CN110874583A - 一种客流统计的方法、装置、存储介质及电子设备 - Google Patents
一种客流统计的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110874583A CN110874583A CN201911135642.1A CN201911135642A CN110874583A CN 110874583 A CN110874583 A CN 110874583A CN 201911135642 A CN201911135642 A CN 201911135642A CN 110874583 A CN110874583 A CN 110874583A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- target object
- human body
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims description 32
- 230000001815 facial effect Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 10
- 210000003128 head Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000037396 body weight Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000011449 brick Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 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
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G06V40/10—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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种客流统计的方法、装置、存储介质及电子设备,其中,该方法包括:获取多帧场景图像,确定同一目标对象的多个人脸图像;选取目标对象的有效人脸图像,确定目标对象的人体图像,根据有效人脸图像和人体图像判断目标对象是否为首次出现,并根据判断结果进行客流统计处理。通过本发明实施例提供的客流统计的方法、装置、存储介质及电子设备,从多帧场景图像中截取出同一目标对象的人脸图像,并确定质量合格的有效人脸图像和相应的人体图像,基于有效人脸图像和相应的人体图像中的人脸特征和人体特征综合判断该目标对象是否为首次出现,从而可以完成精确地客流统计。
Description
技术领域
本发明涉及客流统计的技术领域,具体而言,涉及一种客流统计的方法、装置、存储介质及电子设备。
背景技术
目前,很多线下实体店需要进行客流统计。客流统计(passenger flowstatistics)指的是通过在经营区域安装客流统计设备,精准的统计实时客流进出人数。目前的客流统计方式主要有人工统计、红外感应统计、重力感应统计等。
人工统计方式费时费力,且人工容易统计出错。而红外感应统计方式、重力感应统计方式等只是简单的执行加一统计,该方式不能区分同一客户多次出入的情况,存在重复统计的问题,导致统计结果不精确。
发明内容
为解决上述问题,本发明实施例的目的在于提供一种客流统计的方法、装置、存储介质及电子设备。
第一方面,本发明实施例提供了一种客流统计的方法,包括:
获取多帧场景图像,分别对每帧所述场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像,所述人脸图像为从相应的所述场景图像中截取的图像;
从多个所述人脸图像中选取所述目标对象的有效人脸图像,并确定相应的有效场景图像,所述有效场景图像为包含所述有效人脸图像的场景图像;
对所述有效场景图像进行人体检测处理,确定所述目标对象的人体图像,所述人体图像为从所述有效场景图像中截取的图像;
根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现,并根据判断结果进行客流统计处理。
在一种可能的实现方式中,所述确定同一目标对象的多个人脸图像包括:
根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置,所述当前帧人脸位置为在当前帧的所述场景图像中所述目标对象的人脸所在位置,所述下一帧人脸位置为在下一帧的所述场景图像中所述目标对象的人脸所在位置;
根据所述当前帧人脸位置预测所述目标对象的人脸的预测位置,并确定所述预测位置与所述下一帧人脸位置之间的交并比;
在所述交并比大于预设值时,将所述下一帧人脸位置所对应的图像作为所述目标对象在下一帧的所述场景图像中的人脸图像。
在一种可能的实现方式中,所述从多个所述人脸图像中选取所述目标对象的有效人脸图像包括:
根据所述人脸图像的属性信息从多个所述人脸图像中选取一个人脸图像作为最优人脸图像,所述属性信息包括分辨率、侧脸程度、低头程度中的一项或多项;
对所述最优人脸图像进行人脸质量评估处理,确定相应的评估结果,在所述评估结果符合预设要求时将所述最优人脸图像作为所述目标对象的有效人脸图像。
在一种可能的实现方式中,所述根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现包括:
将所述有效人脸图像与预设的人脸库进行匹配处理,判断所述人脸库中是否存在与所述有效人脸图像相对应的图像,所述人脸库中存储有预设时间段内采集到的人脸的图像;
将所述人体图像与预设的人体库进行匹配处理,判断所述人体库中是否存在与所述人体图像相对应的图像,所述人体库中存储有预设时间段内采集到的人体的图像;
在所述有效人脸图像与所述人脸库不匹配、且所述人体图像与所述人体库不匹配时,确定所述目标对象为首次出现,并将所述有效人脸图像存储至所述人脸库,将所述人体图像存储至所述人体库。
在一种可能的实现方式中,在所述获取多帧场景图像之后,该方法还包括:
预先确定多个标记物的真实位置与所述标记物在历史图像中的图像位置,根据所述真实位置和所述图像位置确定坐标转换关系;所述历史图像与所述场景图像为同一图像采集装置所采集的图像;
确定所述目标对象在所述场景图像中的图像坐标,根据所述图像坐标和所述坐标转换关系确定所述目标对象的真实坐标;
