CN109657543B - 人流量监控方法、装置及终端设备 - Google Patents
人流量监控方法、装置及终端设备 Download PDFInfo
- Publication number
- CN109657543B CN109657543B CN201811333117.6A CN201811333117A CN109657543B CN 109657543 B CN109657543 B CN 109657543B CN 201811333117 A CN201811333117 A CN 201811333117A CN 109657543 B CN109657543 B CN 109657543B
- Authority
- CN
- China
- Prior art keywords
- human body
- area
- target image
- contour information
- target
- 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
Links
Images
Classifications
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
- G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于计算机技术领域,提供了人流量监控方法、装置、终端设备及计算机可读存储介质,包括:获取目标图像区域中目标人体轮廓信息;对所述目标人体轮廓信息进行掩膜匹配;根据掩膜匹配结果,计算排队等候时间。通过上述方法,方便用户及时调整排队等候的策略,提高排队等候的效率。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种人流量监控方法、装置、终端设备及计算机可读存储介质。
背景技术
在许多场所中,经常出现排队人群密集的情况。而现有的人流量监控应用的比较少。常用方法是使用闸机计算来计算通过人流,间接计算流量。但是这并不能使排队的人真正把握排队等候状态,不能及时调整排队等候的策略,使得排队等候的效率低下。
发明内容
有鉴于此,本发明实施例提供了一种人流量监控方法、装置、终端设备及计算机可读存储介质,以解决现有技术中排队等候的效率低下的问题。
本发明实施例的第一方面提供了一种人流量监控方法,包括:
获取目标图像区域中目标人体轮廓信息;
对所述目标人体轮廓信息进行掩膜匹配;
根据掩膜匹配结果,计算排队等候时间。
本发明实施例的第二方面提供了一种人流量监控装置,包括:
人体轮廓信息获取单元,用于获取目标图像区域中目标人体轮廓信息;
掩膜匹配单元,用于对所述目标人体轮廓信息进行掩膜匹配;
时间计算单元,用于根据掩膜匹配结果,计算排队等候时间。
本发明实施例的第三方面提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如所述人流量监控方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如所述人流量监控方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:通过获取目标图像区域中人体轮廓信息,对所述人体轮廓信息进行掩膜匹配,根据掩膜匹配结果,计算排队等候时间,由于能够根据获取的目标图像区域中的人体轮廓信息计算人流量,根据人流量计算排队等候时间,因此方便用户及时调整排队等候的策略,提高排队等候的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的第一种人流量监控方法的流程示意图;
图2是本发明实施例提供的U型区域示意图;
图3是本发明实施例提供的第二种人流量监控方法的流程示意图;
图4是本发明实施例提供的一种人流量监控装置的结构示意图;
图5是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,上述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的移动终端。然而,应当理解的是,移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
移动终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
实施例一:
图1示出了本申请实施例提供的第一种人流量监控方法的流程示意图,详述如下:
步骤S11,获取目标图像区域中目标人体轮廓信息。
具体地,使用多个滑动窗口w(x,y)切割所述目标图像区域,得到多个子目标图像区域,再通过对多个子目标图像区域进行分析,逐个提取出对应的目标人体轮廓信息。由于对目标图像区域进行细分,减少了每次需处理的数据量,因此,能够获得更精确的目标人体轮廓信息。
