的着色团，则M个图团对应实时场景中聚集密度最大的M个人群；

I2.2，比较实时人群分布图D_i中颜色最深的图团与间隔时间t后的实时人群分布图D_i+1中颜色最深的图团

若图团的颜色深度与图团的颜色深度相同，进入步骤I2.3，否则进入步骤I2.4；

I2.3，若图团的位置与图团的位置相同，则地面信息平台识别人群未发生迁移；

否则，地面信息平台识别人群发生迁移；

I2.4，若图团的颜色深度小于图团的颜色深度，则地面信息平台识别人群正在集中；

若图团的颜色深度大于图团的颜色深度，则地面信息平台识别人群正在分散；

则步骤I2.3、I2.4的识别结果即为所述人群移动变化I₂。

通过上述设计，把整个场景内的人群划分为M个群体，划分的依据就是人群密度大于一定值的人团，即着色图上颜色深度大于设定的色阈值的图团，以此判断整体人群的移动会更加简单快捷。

更进一步描述，所述步骤S6的人群密度变化I₃采用如下具体步骤获得：

I3.1，所述地面信息平台取步骤S5.2中密度最大的矩形区域A_i及其相邻的l个矩形区域；

I3.2，比较间隔时间t前后，实时人群分布图D_i的矩形区域A_i及其相邻的l个矩形区域的密度，和实时人群分布图D_i+1的矩形区域A_i+1及其相邻的l个矩形区域的密度：

若矩形区域A_i及其相邻的l个矩形区域的密度大于矩形区域A_i+1及其相邻的l个矩形区域的密度，则地面信息平台识别人群密度降低；

若矩形区域A_i及其相邻的l个矩形区域的密度小于矩形区域A_i+1及其相邻的l个矩形区域的密度，则地面信息平台识别人群密度上升；

否则，地面信息平台识别人群密度不变；

则上述识别结果为所述人群密度变化I₃。

通过上述设计，识别划分出来的区域中人员分布密度最大的区域和它相邻的几个区域，这些区域组合起来就能很明显地反应场景内密度最大的人群，而密度最大的人群往往可以直接反应整体人群的密度分布，因此，通过间隔时间前后的最大密度人群情况进行分析整体人群的密度变化，精确度很高且直观快捷。

本发明的有益效果：对无人机的硬件要求低，且直观得出人群的人数、密度、移动等信息，方便管理人员监察和实时调动安保人员分配；

实时人群分布图D_i中对人群的密度进行了着色，使管理人员能够直观看到人群的分布情况，从而精准调度安保的人员部署，节省分析图像的时间，提高了工作效率；且不同拍摄时间受光照或天气影响，利用各个时间节点建立的对应场景模型P₀降低图像识别的误差，提高识别精准度。