确定所述目标对象在多帧所述场景图像下所对应的真实坐标,根据所述目标对象的多个真实坐标确定所述目标对象的运动轨迹。
在一种可能的实现方式中,在所述确定所述目标对象在多帧所述场景图像下所对应的真实坐标之后,该方法还包括:
根据所述目标对象的真实坐标判断所述目标对象是否处于预设的关键区域内;
在所述目标对象处于所述关键区域内时,基于所述目标对象处于所述关键区域内时所对应的所述场景图像的时间戳确定所述目标对象在所述关键区域内的停留时长。
第二方面,本发明实施例还提供了一种客流统计的装置,包括:
图像获取模块,用于获取多帧场景图像,分别对每帧所述场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像,所述人脸图像为从相应的所述场景图像中截取的图像;
人脸图像确定模块,用于从多个所述人脸图像中选取所述目标对象的有效人脸图像,并确定相应的有效场景图像,所述有效场景图像为包含所述有效人脸图像的场景图像;
人体图像确定模块,用于对所述有效场景图像进行人体检测处理,确定所述目标对象的人体图像,所述人体图像为从所述有效场景图像中截取的图像;
处理模块,用于根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现,并根据判断结果进行客流统计处理。
在一种可能的实现方式中,所述图像获取模块确定同一目标对象的多个人脸图像包括:
根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置,所述当前帧人脸位置为在当前帧的所述场景图像中所述目标对象的人脸所在位置,所述下一帧人脸位置为在下一帧的所述场景图像中所述目标对象的人脸所在位置;
根据所述当前帧人脸位置预测所述目标对象的人脸的预测位置,并确定所述预测位置与所述下一帧人脸位置之间的交并比;
在所述交并比大于预设值时,将所述下一帧人脸位置所对应的图像作为所述目标对象在下一帧的所述场景图像中的人脸图像。
第三方面,本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于上述任意一项所述的客流统计的方法。
第四方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任意一项所述的客流统计的方法。
本发明实施例上述第一方面提供的方案中,从多帧场景图像中截取出同一目标对象的人脸图像,并确定质量合格的有效人脸图像和相应的人体图像,基于有效人脸图像和相应的人体图像中的人脸特征和人体特征综合判断该目标对象是否为首次出现,从而可以完成精确地客流统计。且基于预设时间段内的人脸库和人体库判断目标对象是否为首次出现,可以精准实现预设时间段内的客流统计,例如日客流统计等,可以适用于更多的客流统计要求。
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实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种客流统计的方法的流程图;
图2示出了本发明实施例所提供的客流统计方法的详细流程图;
图3示出了本发明实施例所提供的一种客流统计的装置的结构示意图;
图4示出了本发明实施例所提供的用于执行客流统计的方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”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”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,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,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的一种客流统计的方法,参见图1所示,包括:
步骤101:获取多帧场景图像,分别对每帧场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像,人脸图像为从相应的场景图像中截取的图像。
本发明实施例中,在需要进行客流统计的场所安装图像采集装置(例如摄像头等),该图像采集装置即可实时采集该场所内的图像,即场景图像。目标对象为需要统计的对象,该对象具体可以为行人,每帧场景图像中可能包含一个或多个对象,即图像采集装置的拍摄范围内可能存在一个或多个行人。在获取到场景图像之后,即可基于人脸检测技术对该场景图像进行人脸检测处理,从而可以识别出场景图像中包含的人脸,每个人脸对应一个对象。本实施例中,可以使用现有的MTCNN(Multi-task convolutional neuralnetwork,多任务卷积神经网络)等深度网络进行人脸检测。具体的,可以加载现有的MTCNN模型,形成PNet(Proposal Network,提议网络),RNet(Refine Network,改善网络)及ONet(Output Network,输出网络)三个深度卷积网络,首先使用PNet计算感兴趣区域中候选的人脸集合,并将此候选的人脸集合作为输入传入RNet进一步筛选候选人脸集合并得到结果,最后将RNet的输出作为ONet的输入进行预测,得到每张图片中所有人脸的位置坐标及关键点(例如左眼,右眼,鼻子,左嘴角,右嘴角等)的坐标信息,从而实现人脸检测处理。
其中,由于图像采集装置所拍摄的范围可能覆盖了场所之外的区域、或者覆盖了不需要进行客流统计的区域,此时可以预先截取场景图像中的特定区域作为感兴趣区域,从场景图像的感兴趣区域内识别人脸。
本实施例中,从多帧场景图像中选取同一个对象的人脸图像作为需要处理的对象,即目标对象;由于场景图像中可能包含多个对象,故本实施例中基于多帧场景图像也可以确定多个目标对象,本实施例中以对其中一个目标对象为例解释说明客流统计的处理过程,该过程也适用于其他目标对象。在确定同一个目标对象后,即可从场景图像中截取出相对应的人脸图像;一般情况下,每帧场景图像中均可以截取出该目标对象的一个人脸图像。
步骤102:从多个人脸图像中选取目标对象的有效人脸图像,并确定相应的有效场景图像,有效场景图像为包含有效人脸图像的场景图像。
本发明实施例中,由于场景图像为图像采集装置实时获取的图像,该场景图像中所包含的人脸图像可能质量较差,例如只是目标对象的侧脸,则该质量较差的人脸图像不适用于后续的人脸识别处理过程;本实施例中从多个人脸图像中选取出质量较好的有效人脸图像,有利于后续准确地进行人脸识别。同时,该有效人脸图像是从其中一帧场景图像中截取出来的,该场景图像作为有效场景图像。
