CN110930432A - 一种视频分析方法、装置及系统 - Google Patents
一种视频分析方法、装置及系统 Download PDFInfo
- Publication number
- CN110930432A CN110930432A CN201911132234.0A CN201911132234A CN110930432A CN 110930432 A CN110930432 A CN 110930432A CN 201911132234 A CN201911132234 A CN 201911132234A CN 110930432 A CN110930432 A CN 110930432A
- Authority
- CN
- China
- Prior art keywords
- door frame
- person
- frame line
- target person
- tracking
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000001202 rhombencephalon Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/30241—Trajectory
-
- 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
-
- 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
-
- 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)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频分析方法、装置及系统,其中,所述视频分析方法包括:预设门框线;获取待检测视频图像;根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;判断所述门框线处的目标人员是否为进出店人员;如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。本发明通过判断判断所述门框线处的目标人员是否为进出店人员的轨迹以及行为,准确的进行进出店人员判断,提高系统识别精度,降低了设计成本。
Description
技术领域
本发明涉及视频分析技术领域,特别涉及一种视频分析方法、装置及系统。
背景技术
现有技术中客流统计系统通常为基于红外对射客流统计系统,或者,基于视频分析系统的客流统计系统。这两种客流统计系统使用相机倾斜拍摄的相机拍摄行人进门的画面,然后使用检测和跟踪算法得到行人的轨迹。在门口设置进门线,并给出进门方向。如果轨迹和进门线的交点为奇数次,则认为行人进出门。将轨迹首尾两点作为一个向量,并计算它和进门方向向量的内积。如果内积为正,则认为是一个进门的行人;否则,判断为出门的行人。
因此,在发明人设计视频分析系统的客流统计系统过程中,发现现有技术中至少存在如下问题:
现有技术中,如果门外有大量路过的行人时,常常会造成误检。行人走到门框附近时,人体会受到遮挡,导致跟踪会被门框所主导。然后跟踪线常常会变成“厂”字型,即在门外时正常跟踪,到了门框附近会沿门框线滑动。一旦滑过进门线,很容易发生误判。
发明内容
鉴于上述问题,提出了本发明以便克服上述问题或者至少部分地解决上述问题,本发明的技术方案是这样实现的:
一方面,本发明提供了一种视频分析方法,包括:
预设门框线;
获取待检测视频图像;
根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;
判断所述门框线处的目标人员是否为进出店人员;
如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。
优选地,所述门框线设置在待检测门框两侧。
优选地,所述根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员的步骤,包括:
根据所述待检测视频图像,实时获取所述门框线处的目标人员;
实时获取所述门框线处的目标人员的跟踪轨迹。。
优选地,所述判断所述门框线处的目标人员是否为进出店人员的步骤包括:
判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;
获取进出门阈值;
如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员。
优选地,所述判断所述门框线处的目标人员是否为进出店人员的步骤还包括:
根据所述目标人员的跟踪轨迹,判断所述跟踪轨迹中是否存在连续出现至少5个人脸框的情况;
如果存在,则调整所述进出门阈值;
根据所述目标人员的跟踪轨迹与调整后的进出门阈值判断是否为进出门人员。
另一方面,本发明提供了一种视频分析装置,包括:
预设单元,用于预设门框线;所述门框线设置在待检测门框两侧。
图像获取单元,用于获取待检测视频图像;
跟踪单元,用于根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;
判断单元,用于判断所述门框线处的目标人员是否为进出店人员;
计数单元,用于如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。
优选地,所述跟踪单元,还用于根据所述待检测视频图像,实时获取所述门框线处的目标人员;实时获取所述门框线处的目标人员的跟踪轨迹。
优选地,所述判断单元还用于判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;获取进出门阈值;如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员。
优选地,所述判断单元,还用于根据所述目标人员的跟踪轨迹,判断所述跟踪轨迹中是否存在连续出现至少5个人脸框的情况;如果存在,则调整所述进出门阈值;根据所述目标人员的跟踪轨迹与调整后的进出门阈值判断是否为进出门人员。
再一方面,本发明提供了一种视频分析系统,包括:如上任一一项所述视频分析装置。
本发明的技术方案通过判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;获取进出门阈值;如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员,准确进行进出人员的判断,提高系统识别精度,降低了设计成本。