可选地,该步骤S11具体包括:通过图像特征提取算法从目标图像区域中提取初级人体轮廓信息;根据所述初级人体轮廓信息和预设的弱化干扰因素公式,计算得到目标人体轮廓信息。比如,在预设的弱化干扰因素公式中,将光照(光线过亮或过暗)、背景等作为干扰因素时,将提取的初级人体轮廓信息通过预设的弱化干扰因素公式,可弱化光照,背景等干扰因素对目标人体轮廓信息的负面影响,从而提高目标人体轮廓信息的准确性。
其中,上述的图像特征提取算法可选为方向梯度直方图(Histogram of OrientedGradient,HOG)特征算法,根据该HOG算法计算所述子目标图像区域的图像梯度数据。所述HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。所述图像梯度数据包括:水平方向像素梯度Gx(x,y)、垂直方向像素梯度Gy(x,y)、梯度方向θ(x,y)。
Gx(x,y)=I(x+1,y)-I(x,y)
Gy(x,y)=I(x,y+1)-I(x,y)
其中,上述的x,y为像素点的横坐标和纵坐标。
步骤S12,对所述目标人体轮廓信息进行掩膜匹配。
具体地,通过设置掩膜矩阵对目标人体轮廓信息进行掩膜匹配,对所述目标人体轮廓信息进行掩膜匹配,计算得到掩膜匹配结果。
步骤S13,根据掩膜匹配结果,计算排队等候时间。
可选地,该步骤S13具体包括:
A1、根据掩膜匹配结果,确定人群密集程度等级,所述人群密集程度等级包括以下至少一种:拥挤、中等拥挤、一般拥挤、稀疏;
A2、根据所述掩膜大小估计人流量;
A3、根据所述人流量以及所述人群密集程度等级计算排队等候时间。
上述步骤A1~A3中,由于划分出人群密集程度等级,能根据所述人流量以及所述人群密集程度等级分类计算排队等候时间,因此,能提高排队等候时间结果的可靠性。
可选地,为了提高人流量估计的准确性,如图2所示,所述目标图像区域为U型区域,此时,所述根据所述掩膜大小估计人流量具体包括:
B1、获取预置的人体感应装置监测的人流量,所述人体感应装置预置在所述U型区域的转弯区域;
B2、根据所述掩膜大小估计所述U型区域的非转弯区域的人流量;
B3、根据所述预置的人体感应装置监测的人流量以及所述U行区域的非转弯区域的人流量估计所述U型区域的人流量。
上述步骤B1~B3中,由于预先将目标图像区域设置为U型区域,因此,能够保证获取的目标人体轮廓信息更有序,此外,结合人体感应装置对U型区域的转弯区域进行人流量检测,能够进一步提高对相对无序的人流量的估计准确性。
所述步骤B2具体为:根据掩膜匹配结果和模糊规则确定人群密集程度等级,不同的人群密集程度等级对应不同的U型区域的非转弯区域的人流量计算公式,再根据所述掩膜大小和对应的U型区域的非转弯区域的人流量计算公式,估计所述U型区域的非转弯区域的人流量。
则掩膜匹配结果Mask_result(A,B)可表示为:
再根据掩膜匹配结果和模糊规则确定人群密集程度等级,其中,Q代表处于当前处理的滑动窗口之后的滑动窗口对应的U型区域的转弯区域预置的人体感应装置数量。所述预置的人体感应装置包括红外传感器。n代表Q中接收到的信号为1的人体感应装置数量,若接收到的信号为1,则表示预置的人体感应装置传感器所处的区域有人在排队。
模糊规则具体如下:
n=sum(Q)
假设当前处理的滑动窗口为w1,则Q=S,如果当前处理滑动窗口为w2,则Q={S-{s1}},以此类推。
设W={w1,w2,w3,...,wn}为图像中滑动窗口集合,S={s1,s2,s3,...,sn}为红外传感器集合,δ为量化因子,d表示队列对应的图像区域的纵长度,h表示队列对应的图像区域的宽度,di表示人群密集程度等级为稀疏的队伍的掩膜长度。
当确定所述人群密集程度等级为拥挤时,当前滑动窗口对应的U型区域的非转弯区域的人流量Pw(h)可表示为:
则所述U型区域的非转弯区域的人流量TL为:
当确定所述人群密集程度等级为稀疏时,
可选地,所述A3具体包括:
A31、根据所述人群密集程度等级确定缩放因子;
A32、根据所述缩放因子、所述人流量以及预估的单个人的通过时间计算排队等候时间。
上述步骤A31~A32中,由于不同的人群密集程度等级对应不同的缩放因子,根据所述缩放因子、所述人流量以及预估的单个人的通过时间计算排队等候时间,能提高根据图像计算排队等候时间的准确性,提高排队的效率。
例如,根据所述人群密集程度等级确定缩放因子,当排队人群越拥挤,n越大,λ越大。当所述人群密集程度等级为拥挤时,λ<0.5,当所述人群密集程度等级为中等拥挤时,0.5<=λ<0.8,当所述人群密集程度等级为一般拥挤时,0.8<=λ<=1,当所述人群密集程度等级为稀疏时,λ>1。
当确定所述人群密集程度等级为拥挤时,t表示预估的单个人的通过时间,则排队等候时间FC4:
FC4=λTL×t,
当确定所述人群密集程度等级为稀疏时,排队等候时间FC3为:
FC3=λTL×t
