CN110765940B - 目标对象统计方法和装置 - Google Patents
目标对象统计方法和装置 Download PDFInfo
- Publication number
- CN110765940B CN110765940B CN201911009004.5A CN201911009004A CN110765940B CN 110765940 B CN110765940 B CN 110765940B CN 201911009004 A CN201911009004 A CN 201911009004A CN 110765940 B CN110765940 B CN 110765940B
- Authority
- CN
- China
- Prior art keywords
- counted
- target object
- target
- image frame
- image frames
- 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
- 238000007619 statistical method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004883 computer application Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标对象统计方法和装置，涉及计算机应用的技术领域，包括将获取的地面数据转化为连续的多个待统计图像帧，待统计图像帧包括梯度信息和灰度信息；通过第一目标检测分类器，基于灰度信息，遍历各个待统计图像帧，得到每一帧待统计图像帧包括的目标对象；通过第二目标检测分类器，比对每相邻的待统计图像帧中的目标对象的梯度信息的相似性，从多个待统计图像帧包括的目标对象中识别出相同的目标对象，并统计目标对象的数量，通过先将采集的地面数据转化为图像数据，再对图像数据对流通的目标对象进行统计，广泛通用于一般的应用场合，可避免光线对图像数据的影响，提高统计的精度和准确性。
Description
技术领域
本发明涉及计算机应用技术领域，尤其是涉及一种目标对象统计方法和装置。
背景技术
随着现今科技水平的飞速发展，为了满足一些应用场景的实现需求，常常需要对目标对象的流通情况进行统计，如公共场所中过往的行人数量，道路上通行的车辆数量等等。
当前，上述目标对象的统计方法一般是通过安装图像采集设备，基于采集的视频图像，完成目标对象统计的。但是在一些场合图像采集设备的安装受限，且采集到的视频图像受光线影响较大，因此，通过上述方式完成的目标对象的统计并不对一般的应用场合通用，且统计的精度较低，准确性较差。
发明内容
本发明的目的在于提供一种目标对象统计方法和装置，通过先将采集的地面数据转化为图像数据，再对图像数据对流通的目标对象进行统计，广泛通用于一般的应用场合，可避免光线对图像数据的影响，提高统计的精度和准确性。
第一方面，本发明实施例提供一种目标对象统计方法，包括：
将获取的地面数据转化为连续的多个待统计图像帧，所述待统计图像帧包括梯度信息和灰度信息；
通过第一目标检测分类器，基于所述灰度信息，遍历各个所述待统计图像帧，得到每一帧所述待统计图像帧包括的目标对象；
通过第二目标检测分类器，比对每相邻的所述待统计图像帧中的目标对象的梯度信息的相似性，从多个所述待统计图像帧包括的目标对象中识别出相同的目标对象，并统计所述目标对象的数量。
在可选的实施方式中，将获取的地面数据转化为连续的多个待统计图像帧，包括：
将获取的地面数据进行归一化处理，得到连续的多个图像帧；
对所述图像帧通过最大类间方差法进行自适应二值化处理，得到二值图像；
通过中值滤波对所述二值图像进行去噪，得到待统计图像帧。
在可选的实施方式中，通过第一目标检测分类器，基于所述灰度信息，遍历各个所述待统计图像帧，得到每一帧所述待统计图像帧包括的目标对象，包括：
通过第一目标检测分类器遍历不同尺度、旋转角度下的各个待统计图像帧的灰度信息；
判断各个所述待统计图像帧中是否存在目标对象；
若当前待统计图像帧中存在所述目标对象，记录目标对象结果，其中，所述目标对象结果包括所述当前待统计图像帧的尺度、旋转角度，以及所述目标对象出现在所述当前待统计图像帧中的位置。
在可选的实施方式中，判断各个所述待统计图像帧中是否存在目标对象，包括：
判断各个所述待统计图像帧的灰度值是否零；
若当前待统计图像帧的灰度值为零，则所述当前待统计图像帧中不存在目标对象；
若当前待统计图像帧的灰度值非零，则所述当前待统计图像帧中存在目标对象。