附图说明
图1为本发明实施例提供的一种视频分析方法流程示意图;
图2为本发明实施例提供的一种视频分析装置结构示意图;
图3为本发明实施例提供的一种视频分析系统结构示意图;
图4为本发明实施例提供的门框线划分示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
如图1为所示为本发明实施例提供的一种视频分析方法流程示意图;该视频分析方法包括:
101:预设门框线;
102:获取待检测视频图像;
103:根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;
104:判断所述门框线处的目标人员是否为进出店人员;
105:如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。
需要说明的是,所述门框线设置在待检测门框两侧,如图4所示。
还需要说明的是,所述根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员的步骤,包括:
根据所述待检测视频图像,实时获取所述门框线处的目标人员;
实时获取所述门框线处的目标人员的跟踪轨迹。
还需要说明的是,所述判断所述门框线处的目标人员是否为进出店人员的步骤包括:
判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;
获取进出门阈值;
如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员。
还需要说明的是,所述判断所述门框线处的目标人员是否为进出店人员的步骤还包括:
根据所述目标人员的跟踪轨迹,判断所述跟踪轨迹中是否存在连续出现至少5个人脸框的情况;
如果存在,则调整所述进出门阈值;
根据所述目标人员的跟踪轨迹与调整后的进出门阈值判断是否为进出门人员。
基于以上实施例,如图2所示,为本发明实施例提供的一种视频分析装置结构示意图;该装置包括:
预设单元201,用于预设门框线;所述门框线设置在待检测门框两侧。
图像获取单元202,用于获取待检测视频图像;
跟踪单元203,用于根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;
判断单元204,用于判断所述门框线处的目标人员是否为进出店人员;
计数单元205,用于如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。
需要说明的是,所述跟踪单元,还用于根据所述待检测视频图像,实时获取所述门框线处的目标人员;实时获取所述门框线处的目标人员的跟踪轨迹。
还需要说明的是,所述判断单元还用于判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;获取进出门阈值;如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员。
还需要说明的是,所述判断单元,还用于根据所述目标人员的跟踪轨迹,判断所述跟踪轨迹中是否存在连续出现至少5个人脸框的情况;如果存在,则调整所述进出门阈值;根据所述目标人员的跟踪轨迹与调整后的进出门阈值判断是否为进出门人员。
基于以上实施例,对本发明工作原理进行详细说明;
设安装视频采集设备拍摄出入口视频图像;要求视频采集设备的架设高度在2.3M-4M之间,距离5M-18M,效果最佳;尽量使人行进方向正对镜头方向;相机与水平面之间的夹角尽量小于15度;相机覆盖场景不大于4米。
本发明技术方案采用检测和跟踪的算法,得到视频图像中行人的轨迹。为了提高检测的召回率,使用的检测器同时检测人脸、人后脑勺和半身,并进行过滤:如果在同一位置,同时检测到人脸和半身,记录检测框属性为“人脸”;同时检测到人后脑勺和半身,记录检测框属性为“人后脑勺”;只检测到半身时,记录检测框属性为“半身”。在轨迹跟踪过程中,存储人头中心点的坐标、人头检测框大小、检测框属性和对应的帧数。
设置门框线,用于处理视频图像的中与所述门框线相交人员的目标图像是否有进出人员。本发明增加两条门框线,分别设置在门框上,用于在轨迹碰到门框线时触发判定。
当跟踪线触碰到门框线的时候,判断是否是门外的行人。具体判断规则为:
跟踪线上所有坐标x、y构成两个向量x和Y,然后使用最小二乘法拟合线性方程。即,
构造一个线性函数:
f(x)=w1x+w0
误差平方和:
W=(XTX)-1XTY
其中,X为向量x添加一列1得到的矩阵。W是一个2维向量,第一个参数W[0]就是线性方程的斜率。如果跟踪线是从左往右,则当这个参数(即进出门阈值)小于0.2,认为这条轨迹是门外的行人,直接结束对这条轨迹的跟踪。如果跟踪线是从右往左,则当这个参数(即进出门阈值)大于-0.2,认为这条轨迹是门外的行人,直接结束对这条轨迹的跟踪。
为了进一步提高进门线判定的精度,使用检测框的属性作为辅助判定条件。当一条轨迹连续检出的检测框有5个为人脸,则将拟合参数W[0]的阈值(即进出门阈值)由0.2(-0.2)调整为0.1(-0.1)
使用本技术方案,可以智能统计店铺进客量,避免门外的行人造成的统计误差。本发明对店铺进客量的算法进行改进,设置门框线排除门外路过的行人。
如图3所示,为本发明实施例提供的一种视频分析系统结构示意图;该系统包括:如上任一所述视频分析装置。
本发明的技术方案通过判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;获取进出门阈值;如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员,准确进行进出人员的判断,提高系统识别精度,降低了设计成本。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种视频分析方法,其特征在于,包括:
预设门框线;
获取待检测视频图像;
根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;
判断所述门框线处的目标人员是否为进出店人员;
如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。
2.根据权利要求1所述的视频分析方法,其特征在于,所述门框线设置在待检测门框两侧。