本发明实施例中,通过获取目标图像区域中目标人体轮廓信息,对所述目标人体轮廓信息进行掩膜匹配,再根据掩膜匹配结果,计算排队等候时间,由于能够根据所述人群密集程度等级确定缩放因子,根据所述缩放因子、所述人流量以及预估的单个人的通过时间计算排队等候时间,因此方便用户掌握好时间,及时调整排队等候的策略,提高排队等候的效率。
实施例二:
图3示出了本申请实施例提供的第二种人流量监控方法的流程示意图,本实施例的步骤S33、步骤S34、步骤S35分别与实施例一的步骤S11、步骤S12、步骤S13相同,此处不再赘述:
步骤S31,获取图像,将所述图像处理成对应的灰度图像。
例如,从监控设备中获取现场环境图像,现场环境图像为三原色光色彩模式图像,对图像进行预处理操作,将现场环境图像转为灰度图像。
步骤S32,根据所述灰度图像切割出目标图像区域。
例如,以排队等候的人群作为感兴趣区域,根据所述灰度图像切割出感兴趣区域对应的目标图像区域。
步骤S33,获取目标图像区域中目标人体轮廓信息。
步骤S34,对所述目标人体轮廓信息进行掩膜匹配。
步骤S35,根据掩膜匹配结果,计算排队等候时间。
本发明实施例中,通过获取图像,将所述图像处理成对应的灰度图像,根据所述灰度图像切割出目标图像区域,获取目标图像区域中目标人体轮廓信息,对所述目标人体轮廓信息进行掩膜匹配,再根据掩膜匹配结果,计算排队等候时间,由于能够获取图像,将所述图像处理成对应的灰度图像,根据所述灰度图像切割出目标图像区域,因此减少了图像局部的阴影和光照变化,提高了目标人体轮廓信息的准确性,进而提高了排队等候时间结果的准确性,提高排队等候的效率。
实施例三:
与上述实施例一、实施例二对应,图4示出了本申请实施例提供的一种人流量监控装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
该人流量监控装置包括:人体轮廓信息获取单元41、掩膜匹配单元42、时间计算单元43。其中:
人体轮廓信息获取单元41,用于获取目标图像区域中目标人体轮廓信息。
可选地,所述人体轮廓信息获取单元41包括:
初级人体轮廓信息提取模块,用于通过图像特征提取算法从目标图像区域中提取初级人体轮廓信息。
初级人体轮廓信息计算模块,用于根据所述初级人体轮廓信息和预设的弱化干扰因素公式,计算得到目标人体轮廓信息。
掩膜匹配单元42,用于对所述目标人体轮廓信息进行掩膜匹配。
掩膜匹配单元42具体用于:通过设置掩膜矩阵对目标人体轮廓信息进行掩膜匹配,对所述目标人体轮廓信息进行掩膜匹配,计算得到掩膜匹配结果。
时间计算单元43,用于根据掩膜匹配结果,计算排队等候时间。
可选地,所述时间计算单元43包括:
人群密集程度等级确定模块,用于根据掩膜匹配结果,确定人群密集程度等级,所述人群密集程度等级包括以下至少一种:拥挤、中等拥挤、一般拥挤、稀疏。
人流量估计模块,用于根据所述掩膜大小估计人流量。
排队等候时间计算模块,用于根据所述人流量以及所述人群密集程度等级计算排队等候时间。
可选地,所述目标图像区域为U型区域,此时,所述人流量估计模块具体包括:
U型区域的转弯区域人流量获取子模块,用于获取预置的人体感应装置监测的人流量,所述人体感应装置预置在所述U型区域的转弯区域。
U型区域的非转弯区域的人流量估计子模块,用于根据所述掩膜大小估计所述U型区域的非转弯区域的人流量。
U型区域的人流量估计子模块,用于根据所述预置的人体感应装置监测的人流量以及所述U行区域的非转弯区域的人流量估计所述U型区域的人流量。所述U型区域的非转弯区域的人流量估计子模块具体用于:根据掩膜匹配结果和模糊规则确定人群密集程度等级,不同的人群密集程度等级对应不同的U型区域的非转弯区域的人流量计算公式,再根据所述掩膜大小和对应的U型区域的非转弯区域的人流量计算公式,估计所述U型区域的非转弯区域的人流量。
可选地,所述排队等候时间计算模块具体包括:
缩放因子确定子模块,用于根据所述人群密集程度等级确定缩放因子。
排队等候时间计算子模块,用于根据所述缩放因子、所述人流量以及预估的单个人的通过时间计算排队等候时间。
可选地,所述人流量监控装置还包括:图像处理单元44、图像切割单元45。
所述图像处理单元44,用于获取图像,将所述图像处理成对应的灰度图像;
所述图像切割单元45,用于根据所述灰度图像切割出目标图像区域。
本发明实施例中,通过获取图像,将所述图像处理成对应的灰度图像,根据所述灰度图像切割出目标图像区域,获取目标图像区域中目标人体轮廓信息,对所述目标人体轮廓信息进行掩膜匹配,再根据掩膜匹配结果,计算排队等候时间,由于能够获取图像,将所述图像处理成对应的灰度图像,根据所述灰度图像切割出目标图像区域,因此减少了图像局部的阴影和光照变化,提高了目标人体轮廓信息的准确性,进而提高了排队等候时间结果的准确性;另外,由于能够根据所述人群密集程度等级确定缩放因子,根据所述缩放因子、所述人流量以及预估的单个人的通过时间计算排队等候时间,因此方便用户掌握好时间,及时调整排队等候的策略,提高排队等候的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例四:
图5是本发明一实施例提供的终端设备的示意图。如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个人流量监控方法实施例中的步骤,例如图3所示的步骤S31至S35。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各单元的功能,例如图4所示单元41至45的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如,所述计算机程序52可以被分割成人体轮廓信息获取单元、掩膜匹配单元、时间计算单元,各单元具体功能如下:
人体轮廓信息获取单元,用于获取目标图像区域中目标人体轮廓信息。
掩膜匹配单元,用于对所述目标人体轮廓信息进行掩膜匹配。
时间计算单元,用于根据掩膜匹配结果,计算排队等候时间。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种人流量监控方法,其特征在于,包括:
获取目标图像区域中目标人体轮廓信息,包括:使用滑动窗口切割目标图像区域,获取所述滑动窗口对应的子目标图像区域,所述滑动窗口的数量大于一,逐个提取出所述子目标图像区域对应的目标人体轮廓信息,所述目标图像区域为U型区域;
利用掩膜矩阵分别对各个所述子目标图像区域对应的目标人体轮廓信息进行掩膜匹配;
根据掩膜匹配结果,计算排队等候时间,包括:根据各个所述子目标图像区域分别对应的掩膜匹配结果,确定人群密集程度等级,所述人群密集程度等级包括以下至少一种:拥挤、中等拥挤、一般拥挤、稀疏,获取预置的人体感应装置监测的人流量,所述人体感应装置预置在所述U型区域的转弯区域,根据掩膜大小估计所述U型区域的非转弯区域的人流量,根据所述预置的人体感应装置监测的人流量以及所述U型区域的非转弯区域的人流量估计所述U型区域的人流量,根据所述U型区域的人流量以及所述人群密集程度等级计算排队等候时间。
2.如权利要求1所述的人流量监控方法,其特征在于,所述根据所述U型区域的人流量以及所述人群密集程度等级计算排队等候时间包括:
根据所述人群密集程度等级确定缩放因子;
根据所述缩放因子、所述U型区域的人流量以及预估的单个人的通过时间计算排队等候时间。
3.如权利要求1所述的人流量监控方法,其特征在于,在所述获取目标图像区域中目标人体轮廓信息的步骤之前,包括:
获取图像,将所述图像处理成对应的灰度图像;
根据所述灰度图像切割出目标图像区域。
4.一种人流量监控装置,其特征在于,包括:
人体轮廓信息获取单元,用于获取目标图像区域中目标人体轮廓信息,所述人体轮廓信息获取单元在执行所述获取目标图像区域中目标人体轮廓信息时,具体用于:使用滑动窗口切割目标图像区域,获取所述滑动窗口对应的子目标图像区域,所述滑动窗口的数量大于一,逐个提取出所述子目标图像区域对应的目标人体轮廓信息,所述目标图像区域为U型区域;
掩膜匹配单元,用于利用掩膜矩阵分别对各个所述子目标图像区域对应的目标人体轮廓信息进行掩膜匹配;
时间计算单元,用于根据掩膜匹配结果,计算排队等候时间,所述时间计算单元,在执行所述根据掩膜匹配结果,计算排队等候时间时,具体用于:根据各个所述子目标图像区域分别对应的掩膜匹配结果,确定人群密集程度等级,所述人群密集程度等级包括以下至少一种:拥挤、中等拥挤、一般拥挤、稀疏,获取预置的人体感应装置监测的人流量,所述人体感应装置预置在所述U型区域的转弯区域,根据掩膜大小估计所述U型区域的非转弯区域的人流量,根据所述预置的人体感应装置监测的人流量以及所述U型区域的非转弯区域的人流量估计所述U型区域的人流量,根据所述U型区域的人流量以及所述人群密集程度等级计算排队等候时间。
5.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333117.6A CN109657543B (zh) | 2018-11-09 | 2018-11-09 | 人流量监控方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333117.6A CN109657543B (zh) | 2018-11-09 | 2018-11-09 | 人流量监控方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657543A CN109657543A (zh) | 2019-04-19 |
CN109657543B true CN109657543B (zh) | 2021-03-26 |
Family