步骤103:对有效场景图像进行人体检测处理,确定目标对象的人体图像,该人体图像为从有效场景图像中截取的图像。
本发明实施例中,一般情况下,场景图像中并不会只包含目标对象的人脸图像,其一般还会包含目标对象的人体,基于人体检测技术可以从有效场景图像中选取出目标对象的人体图像。例如,可以基于Mobilenet进行人体检测处理。
可选的,现场可以设置多个图像采集装置,不同的图像采集装置在某一时间点所采集的图像集合作为一帧场景图像,本实施例中将不同的图像采集装置分别采集的图像称为子图像。对于一帧场景图像,不同的子图像中可以包含同一目标对象的不同姿态的人体图像,此时可以对有效人脸图像对应的多个子图像进行人体检测。
步骤104:根据有效人脸图像和人体图像判断目标对象是否为首次出现,并根据判断结果进行客流统计处理。
本发明实施例中,根据目标对象的有效人脸图像和人体图像综合判断该目标对象是否为首次出现在需要客流统计的场所,若该目标对象为首次出现,即该目标对象为新客户,并将该目标对象统计在内,累加进店人数;否则,可以忽略该目标对象。
可选的,可以基于预设的人脸库和人体库判断目标对象是否为首次出现。具体的,上述步骤104“根据有效人脸图像和人体图像判断目标对象是否为首次出现”包括:
步骤A1:将有效人脸图像与预设的人脸库进行匹配处理,判断人脸库中是否存在与有效人脸图像相对应的图像,人脸库中存储有预设时间段内采集到的人脸的图像。
步骤A2:将人体图像与预设的人体库进行匹配处理,判断人体库中是否存在与人体图像相对应的图像,人体库中存储有预设时间段内采集到的人体的图像。
本发明实施例中,预先设置人脸库和人体库,且该人脸库和人体库中存储的图像均为在预设时间段内采集的图像。具体的,该预设时间段为进行客流统计时所需统计的时段。例如,若需要统计今日的客流,则该预设时间段可以为今日一整天,或者预设时间段是从今日凌晨至当前时间。此外,可以设置多个人脸库、人体库,每个人脸库、人体库对应不同的预设时间段,从而可以统计不同时间段内的客流。
步骤A3:在有效人脸图像与人脸库不匹配、且人体图像与人体库不匹配时,确定目标对象为首次出现,并将有效人脸图像存储至人脸库,将人体图像存储至人体库。
本发明实施例中,若有效人脸图像与人脸库不匹配、且人体图像与人体库不匹配,则说明人脸库中不存在与该有效人脸图像相匹配的图像,且人体库中也不存在与该人体图像相匹配的图像,此时即可说明在预设时间段内没有采集到与该目标对象相匹配的人脸或人体,即该目标对象为首次出现。同时,将该目标对象的有效人脸图像和人体图像分别存储至人脸库和人体库,可以实时完善更新预设时间段内的人脸库和人体库,方便后续判断其他对象是否为首次出现。其中,可以使用行人重识别算法(ReID,Person Re-identification)对有效人脸图像对应的多个子图像进行人体识别。具体的,通过对人体特征提取并构建ID及三元组联合损失构建深度网络结构,通过大量的人体图片进行训练并优化网络参数最终构建人体重识别网络,基于该人体重识别网络实现人体识别。同时,若基于行人重识别算法进行人体检测,则预设的人体库可以为ReID人体库。
针对客流统计问题,由于人脸识别的重要性要大于人体识别,本实施例中将人体识别作为人脸识别的辅助过程,即先执行步骤A1中的人脸识别过程,再执行步骤A2中的人体识别过程。同时,若在步骤A1中确定人脸库中在与有效人脸图像相对应的图像,则可以直接确定该目标对象不是首次出现,此时不需要执行步骤A2。
本发明实施例提供的一种客流统计的方法,从多帧场景图像中截取出同一目标对象的人脸图像,并确定质量合格的有效人脸图像和相应的人体图像,基于有效人脸图像和相应的人体图像中的人脸特征和人体特征综合判断该目标对象是否为首次出现,从而可以完成精确地客流统计。且基于预设时间段内的人脸库和人体库判断目标对象是否为首次出现,可以精准实现预设时间段内的客流统计,例如日客流统计等,可以适用于更多的客流统计要求。
在上述实施例的基础上,上述步骤101“确定同一目标对象的多个人脸图像”包括:
步骤B1:根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置,当前帧人脸位置为在当前帧的场景图像中目标对象的人脸所在位置,下一帧人脸位置为在下一帧的场景图像中目标对象的人脸所在位置。
本发明实施例中,基于人脸检测处理可以确定人脸轮廓、眼睛、嘴巴等部位所在的位置,即人脸位置。即,对当前帧的场景图像进行人脸检测即可确定目标对象的人脸在当前帧的场景图像中的位置,即前帧人脸位置;同样的,也可以确定目标对象的人脸在下一帧场景图像中的位置,即下一帧人脸位置。
步骤B2:根据当前帧人脸位置预测目标对象的人脸的预测位置,并确定预测位置与下一帧人脸位置之间的交并比。
步骤B3:在交并比大于预设值时,将下一帧人脸位置所对应的图像作为目标对象在下一帧的场景图像中的人脸图像。
本发明实施例中,可以通过卡尔曼滤波跟踪算法对当前帧人脸位置进行预测,进而可以得到预测的人脸位置,即预测位置;通过计算下一帧人脸位置和预测位置的交并比即可判断下一帧人脸位置是否为同一个人的人脸,例如,在该交并比大于80%是认为二者对应同一个人脸,即当前帧人脸位置和下一帧人脸位置对应同一个目标对象的人脸。通过此过程实现对人脸的跟踪,并得到被跟踪的人脸集合,即同一个目标对象的所有人脸图像的集合。
可选的,上述步骤102“从多个人脸图像中选取目标对象的有效人脸图像”包括:
步骤C1:根据人脸图像的属性信息从多个人脸图像中选取一个人脸图像作为最优人脸图像,属性信息包括分辨率、侧脸程度、低头程度中的一项或多项。
步骤C2:对最优人脸图像进行人脸质量评估处理,确定相应的评估结果,在评估结果符合预设要求时将最优人脸图像作为目标对象的有效人脸图像。
本发明实施例中,由于场景图像为图像采集装置实时获取的图像,该场景图像中所包含的人脸图像可能质量较差,基于人脸图像的属性信息可以选取出最适合后续人脸识别过程的人脸图像,即最优人脸图像;同时,基于现有的人脸质量评估方法可以判断该最优人脸图像的质量是否合格,即是否符合预设要求。若该最优人脸图像质量合格,即可将该最优人脸图像作为目标对象的有效人脸图像;否则说明此时选取的多帧场景图像中不存在该目标对象合格的人脸图像,需要从其他帧场景图像中确定有效人脸图像。
在上述实施例的基础上,在需要进行客流统计的场所安装多个图像采集装置,多个图像采集装置同时采集的子图像组成一帧场景图像,即场景图像包括由多个图像采集装置同时采集的子图像。在上述步骤101“获取多帧场景图像”之后,该方法还包括生成轨迹的过程,该过程具体包括:
步骤D1:预先确定多个标记物的真实位置与标记物在历史图像中的图像位置,根据真实位置和图像位置确定坐标转换关系;历史图像与场景图像为同一图像采集装置所采集的图像。
步骤D2:确定目标对象在场景图像中的图像坐标,根据图像坐标和坐标转换关系确定目标对象的真实坐标。
步骤D3:确定目标对象在多帧场景图像下所对应的真实坐标,根据目标对象的多个真实坐标确定目标对象的运动轨迹。
本发明实施例中,一般情况下,由于图像采集装置的位置是固定的,即图像采集装置用于采集固定地点或固定范围内的图像。本实施例中预先设置多个标记物,一般大于三个,并利用该图像采集装置采集包含标记物的历史图像,该历史图像本质上也是一种场景图像。基于该标记物的真实位置以及该标记物在历史图像中的位置(即图像位置)即可确定该图像采集装置所采集的画面中,图像位置与真实位置之间的坐标转换关系。之后保持该图像采集装置的位置不变,并采集场景图像,并可以确定目标对象在该场景图像中的位置,即图像坐标;基于预先确定的坐标转换关系即可确定目标对象的真实坐标,该真实坐标可以反映该目标对象的所在位置。
重复上述步骤D2,即可确定目标对象在每帧场景图像下所对应的真实坐标,该真实坐标为该目标对象在真实的场所下的坐标,基于该目标对象的多个真实坐标即可形成轨迹,该轨迹即为目标对象在场所内的运动轨迹。
可选的,在步骤D3“确定目标对象在多帧场景图像下所对应的真实坐标”之后,该方法还包括:
步骤D4:根据目标对象的真实坐标判断目标对象是否处于预设的关键区域内。
步骤D5:在目标对象处于关键区域内时,基于目标对象处于关键区域内时所对应的场景图像的时间戳确定目标对象在关键区域内的停留时长。
本发明实施例中,由于图像采集装置采集范围可能较广,故可以预先设置感兴趣的关键区域,实现对该关键区域的精确统计。具体的,通过跟踪该目标对象的位置信息(如上述步骤D2中的真实坐标)即可确定该目标对象是否进入关键区域,若该目标对象进入关键区域内,则基于步骤D5可以确定该目标对象在关键区域内的停留时长。本实施例可以实时生成目标对象的运动轨迹,并统计目标对象在关键区域内的停留时长,方便后续基于对象的运动轨迹和停留时长判断该对象的潜在购买意向以及感兴趣产品等,便于工作人员有针对性地进行销售以及策略调整。
下面通过一个实施例详细介绍该客流统计的方法流程。参见图2所示,该客流统计的方法包括步骤201-:
步骤201:获取多帧场景图像。
步骤202:人脸检测。
具体的,分别对每帧场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像。
步骤203:人脸跟踪。
具体的,根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置。根据当前帧人脸位置预测目标对象的人脸的预测位置,并确定预测位置与下一帧人脸位置之间的交并比。在交并比大于预设值时,将下一帧人脸位置所对应的图像作为目标对象在下一帧的场景图像中的人脸图像。重复该追踪过程即可确定同一个目标对象的所有人脸图像的集合。
步骤204:确定最优人脸图像。
具体的,根据人脸图像的属性信息从多个人脸图像中选取一个人脸图像作为最优人脸图像,属性信息包括分辨率、侧脸程度、低头程度中的一项或多项。
步骤205:图像质量评估,在质量合格时,继续步骤206,否则继续步骤201。
具体的,对最优人脸图像进行人脸质量评估处理,确定相应的评估结果,在评估结果符合预设要求时将最优人脸图像作为目标对象的有效人脸图像,此时说明该最优人脸图像质量合格。
步骤206:人体检测。
具体的,对有效场景图像进行人体检测处理,确定目标对象的人体图像。
步骤207:人脸识别,在该有效人脸图像为新的人脸时,继续步骤208。
具体的,将有效人脸图像与预设的人脸库进行匹配处理,判断人脸库中是否存在与有效人脸图像相对应的图像,该人脸库中存储有预设时间段内采集到的人脸的图像。
步骤208:人体识别,在该人体图像为新的人体时,继续步骤209,并执行步骤210和步骤211。
步骤209:客流统计处理。累加进店人数。
步骤210:将有效人脸图像存储至人脸库。
步骤211:将人体图像存储至人体库。
步骤212:人体定位,确定真实坐标。
在步骤201之后,还可以执行该步骤212。具体的,确定目标对象在多个场景图像中的图像坐标,并确定每个图像坐标所对应的目标对象的真实坐标。
步骤213:绘制轨迹。
具体的,确定目标对象在多帧场景图像下所对应的真实坐标,根据目标对象的多个真实坐标确定目标对象的运动轨迹。
步骤214:关键区域检测,在对象位于关键区域内时,执行步骤215。
在步骤212确定真实坐标之后,还可以执行步骤214,在对象进入关键区域时,即可计算停留时长。
步骤215:计算停留时长。
具体的,在目标对象处于关键区域内时,基于目标对象处于关键区域内时所对应的场景图像的时间戳确定目标对象在关键区域内的停留时长。
本发明实施例提供的一种客流统计的方法,从多帧场景图像中截取出同一目标对象的人脸图像,并确定质量合格的有效人脸图像和相应的人体图像,基于有效人脸图像和相应的人体图像中的人脸特征和人体特征综合判断该目标对象是否为首次出现,从而可以完成精确地客流统计。且基于预设时间段内的人脸库和人体库判断目标对象是否为首次出现,可以精准实现预设时间段内的客流统计,例如日客流统计等,可以适用于更多的客流统计要求。还可以实时生成目标对象的运动轨迹,并统计目标对象在关键区域内的停留时长,方便后续基于对象的运动轨迹和停留时长判断该对象的潜在购买意向以及感兴趣产品等,便于工作人员有针对性地进行销售以及策略调整。
以上详细介绍了客流统计的方法的流程,该方法也可以通过相应的装置实现,下面详细介绍该装置的结构和功能。
本发明实施例提供的一种客流统计的装置,参见图3所示,包括:
图像获取模块31,用于获取多帧场景图像,分别对每帧所述场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像,所述人脸图像为从相应的所述场景图像中截取的图像;
人脸图像确定模块32,用于从多个所述人脸图像中选取所述目标对象的有效人脸图像,并确定相应的有效场景图像,所述有效场景图像为包含所述有效人脸图像的场景图像;
人体图像确定模块33,用于对所述有效场景图像进行人体检测处理,确定所述目标对象的人体图像,所述人体图像为从所述有效场景图像中截取的图像;
处理模块34,用于根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现,并根据判断结果进行客流统计处理。
在上述实施例的基础上,所述图像获取模块31确定同一目标对象的多个人脸图像包括:
根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置,所述当前帧人脸位置为在当前帧的所述场景图像中所述目标对象的人脸所在位置,所述下一帧人脸位置为在下一帧的所述场景图像中所述目标对象的人脸所在位置;
根据所述当前帧人脸位置预测所述目标对象的人脸的预测位置,并确定所述预测位置与所述下一帧人脸位置之间的交并比;
在所述交并比大于预设值时,将所述下一帧人脸位置所对应的图像作为所述目标对象在下一帧的所述场景图像中的人脸图像。
在上述实施例的基础上,所述人脸图像确定模块31从多个所述人脸图像中选取所述目标对象的有效人脸图像包括:
根据所述人脸图像的属性信息从多个所述人脸图像中选取一个人脸图像作为最优人脸图像,所述属性信息包括分辨率、侧脸程度、低头程度中的一项或多项;
对所述最优人脸图像进行人脸质量评估处理,确定相应的评估结果,在所述评估结果符合预设要求时将所述最优人脸图像作为所述目标对象的有效人脸图像。
在上述实施例的基础上,所述处理模块34根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现包括:
将所述有效人脸图像与预设的人脸库进行匹配处理,判断所述人脸库中是否存在与所述有效人脸图像相对应的图像,所述人脸库中存储有预设时间段内采集到的人脸的图像;
将所述人体图像与预设的人体库进行匹配处理,判断所述人体库中是否存在与所述人体图像相对应的图像,所述人体库中存储有预设时间段内采集到的人体的图像;
在所述有效人脸图像与所述人脸库不匹配、且所述人体图像与所述人体库不匹配时,确定所述目标对象为首次出现,并将所述有效人脸图像存储至所述人脸库,将所述人体图像存储至所述人体库。
在上述实施例的基础上,该装置还包括轨迹生成模块;
在所述图像获取模块31获取多帧场景图像之后,所述轨迹生成模块用于:
预先确定多个标记物的真实位置与所述标记物在历史图像中的图像位置,根据所述真实位置和所述图像位置确定坐标转换关系;所述历史图像与所述场景图像为同一图像采集装置所采集的图像;
确定所述目标对象在所述场景图像中的图像坐标,根据所述图像坐标和所述坐标转换关系确定所述目标对象的真实坐标。
在上述实施例的基础上,该装置还包括时长确定模块;
在所述轨迹生成模块确定所述目标对象在多帧所述场景图像下所对应的真实坐标之后,所述时长确定模块用于:
根据所述目标对象的真实坐标判断所述目标对象是否处于预设的关键区域内;
在所述目标对象处于所述关键区域内时,基于所述目标对象处于所述关键区域内时所对应的所述场景图像的时间戳确定所述目标对象在所述关键区域内的停留时长。
本发明实施例提供的一种客流统计的装置,从多帧场景图像中截取出同一目标对象的人脸图像,并确定质量合格的有效人脸图像和相应的人体图像,基于有效人脸图像和相应的人体图像中的人脸特征和人体特征综合判断该目标对象是否为首次出现,从而可以完成精确地客流统计。且基于预设时间段内的人脸库和人体库判断目标对象是否为首次出现,可以精准实现预设时间段内的客流统计,例如日客流统计等,可以适用于更多的客流统计要求。还可以实时生成目标对象的运动轨迹,并统计目标对象在关键区域内的停留时长,方便后续基于对象的运动轨迹和停留时长判断该对象的潜在购买意向以及感兴趣产品等,便于工作人员有针对性地进行销售以及策略调整。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,其包含用于执行上述的客流统计的方法的程序,该计算机可执行指令可执行上述任意方法实施例中的方法。
其中,所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
图4示出了本发明的另一个实施例的一种电子设备的结构框图。所述电子设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对电子设备的具体实现做限定。
该电子设备1100包括至少一个处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory array)1130和总线1140。其中,处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网元通信,其中网元包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU,或者是专用集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于可执行的指令。存储器1130可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块,并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行,以使处理器1110能够执行上述任意方法实施例中的客流统计的方法。
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,可轻易想到变化或替换的实施方式,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所述以权利要求的保护范围为准。
Claims (10)
1.一种客流统计的方法,其特征在于,包括:
获取多帧场景图像,分别对每帧所述场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像,所述人脸图像为从相应的所述场景图像中截取的图像;
从多个所述人脸图像中选取所述目标对象的有效人脸图像,并确定相应的有效场景图像,所述有效场景图像为包含所述有效人脸图像的场景图像;
对所述有效场景图像进行人体检测处理,确定所述目标对象的人体图像,所述人体图像为从所述有效场景图像中截取的图像;
根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现,并根据判断结果进行客流统计处理。
2.根据权利要求1所述的方法,其特征在于,所述确定同一目标对象的多个人脸图像包括:
根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置,所述当前帧人脸位置为在当前帧的所述场景图像中所述目标对象的人脸所在位置,所述下一帧人脸位置为在下一帧的所述场景图像中所述目标对象的人脸所在位置;
根据所述当前帧人脸位置预测所述目标对象的人脸的预测位置,并确定所述预测位置与所述下一帧人脸位置之间的交并比;