在可选的实施方式中，通过第二目标检测分类器，比对每相邻的所述待统计图像帧中的目标对象的梯度信息的相似性，包括：
通过第二目标检测分类器将相邻的所述待统计图像帧的梯度信息进行比对，得到比对结果；
根据所述比对结果与预设相似阈值的比对情况，以及所述相邻的所述待统计图像帧之间的距离与预设距离阈值的比对情况，得到相似性结果。
在可选的实施方式中，所述待统计图像帧中同一目标对象对应一个携带唯一标识的目标链，所述目标链包括所述目标对象的质心点，从多个所述待统计图像帧包括的目标对象中识别出相同的目标对象，并统计所述目标对象的数量，包括：
根据所述目标对象和所述相似性，获知连续的多个待统计图像帧中所述目标对象的质心点在所述目标链中的状态；
根据所述目标链中的所述目标对象的质心点从有到无的过程出现数量，统计所述连续的多个待统计图像帧中目标对象的数量。
在可选的实施方式中，根据所述目标对象和所述相似性，获知连续的多个待统计图像帧中所述目标对象的质心点在所述目标链中的状态，包括：
若前一帧的所述待统计图像帧中无所述目标对象，将当前待统计图像帧中的目标对象的质心点加入与所述当前待统计图像帧中的目标对象对应的目标链中；
若所述目标对象的比对结果超过预设相似阈值，且所述相邻的所述待统计图像帧之间的距离满足预设距离阈值，则相邻的待统计图像帧中的目标对象匹配成功，按照后一帧的待统计图像帧中目标对象的质心点更新所述目标链；
若当前待统计图像帧中的目标对象与后一帧的所述待统计图像帧中的目标对象匹配失败，且与所述当前待统计图像帧之后第一预设个数的待统计图像帧仍匹配失败，则删除包括当前待统计图像帧中目标对象的质心点的目标链，并对所述目标对象的质心点从有到无的过程进行计数；
若当前待统计图像帧中的目标对象与后一帧的所述待统计图像帧中的目标对象匹配失败，且与所述当前待统计图像帧之后第二预设个数的待统计图像帧匹配成功，则按照所述当前待统计图像帧之后第二预设个数的待统计图像帧中目标对象的质心点更新所述目标链。
第二方面，本发明实施例提供一种目标对象统计装置，包括：
转化模块，用于将获取的地面数据转化为连续的多个待统计图像帧，所述待统计图像帧包括梯度信息和灰度信息；
识别模块，用于通过第一目标检测分类器，基于所述灰度信息，遍历各个所述待统计图像帧，得到每一帧所述待统计图像帧包括的目标对象；
统计模块，用于通过第二目标检测分类器，比对每相邻的所述待统计图像帧中的目标对象的梯度信息的相似性，从多个所述待统计图像帧包括的目标对象中识别出相同的目标对象，并统计所述目标对象的数量。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并且能够在所述处理器上运行的程序，所述处理器执行所述程序时实现如前述实施方式中任一项所述的目标对象统计方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被执行时实现前述实施方式中任意一项所述的目标对象统计方法。
本发明实施例提供一种目标对象统计方法和装置，通过先将采集的地面数据转化为待统计图像帧，利用第一目标检测分类器根据灰度信息对待统计图像帧中目标对象进行识别，即知晓待统计中图像帧所有目标对象的数量情况，再通过第二目标检测分类器根据梯度信息从相邻待统计图像帧中识别相同的目标对象，即知晓各个待统计中图像帧出现的目标对象是否属于同一个，进而获知实际待统计图像帧中出现的目标对象的数量，准确地对目标对象的流通情况进行统计，能够广泛通用于一般的应用场合，可避免光线对图像数据的影响，进而提高统计的精度。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种目标对象统计方法流程示意图；
图2为本发明实施例提供的一种目标对象统计装置的功能模块示意图；
图3为本发明实施例提供的电子设备的硬件架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，在一些人流量、车流量较大的应用场景中，往往需要目标对象的数量进行统计。一般通过图像采集设备采集的图像进行识别，进而获知当前应用场景中的目标对象的流通情况。但由于应用场景的复杂多变，往往会有一些场合无法安装图像采集设备，或者只能数量有限的安装少数几台图像采集设备，这会对上述方法的实施造成一定程度的困难或使得图像的识别精度较差。此外，若应用场景为户外场所，图像采集设备难免被天气状况影响，即当出现阳光比较强烈的情况时，图像采集设备采集到的图像很可能会受到光线的影响，进而使得基于采集图像的目标对象识别结果出现不准确的情况。
