CN110738137A - 一种人流量统计方法及装置 - Google Patents

Abstract

本发明涉及图像处理技术领域，提供一种人流量统计方法及装置，所述方法包括：获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N‑1帧图像中的每帧图像；将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。本发明实施例的人流量统计方法，不需要人工参与，智能化程度较高。

Description

一种人流量统计方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人流量统计方法及装置。

背景技术

为便于公共区域的安全管理，通常在各个公共区域设置有监控设备，通过监控设备，管理人员可以实时了解监控区域的安全运行情况。为了对公共区域的运行情况进行定量分析，管理人员需要获知公共区域在一定时间段内的人流量数据。目前可以通过人工统计的方式统计公共区域在一定时间段内的人流量数据，然而采用人工统计的方式较为耗费人力。

发明内容

本发明实施例提供一种人流量统计方法及装置，以解决现有技术中采用人工统计人流量较为耗费人力的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种人流量统计方法，所述方法包括：

获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；

将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像；

将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；

基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

第二方面，本发明实施例提供了一种人流量统计装置，所述装置包括：

第一获取模块，用于获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；

第一存储模块，用于将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像；

第二存储模块，用于将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；

第二获取模块，用于基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

第三方面，本发明实施例提供了一种人流量统计装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如第一方面所述的人流量统计方法中的步骤。

第四方面，本发明实施例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上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的人流量统计方法中的步骤。

本发明实施例中，获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；将目标图像与所述目标图像的后一帧图像进行人脸对象比对，所述目标图像为第1帧至第N-1帧图像中的任意一帧图像；将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中；将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。这样，通过获取目标视频中的人脸对象来进行人流量统计，不需要人工参与，智能化程度较高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明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一种人流量统计方法的流程图之一；

图2是本发明实施例提供的一种人流量统计方法的流程图之二；

图3是本发明实施例提供的一种人流量统计装置的结构示意图之一；

图4是本发明实施例提供的一种人流量统计装置的结构示意图之二；

图5是本发明实施例提供的一种人流量统计装置的结构示意图之三；

图6是本发明实施例提供的一种人流量统计装置的结构示意图之四；

图7是本发明实施例提供的一种人流量统计装置的结构示意图之五。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。

参见图1，图1是本发明实施例提供的一种人流量统计方法的流程图之一，如图1所示，包括以下步骤：

步骤101、获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数。

其中，人流量统计方法可以应用于人流量统计装置。所述预设时长可以为0.5s，或者可以为2s，或者可以为5s等等。所述预设时长可以设置为固定值；或者，所述预设时长可以设置与当前日期相关联，例如，当前日期若为节假日，则公共区域的人流量可能较大，设置较小的预设时长可以使得人流量统计结果较为准确且对人流量统计装置的运算压力较小，若当前日期为节假日，则可以设置预设时长较小，可以为0.5s，若当前日期为非节假日，则可以设置预设时长较大，可以为2s；或者，所述预设时长还可以设置与当前时刻相关联，例如，当前时刻若为休息时间，则公共区域的人流量可能较大，设置较小的预设时长可以使得人流量统计结果较为准确且对人流量统计装置的运算压力较小。本发明实施例对所述预设时长不进行限定。所述目标视频可以为彩色视频，或者可以为红外图像。可以将目标视频分割为N帧图像。

步骤102、将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像。

其中，可以通过强分类器进行人脸对象比对。在所述目标视频为彩色视频的情况下，所述人脸对象可以为具有人脸特征的人脸对象；在所述目标视频为红外图像的情况下，所述人脸对象可以为具有人脸血流特征的人脸对象。可以通过强分类器比对人脸特征或者人脸血流特征的距离差，当距离差小于预设范围时，可以认为是相同人脸对象。

另外，所述目标图像为第N-1帧图像，则所述目标图像的后一帧图像为第N帧图像，例如，若所述目标图像为第2帧图像，则所述目标图像的后一帧图像为第3帧图像，所述目标图像的前一帧图像为第1帧图像。将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，可以是，获取当前图像与当前图像的后一帧图像中的相同人脸对象，将当前图像中去除所述相同人脸对象后剩余的人脸对象存储在人脸特征库中。以目标图像为第1帧图像为例，获取第1帧图像与第2帧图像中的相同人脸对象，将第1帧图像中去除与第2帧图像相同的人脸对象后剩余的人脸对象存储在人脸特征库中。

进一步的，在目标视频为彩色视频的情况下，可以将预设时长的彩色视频分为N帧图像；将前一帧的图像与当前帧的图像通过强分类器进行人脸对象识别和比对，确定相同人脸对象，滤除前一帧图像中的相同人脸对象，保留前一帧图像中其他人脸对象，将前一帧图像中其他人脸对象作为人脸特征存储在人脸特征库，依次从第1帧图像至第N帧图像进行比对。在目标视频为红外图像的情况下，可以将预设时长的红外图像分为N帧图像；将前一帧的图像与当前帧的图像通过强分类器进行人脸对象识别和比对，确定相同人脸对象，滤除前一帧图像中的相同人脸对象，保留前一帧图像中其他人脸对象，将前一帧图像中其他人脸对象作为人脸血流特征存储在人脸特征库，依次从第1帧图像至第N帧图像进行比对。

步骤103、将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库。

其中，从第1帧至第N-1帧图像中的每帧图像依次进行人脸对象比对后，将第N帧图像中的人脸对象存储在所述人脸特征库。可以对人脸对象进行预处理和归一化后再存储在所述人脸特征库中，例如，可以将人脸对象的尺寸归一化为80*60像素后再存储。

步骤104、基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

其中，可以统计所述人脸特征库中的人脸对象的数量，将人脸对象的数量与所述预设时长的比值作为人流量统计结果。为提高人流量统计的准确性，可以扫描人脸特征库，滤除人脸特征库中的重复人脸对象，统计滤除重复人脸对象后人脸特征库中的人脸对象的数量，将滤除后的人脸对象的数量与预设时长的比值作为人流量统计结果。

本发明实施例中，获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；将目标图像与所述目标图像的后一帧图像进行人脸对象比对，所述目标图像为第1帧至第N-1帧图像中的任意一帧图像；将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中；将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。这样，通过获取目标视频中的人脸对象来进行人流量统计，不需要人工参与，智能化程度较高。

可选的，所述获取预设时长的目标视频之前，所述方法还包括：

获取光照值；

在所述光照值大于或等于预设阈值的情况下，所述目标视频为彩色视频；

在所述光照值小于所述预设阈值的情况下，所述目标视频为红外图像。

其中，可以通过光照传感器采集光照数据以获取光照值。所述预设阈值可以根据实际情况设置，可以经过多次试验获取预设阈值以使彩色视频的拍摄效果较好。在光照较强时，可以通过彩色摄像头采集彩色视频进行人流量统计；在光照较弱时，可以通过红外成像仪采集红外图像进行人流量统计。

该实施方式中，在光照值不同的情况下，采用不同的目标视频进行人流量统计，场景的适应性较强。

所述获取预设时长的目标视频之前，所述方法还包括：

建立人脸对象模型库；

基于所述人脸对象模型库进行人脸样本训练，生成强分类器；

所述将目标图像与所述目标图像的后一帧图像进行人脸对象比对之前，所述方法还包括：

基于所述强分类器获取所述第1帧至第N帧图像中每帧图像的人脸对象。

其中，所述人脸对象模型库可以包括多个人脸样本，所述多个人脸样本可以分为用于初分类的人脸样本和用于迭代的人脸样本。所述人脸对象模型库可以为人脸模型库，或者可以为人脸血流模型库。在目标视频为彩色视频的情况下，所述人脸对象模型库可以为人脸模型库，所述人脸样本可以为用于初分类的人脸图像样本和用于迭代的人脸图像样本；在目标视频为红外图像的情况下，所述人脸对象模型库可以为人脸血流模型库，所述人脸样本可以为用于初分类的人脸血流图像样本和用于迭代的人脸血流图像样本。