在所述交并比大于预设值时,将所述下一帧人脸位置所对应的图像作为所述目标对象在下一帧的所述场景图像中的人脸图像。
3.根据权利要求1所述的方法,其特征在于,所述从多个所述人脸图像中选取所述目标对象的有效人脸图像包括:
根据所述人脸图像的属性信息从多个所述人脸图像中选取一个人脸图像作为最优人脸图像,所述属性信息包括分辨率、侧脸程度、低头程度中的一项或多项;
对所述最优人脸图像进行人脸质量评估处理,确定相应的评估结果,在所述评估结果符合预设要求时将所述最优人脸图像作为所述目标对象的有效人脸图像。
4.根据权利要求1所述的方法,其特征在于,所述根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现包括:
将所述有效人脸图像与预设的人脸库进行匹配处理,判断所述人脸库中是否存在与所述有效人脸图像相对应的图像,所述人脸库中存储有预设时间段内采集到的人脸的图像;
将所述人体图像与预设的人体库进行匹配处理,判断所述人体库中是否存在与所述人体图像相对应的图像,所述人体库中存储有预设时间段内采集到的人体的图像;
在所述有效人脸图像与所述人脸库不匹配、且所述人体图像与所述人体库不匹配时,确定所述目标对象为首次出现,并将所述有效人脸图像存储至所述人脸库,将所述人体图像存储至所述人体库。
5.根据权利要求1-4任意一项所述的方法,其特征在于,在所述获取多帧场景图像之后,还包括:
预先确定多个标记物的真实位置与所述标记物在历史图像中的图像位置,根据所述真实位置和所述图像位置确定坐标转换关系;所述历史图像与所述场景图像为同一图像采集装置所采集的图像;
确定所述目标对象在所述场景图像中的图像坐标,根据所述图像坐标和所述坐标转换关系确定所述目标对象的真实坐标;
确定所述目标对象在多帧所述场景图像下所对应的真实坐标,根据所述目标对象的多个真实坐标确定所述目标对象的运动轨迹。
6.根据权利要求5所述的方法,其特征在于,在所述确定所述目标对象在多帧所述场景图像下所对应的真实坐标之后,还包括:
根据所述目标对象的真实坐标判断所述目标对象是否处于预设的关键区域内;
在所述目标对象处于所述关键区域内时,基于所述目标对象处于所述关键区域内时所对应的所述场景图像的时间戳确定所述目标对象在所述关键区域内的停留时长。
7.一种客流统计的装置,其特征在于,包括:
图像获取模块,用于获取多帧场景图像,分别对每帧所述场景图像进行人脸检测处理,确定同一目标对象的多个人脸图像,所述人脸图像为从相应的所述场景图像中截取的图像;
人脸图像确定模块,用于从多个所述人脸图像中选取所述目标对象的有效人脸图像,并确定相应的有效场景图像,所述有效场景图像为包含所述有效人脸图像的场景图像;
人体图像确定模块,用于对所述有效场景图像进行人体检测处理,确定所述目标对象的人体图像,所述人体图像为从所述有效场景图像中截取的图像;
处理模块,用于根据所述有效人脸图像和所述人体图像判断所述目标对象是否为首次出现,并根据判断结果进行客流统计处理。
8.根据权利要求7所述的装置,其特征在于,所述图像获取模块确定同一目标对象的多个人脸图像包括:
根据人脸检测处理结果确定当前帧人脸位置和下一帧人脸位置,所述当前帧人脸位置为在当前帧的所述场景图像中所述目标对象的人脸所在位置,所述下一帧人脸位置为在下一帧的所述场景图像中所述目标对象的人脸所在位置;
根据所述当前帧人脸位置预测所述目标对象的人脸的预测位置,并确定所述预测位置与所述下一帧人脸位置之间的交并比;
在所述交并比大于预设值时,将所述下一帧人脸位置所对应的图像作为所述目标对象在下一帧的所述场景图像中的人脸图像。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-6任意一项所述的客流统计的方法。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6任意一项所述的客流统计的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135642.1A CN110874583A (zh) | 2019-11-19 | 2019-11-19 | 一种客流统计的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135642.1A CN110874583A (zh) | 2019-11-19 | 2019-11-19 | 一种客流统计的方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110874583A true CN110874583A (zh) | 2020-03-10 |
Family
ID=69717198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911135642.1A Pending CN110874583A (zh) | 2019-11-19 | 2019-11-19 | 一种客流统计的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110874583A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898592A (zh) * | 2020-09-29 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
CN112116556A (zh) * | 2020-08-12 | 2020-12-22 | 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 |
CN112135092A (zh) * | 2020-09-03 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法 |
CN112651366A (zh) * | 2020-12-30 | 2021-04-13 | 深圳云天励飞技术股份有限公司 | 客流人数的处理方法、装置、电子设备及存储介质 |
CN112835954A (zh) * | 2021-01-26 | 2021-05-25 | 浙江大华技术股份有限公司 | 一种确定目标服务对象的方法和装置及设备 |
CN113034580A (zh) * | 2021-03-05 | 2021-06-25 | 北京字跳网络技术有限公司 | 图像信息检测方法、装置和电子设备 |
CN113393265A (zh) * | 2021-05-25 | 2021-09-14 | 浙江大华技术股份有限公司 | 过路对象的特征库建库方法、电子装置和存储介质 |
CN113724423A (zh) * | 2021-09-02 | 2021-11-30 | 广东电网有限责任公司 | 一种变电站的人员信息互联管理系统 |
CN114565963A (zh) * | 2022-03-03 | 2022-05-31 | 成都佳华物链云科技有限公司 | 一种顾客流量统计方法、装置、电子设备及存储介质 |
CN114821487A (zh) * | 2022-06-29 | 2022-07-29 | 珠海视熙科技有限公司 | 客流统计方法、装置、智能终端、系统、设备及介质 |
CN115272954A (zh) * | 2022-06-29 | 2022-11-01 | 珠海视熙科技有限公司 | 一种客流统计装置及智能终端 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635057A (zh) * | 2009-08-04 | 2010-01-27 | 北京交通大学 | 基于图像传感器网络的目标跟踪方法 |
US20120275650A1 (en) * | 2006-12-22 | 2012-11-01 | Canon Kabushiki Kaisha | Method and apparatus for detecting and processing specific pattern from image |
CN103065379A (zh) * | 2012-10-25 | 2013-04-24 | 北京腾逸科技发展有限公司 | 智能化视频客流分析方法及系统 |
CN103679212A (zh) * | 2013-12-06 | 2014-03-26 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于视频图像的人员检测和计数方法 |
CN105631515A (zh) * | 2014-09-30 | 2016-06-01 | 广达电脑股份有限公司 | 人流计数系统 |
CN106251363A (zh) * | 2016-07-18 | 2016-12-21 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人流人数统计方法和装置 |
CN106570465A (zh) * | 2016-10-31 | 2017-04-19 | 深圳云天励飞技术有限公司 | 一种基于图像识别的人流量统计方法及装置 |
CN107085703A (zh) * | 2017-03-07 | 2017-08-22 | 中山大学 | 融合脸部检测与跟踪的汽车乘员计数方法 |
CN108197570A (zh) * | 2017-12-28 | 2018-06-22 | 珠海市君天电子科技有限公司 | 一种人数统计方法、装置、电子设备及存储介质 |
CN108229322A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 基于视频的人脸识别方法、装置、电子设备及存储介质 |
CN108734107A (zh) * | 2018-04-24 | 2018-11-02 | 武汉幻视智能科技有限公司 | 一种基于人脸的多目标跟踪方法及系统 |
CN110288632A (zh) * | 2019-05-15 | 2019-09-27 | 北京旷视科技有限公司 | 一种图像处理方法、装置、终端及存储介质 |
-
2019
- 2019-11-19 CN CN201911135642.1A patent/CN110874583A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120275650A1 (en) * | 2006-12-22 | 2012-11-01 | Canon Kabushiki Kaisha | Method and apparatus for detecting and processing specific pattern from image |
CN101635057A (zh) * | 2009-08-04 | 2010-01-27 | 北京交通大学 | 基于图像传感器网络的目标跟踪方法 |
CN103065379A (zh) * | 2012-10-25 | 2013-04-24 | 北京腾逸科技发展有限公司 | 智能化视频客流分析方法及系统 |
CN103679212A (zh) * | 2013-12-06 | 2014-03-26 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 基于视频图像的人员检测和计数方法 |
CN105631515A (zh) * | 2014-09-30 | 2016-06-01 | 广达电脑股份有限公司 | 人流计数系统 |
CN106251363A (zh) * | 2016-07-18 | 2016-12-21 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人流人数统计方法和装置 |
CN106570465A (zh) * | 2016-10-31 | 2017-04-19 | 深圳云天励飞技术有限公司 | 一种基于图像识别的人流量统计方法及装置 |
CN107085703A (zh) * | 2017-03-07 | 2017-08-22 | 中山大学 | 融合脸部检测与跟踪的汽车乘员计数方法 |
CN108229322A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 基于视频的人脸识别方法、装置、电子设备及存储介质 |
CN108197570A (zh) * | 2017-12-28 | 2018-06-22 | 珠海市君天电子科技有限公司 | 一种人数统计方法、装置、电子设备及存储介质 |
CN108734107A (zh) * | 2018-04-24 | 2018-11-02 | 武汉幻视智能科技有限公司 | 一种基于人脸的多目标跟踪方法及系统 |
CN110288632A (zh) * | 2019-05-15 | 2019-09-27 | 北京旷视科技有限公司 | 一种图像处理方法、装置、终端及存储介质 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116556A (zh) * | 2020-08-12 | 2020-12-22 | 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 |