基于此，本发明实施例提供的一种目标对象统计方法和装置，通过先将采集的地面数据转化为图像数据，再对图像数据对流通的目标对象进行统计，广泛通用于一般的应用场合，可避免光线对图像数据的影响，提高统计的精度和准确性。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种目标对象统计方法进行详细介绍。
图1为本发明实施例提供的一种目标对象统计方法流程示意图。
参照图1，本发明实施例提供的目标对象统计方法，可应用于服务器、客户端等电子设备，可包括以下步骤：
步骤S102，将获取的地面数据转化为连续的多个待统计图像帧，待统计图像帧包括梯度信息和灰度信息；
步骤S104，通过第一目标检测分类器，基于灰度信息，遍历各个待统计图像帧，得到每一帧待统计图像帧包括的目标对象；
步骤S106，通过第二目标检测分类器，比对每相邻的待统计图像帧中的目标对象的梯度信息的相似性，从多个待统计图像帧包括的目标对象中识别出相同的目标对象，并统计目标对象的数量。
在实际应用的优选实施例中，通过先将采集的地面数据转化为待统计图像帧，利用第一目标检测分类器根据灰度信息对待统计图像帧中目标对象进行识别，即知晓待统计中图像帧所有目标对象的数量情况，再通过第二目标检测分类器从相邻待统计图像帧中识别相同的目标对象，即知晓各个待统计中图像帧出现的目标对象是否相同，进而获知实际待统计图像帧中出现的目标对象的数量，准确地对目标对象的流通情况进行统计，能够广泛通用于一般的应用场合，可避免光线对图像数据的影响，进而提高统计的精度。
在可选的实施方式中，上述实施例S102，还包括以下步骤：
将获取的地面数据进行归一化处理，得到连续的多个图像帧；对图像帧通过最大类间方差法进行自适应二值化处理，得到二值图像；通过中值滤波对二值图像进行去噪，得到待统计图像帧。
需要说明的是，获取的地面数据可实时变化，通过对每一时刻的地面数据进行归一化处理，得到连续的多个图像帧。地面数据包括地面传感器采集的地面的电磁波变化的数值输出。
为了得到更加精确的统计结果，可首先对图像帧进行二值化、滤波处理，并去除图像帧中的噪点和不动的点，得到待统计图像帧，并根据待统计图像帧得到灰度信息和梯度信息。
这里，通过待统计图像帧进行处理得到各个像素点的灰度信息和梯度信息，梯度信息为像素之间的梯度，还可用方向梯度直方图(Histogram of Oriented Gradient，HOG)进行表征。
具体地，可采用以下步骤进行说明：
1、记原始地面数据为g(xi,yi)，转换后的图像帧数据为f(xi,yi)，利用下入公式进行转换：
其中，maxthre代表最大阈值，minthre代表最小阈值。根据地面数据的任一数据点与最大阈值、最小阈值进行比对的情况，输出三种情况的图像帧数据，进而完成地面数据向图像帧数据的转化，这里，利用最大类间方差法Otsu法对图像帧进行自适应二值化处理。
2、通过中值滤波对二值图像进行去噪，得到待统计图像帧，运用中值滤波算法对二值图像帧去噪。如，对图像帧腐蚀操作去除小的噪点，膨胀操作并进行小洞的填充。
在可选的实施方式中，步骤S104，包括以下步骤：
1、通过第一目标检测分类器遍历不同尺度、旋转角度下的各个待统计图像帧的灰度信息；
2、判断各个待统计图像帧中是否存在目标对象；
这里，作为一种可选的实施例，通过识别灰度值判断各个待统计图像帧的灰度值是否零；若当前待统计图像帧的灰度值为零，则当前待统计图像帧中不存在目标对象；若当前待统计图像帧的灰度值非零，则当前待统计图像帧中存在目标对象。
3、若当前待统计图像帧中存在目标对象，记录目标对象结果，其中，目标对象结果包括当前待统计图像帧的尺度、旋转角度，以及目标对象出现在当前待统计图像帧中的位置。
这里，利用训练好的第一目标检测分类器在不同的尺度、不同旋转状态下的当前待统计图像帧窗口遍历，通过第一目标检测分类器识别当前待统计图像帧的灰度信息，以判断当前待统计图像帧中是否有目标对象，若有，则记录当前待统计图像帧的尺度、旋转角度，以及目标对象存在当前待统计图像帧的位置。可通过建立一个盛放目标对象统计数量的容器(数据库)，来记录存储目标对象结果。目标对象结果包括目标对象所在的待统计图像帧所处的尺度、旋转角度，以及目标对象所在的待统计图像帧中的具体位置。
需要说明的是，第一目标检测分类器通过提取批量图像帧的灰度信息和梯度信息作为特征信息训练目标检测分类器。利用以往通过人工标注的方式标注出目标对象的图像帧作为正样本，把不含目标对象的图像帧作为负样本，并将所有样本统一到同一尺寸；提取正负样本的梯度信息特征，正样本标记为1，负样本标记为0；采用Adaboost算法，针对不同的样本集训练若干SVM弱分类器，并将这些弱分类器联合起来，构成一个最终的强分类器。此外，将经第一目标检测分类器检测图像帧也用来训练第一目标检测分类器，其中，检测到目标对象的待统计图像帧作为正样本，未检测到目标对象的待统计图像帧作为负样本，来训练第一目标检测分类器。
