CN110334564A - 一种基于目标跟踪的常住人口识别方法和系统 - Google Patents

一种基于目标跟踪的常住人口识别方法和系统 Download PDF

Info

Publication number
CN110334564A
CN110334564A CN201910204949.6A CN201910204949A CN110334564A CN 110334564 A CN110334564 A CN 110334564A CN 201910204949 A CN201910204949 A CN 201910204949A CN 110334564 A CN110334564 A CN 110334564A
Authority
CN
China
Prior art keywords
community
disengaging
personnel
time
resident population
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.)
Granted
Application number
CN201910204949.6A
Other languages
English (en)
Other versions
CN110334564B (zh
Inventor
刘丰
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.)
Terminus Beijing Technology Co Ltd
Original Assignee
Terminus Beijing Technology 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 Terminus Beijing Technology Co Ltd filed Critical Terminus Beijing Technology Co Ltd
Priority to CN201910204949.6A priority Critical patent/CN110334564B/zh
Publication of CN110334564A publication Critical patent/CN110334564A/zh
Application granted granted Critical
Publication of CN110334564B publication Critical patent/CN110334564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • 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
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition

Abstract

本申请实施例提供一种基于目标跟踪的常住人口识别方法和系统。该方法包括：通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中；通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线；通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间；对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。本申请提高了常住人口识别的准确度和效率。