3.根据权利要求2所述的视频分析方法,其特征在于,所述根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员的步骤,包括:
根据所述待检测视频图像,实时获取所述门框线处的目标人员;
实时获取所述门框线处的目标人员的跟踪轨迹。
4.根据权利要求3所述的视频分析方法,其特征在于,所述判断所述门框线处的目标人员是否为进出店人员的步骤包括:
判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;
获取进出门阈值;
如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员。
5.根据权利要求4所述的视频分析方法,其特征在于,所述判断所述门框线处的目标人员是否为进出店人员的步骤还包括:
根据所述目标人员的跟踪轨迹,判断所述跟踪轨迹中是否存在连续出现至少5个人脸框的情况;
如果存在,则调整所述进出门阈值;
根据所述目标人员的跟踪轨迹与调整后的进出门阈值判断是否为进出门人员。
6.一种视频分析装置,其特征在于,包括:
预设单元,用于预设门框线;所述门框线设置在待检测门框两侧;
图像获取单元,用于获取待检测视频图像;
跟踪单元,用于根据所述待检测视频图像,实时跟踪获取所述门框线处的目标人员;
判断单元,用于判断所述门框线处的目标人员是否为进出店人员;
计数单元,用于如果所述门框线处的目标人员不是进出店人员,则不计入客流统计人数。
7.根据权利要求6所述的视频分析装置,其特征在于,所述跟踪单元,还用于根据所述待检测视频图像,实时获取所述门框线处的目标人员;实时获取所述门框线处的目标人员的跟踪轨迹。
8.根据权利要求7所述的视频分析装置,其特征在于,所述判断单元还用于判断所述门框线处的目标人员的跟踪轨迹与所述门框线相交;获取进出门阈值;如果所述门框线处的目标人员的跟踪轨迹与所述门框线相交,根据所述目标人员的跟踪轨迹与所述进出门阈值判断是否为进出门人员。
9.根据权利要求8所述的视频分析装置,其特征在于,所述判断单元,还用于根据所述目标人员的跟踪轨迹,判断所述跟踪轨迹中是否存在连续出现至少5个人脸框的情况;如果存在,则调整所述进出门阈值;根据所述目标人员的跟踪轨迹与调整后的进出门阈值判断是否为进出门人员。
10.一种视频分析系统,其特征在于,包括:如权利要求6至9中任意一项所述的视频分析装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911132234.0A CN110930432A (zh) | 2019-11-19 | 2019-11-19 | 一种视频分析方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911132234.0A CN110930432A (zh) | 2019-11-19 | 2019-11-19 | 一种视频分析方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110930432A true CN110930432A (zh) | 2020-03-27 |
Family
ID=69853414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911132234.0A Pending CN110930432A (zh) | 2019-11-19 | 2019-11-19 | 一种视频分析方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930432A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232210A (zh) * | 2020-10-16 | 2021-01-15 | 京东方科技集团股份有限公司 | 一种人员流量分析方法和系统、电子设备和可读存储介质 |
CN113449645A (zh) * | 2021-06-29 | 2021-09-28 | 杭州海康威视系统技术有限公司 | 人员出入数据的确定方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902971A (zh) * | 2012-08-31 | 2013-01-30 | 电子科技大学 | 基于智能视觉感知的电梯人流量统计方法及系统 |
CN103559478A (zh) * | 2013-10-07 | 2014-02-05 | 唐春晖 | 俯视行人视频监控中的客流计数与事件分析方法 |
CN105512720A (zh) * | 2015-12-15 | 2016-04-20 | 广州通达汽车电气股份有限公司 | 一种公交车辆客流统计方法和系统 |
CN106355682A (zh) * | 2015-07-08 | 2017-01-25 | 北京文安智能技术股份有限公司 | 一种视频分析方法、装置及系统 |
US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
CN108241844A (zh) * | 2016-12-27 | 2018-07-03 | 北京文安智能技术股份有限公司 | 一种公交客流统计方法、装置及电子设备 |
CN109448026A (zh) * | 2018-11-16 | 2019-03-08 | 南京甄视智能科技有限公司 | 基于头肩检测的客流统计方法和系统 |
CN110298268A (zh) * | 2019-06-12 | 2019-10-01 | 深圳市晓舟科技有限公司 | 单镜头识别双向客流的方法、装置、存储介质及摄像头 |
-
2019
- 2019-11-19 CN CN201911132234.0A patent/CN110930432A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902971A (zh) * | 2012-08-31 | 2013-01-30 | 电子科技大学 | 基于智能视觉感知的电梯人流量统计方法及系统 |
CN103559478A (zh) * | 2013-10-07 | 2014-02-05 | 唐春晖 | 俯视行人视频监控中的客流计数与事件分析方法 |
CN106355682A (zh) * | 2015-07-08 | 2017-01-25 | 北京文安智能技术股份有限公司 | 一种视频分析方法、装置及系统 |