在可选的实施方式中，步骤S106中，通过第二目标检测分类器，比对每相邻的待统计图像帧中的目标对象的梯度信息的相似性，包括以下步骤：
1、通过第二目标检测分类器将相邻的待统计图像帧的梯度信息进行比对，得到比对结果。
例如，对于待统计图像帧1中的梯度信息向量A和待统计图像帧2中的梯度信息向量B，判断待统计图像帧1中目标对象和待统计图像帧2中目标对象是否相似，需要通过计算梯度信息向量A和梯度信息向量B的夹角来完成，通过下式计算获得，比对结果：
其中，θ为梯度信息向量A和梯度信息向量B之间的夹角，cosθ为梯度信息向量A和梯度信息向量B的比对结果，θ越小，cosθ越大。
2、根据比对结果与预设相似阈值的比对情况，以及相邻的待统计图像帧之间的距离与预设距离阈值的比对情况，得到相似性结果。
这里，cosθ越大，可以认为待统计图像帧1中目标对象和待统计图像帧2中目标对象越相似，将cosθ比对结果与预设相似阈值进行比对，当将cosθ比对结果超过预设相似阈值时，即相似性结果为待统计图像帧1中目标对象和待统计图像帧2中目标对象相同。
此外，第二目标检测分类器可采用Adaboost算法，通过帧间HOG作为特征信息进行训练，训练后的第二目标检测分类器可以检测到待统计图像帧中的目标对象。具体为，通过对检测到目标对象的待统计图像帧做旋转、缩放、灰度增强、模糊等操作得到的新待统计图像帧与未变换前的待统计图像帧，并做两者帧间HOG作为正样本；对不包含目标对象的待统计图像帧进行上述相同的操作得到的新待统计图像帧与未变换前的待统计图像帧，并做帧间HOG作为负样本。
在可选的实施方式中，待统计图像帧中同一目标对象对应一个携带唯一标识的目标链，目标链包括目标对象的质心点，即目标链具有两个属性，第一个是目标链的携带唯一标识ID，第二个属性是目标链中的目标对象的质心。如果检测到相邻待统计图像帧中目标对象对应的目标链ID是一样的，则在前一帧的目标链基础上通过后一帧的目标对象质心点进行更新。
这里以商场等公共场所的客流量检测为例，此时检测的目标对象为行人，当一名行人路过敷设地面传感器A的地面时，这个行人目标对象对应生成一个目标链，目标链对应一个唯一标识ID。当行人继续前进，经过地面传感器B的地面时，检测到此行人目标对象与前一时刻的行人目标对象相同，属于同一对象，此时通过当前时刻的图像帧中目标对象的质心更新目标链中上一时刻的目标对象质心。当行人继续前进，走出商场等待检测场所时，接下来连续几帧图像都无法获取此行人目标对象，此时，认为此行人目标对象离开商场等等的待检测场所，将此对行人目标对象对应的目标链和ID进行删除，并在统计行人目标对象的计数上加1。即行人目标出现生成对应目标链，行人目标离开，将此目标链删除，并计数加1，进而对待检测场所流通的目标对象的数量进行统计。
具体地，上述实施例中的步骤S106中，从多个待统计图像帧包括的目标对象中识别出相同的目标对象，并统计目标对象的数量包括：
1、根据目标对象结果和相似性结果，获知连续的多个待统计图像帧中目标对象的质心点在目标链中的状态；
具体地，获知连续的多个待统计图像帧中目标对象的质心点在目标链中的状态可包括以下几种情况：
A、若前一帧的待统计图像帧中无目标对象，将当前待统计图像帧中的目标对象的质心点加入与当前待统计图像帧中的目标对象对应的目标链中。
这里，当前待统计图像帧中的目标对象可能第一次出现，将此目标对象的质心点加入其对应的目标链中。如，目标对象在第N帧待统计图像帧出现，在第N-1帧待统计图像帧中没有与该目标匹配的目标对象，将该目标对象的质心点加入目标链。
B、若比对结果超过预设相似阈值，且相邻的待统计图像帧之间的距离满足预设距离阈值，则相邻的待统计图像帧中的目标对象匹配成功，按照后一帧的待统计图像帧中目标对象的质心点更新目标链。
这里，相邻的前后两帧待统计图像帧中的目标对象根据比对结果和预设相似阈值，知晓为同一目标对象。此时，为了更加准确地验证目标对象是否相同，在前述基础上，再判断目标对象在地理位置的距离是否也在预设距离阈值范围内，如在，则知晓两者确为同一目标对象。此时，通过后一帧待统计图像帧中的目标对象质心点对目标链进行更新。
C、若当前待统计图像帧中的目标对象与后一帧的待统计图像帧中的目标对象匹配失败，且与当前待统计图像帧之后第一预设个数的待统计图像帧仍匹配失败，则删除包括当前待统计图像帧中目标对象的质心点的目标链，并对目标对象的质心点从有到无的过程进行计数。