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 |
CN112135092A (zh) * | 2020-09-03 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法 |
CN112135092B (zh) * | 2020-09-03 | 2023-05-26 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法 |
CN111898592A (zh) * | 2020-09-29 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
CN111898592B (zh) * | 2020-09-29 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
CN112651366A (zh) * | 2020-12-30 | 2021-04-13 | 深圳云天励飞技术股份有限公司 | 客流人数的处理方法、装置、电子设备及存储介质 |
CN112651366B (zh) * | 2020-12-30 | 2024-08-02 | 深圳云天励飞技术股份有限公司 | 客流人数的处理方法、装置、电子设备及存储介质 |
CN112835954A (zh) * | 2021-01-26 | 2021-05-25 | 浙江大华技术股份有限公司 | 一种确定目标服务对象的方法和装置及设备 |
CN113034580B (zh) * | 2021-03-05 | 2023-01-17 | 北京字跳网络技术有限公司 | 图像信息检测方法、装置和电子设备 |
CN113034580A (zh) * | 2021-03-05 | 2021-06-25 | 北京字跳网络技术有限公司 | 图像信息检测方法、装置和电子设备 |
CN113393265A (zh) * | 2021-05-25 | 2021-09-14 | 浙江大华技术股份有限公司 | 过路对象的特征库建库方法、电子装置和存储介质 |
CN113724423A (zh) * | 2021-09-02 | 2021-11-30 | 广东电网有限责任公司 | 一种变电站的人员信息互联管理系统 |
CN114565963A (zh) * | 2022-03-03 | 2022-05-31 | 成都佳华物链云科技有限公司 | 一种顾客流量统计方法、装置、电子设备及存储介质 |
CN114821487A (zh) * | 2022-06-29 | 2022-07-29 | 珠海视熙科技有限公司 | 客流统计方法、装置、智能终端、系统、设备及介质 |
CN115272954A (zh) * | 2022-06-29 | 2022-11-01 | 珠海视熙科技有限公司 | 一种客流统计装置及智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110874583A (zh) | 一种客流统计的方法、装置、存储介质及电子设备 | |
CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
CN109190508B (zh) | 一种基于空间坐标系的多摄像头数据融合方法 | |
CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN108764167B (zh) | 一种时空关联的目标重识别方法和系统 | |
US9092662B2 (en) | Pattern recognition method and pattern recognition apparatus | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN110245623A (zh) | 一种实时人体运动姿势矫正方法及系统 | |
CN107741231A (zh) | 一种基于机器视觉的多运动目标快速测距方法 | |
CN111860140A (zh) | 目标事件检测方法、装置、计算机设备和存储介质 | |
CN108921131B (zh) | 一种生成人脸检测模型、三维人脸图像的方法及装置 | |
CN112668525A (zh) | 一种人流量的计数方法、装置、电子设备及存储介质 | |
CN112541403B (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
CN105744223A (zh) | 视频数据处理方法和装置 | |
WO2022078134A1 (zh) | 一种人员流量分析方法和系统、电子设备和可读存储介质 | |
CN113780145A (zh) | 精子形态检测方法、装置、计算机设备和存储介质 | |
CN112183431A (zh) | 实时行人数量统计方法、装置、相机和服务器 | |
CN115690545B (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
CN111078751A (zh) | 一种基于unreal4进行目标统计的方法及其系统 | |
EP3834125A1 (en) | System and method for detecting, tracking and counting human objects of interest with an improved height calculation | |
CN114677608A (zh) | 身份特征生成方法、设备及存储介质 | |
JP7215569B2 (ja) | オブジェクト特徴量抽出装置、オブジェクト特徴量抽出方法及びプログラム | |
CN110807375A (zh) | 基于深度图像的人头检测方法、装置、设备及存储介质 | |
JP6893812B2 (ja) | 物体検出装置 | |
WO2022126668A1 (zh) | 一种公共场所行人识别方法及人流统计系统 |
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: 20200310 |