CN110503017A - 基于图像处理的智慧节能室内人数检测系统与方法 - Google Patents
基于图像处理的智慧节能室内人数检测系统与方法 Download PDFInfo
- Publication number
- CN110503017A CN110503017A CN201910740095.3A CN201910740095A CN110503017A CN 110503017 A CN110503017 A CN 110503017A CN 201910740095 A CN201910740095 A CN 201910740095A CN 110503017 A CN110503017 A CN 110503017A
- Authority
- CN
- China
- Prior art keywords
- image
- people
- energy conservation
- max
- region
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于图像处理的智慧节能室内人数检测系统和检测方法,所述系统包括:摄像头、物联网云服务器、图像处理分析子系统;通过摄像头采集室内海量图像源,物联网云服务器接收并存储图像,并将图像上传至图像处理分析子系统,所述图像处理分析子系统对所接收到的图像进行分析,检测图像所示的室内人数。本发明图像来源方便易采集,源数据量巨大,且人数检测过程具有较好的准确性和鲁棒性,应用到智慧节能室内,通过检测到室内的具体人数和人员的分布位置来自动控制室内的电气设备如电灯、空调等,实现智慧节能。
Description
技术领域
本发明属于智慧节能领域,具体涉及一种基于图像处理的智慧节能室内人数检测系统与方法。
背景技术
随着智慧节能概念的提出和普及,学校的教学楼、公共图书馆、各类会议室等场合也希望可以实现智慧节能,通过对场所中人员数量的智能监测,按个体活动的区域和方式对场所的耗能设备进行自适应性控制。
现有技术中,人数统计的方法主要有以下四种:一是基于形状特征的人数统计,二是基于颜色特征的人数统计,三是基于模型学习的人数统计,四是基于区域估计的人数统计。但是,基于形状特征的人数统计要求行人的轮廓特征与其他特征必须有明显的差异,这样检测才有效,而对于形状特征与背景其他物体相差不大的场景来说,检测效果不理想,会发生误检;基于颜色特征的人数统计,由于肤色信息受光线,天气情况等的干扰较大,无法正确检测;基于模型学习的人数统计的方法的实现的前提是有大量的学习数据,学习数据的选择是否合理也会影响学习结果的好坏;基于区域估计的人数统计对人群密度较大的场所进行人数估计有一定的效果,但不能应用于要求准确计数的场景中。
另外,在教室、图书馆、会议室等智慧节能方面,通常通过将教室划分为四块区域在各区域上安装光强检测器和热释电红外传感器,光照检测器检测区域内的平均光强,热释电检测器检测人员相应的位置,然后共同传递给单片机决策,进行单独分区照明,然后将节能照明延伸到风扇、空调等。但是,上述方法实现的系统需要安装大量的传感器,结构复杂,同时需要对安装位置进行繁琐的计算,然后进行复杂的布线,增加的实施了成本和能耗,且节能效果不够理想。
发明内容
为了提高公共场所中室内的智慧节能效果,克服智慧节能室内人数检测不精准的问题,本发明提供一种基于图像处理的智慧节能室内人数检测系统及方法,以室内监控图像为基础,进行智能人数检测,将此系统或方法应用到智慧节能室内场景中,通过检测到室内的具体人数和人员的分布位置来自动控制室内的电气设备如电灯、空调等,辅助实现节能环保的智慧教室、图书馆或智慧会议室。
为了实现上述目的,本发明采取了如下技术方案。
一种基于图像处理的智慧节能室内人数检测系统,所述室内人数检测系统包括:摄像头、物联网云服务器、图像处理分析子系统;其中,
所述摄像头用于采集室内海量图像源,并通过网络上传至物联网云服务器;
所述物联网云服务器用于存储图像,并将图像上传至图像处理分析子系统;
所述图像处理分析子系统用于对所接收到的图像进行分析,检测图像所示的室内人数。
进一步地,所述图像处理分析子系统用于基于人头智能分析的人数检测。
进一步地,所述基于人头智能分析的人数检测过程包括:
去除图像中的干扰区域;
对去除干扰区域后的图像进行颜色空间的转换;
对颜色空间数据进行二值化;
对二值化后的颜色空间数据进行腐蚀运算、膨胀运算、边缘检测;
将经过二值化及腐蚀运算、膨胀运算和边缘检测处理后的颜色空间对应到参数空间;
在所述参数空间内搜索超过相应阈值的聚集点得到作为人头候选区域;
在参数空间的所述人头候选区域内利用函数拟合人头半径和坐标的关系式;
利用所述人头半径和坐标关系式计算连通面积,除去所述人头候选区域内连通面积超过阈值的人头坐标所在区域,并统计未超过阈值的连通面积的个数;
在所述连通区域及连通区域个数数据的基础上,计算占用率,得出室内人数。
本发明还提供了一种基于图像处理的智慧节能室内人数检测方法,所述方法包括如下步骤:
步骤S201,抓取图像;
步骤S202,去除图像中的干扰区域;
步骤S203,对去除干扰区域后的图像进行颜色空间的转换;
步骤S204,对颜色空间数据进行二值化;
步骤S205,对二值化后的颜色空间数据进行腐蚀运算;
步骤S206,对二值化后的颜色空间数据进行膨胀运算;
步骤S207,对二值化后的颜色空间数据进行边缘检测;
步骤S208,将经过步骤S204至步骤S207处理后的颜色空间对应到参数空间;
步骤S209,在所述参数空间内搜索超过预设的第一阈值的聚集点得到人头候选区域;
步骤S210,在参数空间的所述人头候选区域内利用函数拟合人头半径和坐标的关系式;
步骤S211,利用所述人头半径和坐标关系式计算连通面积,除去所述人头候选区域内连通面积超过第二阈值的人头坐标所在区域,并统计未超过第二阈值的连通面积的个数;
步骤S212,在所述连通区域及连通区域个数数据的基础上,计算占用率,得出室内人数。
进一步地,所述步骤S202中去除图像中的干扰区域,进一步为,利用图像制作工具制作图层模板,利用图层模板与采集到的图像进行乘运算去除干扰区域。
进一步地,所述步骤S203对去除干扰区域后的图像进行颜色空间的转换,进一步为,将图片由RGB颜色空间转换成HSV颜色空间,其中,R为红色,G为绿色,B为蓝色,H为色调,S为饱和度,V为明度。
进一步地,所述由RGB颜色空间转换成HSV颜色空间,进一步为,通过如下公式进行转换:
max=max(R,G,B);
min=min(R,G,B);
V=max(R,G,B);
S=(max-min)/max;
if(R=max)H=(G-B)/(max-min)*60;
if(G=max)H=120+(B-R)/(max-min)*60;
if(B=max)H=240+(R-G)/(max-min)*60;
if(H<0)H=H+360。
进一步地,所述步骤S205腐蚀运算过程,具体包括:
步骤S2051,定义一个卷积核B,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;
步骤S2052,将核B与所述图像进行卷积,计算核B覆盖区域的像素点最小值;
步骤S2053,将这个最小值赋值给参考点指定的像素,图像中的高亮区域逐渐减小。
进一步地,所述步骤S206膨胀运算具体包括:
步骤S2061,定义一个卷积核B,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;
步骤S2062,将核B与所述图像进行卷积,计算核B覆盖区域的像素点最大值;
步骤S2063,将这个最大值赋值给参考点指定的像素,图像中的高亮区域逐渐增长。
进一步地,所述步骤S209具体为:
利用累计帧差法通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓;差分运算公式为:
其中,D(x,y)为连续两帧图像之间的差分图像,I(t)和I(t-1)分别为t和t-1时刻的图像,T为差分图像二值化时选取的第一阈值,D(x,y)=1表示前景,D(x,y)=0表示背景。
由上述本发明实施例提供的技术方案可以看出,本发明实施例以学校教室、公共图书馆、各类会议室的室内监控视频图像为基础,输入源为视频图像,省去了教室、图书馆、会议室系统中的许多其它传感设备,有效减少能耗,以监控视频图像为基础,通过计算机图像处理技术手段设计一套智能人数检测系统,实现室内人数的检测。本发明实施例的所述基于图像处理的智慧节能室内人数检测系统和方法,图像来源方便易采集,人数识别基于图像,并且图像量巨大,为图像处理算法提供更多的数据文件;同时,展示分析便捷,采用云作为存储环境,能够保留图像文件为室内展示和数据分析提供了很好的数据源。将本发明实施例的人数检测系统应用到智慧节能室内,通过检测到室内的具体人数和人员的分布位置来自动控制室内的电气设备如电灯、空调等,实现智慧节能。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例物联网技术架构大背景下三层结构示意图;
图2为本发明实施例基于图像处理的智慧节能室内人数检测系统结构示意图;
图3为本发明实施例基于图像处理的智慧节能室内人数检测方法流程示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
第一实施例
本实施例提供了一种基于图像处理的智慧节能室内人数检测系统。
所述系统以物联网技术架构为大背景,采用三层结构作为智慧节能教室的背景支撑。图1所示为述三层结构示意图。如图1所示,所述三层结构分别为海-网-云三层结构。其中,所述云为顶层,为计算处理中心,用于存储所有人数检测数据,便于数据的展示、共享、分析、处理。第二层为网,为数据传输通道,用于数据的传输。第三层为海,为海量处理终端层,包括感知终端、移动终端、计算终端等。
在所述三层结构中,终端设备被划分为一层,由于物联网系统的终端数量是巨大的,可以用海量来形容,因此将此类设备形象地称为“海”。数据传输的基础网络设施被称为“网”,很明显这个“网”不是单一的网,而是多种异构网络的统称,包括局域网、互联网、移动网等。物联网系统的数据将由一个具有很强处理能力的平台进行处理,用户只需要知道跟处理平台的逻辑关系,无需知道自己的数据是在处理平台中的哪个计算机或者处理器处理的,也无需知道自己的数据存储在哪里,只关心当自己需要的时候可以从数据处理中心得到数据和处理结果,这样的数据处理中心被形象地描述成“云”。
在所述三层结构的支撑下,构建本实施例所述基于图像处理的智慧节能室内人数检测系统。图2所示为本实施例的基于图像处理的智慧节能室内人数检测系统结构示意图。如图2所示,所述室内人数检测系统包括:摄像头、物联网云服务器、图像处理分析子系统;其中,
所述摄像头用于采集室内海量图像源,并通过网络上传至物联网云服务器;
所述物联网云服务器用于存储图像,并将图像上传至图像处理分析子系统;
所述图像处理分析子系统用于对所接收到的图像进行分析,检测图像所示的室内人数。
作为本实施例的人数检测系统的一种应用,所述图像处理分析子系统还用于制定决策,通过决策实现对室内灯具、空调等电器设备的自适应控制。这里的决策,可通过所述图像处理分析子系统直接发送给控制终端,或通过摄像头发送给控制终端。
进一步地,所述图像处理分析子系统用于对所接收到的图像进行分析,检测图像所示的室内人数,包括:
所述图像处理分析子系统用于基于人头智能分析的人数检测。
这里的统计过程如下:
由于教室/图书馆/会议室中窗户、讲台、黑板等干扰信息较多,但是室内人员在占有座位过程中,运动范围较小,基本保持原位。第一步对采集到的视频图像进行预处理,首先做干扰区域的去除,利用图像只做工具制作图层模板,利用图层模板与采集到的图像进行乘运算去除干扰区域。
因为在教室/图书馆/会议室中很少有黑色的区域,因而在去除干扰后的图像中,人头在图片中最具代表性,最好辨别的信息是头发颜色,因此对图像进行颜色空间转换,HSV颜色空间是比较常用的颜色空间,用它表示颜色更加符合人们的习惯。这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。首先将图片由RGB颜色空间转换成HSV颜色空间,相关的转换公式如下:
max=max(R,G,B);
min=min(R,G,B);
V=max(R,G,B);
S=(max-min)/max;
if(R=max)H=(G-B)/(max-min)*60;
if(G=max)H=120+(B-R)/(max-min)*60;
if(B=max)H=240+(R-G)/(max-min)*60;
if(H<0)H=H+360。
其中,RGB颜色空间以R(Red:红)、G(Green:绿)、B(Blue:蓝)三种基本色为基础,进行不同程度的叠加,产生丰富而广泛的颜色,称为三基色模式。
根据确定参数后得到的转换颜色空间的图片,对图片进行二值化,并进行腐蚀膨胀。腐蚀膨胀的主要作用为消除噪声并分割出独立的图像元素,在图像中连接相邻的元素和寻找图像中明显的极大值或极小值区,求出图像的梯度,得到根据发色信息提取的人头候选区域。
这里首先定义拍摄到的整个图像为图像A,方便后续引用。
其中,腐蚀原理用于求取局部最小值。具体过程如下:
定义一个卷积核B,卷积核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;通常和为带参考点的正方形或者圆盘,可将核称为模板或掩膜;
将卷积核B与图像A进行卷积,计算卷积核B覆盖区域的像素点最小值;
将这个最小值赋值给参考点指定的像素;因此,图像中的高亮区域逐渐减小。
其中,膨胀原理用于求取局部最大值。具体过程如下:
定义一个卷积核B,卷积核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;通常和为带参考点的正方形或者圆盘,可将核称为模板或掩膜;
将核B与图像A进行卷积,计算核B覆盖区域的像素点最大值;
将这个最大值赋值给参考点指定的像素;因此,图像中的高亮区域逐渐增长。
对二值化后的颜色空间数据进行边缘检测。由于人头是刚性的类圆形模型结构,利用基于Hough变换检测圆的方法对人头进行检测,Hough变换是一种将图像上的点映射到累加的参数空间的方法,实现对已知解析式曲线的识别,Hough变化最大的优点在于特征边缘描述中间隔的容忍性并且该变换不受图像噪声的影响。根据人头的形状特征,提出人头检测方法去除相应位置过大和过小的非人头区域,得到提取的人头候选区域。
由于书包、篮球等与人头颜色、形状和大小类似的实体的干扰,会产生误检现象,因此利用累计帧差法通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓。当监控场景中出现异常目标运动时,相邻两帧图像之间会出现较为明显的差别,两帧相减,求得图像对应位置像素值差的绝对值,判断其是否大于预设的第一阈值,进而分析视频或图像序列的物体运动特性。其公式描述如下:
其中,D(x,y)为连续两帧图像之间的差分图像,I(t)和I(t-1)分别为t和t-1时刻的图像,T为差分图像二值化时选取的第一阈值,D(x,y)=1表示前景,D(x,y)=0表示背景。
利用所述人头半径和坐标关系式计算连通面积,除去所述人头候选区域内连通面积超过第二阈值的人头坐标所在区域,并统计未超过第二阈值的连通面积的个数;并在所述连通区域及连通区域个数数据的基础上,计算占用率,排除静止的非人头区域,得到最终人头区域,最终计算得到人数。
通过检测到教室的人数以及位置区域后,作为本实施例所述人数检测系统的一种应用,用户可通过终端查询,实时掌握教室情况,同时服务器根据教室情况自动开启或关闭灯光,风扇以及空调等电气设备,其通过继电器进行控制,实现了远程、自动控制。
由以上技术方案可以看出,本实施例的所述基于图像处理的智慧节能室内人数检测系统,图像来源方便易采集,人数识别基于图像,并且图像量巨大,为图像处理算法提供更多的数据文件;同时,展示分析便捷,采用云作为存储环境,能够保留图像文件为室内展示和数据分析提供了很好的数据源;人数检测过程具有较好的准确性和鲁棒性。将本发明实施例的人数检测系统应用到智慧节能室内,通过检测到室内的具体人数和人员的分布位置来自动控制室内的电气设备如电灯、空调等,实现智慧节能。设计了一套将人头检测系统运用到智慧教室中的体系架构,通过检测到室内的具体人数和人员的分布位置来自动控制室内的电气设备如电灯,空调等,删减了类似产品中使用的各类传感器,使得系统更加节能。
第二实施例
本实施例提供了一种基于图像处理的智慧节能室内人数检测方法,所述方法基于第一实施例的所述智慧节能室内人数检测系统得以实现。图3所示为本实施例所述智慧节能室内人数检测方法流程示意图。如图3所示,所述人数检测方法包括如下步骤:
步骤S201,抓取图像。
本步骤中的所述抓取图像,可通过安装在教室/图书馆/会议室室内的摄像头进行。
步骤S202,去除图像中的干扰区域。
本步骤中,由于教室/图书馆/会议室中窗户、讲台、黑板等干扰信息较多,但是室内人员在占有座位过程中,运动范围较小,基本保持原位,因此,利用图像只做工具制作图层模板,利用图层模板与采集到的图像进行乘运算去除干扰区域。
步骤S203,对去除干扰区域后的图像进行颜色空间的转换。
本步骤中,因为在教室/图书馆/会议室中很少有黑色的区域,因而在去除干扰后的图像中,人头在图片中最具代表性,最好辨别的信息是头发颜色,因此对图像进行颜色空间转换,以提高辨识度。
进一步地,将图片由RGB转换成HSV颜色空间。
HSV颜色空间是比较常用的颜色空间,用它表示颜色更加符合人们的习惯。这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。将图片由RGB转换成HSV颜色空间,相关的转换公式如下:
max=max(R,G,B);
min=min(R,G,B);
V=max(R,G,B);
S=(max-min)/max;
if(R=max)H=(G-B)/(max-min)*60;
if(G=max)H=120+(B-R)/(max-min)*60;
if(B=max)H=240+(R-G)/(max-min)*60;
if(H<0)H=H+360。
步骤S204,对颜色空间数据进行二值化。
本步骤中,对确定参数后得到的转换颜色空间的图片进行二值化,以便于后续进行腐蚀膨胀等运算处理。
步骤S205,对二值化后的颜色空间数据进行腐蚀运算。
这里首先定义拍摄到的整体图像为图像A,方便后续引用。
本步骤中的腐蚀运算过程,用于求取局部最小值。具体过程包括:
步骤S2051,定义一个卷积核B,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;通常和为带参考点的正方形或者圆盘,可将核称为模板或掩膜。
步骤S2052,将核B与图像A进行卷积,计算核B覆盖区域的像素点最小值。
步骤S2053,将这个最小值赋值给参考点指定的像素;因此,图像中的高亮区域逐渐减小。
步骤S206,对二值化后的颜色空间数据进行膨胀运算。
本步骤中的膨胀运算用于求取局部最大值,具体过程包括:
步骤S2061,定义一个卷积核B,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;通常和为带参考点的正方形或者圆盘,可将核称为模板或掩膜;
步骤S2062,将核B与图像A进行卷积,计算核B覆盖区域的像素点最大值;
步骤S2063,将这个最大值赋值给参考点指定的像素;因此,图像中的高亮区域逐渐增长。
步骤S207,对二值化后的颜色空间数据进行边缘检测。
本步骤中,利用边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留图像重要的结构属性,将反映物体形状的属性留下。
步骤S208,将经过步骤S204至步骤S207处理后的颜色空间对应到参数空间。
本步骤中,利用基于Hough变换检测圆的方法对人头进行检测,Hough变换是一种将图像上的点映射到累加的参数空间的方法,实现对已知解析式曲线的识别,Hough变化最大的优点在于特征边缘描述中间隔的容忍性并且该变换不受图像噪声的影响。上述变换基于人头是刚性的类圆形模型结构。
步骤S209,在所述参数空间内搜索超过相应阈值的聚集点得到作为人头候选区域。
本步骤中,由于书包、篮球等与人头颜色、形状和大小类似的实体的干扰,会产生误检现象,之后利用累计帧差法通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓的方法。当监控场景中出现异常目标运动时,相邻两帧图像之间会出现较为明显的差别,两帧相减,求得图像对应位置像素值差的绝对值,判断其是否大于预设的第一阈值,进而分析视频或图像序列的物体运动特性。其公式描述如下:
其中,D(x,y)为连续两帧图像之间的差分图像,I(t)和I(t-1)分别为t和t-1时刻的图像,T为差分图像二值化时选取的第一阈值,D(x,y)=1表示前景,D(x,y)=0表示背景。
步骤S210,在参数空间的所述人头候选区域内利用函数拟合人头半径和坐标的关系式。
步骤S211,利用所述人头半径和坐标关系式计算连通面积,除去所述人头候选区域内连通面积超过第二阈值的人头坐标所在区域,并统计未超过阈值的连通面积的个数。
步骤S212,计算占用率,得出到内人数。
本步骤中,在上述计算的基础上,在所述连通区域及连通区域个数数据的基础上,排除静止的非人头区域,得到最终人头区域,最终计算得到人数。
由以上技术方案可以看出,本实施例的所述基于图像处理的智慧节能室内人数检测方法,图像来源方便易采集,人数识别基于图像,并且图像量巨大,为图像处理算法提供更多的数据文件;同时,展示分析便捷,采用云作为存储环境,能够保留图像文件为室内展示和数据分析提供了很好的数据源;所述人数检测方法具有较好的准确性和鲁棒性。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域普通技术人员可以理解:实施例中的装置中的部件可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的部件可以合并为一个部件,也可以进一步拆分成多个子部件。
以上所述,仅为本发明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,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于图像处理的智慧节能室内人数检测系统,其特征在于,所述室内人数检测系统包括:摄像头、物联网云服务器、图像处理分析子系统;其中,
所述摄像头用于采集室内海量图像源,并通过网络上传至物联网云服务器;
所述物联网云服务器用于存储图像,并将图像上传至图像处理分析子系统;
所述图像处理分析子系统用于对所接收到的图像进行分析,检测图像所示的室内人数。
2.根据权利要求1所述的智慧节能室内人数检测系统,其特征在于,所述图像处理分析子系统进一步用于基于人头智能分析的人数检测。
3.根据权利要求2所述的智慧节能室内人数检测系统,其特征在于,所述基于人头智能分析的人数检测过程包括:
去除图像中的干扰区域;
对去除干扰区域后的图像进行颜色空间的转换;
对颜色空间数据进行二值化;
对二值化后的颜色空间数据进行腐蚀运算、膨胀运算、边缘检测;
将经过二值化及腐蚀运算、膨胀运算和边缘检测处理后的颜色空间对应到参数空间;
在所述参数空间内搜索超过相应阈值的聚集点得到作为人头候选区域;
在参数空间的所述人头候选区域内利用函数拟合人头半径和坐标的关系式;
利用所述人头半径和坐标关系式计算连通面积,除去所述人头候选区域内连通面积超过阈值的人头坐标所在区域,并统计未超过阈值的连通面积的个数;
在所述连通区域及连通区域个数数据的基础上,计算占用率,得出室内人数。
4.一种基于图像处理的智慧节能室内人数检测方法,其特征在于,所述方法包括如下步骤:
步骤S201,抓取图像;
步骤S202,去除图像中的干扰区域;
步骤S203,对去除干扰区域后的图像进行颜色空间的转换;
步骤S204,对颜色空间数据进行二值化;
步骤S205,对二值化后的颜色空间数据进行腐蚀运算;
步骤S206,对二值化后的颜色空间数据进行膨胀运算;
步骤S207,对二值化后的颜色空间数据进行边缘检测;
步骤S208,将经过步骤S204至步骤S207处理后的颜色空间对应到参数空间;
步骤S209,在所述参数空间内搜索超过预设的第一阈值的聚集点得到人头候选区域;
步骤S210,在参数空间的所述人头候选区域内利用函数拟合人头半径和坐标的关系式;
步骤S211,利用所述人头半径和坐标关系式计算连通面积,除去所述人头候选区域内连通面积超过第二阈值的人头坐标所在区域,并统计未超过第二阈值的连通面积的个数;
步骤S212,在所述连通区域及连通区域个数数据的基础上,计算占用率,得出室内人数。
5.根据权利要求4所述的智慧节能室内人数检测方法,其特征在于,所述步骤S202中去除图像中的干扰区域,进一步为,利用图像制作工具制作图层模板,利用图层模板与采集到的图像进行乘运算去除干扰区域。
6.根据权利要求4所述的智慧节能室内人数检测方法,其特征在于,所述步骤S203对去除干扰区域后的图像进行颜色空间的转换,进一步为,将图片由RGB颜色空间转换成HSV颜色空间,其中,R为红色,G为绿色,B为蓝色,H为色调,S为饱和度,V为明度。
7.根据权利要求6所述的智慧节能室内人数检测方法,其特征在于,所述由RGB颜色空间转换成HSV颜色空间,进一步为,通过如下公式进行转换:
max=max(R,G,B);
min=min(R,G,B);
V=max(R,G,B);
S=(max-min)/max;
if(R=max)H=(G-B)/(max-min)*60;
if(G=max)H=120+(B-R)/(max-min)*60;
if(B=max)H=240+(R-G)/(max-min)*60;
if(H<0)H=H+360。
8.根据权利要求4所述的智慧节能室内人数检测方法,其特征在于,所述步骤S205腐蚀运算过程,具体包括:
步骤S2051,定义一个卷积核B,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;
步骤S2052,将核B与所述图像进行卷积,计算核B覆盖区域的像素点最小值;
步骤S2053,将这个最小值赋值给参考点指定的像素,图像中的高亮区域逐渐减小。
9.根据权利要求4所述的智慧节能室内人数检测方法,其特征在于,所述步骤S206膨胀运算具体包括:
步骤S2061,定义一个卷积核B,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点;
步骤S2062,将核B与所述图像进行卷积,计算核B覆盖区域的像素点最大值;
步骤S2063,将这个最大值赋值给参考点指定的像素,图像中的高亮区域逐渐增长。
10.根据权利要求4所述的智慧节能室内人数检测方法,其特征在于,所述步骤S209具体为:
利用累计帧差法通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓;差分运算公式为:
其中,D(x,y)为连续两帧图像之间的差分图像,I(t)和I(t-1)分别为t和t-1时刻的图像,T为差分图像二值化时选取的第一阈值,D(x,y)=1表示前景,D(x,y)=0表示背景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740095.3A CN110503017A (zh) | 2019-08-12 | 2019-08-12 | 基于图像处理的智慧节能室内人数检测系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740095.3A CN110503017A (zh) | 2019-08-12 | 2019-08-12 | 基于图像处理的智慧节能室内人数检测系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110503017A true CN110503017A (zh) | 2019-11-26 |
Family
ID=68587262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910740095.3A Pending CN110503017A (zh) | 2019-08-12 | 2019-08-12 | 基于图像处理的智慧节能室内人数检测系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503017A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192263A (zh) * | 2020-01-09 | 2020-05-22 | 夏叶 | 一种基于机器视觉的智慧节能室内人数统计方法 |
CN113642362A (zh) * | 2020-05-11 | 2021-11-12 | 广东毓秀科技有限公司 | 用于密集场所智能逃生的人群密度估计方法 |
CN114782415A (zh) * | 2022-06-16 | 2022-07-22 | 长春融成智能设备制造股份有限公司 | 一种基于机器视觉的灌装桶面异常状态实时监测方法 |
CN114785834A (zh) * | 2021-01-06 | 2022-07-22 | 南京邮电大学 | IPv6环境下的教学楼智能视频监测节能系统设计方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716955A (zh) * | 2013-11-16 | 2014-04-09 | 镇江高等职业技术学校 | 一种针对大学晚自修的教室分区域智能照明系统 |
CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
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 |
CN104021599A (zh) * | 2014-05-19 | 2014-09-03 | 沈阳工业大学 | 基于校园WiFi的课堂考勤管理系统及其人数统计方法 |
CN105323920A (zh) * | 2015-09-19 | 2016-02-10 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于人体及其位置检测的照明控制系统及方法 |
CN105678476A (zh) * | 2016-03-01 | 2016-06-15 | 浙江大学 | 一种基于视频的自习教室智能引导系统以及引导方法 |
CN106897698A (zh) * | 2017-02-24 | 2017-06-27 | 常州常工电子科技股份有限公司 | 基于机器视觉与双目协同技术的教室人数检测方法及系统 |
CN107480607A (zh) * | 2017-07-28 | 2017-12-15 | 青岛大学 | 一种智能录播系统中站立人脸检测定位的方法 |
CN108206935A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种人员数量统计监测分析系统 |
CN108596377A (zh) * | 2018-04-16 | 2018-09-28 | 世纪美映影院技术服务(北京)有限公司 | 一种用于影院放映运营管理的智能处理方法 |
CN109117802A (zh) * | 2018-08-21 | 2019-01-01 | 东北大学 | 面向大场景高分遥感影像的舰船检测方法 |
CN109842984A (zh) * | 2019-03-07 | 2019-06-04 | 北京交通大学 | 智慧教室照明控制系统及智慧教室照明自适应控制方法 |
CN110030674A (zh) * | 2019-03-07 | 2019-07-19 | 北京交通大学 | 一种智慧教室空调控制系统及控制方法 |
-
2019
- 2019-08-12 CN CN201910740095.3A patent/CN110503017A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716955A (zh) * | 2013-11-16 | 2014-04-09 | 镇江高等职业技术学校 | 一种针对大学晚自修的教室分区域智能照明系统 |
CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
CN104021599A (zh) * | 2014-05-19 | 2014-09-03 | 沈阳工业大学 | 基于校园WiFi的课堂考勤管理系统及其人数统计方法 |
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 |
CN105323920A (zh) * | 2015-09-19 | 2016-02-10 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于人体及其位置检测的照明控制系统及方法 |
CN105678476A (zh) * | 2016-03-01 | 2016-06-15 | 浙江大学 | 一种基于视频的自习教室智能引导系统以及引导方法 |
CN108206935A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种人员数量统计监测分析系统 |
CN106897698A (zh) * | 2017-02-24 | 2017-06-27 | 常州常工电子科技股份有限公司 | 基于机器视觉与双目协同技术的教室人数检测方法及系统 |
CN107480607A (zh) * | 2017-07-28 | 2017-12-15 | 青岛大学 | 一种智能录播系统中站立人脸检测定位的方法 |
CN108596377A (zh) * | 2018-04-16 | 2018-09-28 | 世纪美映影院技术服务(北京)有限公司 | 一种用于影院放映运营管理的智能处理方法 |
CN109117802A (zh) * | 2018-08-21 | 2019-01-01 | 东北大学 | 面向大场景高分遥感影像的舰船检测方法 |
CN109842984A (zh) * | 2019-03-07 | 2019-06-04 | 北京交通大学 | 智慧教室照明控制系统及智慧教室照明自适应控制方法 |
CN110030674A (zh) * | 2019-03-07 | 2019-07-19 | 北京交通大学 | 一种智慧教室空调控制系统及控制方法 |
Non-Patent Citations (5)
Title |
---|
余胜威等: "《MATLAB图像滤波去噪分子及其应用》", 30 September 2015 * |
吴华宇: "基于监控视频的高校教室占用率统计系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐小孟: "建筑节能应用中人数统计和室内定位方法的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵谦等: "《智能视频图像处理技术与应用》", 30 November 2016 * |
郭宝龙等: "《数字图像处理系统工程导论》", 31 July 2012 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192263A (zh) * | 2020-01-09 | 2020-05-22 | 夏叶 | 一种基于机器视觉的智慧节能室内人数统计方法 |
CN111192263B (zh) * | 2020-01-09 | 2023-08-22 | 夏叶 | 一种基于机器视觉的智慧节能室内人数统计方法 |
CN113642362A (zh) * | 2020-05-11 | 2021-11-12 | 广东毓秀科技有限公司 | 用于密集场所智能逃生的人群密度估计方法 |
CN114785834A (zh) * | 2021-01-06 | 2022-07-22 | 南京邮电大学 | IPv6环境下的教学楼智能视频监测节能系统设计方法 |
CN114785834B (zh) * | 2021-01-06 | 2024-04-09 | 南京邮电大学 | IPv6环境下的教学楼智能视频监测节能系统设计方法 |
CN114782415A (zh) * | 2022-06-16 | 2022-07-22 | 长春融成智能设备制造股份有限公司 | 一种基于机器视觉的灌装桶面异常状态实时监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378259A (zh) | 一种面向监控视频的多目标行为识别方法及系统 | |
CN110503017A (zh) | 基于图像处理的智慧节能室内人数检测系统与方法 | |
CN103886344B (zh) | 一种图像型火灾火焰识别方法 | |
JP4742168B2 (ja) | ビデオ監視カメラが検出した対象物の特性を識別する方法および機器 | |
CN102201146B (zh) | 基于主动红外视频的零照度环境火灾烟雾识别方法 | |
CN105404847B (zh) | 一种遗留物实时检测方法 | |
US7956889B2 (en) | Video surveillance system | |
CN105701467B (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
CN110532970B (zh) | 人脸2d图像的年龄性别属性分析方法、系统、设备和介质 | |
CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
KR101414670B1 (ko) | 온라인 랜덤 포레스트 및 파티클 필터를 이용한 열 영상에서의 객체 추적 방법 | |
CN108921039A (zh) | 基于多尺寸卷积核的深度卷积模型的森林火灾检测方法 | |
CN103942557B (zh) | 一种煤矿井下图像预处理方法 | |
KR101084719B1 (ko) | 영상 처리와 지능 연산을 이용한 지능형 연기 검출 시스템 | |
CN107016357A (zh) | 一种基于时间域卷积神经网络的视频行人检测方法 | |
CN109376637A (zh) | 基于视频监控图像处理的人数统计系统 | |
CN104601964A (zh) | 非重叠视域跨摄像机室内行人目标跟踪方法及系统 | |
CN105630906A (zh) | 一种人员搜索方法、装置及系统 | |
CN109919053A (zh) | 一种基于监控视频的深度学习车辆停车检测方法 | |
JP2022542566A (ja) | オブジェクト追跡方法及び装置、記憶媒体並びにコンピュータプログラム | |
CN106570490A (zh) | 一种基于快速聚类的行人实时跟踪方法 | |
CN104463869A (zh) | 一种视频火焰图像复合识别方法 | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
Zhang et al. | A novel framework for background subtraction and foreground detection | |
CN102509414B (zh) | 一种基于计算机视觉的烟雾检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191126 |