这里，目标对象在之后第一预设个数的待统计图像帧中都没有成功匹配相同的目标对象，可认为此目标对象离开，此时，将此目标对象对应的目标链删除，并进行计数。如，目标在第N帧与第N+1帧匹配不成功，等待第一预设个数(3)帧，在第N+2，第N+3第N+4帧里都没有匹配成功，删除该目标对象对应的目标链，并进行计数。
D、若当前待统计图像帧中的目标对象与后一帧的待统计图像帧中的目标对象匹配失败，且与当前待统计图像帧之后第二预设个数的待统计图像帧匹配成功，则按照当前待统计图像帧之后第二预设个数的待统计图像帧中目标对象的质心点更新目标链。
这里，目标对象在后一帧的待统计图像帧中没有成功匹配到相同的目标对象，但在之后第二预设个数的待统计图像帧匹配成功，此时，按照第二预设个数的待统计图像帧中出现的目标对象的质心点更新目标链。如，目标在第N帧与第N+1帧匹配不成功，在第N+i中未匹配成功(第二预设个数max(i)＝3)都没有匹配成功，在第N+i+1帧里匹配到，说明目标对象离开又出现，用N+i+1帧的目标对象的质心点更新目标链。
其中，前后两帧待统计图像帧的间隔时间为100ms。
2、根据目标链中的目标对象的质心点从有到无的过程出现数量，统计连续的多个待统计图像帧中目标对象的数量。
可以理解的是，上述被统计的目标对象，其质心点都经历了在目标链中从有到无的过程，并在质心点消失时，进行计数。
本发明实施例，通过采集的地面数据转化为图像帧，利用最大类间方差法OTSU转化为二值化图像，并处理得到待统计图像帧，并通过第一目标检测分类器，基于hog梯度信息、灰度信息识别待统计图像帧中的目标对象，通过第二目标检测分类器，基于帧间hog梯度信息和距离阈值，实现目标跟踪，判断待统计图像帧中的目标对象是否一致，并根据判断识别结果更新目标链、更新统计人数，实现更加精确的目标对象统计。
如图2所示，本发明实施例提供一种目标对象统计装置，包括：
转化模块，用于将获取的地面数据转化为连续的多个待统计图像帧，待统计图像帧包括梯度信息和灰度信息；
识别模块，用于通过第一目标检测分类器，基于灰度信息，遍历各个待统计图像帧，得到每一帧待统计图像帧包括的目标对象；
统计模块，用于通过第二目标检测分类器，比对每相邻的待统计图像帧中的目标对象的梯度信息的相似性，从多个待统计图像帧包括的目标对象中识别出相同的目标对象，并统计目标对象的数量。
进一步地，如图3所示，是本发明实施例提供的用于实现所述目标对象统计方法的电子设备300的示意图。本实施例中，所述电子设备300可以是，但不限于，个人电脑(Personal Computer，PC)、笔记本电脑、监控设备、服务器等具备分析及处理能力的计算机设备。
图3为本发明实施例提供的电子设备300的硬件架构示意图。参见图3所示，该计算机设备包括：机器可读存储介质301和处理器302，还可以包括非易失性存储介质303、通信接口304和总线305；其中，机器可读存储介质301、处理器302、非易失性存储介质303和通信接口304通过总线305完成相互间的通信。处理器302通过读取并执行机器可读存储介质301中永磁同步电机的控制方法的机器可执行指令，可执行上文实施例描述目标对象统计方法。
本文中提到的机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
非易失性介质可以是非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等)，或者类似的非易失性存储介质，或者它们的组合。
可以理解的是，本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述，在此不再重复赘述。
本发明实施例所提供计算机可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序代码被执行时可实现上述任一实施例所述的目标对象统计方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种目标对象统计方法，其特征在于，包括：
将获取的地面数据转化为连续的多个待统计图像帧，所述待统计图像帧包括梯度信息和灰度信息，所述地面数据包括地面传感器采集的地面的电磁波变化的数值输出；
通过第一目标检测分类器，基于所述灰度信息，遍历各个所述待统计图像帧，得到每一帧所述待统计图像帧包括的目标对象；
通过第二目标检测分类器，比对每相邻的所述待统计图像帧中的目标对象的梯度信息的相似性，从多个所述待统计图像帧包括的目标对象中识别出相同的目标对象，并统计所述目标对象的数量。
2.根据权利要求1所述的目标对象统计方法，其特征在于，将获取的地面数据转化为连续的多个待统计图像帧，包括：