ID=66110777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811333117.6A Active CN109657543B (zh) | 2018-11-09 | 2018-11-09 | 人流量监控方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657543B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363695B (zh) * | 2019-07-01 | 2023-03-31 | 深圳勇艺达机器人有限公司 | 一种基于机器人的人群队列控制方法及装置 |
CN111508239B (zh) * | 2020-04-16 | 2022-03-01 | 成都旸谷信息技术有限公司 | 基于mask矩阵的车流量智能识别方法、系统 |
CN112946618B (zh) * | 2021-01-26 | 2023-02-17 | 北京清雷科技有限公司 | 室内人员的定位方法及装置、系统、家电设备 |
CN115183763A (zh) * | 2022-09-13 | 2022-10-14 | 南京北新智能科技有限公司 | 一种基于人脸识别和栅格法的人员地图定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279800B (zh) * | 2013-01-10 | 2016-12-28 | 吉林大学 | 基于博弈论的大规模人群疏散最优逃生路线生成方法 |
CN104091198A (zh) * | 2014-06-27 | 2014-10-08 | 无锡慧眼电子科技有限公司 | 基于ViBe的人流量统计方法 |
CN108769924B (zh) * | 2018-04-28 | 2020-11-03 | 哈尔滨工业大学 | 一种景区游客链式出行服务系统及方法 |
-
2018
- 2018-11-09 CN CN201811333117.6A patent/CN109657543B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109657543A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657543B (zh) | 人流量监控方法、装置及终端设备 | |
WO2021057848A1 (zh) | 网络的训练方法、图像处理方法、网络、终端设备及介质 | |
CN109345553B (zh) | 一种手掌及其关键点检测方法、装置和终端设备 | |
CN111489290B (zh) | 一种人脸图像超分辨重建方法、装置及终端设备 | |
CN109739223B (zh) | 机器人避障控制方法、装置、终端设备及存储介质 | |
CN108961157B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN110119733B (zh) | 书页识别方法及装置、终端设备、计算机可读存储介质 | |
CN109118447B (zh) | 一种图片处理方法、图片处理装置及终端设备 | |
CN108564550B (zh) | 图像处理方法、装置及终端设备 | |
CN108961183B (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
CN112990318B (zh) | 持续学习方法、装置、终端及存储介质 | |
CN109711427A (zh) | 目标检测方法及相关产品 | |
CN109215037A (zh) | 目标图像分割方法、装置及终端设备 | |
CN112668577A (zh) | 大尺度图像中目标物体的检测方法、终端及装置 | |
CN112102164A (zh) | 一种图像处理方法、装置、终端及存储介质 | |
CN108491142B (zh) | 一种移动终端的控制方法、移动终端及存储介质 | |
CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN107679222B (zh) | 图片处理方法、移动终端及计算机可读存储介质 | |
CN109444905B (zh) | 一种基于激光的动态物体检测方法、装置及终端设备 | |
CN108776959B (zh) | 图像处理方法、装置及终端设备 | |
CN108763491B (zh) | 图片处理方法、装置及终端设备 | |
CN109165648B (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
CN114639143B (zh) | 基于人工智能的人像归档方法、设备及存储介质 | |
CN111931794B (zh) | 一种基于草图的图像匹配方法 |
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 |