另外，所述基于所述人脸对象模型库进行人脸样本训练，生成强分类器，可以包括：采用特征模板对某个人脸样本进行描述，得到弱分类器；采用所述弱分类器对所述人脸对象模型库中的人脸样本进行决策；基于决策结果更新所述弱分类器的特征值，经过多次迭代更新所述弱分类器的特征值，得到强分类器。

需要说明的是，对人脸样本的训练可以包括对人脸子区域的分类训练，从而分别确定人脸轮廓标准模型及人脸五官标准模型等。在实际应用中，所述进行人脸样本训练具体可以包括以下过程：

在用于初分类的人脸样本中选取一个人脸样本，通过haar特征模板对选取的人脸样本的五官、面部轮廓、五官相对位置进行描述，得到弱分类器，确定弱分类器的特征值，进入决策过程；

决策过程：通过弱分类器对剩下的用于初分类的人脸样本分别进行第一次人脸决策，通过haar特征模板对人脸样本的五官、面部轮廓、五官相对位置进行描述，确定各个人脸样本的特征值，当人脸样本的特征值大于弱分类器的特征值时，则判断为人脸，否则判断不是人脸。根据判断的准确性对弱分类器的特征值进行权值调整，对上一轮人脸决策中漏判的人脸样本和新人脸样本进行下一轮人脸决策；

循环进行上述决策过程，进行多轮人脸决策迭代，生成准确识别人脸的强分类器。

在上述人脸样本训练过程中，可以采用Adaboost迭代算法训练不同的弱分类器，并将这些弱分类器集合起来构成强分类器。Adaboost训练的分类器的基础元素为Haar特征模板，Haar特征模板分为四类：边缘特征、线性特征、中心特征和对角线特征。特征模板内有白色和黑色两种矩形，特征模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由特征模板简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等，通过特征模板确定各个部位的特征值。特征模板可以描述颜色边缘部位、线段部位，即特定走向的水平、垂直、对角的结构。将人脸的基础特征：将眼、鼻、嘴、耳、面部，通过特征模板按照人脸五官相对位置及颜色深浅进行描述，确定人脸特征值，得到描述人脸的弱分类器。在进行多轮迭代后，得到强分类器，确定强分类器的特征值。

该实施方式中，建立人脸对象模型库；基于所述人脸对象模型库进行人脸样本训练，生成强分类器；基于所述强分类器获取所述第1帧至第N帧图像中每帧图像的人脸对象。这样，通过强分类器对人脸对象进行识别，能够提高人流量统计结果的准确性。

可选的，所述获取预设时长的目标视频之前，所述方法还包括：

基于工作日、公休日及节假日设置所述预设时长。

其中，所述预设时长可以设置与当前日期相关联，当前日期若为节假日，则公共区域的人流量可能较大，设置较小的预设时长可以使得人流量统计结果较为准确且对人流量统计装置的运算压力较小，可以设置节假日的预设时长小于公休日的预设时长，公休日的预设时长小于工作日的预设时长。例如，当前日期若为节假日，则可以设置预设时长为0.5s；当前日期若为公休日，则可以设置预设时长为2s；当前日期若为节假日，则可以设置预设时长为5s。

该实施方式中，基于工作日、公休日及节假日设置所述预设时长，能够根据人流量情况对预设时长进行调整，能够提高人流量统计结果的准确性，并且，能够降低人流量统计过程中的数据运算压力。

可选的，所述基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果，包括：

获取所述人脸特征库中的重复人脸对象；

基于所述人脸特征库中人脸对象的计数值与所述重复人脸对象的计数值获取所述预设时长的人流量统计结果。

其中，可以扫描人脸特征库，标记不同的人脸对象，若扫描到相同的人脸对象时，将该相同的人脸对象标记为重复人脸对象，可以标记所述人脸特征库中的全部重复人脸对象。可以获取所述人脸特征库中人脸对象的计数值，以及重复人脸对象的计数值，可以将所述人脸特征库中人脸对象的计数值减去重复人脸对象的计数值，得到计数结果，将该计算结果与预设时长的比值作为人流量统计结果。在目标视频为彩色视频的情况下，可以通过人脸特征来确定是否是相同的人脸对象；在目标视频为红外图像的情况下，可以通过人脸血流特征来确定是否是相同的人脸对象。

需要说明的是，在实际应用中，可以统计人脸特征库中的人脸对象数量S，扫描人脸特征库，标记不同人脸对象，当扫描到相同的第n人脸对象时，对第n人脸对象进行人脸对象计数，得到第n人脸对象的相同人脸对象数量Dn，从人脸特征库中滤除第n人脸对象的重复数量，即S减去Dn，n为正整数。采用上述方式可以滤除人脸特征库中所有重复人脸对象，得到预设时长的人流量统计结果。

另外，当完成一次人流量监测，可以删除人脸特征库中存储的人脸对象，便于对下一次采集的彩色视频或红外图像所产生的人脸对象进行存储。具体的，可以采用余弦夹角向量相似度算法来确定是否是相同人脸对象，计算任意两个人脸对象之间的向量相似度，例如，分别计算确定第1人脸对象与第2人脸对象之间的向量相似度、第1人脸对象与第3人脸对象之间的向量相似度、第1人脸对象与第4人脸对象之间的向量相似度、第2人脸对象与第3人脸对象之间的向量相似度、第2人脸对象与第4人脸对象之间的向量相似度以及第3人脸对象与第4人脸对象之间的向量相似度等等，当向量相似度满足一定条件时可以认为该两个人脸对象为相同人脸对象。

该实施方式中，获取所述人脸特征库中的重复人脸对象；基于所述人脸特征库中人脸对象的计数值与所述重复人脸对象的计数值获取所述预设时长的人流量统计结果。这样，通过滤除人脸特征库中的重复人脸对象，能够提高人流量统计结果的准确性。

作为一种具体的实施方式，如图2所示，所述人流量统计方法可以包括以下步骤：

步骤201、建立人脸模型库和人脸血流模型库，进行人脸样本训练。

步骤202、采集光照值，判断光照值是否大于预设阈值。若是，则执行步骤203，若否，则执行步骤207。

其中，人流量统计方法可以应用于人流量统计装置，所述人流量统计装置可以包括光照传感器、红外成像仪及彩色摄像头。所述光照传感器可以用于检测并采集监测范围的光照值。通过光照传感器确定光照强弱，从而确定人流量主要监控单元，当光照值大于预设阈值时，主要监控单元切换为彩色摄像头，记录彩色人脸图像来进行人脸辨别，当光照值小于或等于预设阈值时，主要监控单元切换为红外成像仪，记录人脸血流图像来进行人脸辨别。所述彩色摄像头用于采集视频图像；所述红外成像仪用于采集红外人脸血流图像。

步骤203、采集一段彩色视频。

步骤204、将彩色视频分为K帧内容图片，将前一帧内容图片与当前帧内容图片进行人脸比对，将过滤后的每一帧内容图片的人脸对象放入人脸特征库。

其中，K为大于1的正整数。可以将K帧内容图片中的第1帧内容图片与第2帧内容图片通过强分类器进行人脸对象识别和聚类比对，确定相同人脸对象，滤除第1帧内容图片中存在于第2帧内容图片的相同人脸对象，保留第1帧内容图片的其他人脸对象，作为人脸特征存储到人脸特征库；从第1帧内容图片至第K-1帧内容图片依次比对，将第K-1帧内容图片与第K帧内容图片进行人脸对象识别和聚类比对，确定相同人脸对象，滤除第K-1帧内容图片中的相同人脸对象，保留第K-1帧内容图片的其他人脸对象，作为人脸特征存储到人脸特征库；当人脸对象比对结束，将第K帧内容图片中的人脸对象直接作为人脸特征存储在人脸特征库中。

步骤205、统计人脸特征库中的人脸对象数量，过滤人脸特征库中相同人脸对象，得到人流量统计结果。

步骤206、判断人流量监测是否结束。若否，则执行步骤202。若是，则结束人流量检测。

其中，可以通过循环存储的方法存储每一段视频，在一次人流量统计完成后，可以获取新的彩色视频，覆盖上一段彩色视频。

步骤207、采集一段红外血流图像。

步骤208、将红外血流图像分为J帧血流图片，将前一帧血流图片与当前帧血流图片进行人脸比对，将过滤后的每一帧血流图片的人脸对象放入人脸特征库。

其中，J为大于1的正整数。可以将J帧血流图片中的第1帧血流图片与第2帧血流图片通过强分类器进行人脸对象识别和聚类比对，确定相同人脸对象，滤除第1帧血流图片中存在于第2帧血流图片的相同人脸对象，保留第1帧血流图片的其他人脸对象，作为人脸特征存储到人脸特征库；从第1帧血流图片至第J-1帧血流图片依次比对，将第J-1帧血流图片与第J帧血流图片进行人脸对象识别和聚类比对，确定相同人脸对象，滤除第J-1帧血流图片中的相同人脸对象，保留第J-1帧血流图片的其他人脸对象，作为人脸血流特征存储到人脸特征库；当人脸对象比对结束，将第J帧血流图片中的人脸对象直接作为人脸特征存储在人脸特征库中。

步骤209、统计人脸特征库中的人脸对象数量，过滤人脸特征库中相同人脸对象，得到人流量统计结果。

参见图3，图3是本发明实施例提供的一种人流量统计装置的结构示意图之一，如图3所示，所述人流量统计装置300包括：

第一获取模块301，用于获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；

第一存储模块302，用于将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像；

第二存储模块303，用于将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；

第二获取模块304，用于基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

可选的，如图4所示，所述人流量统计装置300还包括：

第三获取模块305，用于获取光照值；

在所述光照值大于或等于预设阈值的情况下，所述目标视频为彩色视频；

在所述光照值小于所述预设阈值的情况下，所述目标视频为红外图像。

可选的，如图5所示，所述人流量统计装置300还包括：

建立模块306，用于建立人脸对象模型库；

生成模块307，用于基于所述人脸对象模型库进行人脸样本训练，生成强分类器；

第四获取模块308，用于基于所述强分类器获取所述第1帧至第N帧图像中每帧图像的人脸对象。

可选的，如图6所示，所述人流量统计装置300还包括：

设置模块309，用于基于工作日、公休日及节假日设置所述预设时长。

可选的，所述第二获取模块304具体用于：

获取所述人脸特征库中的重复人脸对象；

基于所述人脸特征库中人脸对象的计数值与所述重复人脸对象的计数值获取所述预设时长的人流量统计结果。

参见图7，图7是本发明实施例提供的一种人流量统计装置的结构示意图之五，如图7所示，人流量统计装置400包括：存储器402、处理器401及存储在所述存储器402上并可在所述处理器401上运行的程序，其中：

所述处理器401读取存储器402中的程序，用于执行：

获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；

将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像；

将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；

基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

可选的，所述处理器401还用于执行：

获取光照值；

在所述光照值大于或等于预设阈值的情况下，所述目标视频为彩色视频；

在所述光照值小于所述预设阈值的情况下，所述目标视频为红外图像。

可选的，所述处理器401还用于执行：

建立人脸对象模型库；

基于所述人脸对象模型库进行人脸样本训练，生成强分类器；

基于所述强分类器获取所述第1帧至第N帧图像中每帧图像的人脸对象。

可选的，所述处理器401还用于执行：

基于工作日、公休日及节假日设置所述预设时长。

可选的，所述处理器401执行的所述基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果，包括：

获取所述人脸特征库中的重复人脸对象；

基于所述人脸特征库中人脸对象的计数值与所述重复人脸对象的计数值获取所述预设时长的人流量统计结果。

在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器401代表的一个或多个处理器和存储器402代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。

处理器401负责管理总线架构和通常的处理，存储器402可以存储处理器401在执行操作时所使用的数据。

需要说明的是，本发明实施例的方法实施例中的任意实施方式都可以被本实施例中的上述人流量统计装置所实现，以及达到相同的有益效果，此处不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述人流量统计方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (11)

1.一种人流量统计方法，其特征在于，所述方法包括：

获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；

将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像；

将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；

基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

2.根据权利要求1所述的方法，其特征在于，所述获取预设时长的目标视频之前，所述方法还包括：

获取光照值；

在所述光照值大于或等于预设阈值的情况下，所述目标视频为彩色视频；

在所述光照值小于所述预设阈值的情况下，所述目标视频为红外图像。

3.根据权利要求1所述的方法，其特征在于，所述获取预设时长的目标视频之前，所述方法还包括：

建立人脸对象模型库；

基于所述人脸对象模型库进行人脸样本训练，生成强分类器；

所述将目标图像与所述目标图像的后一帧图像进行人脸对象比对之前，所述方法还包括：

基于所述强分类器获取所述第1帧至第N帧图像中每帧图像的人脸对象。

4.根据权利要求1所述的方法，其特征在于，所述获取预设时长的目标视频之前，所述方法还包括：

基于工作日、公休日及节假日设置所述预设时长。

5.根据权利要求1所述的方法，其特征在于，所述基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果，包括：

获取所述人脸特征库中的重复人脸对象；

基于所述人脸特征库中人脸对象的计数值与所述重复人脸对象的计数值获取所述预设时长的人流量统计结果。

6.一种人流量统计装置，其特征在于，所述人流量统计装置包括：

第一获取模块，用于获取预设时长的目标视频，所述目标视频包括N帧图像，N为大于1的整数；

第一存储模块，用于将目标图像与所述目标图像的后一帧图像进行人脸对象比对，将所述目标图像中不存在于所述后一帧图像的人脸对象存储在人脸特征库中，所述目标图像依次为第1帧至第N-1帧图像中的每帧图像；

第二存储模块，用于将所述目标视频中第N帧图像中的人脸对象存储在所述人脸特征库；

第二获取模块，用于基于所述人脸特征库中的人脸对象获取所述预设时长的人流量统计结果。

7.根据权利要求6所述的人流量统计装置，其特征在于，所述人流量统计装置还包括：

第三获取模块，用于获取光照值；

在所述光照值大于或等于预设阈值的情况下，所述目标视频为彩色视频；

在所述光照值小于所述预设阈值的情况下，所述目标视频为红外图像。

8.根据权利要求6所述的人流量统计装置，其特征在于，所述人流量统计装置还包括：

建立模块，用于建立人脸对象模型库；

生成模块，用于基于所述人脸对象模型库进行人脸样本训练，生成强分类器；

第四获取模块，用于基于所述强分类器获取所述第1帧至第N帧图像中每帧图像的人脸对象。

9.根据权利要求6所述的人流量统计装置，其特征在于，所述人流量统计装置还包括：

设置模块，用于基于工作日、公休日及节假日设置所述预设时长。

10.根据权利要求6所述的人流量统计装置，其特征在于，所述第二获取模块具体用于：

获取所述人脸特征库中的重复人脸对象；

基于所述人脸特征库中人脸对象的计数值与所述重复人脸对象的计数值获取所述预设时长的人流量统计结果。

11.一种人流量统计装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至5中任一项所述的人流量统计方法中的步骤。

Images