将获取的地面数据进行归一化处理，得到连续的多个图像帧；
对所述图像帧通过最大类间方差法进行自适应二值化处理，得到二值图像；
通过中值滤波对所述二值图像进行去噪，得到待统计图像帧。
3.根据权利要求1所述的目标对象统计方法，其特征在于，通过第一目标检测分类器，基于所述灰度信息，遍历各个所述待统计图像帧，得到每一帧所述待统计图像帧包括的目标对象，包括：
通过第一目标检测分类器遍历不同尺度、旋转角度下的各个待统计图像帧的灰度信息；
判断各个所述待统计图像帧中是否存在目标对象；
若当前待统计图像帧中存在所述目标对象，记录目标对象结果，其中，所述目标对象结果包括所述当前待统计图像帧的尺度、旋转角度，以及所述目标对象出现在所述当前待统计图像帧中的位置。
4.根据权利要求3所述的目标对象统计方法，其特征在于，判断各个所述待统计图像帧中是否存在目标对象，包括：
判断各个所述待统计图像帧的灰度值是否零；
若当前待统计图像帧的灰度值为零，则所述当前待统计图像帧中不存在目标对象；
若当前待统计图像帧的灰度值非零，则所述当前待统计图像帧中存在目标对象。
5.根据权利要求1所述的目标对象统计方法，其特征在于，通过第二目标检测分类器，比对每相邻的所述待统计图像帧中的目标对象的梯度信息的相似性，包括：
通过第二目标检测分类器将相邻的所述待统计图像帧的梯度信息进行比对，得到比对结果；
根据所述比对结果与预设相似阈值的比对情况，以及所述相邻的所述待统计图像帧之间的距离与预设距离阈值的比对情况，得到相似性结果。
6.根据权利要求1所述的目标对象统计方法，其特征在于，所述待统计图像帧中同一目标对象对应一个携带唯一标识的目标链，所述目标链包括所述目标对象的质心点，从多个所述待统计图像帧包括的目标对象中识别出相同的目标对象，并统计所述目标对象的数量，包括：
根据所述目标对象和所述相似性，获知连续的多个待统计图像帧中所述目标对象的质心点在所述目标链中的状态；
根据所述目标链中的所述目标对象的质心点从有到无的过程出现数量，统计所述连续的多个待统计图像帧中目标对象的数量。
7.根据权利要求6所述的目标对象统计方法，其特征在于，根据所述目标对象和所述相似性，获知连续的多个待统计图像帧中所述目标对象的质心点在所述目标链中的状态，包括：
若前一帧的所述待统计图像帧中无所述目标对象，将当前待统计图像帧中的目标对象的质心点加入与所述当前待统计图像帧中的目标对象对应的目标链中；
若所述目标对象的比对结果超过预设相似阈值，且所述相邻的所述待统计图像帧之间的距离满足预设距离阈值，则相邻的待统计图像帧中的目标对象匹配成功，按照后一帧的待统计图像帧中目标对象的质心点更新所述目标链；
若当前待统计图像帧中的目标对象与后一帧的所述待统计图像帧中的目标对象匹配失败，且与所述当前待统计图像帧之后第一预设个数的待统计图像帧仍匹配失败，则删除包括当前待统计图像帧中目标对象的质心点的目标链，并对所述目标对象的质心点从有到无的过程进行计数；
若当前待统计图像帧中的目标对象与后一帧的所述待统计图像帧中的目标对象匹配失败，且与所述当前待统计图像帧之后第二预设个数的待统计图像帧匹配成功，则按照所述当前待统计图像帧之后第二预设个数的待统计图像帧中目标对象的质心点更新所述目标链。
8.一种目标对象统计装置，其特征在于，包括：
转化模块，用于将获取的地面数据转化为连续的多个待统计图像帧，所述待统计图像帧包括梯度信息和灰度信息，所述地面数据包括地面传感器采集的地面的电磁波变化的数值输出；
识别模块，用于通过第一目标检测分类器，基于所述灰度信息，遍历各个所述待统计图像帧，得到每一帧所述待统计图像帧包括的目标对象；
统计模块，用于通过第二目标检测分类器，比对每相邻的所述待统计图像帧中的目标对象的梯度信息的相似性，从多个所述待统计图像帧包括的目标对象中识别出相同的目标对象，并统计所述目标对象的数量。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并且能够在所述处理器上运行的程序，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的目标对象统计方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-7中任意一项所述的目标对象统计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911009004.5A CN110765940B (zh) | 2019-10-22 | 2019-10-22 | 目标对象统计方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911009004.5A CN110765940B (zh) | 2019-10-22 | 2019-10-22 | 目标对象统计方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110765940A CN110765940A (zh) | 2020-02-07 |