CN105512720A (zh) * | 2015-12-15 | 2016-04-20 | 广州通达汽车电气股份有限公司 | 一种公交车辆客流统计方法和系统 |
US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
CN108241844A (zh) * | 2016-12-27 | 2018-07-03 | 北京文安智能技术股份有限公司 | 一种公交客流统计方法、装置及电子设备 |
CN109448026A (zh) * | 2018-11-16 | 2019-03-08 | 南京甄视智能科技有限公司 | 基于头肩检测的客流统计方法和系统 |
CN110298268A (zh) * | 2019-06-12 | 2019-10-01 | 深圳市晓舟科技有限公司 | 单镜头识别双向客流的方法、装置、存储介质及摄像头 |
Non-Patent Citations (2)
Title |
---|
WU, YEH-KUANG 等: "Customer\'s flow analysis in physical retail store", 《PROCEDIA MANUFACTURING》, vol. 3, 31 December 2015 (2015-12-31), pages 3506 - 3513 * |
朱家新 等: "基于帧间特征和连通域检测的人数统计", 《计算机技术与发展》, no. 02, 29 February 2016 (2016-02-29), pages 101 - 104 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232210A (zh) * | 2020-10-16 | 2021-01-15 | 京东方科技集团股份有限公司 | 一种人员流量分析方法和系统、电子设备和可读存储介质 |
WO2022078134A1 (zh) * | 2020-10-16 | 2022-04-21 | 京东方科技集团股份有限公司 | 一种人员流量分析方法和系统、电子设备和可读存储介质 |
CN112232210B (zh) * | 2020-10-16 | 2024-06-28 | 京东方科技集团股份有限公司 | 一种人员流量分析方法和系统、电子设备和可读存储介质 |
CN113449645A (zh) * | 2021-06-29 | 2021-09-28 | 杭州海康威视系统技术有限公司 | 人员出入数据的确定方法、装置、设备及存储介质 |
CN113449645B (zh) * | 2021-06-29 | 2023-09-22 | 杭州海康威视系统技术有限公司 | 人员出入数据的确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11232326B2 (en) | System and process for detecting, tracking and counting human objects of interest | |
US20200202113A1 (en) | Object tracking and best shot detection system | |
JP6549797B2 (ja) | 通行人の頭部識別方法及びシステム | |
KR101307234B1 (ko) | 객체인식 기반의 주차관리 시스템 | |
CN110969118B (zh) | 轨迹监控系统和方法 | |
US11657650B2 (en) | Techniques for automatically identifying secondary objects in a stereo-optical counting system | |
CN110717400A (zh) | 一种客流统计方法、装置及系统 | |
KR20160035121A (ko) | 깊이 영상정보에서 추출된 위치정보를 이용한 개체계수 방법 및 장치 | |
CN110930432A (zh) | 一种视频分析方法、装置及系统 | |
CN207233038U (zh) | 人脸点名与计数系统 | |
CN110298268A (zh) | 单镜头识别双向客流的方法、装置、存储介质及摄像头 | |
US20210133491A1 (en) | System and method for detecting, tracking and counting human objects of interest with an improved height calculation | |
JP2005135339A (ja) | 通行人検出方法および装置ならびに通行人計数装置 | |
CN109215150A (zh) | 人脸点名与计数方法及其系统 | |
KR101355206B1 (ko) | 영상분석을 이용한 출입 계수시스템 및 그 방법 | |
WO2022134916A1 (zh) | 身份特征生成方法、设备及存储介质 | |
CN114359817A (zh) | 基于出入口人行识别的人流量测量方法 | |
TWI771857B (zh) | 判斷人員進出場域的系統、方法及記錄媒體 | |
CN113420726A (zh) | 基于俯视图像的区域去重客流统计方法 | |
US12039803B2 (en) | Techniques for automatically identifying secondary objects in a stereo-optical counting system | |
CN113239772B (zh) | 自助银行或atm环境中的人员聚集预警方法与系统 | |
CN111046788A (zh) | 一种停留人员的检测方法、装置及系统 | |
CN113326830A (zh) | 基于俯视图像的客流统计模型训练方法和客流统计方法 | |
CN114067363A (zh) | 一种孩童滞留检测方法和装置 | |
Lai et al. | Real-Time People Counting System Based on Stereo Vision |
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 |