附图说明

图1是监控系统的结构示意图

图2是监控方法的流程图

图3是人群增减变化I₁的判断流程图

图4是人群移动变化I₂的判断流程图

图5是人群密度变化I₃的判断流程图

图6是实施例中整体场景的区域划分示意图

图7是图6中具有遮挡物的第二行第四列区域的示意图

图8是无人机拍摄实时场景图像的图7区域俯视图

图9是实施例建立图7区域的实时图像P_i

图10是实施例获得图7区域的实时人群分布图D_i

图11是无人机间隔时间t后拍摄实时场景图像的俯视图

图12是实施例建立的图7区域实时图像P_i+1

图13是实施例获得图7区域的实时人群分布图D_i+1

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

如图1所示，一种无人机对地人群监控系统，包括地面信息平台、至少一台监控无人机，所述监控无人机设置有：

对地拍摄的摄像头、处理器、无线传输机构、光照度传感器；

所述处理器分别和摄像头、无线传输机构双向连接，所述无线传输机构与地面信息平台无线通信；

所述光照度传感器与摄像头或处理器双向连接。

作为优选，本实施例中所述监控无人机还设置有照明设备，为夜间监控拍摄提供光照度，同时为弱光环境提供光照补偿。

如图2所示，一种所述无人机对地人群监控系统的监控方法，采用如下具体步骤：

S1，所述摄像头采集初始场景图像，所述初始场景图像传输至处理器修正后经无线传输机构发送到地面信息平台；

所述初始场景图像为每一时间节点自动采集，并将新采集的场景图像与最早的场景图像进行对比修正，降低光照、阴影对场景的影响；

S2，根据每天时间间隔属性，所述地面信息平台按照时间节点建立场景模型P₀库；

S3，所述摄像头每隔时间t截取实时场景图像传输至处理器；

S4，所述处理器根据光照度传感器采集的实时光照度对图像进行光补偿修正，获得实时图像P_i并将其发送到地面信息平台；

S5，根据当前时间节点，所述地面信息平台调取对应的场景模型P₀，并比较相同场景的实时图像P_i与场景模型P₀，计算得到实时人群分布图D_i；

所述实时人群分布图D_i中显示有着色的人群密度分布；

S6，所述地面信息平台比较间隔时间t前后的实时人群分布图D_i、D_i+1，得到人群分布变化I；

所述人群分布变化I包括人数增减变化I₁、人群移动变化I₂、人群密度变化I₃；

S7，所述地面信息平台根据人群分布变化I及时发出警报提醒管理人员。

其中，所述步骤5的计算步骤具体如下：

S5.1，令场景模型P₀为背景板，则相同场景的实时图像P_i中无人员遮挡的任意点为可视背景点，所述地面信息平台读取可视背景点的集合图像A；

S5.2，所述地面信息平台将集合图像A均匀划分为N个矩形区域，标记为A₁，A₂，…，A_N，则每一矩形区域内的可视背景点范围越大或数量越多，其对应场景内的人群分布密度越小，反之密度越大；

S5.3，根据上述密度判断，所述地面信息平台将集合图像A的每一矩形区域对应在实时图像P_i中的位置区域进行着色，着色规则为人群分布密度越大，所着色的颜色越深；

S5.4，着色后的图像即为实时人群分布图D_i。

以图6至图13为例，无人机拍摄场景图像(图6)被均匀划分为4*4的区域分布，其中右侧的矩形框为遮挡物，选取其中第二行第四列的区域(图7)进行说明：

图7即为建立的场景模型P₀，图8为某一时刻无人机摄取的实时图像P_i，两者比较得到集合图像A，地面信息平台根据该集合图像A将实时图像P_i进行着色，得到实时人群分布图D_i(图10)；

t时刻后，无人机新摄取一张实时图像P_i+1(图11)，地面信息平台比较图7与图11得到新的集合图像A(图12)，最后再将实时图像P_i+1进行着色，得到实时人群分布图D_i+1(图13)。

如图3所示，所述步骤S6的人群增减变化I₁采用如下具体步骤获得：

I1.1，所述地面信息平台记步骤S5.2中每一矩形区域的密度为ρ₁，ρ₂，…，ρN；

I1.2，计算每一矩形区域的人数v₁，v₂，…，v_N：

v＝ρ*c

其中，v为人数，ρ为密度，c为密度系数；

I1.3，则实时人群分布图D_i的总人数

V_i＝v₁+v₂+…+v_N；

I1.4，所述地面信息平台比较间隔时间t前后，实时人群分布图D_i的总人数V_i与D_i+1的总人数V_i+1：

当V_i与V_i+1的变化在设定区间[V_min，V_max]内，地面信息平台识别人数变化不明显；

当V_i与V_i+1的变化超过设定区间[V_min，V_max]，且V_i>V_i+1时，地面信息平台识别人数正在减少；

当V_i与V_i+1的变化超过设定区间[V_min，V_max]，且V_i<V_i+1时，地面信息平台识别人数正在增加；

其中，V_min为变化下限，V_max为变化上限；

则上述识别结果为所述人群增减变化I₁。

优选地，所述密度系数c为测量单位区域内不同人数所对应的人群密度获得。

如图4所示，所述步骤S6的人群移动变化I₂采用如下具体步骤获得：

I2.1，所述地面信息平台将实时人群分布图D_i划分为M个图团T_j，j＝1，2，…，M；

所述图团T_j为实时人群分布图D_i中颜色深度大于色阈值的着色团，则M个图团对应实时场景中聚集密度最大的M个人群；

I2.2，比较实时人群分布图D_i中颜色最深的图团与间隔时间t后的实时人群分布图D_i+1中颜色最深的图团

若图团的颜色深度与图团的颜色深度相同，进入步骤I2.3，否则进入步骤I2.4；

I2.3，若图团的位置与图团的位置相同，则地面信息平台识别人群未发生迁移；

否则，地面信息平台识别人群发生迁移；

I2.4，若图团的颜色深度小于图团的颜色深度，则地面信息平台识别人群正在集中；

若图团的颜色深度大于图团的颜色深度，则地面信息平台识别人群正在分散；

则步骤I2.3、I2.4的识别结果即为所述人群移动变化I₂。

如图5所示，所述步骤S6的人群密度变化I₃采用如下具体步骤获得：

I3.1，所述地面信息平台取步骤S5.2中密度最大的矩形区域A_i及其相邻的l个矩形区域；

I3.2，比较间隔时间t前后，实时人群分布图D_i的矩形区域A_i及其相邻的l个矩形区域的密度，和实时人群分布图D_i+1的矩形区域A_i+1及其相邻的l个矩形区域的密度：

若矩形区域A_i及其相邻的l个矩形区域的密度大于矩形区域A_i+1及其相邻的l个矩形区域的密度，则地面信息平台识别人群密度降低；

若矩形区域A_i及其相邻的l个矩形区域的密度小于矩形区域A_i+1及其相邻的l个矩形区域的密度，则地面信息平台识别人群密度上升；

否则，地面信息平台识别人群密度不变；

则上述识别结果为所述人群密度变化I₃。

Claims (8)

1.一种无人机对地人群监控系统，其特征在于：包括地面信息平台、至少一台监控无人机，所述监控无人机设置有：

对地拍摄的摄像头，用于采集初始场景图像和实时拍摄场景内人群图像；

处理器，用于修正图像因光照变化产生的误差，以及运算比较场景内人群数量、密度的变化；

无线传输机构，用于实时传输图像或运算结果至地面信息平台；

光照度传感器，实时感知场景中的光照强度，令摄像头或处理器根据光照度对图像进行光度修正；

所述处理器分别和摄像头、无线传输机构双向连接，所述无线传输机构与地面信息平台无线通信；

所述光照度传感器与摄像头或处理器双向连接。

2.根据权利要求1所述的无人机对地人群监控系统，其特征在于：所述监控无人机还设置有照明设备，为夜间监控拍摄提供光照度，同时为弱光环境提供光照补偿。

3.一种根据权利要求1或2所述无人机对地人群监控系统的监控方法，其特征在于采用如下具体步骤：

S1，所述摄像头采集初始场景图像，所述初始场景图像传输至处理器修正后经无线传输机构发送到地面信息平台；

所述初始场景图像为每一时间节点自动采集，并将新采集的场景图像与最早的场景图像进行对比修正，降低光照、阴影对场景的影响；

S2，根据每天时间间隔属性，所述地面信息平台按照时间节点建立场景模型P₀库；

S3，所述摄像头每隔时间t截取实时场景图像传输至处理器；

S4，所述处理器根据光照度传感器采集的实时光照度对图像进行光补偿修正，获得实时图像P_i并将其发送到地面信息平台；

S5，根据当前时间节点，所述地面信息平台调取对应的场景模型P₀，并比较相同场景的实时图像P_i与场景模型P₀，计算得到实时人群分布图D_i；

所述实时人群分布图D_i中显示有着色的人群密度分布；

S6，所述地面信息平台比较间隔时间t前后的实时人群分布图D_i、D_i+1，得到人群分布变化I；

所述人群分布变化I包括人数增减变化I₁、人群移动变化I₂、人群密度变化I₃；

S7，所述地面信息平台根据人群分布变化I及时发出警报提醒管理人员。

4.根据权利要求3所述的监控方法，其特征在于：所述步骤5的计算步骤具体如下：

S5.1，令场景模型P₀为背景板，则相同场景的实时图像P_i中无人员遮挡的任意点为可视背景点，所述地面信息平台读取可视背景点的集合图像A；

S5.2，所述地面信息平台将集合图像A均匀划分为N个矩形区域，标记为A₁，A₂，…，A_N，则每一矩形区域内的可视背景点范围越大或数量越多，其对应场景内的人群分布密度越小，反之密度越大；

S5.3，根据上述密度判断，所述地面信息平台将集合图像A的每一矩形区域对应在实时图像P_i中的位置区域进行着色，着色规则为人群分布密度越大，所着色的颜色越深；

S5.4，着色后的图像即为实时人群分布图D_i。

5.根据权利要求4所述的监控方法，其特征在于：所述步骤S6的人群增减变化I₁采用如下具体步骤获得：

I1.1，所述地面信息平台记步骤S5.2中每一矩形区域的密度为ρ₁，ρ₂，…，ρN；

I1.2，计算每一矩形区域的人数v₁，v₂，…，v_N：

v＝ρ*c

其中，v为人数，ρ为密度，c为密度系数；

I1.3，则实时人群分布图D_i的总人数

V_i＝v₁+v₂+…+v_N；

I1.4，所述地面信息平台比较间隔时间t前后，实时人群分布图D_i的总人数V_i与D_i+1的总人数V_i+1：

当V_i与V_i+1的变化在设定区间[V_min，V_max]内，地面信息平台识别人数变化不明显；

当V_i与V_i+1的变化超过设定区间[V_min，V_max]，且V_i>V_i+1时，地面信息平台识别人数正在减少；

当V_i与V_i+1的变化超过设定区间[V_min，V_max]，且V_i<V_i+1时，地面信息平台识别人数正在增加；

其中，V_min为变化下限，V_max为变化上限；

则上述识别结果为所述人群增减变化I₁。

6.根据权利要求5所述的监控方法，其特征在于：所述密度系数c为测量单位区域内不同人数所对应的人群密度获得。

7.根据权利要求3所述的监控方法，其特征在于：所述步骤S6的人群移动变化I₂采用如下具体步骤获得：

I2.1，所述地面信息平台将实时人群分布图D_i划分为M个图团T_j，j＝1，2，…，M；

所述图团T_j为实时人群分布图D_i中颜色深度大于色阈值的着色团，则M个图团对应实时场景中聚集密度最大的M个人群；

I2.2，比较实时人群分布图D_i中颜色最深的图团与间隔时间t后的实时人群分布图D_i+1中颜色最深的图团

若图团的颜色深度与图团的颜色深度相同，进入步骤I2.3，否则进入步骤I2.4；

I2.3，若图团的位置与图团的位置相同，则地面信息平台识别人群未发生迁移；

否则，地面信息平台识别人群发生迁移；

I2.4，若图团的颜色深度小于图团的颜色深度，则地面信息平台识别人群正在集中；

若图团的颜色深度大于图团的颜色深度，则地面信息平台识别人群正在分散；

则步骤I2.3、I2.4的识别结果即为所述人群移动变化I₂。

8.根据权利要求4所述的监控方法，其特征在于：所述步骤S6的人群密度变化I₃采用如下具体步骤获得：

I3.1，所述地面信息平台取步骤S5.2中密度最大的矩形区域A_i及其相邻的l个矩形区域；

I3.2，比较间隔时间t前后，实时人群分布图D_i的矩形区域A_i及其相邻的l个矩形区域的密度，和实时人群分布图D_i+1的矩形区域A_i+1及其相邻的l个矩形区域的密度：

若矩形区域A_i及其相邻的l个矩形区域的密度大于矩形区域A_i+1及其相邻的l个矩形区域的密度，则地面信息平台识别人群密度降低；

若矩形区域A_i及其相邻的l个矩形区域的密度小于矩形区域A_i+1及其相邻的l个矩形区域的密度，则地面信息平台识别人群密度上升；

否则，地面信息平台识别人群密度不变；

则上述识别结果为所述人群密度变化I₃。