| CN110765940B true CN110765940B (zh) | 2022-12-30 |
Family
ID=69333018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911009004.5A Active CN110765940B (zh) | 2019-10-22 | 2019-10-22 | 目标对象统计方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110765940B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112116556B (zh) * | 2020-08-12 | 2024-07-05 | 浙江大华技术股份有限公司 | 一种客流量统计方法、装置和计算机设备 |
| CN113554628A (zh) * | 2021-07-27 | 2021-10-26 | 苏州微景医学科技有限公司 | 图像处理方法、装置及计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108710818A (zh) * | 2018-03-09 | 2018-10-26 | 唐义 | 一种基于三维激光雷达的人数实时监测统计系统及方法 |
| CN109255386A (zh) * | 2018-09-18 | 2019-01-22 | 中国科学院沈阳自动化研究所 | 基于毫米波雷达和视觉融合的道路行人快速检测方法 |
| CN109254271A (zh) * | 2018-08-30 | 2019-01-22 | 安徽四创电子股份有限公司 | 一种用于地面监视雷达系统的静止目标抑制方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计系统中使用的运动目标提取及多目标分割方法 |
| US9338409B2 (en) * | 2012-01-17 | 2016-05-10 | Avigilon Fortress Corporation | System and method for home health care monitoring |
| CN104156983A (zh) * | 2014-08-05 | 2014-11-19 | 天津大学 | 一种基于视频图像处理的公交客流统计方法 |
| CN104809437B (zh) * | 2015-04-28 | 2018-04-13 | 无锡赛睿科技有限公司 | 一种基于实时视频的车辆检测与跟踪方法 |
| CN108986064B (zh) * | 2017-05-31 | 2022-05-06 | 杭州海康威视数字技术股份有限公司 | 一种人流量统计方法、设备及系统 |
| CN109886117A (zh) * | 2019-01-21 | 2019-06-14 | 青岛海信网络科技股份有限公司 | 一种目标行为检测的方法和设备 |
| CN109919072B (zh) * | 2019-02-28 | 2021-03-19 | 桂林电子科技大学 | 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法 |
-
2019
- 2019-10-22 CN CN201911009004.5A patent/CN110765940B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108710818A (zh) * | 2018-03-09 | 2018-10-26 | 唐义 | 一种基于三维激光雷达的人数实时监测统计系统及方法 |
| CN109254271A (zh) * | 2018-08-30 | 2019-01-22 | 安徽四创电子股份有限公司 | 一种用于地面监视雷达系统的静止目标抑制方法 |