Description

一种基于目标跟踪的常住人口识别方法和系统
技术领域
本申请涉及人口管理及大数据领域，尤其涉及一种基于目标跟踪的常住人口识别方法和系统。
背景技术
常住人口进行统计是了解某一地区的人口数量、构成以及居住方面的变化的主要统计方式。传统的常住人口统计方法通常采取工作人员逐户逐人直接询问进行调查统计，但是这种方法耗时耗力，并且若调查时某一住户不在家，则会对该住户进行遗漏；即使通过门禁系统进行进出社区的频次统计，也可能错误统计到快递员、外卖小哥等误差数据，导致统计的结果与实际数据存在较大的偏差。因此，可以考虑改进，融合目标跟踪技术，设计基于目标跟踪的常住人口识别方法及系统。
发明内容
有鉴于此，本申请的目的在于提出一种基于目标跟踪的常住人口识别方法和系统，降低错误统计概率，解决目前常住人口识别过程中，处理效率低、准确度不高的技术问题。
基于上述目的，本申请提出了一种基于目标跟踪的常住人口识别方法，包括：
通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中；
通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线；
通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间；
对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。
在一种实施例中，通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，包括：
社区中每个传感设备通过访问所述人体识别系统的采集数据和所述社区画像实现目标持续跟踪。
在一些实施例中，所述采集进出社区人员的进出数据，包括：
通过时间戳记录方法采集进出社区人员的进出时间；
通过人脸识别方法采集进出社区人员的面部特征；
通过步态识别方法采集进出社区人员的步态特征。
在一些实施例中，所述抽取出行走规律曲线，包括：
以建筑物为结点，以所述进出社区人员的足迹为边，所述进出社区人员行走于各建筑物之间的时间为边权重，通过曲线拟合算法，得出所述进出社区人员的行走规律曲线。
在一些实施例中，所述通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间，包括：
以所述进出社区人员进入建筑物时间为初始时间，以所述进出社区人员离开建筑物时间为末了时间，通过预设阈值方式计算有效逗留时间。
在一些实施例中，所述曲线拟合算法通过最小二乘法实现，曲线公式为：
y＝a0+a1x+a2x2+…+anxn，
其中，y为从变量，x为变量，a0、a1、a2…an为系数，n为阶数。
在一些实施例中，所述对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口，包括：
当所述社区进出人员进出频次满足预设条件时，初步判定为常住人口，纳入常住人口池中；
当所述社区进出人员的行走规律曲线在社区建筑物间存在遍历趋势时，将所述社区进出人员从所述常住人口池中剔除；
当所述社区进出人员的平均逗留时间低于设定阈值时，将所述社区进出人员从常住人口池中剔除；
所述常住人口池中人员为常住人口。
基于上述目的，本申请还提出了一种基于目标跟踪的常住人口识别系统，包括：
画像提取模块，用于通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中；
路径提取模块，用于通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线；
时间提取模块，用于通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间；
分析判定模块，用于对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。
在一些实施例中，所述画像提取模块，包括：
数据清洗单元，用于对人体识别系统的数据进行归一化处理，并转换为标准数据；
特征提取单元，用于将人体识别系统的数据进行量化特征提取。
在一些实施例中，所述基于目标跟踪的常住人口识别系统，还包括：
任务调度模块，用于控制任务的分发、资源分配；
效率监控模块，用于控制任务执行效率，并向所述任务调度模块发送监督结果。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的基于目标跟踪的常住人口识别方法的流程图。
图2示出根据本发明实施例的基于目标跟踪的常住人口识别系统的构成图。
图3示出根据本发明实施例的画像提取模块的构成图。
图4示出根据本发明实施例的基于目标跟踪的常住人口识别系统的构成图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出根据本发明实施例的基于目标跟踪的常住人口识别方法的流程图。如图1所示，该基于目标跟踪的常住人口识别方法包括：
步骤S11、通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中。
在一种实施方式中，通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，包括：
社区中每个传感设备通过访问所述人体识别系统的采集数据和所述社区画像实现目标持续跟踪。
在一种实施方式中，所述人体识别系统通过对进出社区人员的面部特征和虹膜特征唯一确定进出社区人员，即唯一确定社区进出人员画像。
优化地，还可以通过进出社区人员的步态特征、指纹特征、交通方式、穿着习惯、出入时间等辅助确定社区进出人员画像。
具体来说，根据人类生理特点，人类的面部特征和虹膜特征对人类的唯一标识性已经非常高。因此，可以通过进出社区的面部特征和虹膜特征唯一确定社区进出人员画像。另外，通过抽取出进出社区人员的步态特征、指纹特征、交通方式、穿着习惯、出入时间等特点，可以进一步丰富社区进出人员的确定程度，相对传统的识别方式大幅提高识别准确率。
在一种实施方式中，传感设备包括摄像头、门禁系统等。
在一种实施方式中，所述采集进出社区人员的进出数据，包括：
通过时间戳记录方法采集进出社区人员的进出时间；
通过人脸识别方法采集进出社区人员的面部特征；
通过步态识别方法采集进出社区人员的步态特征。
举例来说，当进出社区人员进出社区时，均会使用门禁系统，门禁系统会自动留下时间戳信息，对进出的时间戳信息进行聚类统计，可以得出进出社区人员的活跃时间段，根据该时间段可以初步判断出社区人员是否为常住人口。另外，人脸识别系统通过人脸五官比例、相关位置、面部特征以及虹膜特征，几乎可以唯一标识出一个进出社区人员。人类行进的步速、姿态等步态信息，也具有明显的个人特点，也可以作为标识进出社区人员的手段之一。
步骤S12、通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线。
在一种实施方式中，所述抽取出行走规律曲线，包括：
以建筑物为结点，以所述进出社区人员的足迹为边，所述进出社区人员行走于各建筑物之间的时间为边权重，通过曲线拟合算法，得出所述进出社区人员的行走规律曲线。
举例来说，快递员和快递小哥进入社区后的路径一般为遍历各个建筑物，或者直奔快递柜，通过识别出这一类型的行走规律曲线，可以将这类人员排除出常住人口的范围。另外，保安和保洁人员进入社区后，也有明显且固定的巡回路线，通过行走规律曲线的提取和判定，也能成功将这两类人员排除出常住人口的范围。因此，相对于传统常住人口统计方法中简单通过人口进出频率的方法进行统计，通过行走规律曲线的判定方法可以大幅提高常住人口识别的准确度。
在一种实施方式中，通过社区中连续的摄像头，识别出同一进出社区人员，将这些摄像头的位置连接起来，可以形成进出社区人员的行走曲线。
在一种实施方式中，所述曲线拟合算法通过最小二乘法实现，曲线公式为：
y＝a0+a1x+a2x2+…+anxn，
其中，y为从变量，x为变量，a0、a1、a2…an为系数，n为阶数。
步骤S13、通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间。
在一种实施方式中，所述通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间，包括：
以所述进出社区人员进入建筑物时间为初始时间，以所述进出社区人员离开建筑物时间为末了时间，通过预设阈值方式计算有效逗留时间。
举例来说，根据社区管理经验，可以初步判定，频繁在社区中过夜的人员为常住人口。因此，可以将预设阈值设置为跨夜时间段，这样傍晚进入社区后一直未离开社区，跨夜直到第二天上班时间才离开社区的，这部分跨夜时间为有效逗留时间，初步可以判定为常住人口。而像外卖小哥、快递员这类人员，虽然频繁进出社区，但最终并不在社区中过夜，则应该从社区常住人口中剔除掉。因此，相对于传统常住人口统计方法中简单通过人口进出频率的方法进行统计，通过有效逗留时间的判定方法可以大幅提高常住人口识别的准确度。
步骤S14、对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。
在一种实施方式中，所述对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口，包括：
当所述社区进出人员进出频次满足预设条件时，初步判定为常住人口，纳入常住人口池中；
当所述社区进出人员的行走规律曲线在社区建筑物间存在遍历趋势时，将所述社区进出人员从所述常住人口池中剔除；
当所述社区进出人员的平均逗留时间低于设定阈值时，将所述社区进出人员从常住人口池中剔除；
所述常住人口池中人员为常住人口。
在一种实施方式中，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口，可以先通过进出人员画像进出频次统计，得出常住人口池，然后再通过行走曲线规律方法、有效逗留时间方法剔除无关人员，也可以在进行人员画像进出频次统计的同时通过行走曲线规律方法、有效逗留时间方法并行进行无关人员的剔除。
图2示出根据本发明实施例的基于目标跟踪的常住人口识别系统的构成图。如图2所示，该基于目标跟踪的常住人口识别系统整体可以分为：
画像提取模块21，用于通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中；
路径提取模块22，用于通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线；
时间提取模块23，用于通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间；
分析判定模块24，用于对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。
图3示出根据本发明实施例的画像提取模块的构成图。如图3所示，该画像提取模块可以分为：
数据清洗单元211，用于对人体识别系统的数据进行归一化处理，并转换为标准数据；
特征提取单元212，用于将人体识别系统的数据进行量化特征提取。
图4示出根据本发明实施例的基于目标跟踪的常住人口识别系统的构成图。如图4所示，该基于目标跟踪的常住人口识别系统还包括：
任务调度模块25，用于控制任务的分发、资源分配；
效率监控模块26，用于控制任务执行效率，并向所述任务调度模块发送监督结果。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，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，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于目标跟踪的常住人口识别方法，其特征在于，包括：
通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中；
通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线；
通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间；
对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。
2.根据权利要求1所述的方法，其特征在于，通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，包括：
社区中每个传感设备通过访问所述人体识别系统的采集数据和所述社区画像实现目标持续跟踪。
3.根据权利要求1所述的方法，其特征在于，所述采集进出社区人员的进出数据，包括：
通过时间戳记录方法采集进出社区人员的进出时间；
通过人脸识别方法采集进出社区人员的面部特征；
通过步态识别方法采集进出社区人员的步态特征。
4.根据权利要求1所述的方法，其特征在于，所述抽取出行走规律曲线，包括：
以建筑物为结点，以所述进出社区人员的足迹为边，所述进出社区人员行走于各建筑物之间的时间为边权重，通过曲线拟合算法，得出所述进出社区人员的行走规律曲线。
5.根据权利要求1所述的方法，其特征在于，所述通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间，包括：
以所述进出社区人员进入建筑物时间为初始时间，以所述进出社区人员离开建筑物时间为末了时间，通过预设阈值方式计算有效逗留时间。
6.根据权利要求4所述的方法，其特征在于，所述曲线拟合算法通过最小二乘法实现，曲线公式为：
y＝a0+a1x+a2x2+…+anxn，
其中，y为从变量，x为变量，a0、a1、a2…an为系数，n为阶数。
7.根据权利要求1所述的方法，其特征在于，所述对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口，包括：
当所述社区进出人员进出频次满足预设条件时，初步判定为常住人口，纳入常住人口池中；
当所述社区进出人员的行走规律曲线在社区建筑物间存在遍历趋势时，将所述社区进出人员从所述常住人口池中剔除；
当所述社区进出人员的平均逗留时间低于设定阈值时，将所述社区进出人员从常住人口池中剔除；
所述常住人口池中人员为常住人口。
8.一种基于目标跟踪的常住人口识别系统，其特征在于，包括：
画像提取模块，用于通过人体识别系统采集进出社区人员的进出数据，针对每个进出社区人员通过特征识别算法得到社区进出人员画像，存入数据库系统中；
路径提取模块，用于通过社区内传感设备对所述进出社区人员进行连续采集，跟踪所述进出社区人员行进路径，抽取出行走规律曲线；
时间提取模块，用于通过楼道内传感设备对所述进出社区人员进行连续采集，提取出所述进出社区人员逗留时间，计算出平均逗留时间；
分析判定模块，用于对预设时间内进出社区人员数据进行统计，结合所述社区进出人员画像、所述行走规律曲线、所述平均逗留时间进行分析，判断所述社区进出人员是否为常住人口。
9.根据权利要求8所述的系统，其特征在于，所述画像提取模块，包括：
数据清洗单元，用于对人体识别系统的数据进行归一化处理，并转换为标准数据；
特征提取单元，用于将人体识别系统的数据进行量化特征提取。
10.根据权利要求8所述的系统，其特征在于，所述基于目标跟踪的常住人口识别系统，还包括：
任务调度模块，用于控制任务的分发、资源分配；
效率监控模块，用于控制任务执行效率，并向所述任务调度模块发送监督结果。
CN201910204949.6A 2019-03-18 2019-03-18 一种基于目标跟踪的常住人口识别方法和系统 Active CN110334564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910204949.6A CN110334564B (zh) 2019-03-18 2019-03-18 一种基于目标跟踪的常住人口识别方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910204949.6A CN110334564B (zh) 2019-03-18 2019-03-18 一种基于目标跟踪的常住人口识别方法和系统

Publications (2)

Publication Number Publication Date
CN110334564A true CN110334564A (zh) 2019-10-15
CN110334564B CN110334564B (zh) 2020-04-24

Family

ID=68140095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910204949.6A Active CN110334564B (zh) 2019-03-18 2019-03-18 一种基于目标跟踪的常住人口识别方法和系统

Country Status (1)

Country Link
CN (1) CN110334564B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292010A (zh) * 2020-03-05 2020-06-16 广州快决测信息科技有限公司 一种定向进行数据采集的方法及系统
CN111462380A (zh) * 2020-03-30 2020-07-28 重庆特斯联智慧科技股份有限公司 一种基于物联网的智慧社区管理方法和系统
CN111680059A (zh) * 2020-04-29 2020-09-18 国家计算机网络与信息安全管理中心 基于特定区域的活跃人员、常驻人员的分析方法及系统
CN113159632A (zh) * 2021-05-06 2021-07-23 重庆国科应用技术研究所有限公司 一种基于用户画像的楼宇管理方法及系统
CN113191191A (zh) * 2021-03-23 2021-07-30 武汉特斯联智能工程有限公司 一种基于用户习惯分析的社区疫情管理方法和系统
CN113326823A (zh) * 2021-08-03 2021-08-31 深圳市赛菲姆科技有限公司 一种基于社区场景下人员路径确定方法、系统
CN114241545A (zh) * 2021-11-17 2022-03-25 中国通信建设集团有限公司 基于人脸识别的临时居住人员自动识别方法及相关设备
CN115083053A (zh) * 2022-06-15 2022-09-20 深圳市银河通信科技有限公司 一种智慧社区门禁系统及控制方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093528A (zh) * 2012-12-28 2013-05-08 中山大学 一种小区车辆和人员智能监控系统
CN105068491A (zh) * 2015-07-16 2015-11-18 湖南城市学院 一种用于大型社区安防以及巡更监控的智能控制装置
CN105225394A (zh) * 2015-11-10 2016-01-06 苏州海而仕信息科技有限公司 一种基于人脸识别的智能楼宇监控方法
CN105632001A (zh) * 2016-03-24 2016-06-01 中山大学南方学院 一种基于人脸识别的安防监控方法及系统
CN105787440A (zh) * 2015-11-10 2016-07-20 深圳市商汤科技有限公司 一种基于人脸特征和步态特征的安保管理方法及系统
CN106447859A (zh) * 2016-09-28 2017-02-22 武汉广宏利机电设备有限公司 一种基于人脸识别的智能楼宇监控方法
CN106844699A (zh) * 2017-01-26 2017-06-13 成都市亚丁胡杨科技股份有限公司 一种智能社区的服务员工的授权方法
CN206287145U (zh) * 2016-12-15 2017-06-30 清研华宇智能机器人（天津）有限责任公司 一种小区安防机器人控制系统
KR20170082078A (ko) * 2016-01-05 2017-07-13 한국전자통신연구원 신원 인식 장치 및 방법
CN107480624A (zh) * 2017-08-08 2017-12-15 深圳云天励飞技术有限公司 常住人口获取方法、装置及系统、计算机装置和存储介质
CN108509946A (zh) * 2018-07-05 2018-09-07 常州纺织服装职业技术学院 一种基于人脸识别的智能楼宇系统
CN108922114A (zh) * 2018-06-22 2018-11-30 张小勇 安防监测方法和系统
CN109147106A (zh) * 2018-07-02 2019-01-04 深圳云感物联网科技有限公司 一种社区内的人员自动跟踪技术系统及其方法
CN109190588A (zh) * 2018-09-19 2019-01-11 东方网力科技股份有限公司 一种人口分类的方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093528A (zh) * 2012-12-28 2013-05-08 中山大学 一种小区车辆和人员智能监控系统
CN105068491A (zh) * 2015-07-16 2015-11-18 湖南城市学院 一种用于大型社区安防以及巡更监控的智能控制装置
CN105225394A (zh) * 2015-11-10 2016-01-06 苏州海而仕信息科技有限公司 一种基于人脸识别的智能楼宇监控方法
CN105787440A (zh) * 2015-11-10 2016-07-20 深圳市商汤科技有限公司 一种基于人脸特征和步态特征的安保管理方法及系统
KR20170082078A (ko) * 2016-01-05 2017-07-13 한국전자통신연구원 신원 인식 장치 및 방법
CN105632001A (zh) * 2016-03-24 2016-06-01 中山大学南方学院 一种基于人脸识别的安防监控方法及系统
CN106447859A (zh) * 2016-09-28 2017-02-22 武汉广宏利机电设备有限公司 一种基于人脸识别的智能楼宇监控方法
CN206287145U (zh) * 2016-12-15 2017-06-30 清研华宇智能机器人（天津）有限责任公司 一种小区安防机器人控制系统
CN106844699A (zh) * 2017-01-26 2017-06-13 成都市亚丁胡杨科技股份有限公司 一种智能社区的服务员工的授权方法
CN107480624A (zh) * 2017-08-08 2017-12-15 深圳云天励飞技术有限公司 常住人口获取方法、装置及系统、计算机装置和存储介质
CN108922114A (zh) * 2018-06-22 2018-11-30 张小勇 安防监测方法和系统
CN109147106A (zh) * 2018-07-02 2019-01-04 深圳云感物联网科技有限公司 一种社区内的人员自动跟踪技术系统及其方法
CN108509946A (zh) * 2018-07-05 2018-09-07 常州纺织服装职业技术学院 一种基于人脸识别的智能楼宇系统
CN109190588A (zh) * 2018-09-19 2019-01-11 东方网力科技股份有限公司 一种人口分类的方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292010A (zh) * 2020-03-05 2020-06-16 广州快决测信息科技有限公司 一种定向进行数据采集的方法及系统
CN111462380A (zh) * 2020-03-30 2020-07-28 重庆特斯联智慧科技股份有限公司 一种基于物联网的智慧社区管理方法和系统
CN111680059A (zh) * 2020-04-29 2020-09-18 国家计算机网络与信息安全管理中心 基于特定区域的活跃人员、常驻人员的分析方法及系统
CN111680059B (zh) * 2020-04-29 2023-08-15 国家计算机网络与信息安全管理中心 基于特定区域的活跃人员、常驻人员的分析方法及系统
CN113191191A (zh) * 2021-03-23 2021-07-30 武汉特斯联智能工程有限公司 一种基于用户习惯分析的社区疫情管理方法和系统
CN113191191B (zh) * 2021-03-23 2023-08-18 武汉特斯联智能工程有限公司 一种基于用户习惯分析的社区疫情管理方法和系统
CN113159632A (zh) * 2021-05-06 2021-07-23 重庆国科应用技术研究所有限公司 一种基于用户画像的楼宇管理方法及系统
CN113326823A (zh) * 2021-08-03 2021-08-31 深圳市赛菲姆科技有限公司 一种基于社区场景下人员路径确定方法、系统
CN114241545A (zh) * 2021-11-17 2022-03-25 中国通信建设集团有限公司 基于人脸识别的临时居住人员自动识别方法及相关设备
CN115083053A (zh) * 2022-06-15 2022-09-20 深圳市银河通信科技有限公司 一种智慧社区门禁系统及控制方法
CN115083053B (zh) * 2022-06-15 2023-11-21 深圳市银河通信科技有限公司 一种智慧社区门禁系统及控制方法

Also Published As

Publication number Publication date
CN110334564B (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
CN110334564A (zh) 一种基于目标跟踪的常住人口识别方法和系统
US11670086B2 (en) System and process for detecting, tracking and counting human objects of interest
US20180300887A1 (en) System and process for detecting, tracking and counting human objects of interest
JP5384629B2 (ja) 監視ゾーン内の対象物の移動を分類する装置および方法
CN106203458B (zh) 人群视频分析方法及系统
Draughon et al. Implementation of a computer vision framework for tracking and visualizing face mask usage in urban environments
US20130289449A1 (en) Activity analysis, fall detection and risk assessment systems and methods
JP6666488B2 (ja) 画像抽出装置
US20070183634A1 (en) Auto Individualization process based on a facial biometric anonymous ID Assignment
Joshi et al. Relative body parts movement for automatic depression analysis
CN109376639B (zh) 基于人像识别的伴随人员预警系统及方法
JPWO2018180588A1 (ja) 顔画像照合システムおよび顔画像検索システム
US11657650B2 (en) Techniques for automatically identifying secondary objects in a stereo-optical counting system
DE112018001819T5 (de) Messen eines menschenstroms durch türdurchgänge unter verwendung von leicht installierbaren ir-arraysensoren
US20210133491A1 (en) System and method for detecting, tracking and counting human objects of interest with an improved height calculation
JP2010250775A (ja) 犯罪防止装置およびプログラム
CN112329635B (zh) 店铺客流统计方法和店铺客流统计装置
CN114820239A (zh) 一种基于ai视觉识别的社区智慧管理方法及系统
Aicha et al. How busy is my supervisor? Detecting the visits in the office of my supervisor using a sensor network
KR20130104018A (ko) 영상분석을 이용한 출입 계수시스템 및 그 방법
JP7379213B2 (ja) 画像照合装置
Lee et al. Rat Grooming Detection Using Random Forest Classifier
Hemmatpour et al. Data Reduction Techniques for Near Real-Time Decision Making in Fall Prediction Systems
CN115511232A (zh) 人员调配方法、装置、计算机设备和存储介质
CN115915551A (zh) 一种灯光调节方法、装置及设备

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