| CN109255386A (zh) * | 2018-09-18 | 2019-01-22 | 中国科学院沈阳自动化研究所 | 基于毫米波雷达和视觉融合的道路行人快速检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110765940A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993056B (zh) | 一种识别车辆违章行为的方法、服务器及存储介质 | |
| US9014432B2 (en) | License plate character segmentation using likelihood maximization | |
| CN108268867B (zh) | 一种车牌定位方法及装置 | |
| CN108875600A (zh) | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 | |
| CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
| CN109919002B (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
| CN108918532A (zh) | 一种快速道路交通标志破损检测系统及其检测方法 | |
| CN109165602B (zh) | 一种基于视频分析的黑烟车检测方法 | |
| US10255511B2 (en) | Real time traffic sign recognition | |
| CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
| CN111898491A (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
| CN110765940B (zh) | 目标对象统计方法和装置 | |
| CN109784322B (zh) | 一种基于图像处理的vin码识别方法、设备及介质 | |
| CN116704490B (zh) | 车牌识别方法、装置和计算机设备 | |
| CN109460722A (zh) | 一种车牌智能识别方法 | |
| CN111178359A (zh) | 车牌号码识别方法、装置和设备及计算机存储介质 | |
| CN104463238B (zh) | 一种车标识别方法和系统 | |
| CN111402185B (zh) | 一种图像检测方法及装置 | |
| CN106778765B (zh) | 一种车牌识别的方法及装置 | |
| JP6077785B2 (ja) | 対象物検出装置及びプログラム | |
| CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 | |
| US10621466B2 (en) | Method for extracting features of a thermal image | |
| CN116863458A (zh) | 车牌识别方法、装置、系统及存储介质 | |
| Kodwani et al. | Automatic license plate recognition in real time videos using visual surveillance techniques | |
| Satish et al. | Edge assisted fast binarization scheme for improved vehicle license plate recognition |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240426 Address after: Room 501, 5th Floor, Building 103, Lize Zhongyuan, Chaoyang District, Beijing, 100000 Patentee after: BEIJING DATA DRIVEN TECHNOLOGY CO.,LTD. Country or region after: China Address before: Room 3104, building 9, Jianggan District, Hangzhou, Zhejiang Province Patentee before: Hangzhou cigan Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |