CN111241866A - 一种用于人流量统计的激光扫描装置及方法 - Google Patents

Abstract

本发明公开了一种用于人流量统计的激光扫描装置及方法。该方法包括：设置人流量统计区域的相关参数；生成在适当高度范围内水平扫描所述人流量统计区域的一层或多层光幕，利用飞行时间方法计算所述人流量统计区域内各扫描点的位置信息，根据所述位置信息形成的扫描点轮廓来判断所述人流量统计区域内人的数目，并将扫描到的人的数目作为此时的人流量值。本发明同样公开了一种用以实现该方法的用于人流量统计的激光扫描装置及方法。

Description

一种用于人流量统计的激光扫描装置及方法

技术领域

本发明涉及检测技术领域。具体地，本发明涉及一种用于人流量统计的激光扫描装置及方法，本发明所提出的方法和装置尤其适合于局部受限空间范围内的单方向人流量统计。

背景技术

在当今城市人口不断增长的大背景下，各种公共场所例如大型商场、购物中心、连锁店、机场、车站、博物馆等都需要将其场所内的人流量作为各种决策的依据之一。尤其对于各种商业场所而言，人流量更是非常重要的指标。通过人流量这一重要的衡量指标，不但可以获得场所正在运行的状况，而且还可以利用这些高精度的数据，进行有效的组织运营工作。人流量统计的重要性尤其表现在统计出入口的人流量方面，运营者可以基于此来了解出入口设置的合理程度；通过扶梯人流量统计来统计各楼层人流量状态，从而进行店面的合理分布；根据人流量变化，更有效分配管理、维护人员、提高服务质量、提高营销效率；合理地为店铺选址或者为商品选择适当货柜；可以客观的决定档铺的租金及价格水平；可以更合理的布置广告，检验促销活动、广告宣传等的实际效果。人流量统计在商圈的商品结构、促销决策、对职工的分工、对职工工作时间的安排、轮休制度的建立、对商品的购进、销售人员的培训等多个方面具有十分重要的指导意义。人流量统计是深入分析市场的科学基础；是计划编排及调整的重要依据；是目标评估的主要指标；公司决策的制定与评估、提高广告投放效益的有力工具。能及时提供相关服务、提高企业信誉度。用户可以查看实时数据以及历史数据，对企业的多种市场营销决策有启发。同时，人流量统计也是有效防止人群拥挤、踩踏事故发生的重要预警手段。

人们对人流量统计数据的做法由来已久，简单来说可分为两类方法，一是靠人工统计的方法对人流量统计，二是靠机器设备来完成人流量的统计。人工统计人流量可以对照秒表，计算每个时段内，人口经过的人数，而后分别抽取各时段经过路口的人数进行比对分析，得出人流量。而现有技术中机器统计人流量的方式，例如有红外感应人流量统计、三辊闸统计、重力感应人流量统计，智能视频人流量统计等。

红外感应方法和系统是早期自动客流信息统计所采用的主要方法，但是也却有着计数不准确、应用场所有限等缺点。以三辊闸等闸门方式对人流量进行统计虽然精确，但却极大地限制了人流的速度，主要适用于需要检票的场合。重力感应方法和装置的缺点也很明显，以重量来判定人数精度低，而且使用寿命短，必须依赖一定载体、安装维护也很不方便。而目前新兴的视频识别方法存在泄露个人隐私的风险，并需要高成本的后台计算能力和存储空间的支持。

因此，迫切需要一种对客流本身没有影响且不会造成隐私侵犯，同时成本低廉、安装维护简单、便于使用的人流量统计方法和装置。

发明内容

本发明提出了一种用于人流量统计的激光扫描装置及方法，其能够很好地解决现有技术中的上述问题，为实现此目的，本发明采用如下技术方案：

一种用于人流量统计的方法，包括：

设置人流量统计区域的相关参数；

生成在适当高度范围内扫描所述人流量统计区域的一层或多层光幕，利用飞行时间方法计算所述人流量统计区域内各扫描点的位置信息，根据所述位置信息形成的扫描点轮廓来进行人流量的度量。

在前述用于人流量统计的方法中，设置人流量统计区域的相关参数包括：通过所述扫描光幕利用飞行时间方法来获取含有人流量统计区域的场景信息，把手放到需要设置人流量统计区域的区域，识别手的位置，通过在光幕扫描范围内检测手的位置和动作来确定人流量统计区域边界，并存储人流量统计区域边界信息。

在前述用于人流量统计的方法中，所述识别手的位置进一步包括识别手的中心位置，具体包括如下步骤：

确定手处于监测范围内；

在扫描方向上比对各扫描点位置信息，当点n+1，n+2距扫描装置的距离值小于点n距扫描装置的距离值并且点n+1，n+2距扫描装置的距离值与点n距扫描装置的距离值的差的绝对值大于一定阈值时，则认为点n+1是手的起始点位置；

当点n+m+1，n+m+2距扫描装置的距离值大于点n+m距扫描装置的距离值并且点n+m+1，n+m+2距扫描装置的距离值与点n+m距扫描装置的距离值的差的绝对值大于一定阈值时，则认为n+m点是手的结束点位置；

计算点n+1和点n+m连线的中点位置，该中点是手的中心点。

前述用于人流量统计的方法进一步包括：

如果扫描点轮廓中某处被遮挡的宽度的轮廓形状近似为弧形且其宽度在人腿宽度阈值范围内，则判定该弧形轮廓表示一条人腿。

在前述用于人流量统计的方法中，对人的数目进行统计进一步包括：

在寻找到第一条人腿后，在其一定相邻范围内寻找其配对腿，如果在该相邻范围内找到该配对腿，则判断该第一条人腿和其配对腿表示存在一个人，然后继续寻找下一条人腿及其配对腿，直至遍及所述人流量统计区域，从而得出该人流量统计区域内人的数目。

前述用于人流量统计的方法进一步包括：

设置触发线，当触发线从未遮挡变为被遮挡时，进行一次计数，并在紧邻遮挡范围的前方设置新的触发线，当新的触发线被遮挡时，计数加一，重复此过程直到最初设置的触发线不被遮挡为止，此段时间内计数的增量即为此段时间内通过所述人流量统计区域的人腿数。

在前述用于人流量统计的方法中，所述前方为人流量行进方向，每条触发线包含能够检测人腿的存在的一定数量的相邻扫描光束。

在前述用于人流量统计的方法中，判断触发线从未遮挡变为被遮挡的过程具体包括：

对被遮挡的轮廓进行特征提取，并与事先所存储的人腿特征进行匹配，如果匹配成功则认为该触发线被有效遮挡。

在前述用于人流量统计的方法中，判断除最初设置的触发线之外的新触发线被遮挡的过程具体包括：

如果该新触发线范围内新增的遮挡轮廓在角度范围上与先前遮挡范围相邻且该新增的遮挡轮廓宽度在增量阈值范围内，或该触发线范围内新增的遮挡轮廓与先前遮挡范围不相邻且能够和事先所存储的人腿特征相匹配，则认为该触发线被有效遮挡，其中所述增量阈值范围的最大值小于人腿宽度阈值范围的最大值。

前述用于人流量统计的方法还包括：

将相邻扫描帧之间的识别结果进行比对，对检测到的轮廓进行运动特征提取，以排除不符合人类行走方式的异常数据。

前述用于人流量统计的方法还包括结合一系列连续扫描的相邻帧的信息来判断行人的走向，如果判断出的移动趋势与该区域规定的走向不一致或有人或物体滞留，则向电梯发送相应信号。

在前述用于人流量统计的方法中，可以利用基于聚类分析的方法来实现人腿识别，具体包括以下步骤：

选取检测区域；

利用聚类算法确定表示人腿的光点簇，进而得到人腿的坐标位置；

将人腿的当前坐标位置与之前检测到的已有轨迹进行匹配并更新腿的轨迹；

对穿过检测区域的腿的运动轨迹进行计数。

前述用于人流量统计的方法还包括利用卡尔曼滤波方法对腿的轨迹进行预测，具体包括以下步骤：

1）预测

①根据上一状态的预测结果来预测当前的位置值；

②根据上一状态的误差协方差来预先更新当前的误差协方差；

2）更新

①计算卡尔曼增益；

②更新最优估算值，通过客观测量值来修正当前的状态估计值；

③通过更新的卡尔曼增益来计算更新的误差协方差以供下一次预测使用。

前述用于人流量统计的方法还包括使用下式来计算时间t内通过所述人流量统计区域的人数P：

P =Σ v·t/n·f(i)/2L，（i = 0,1,2……n）；

其中v是人流的平均速度、n是时间t被分割成的时段数目，f(i)是在第i个时段内各扫描帧中所识别出的各腿数中最大值，L是所述人流量统计区域的长度。

本发明还涉及一种用于人流量统计的装置，包括：

光幕扫描模块，其被配置成通过对监测范围内场景进行扫描来得到该场景内的扫描信息；

计算模块，所述计算模块包括处理器和存储器，所述存储器上存储有计算机可执行代码，所述计算机可执行代码被配置成当在所述处理器上执行时促使所述计算模块执行前述任一种方法。

通过上述可知，本发明阐述了一种用于人流量统计的激光扫描装置及方法。本发明的优点包括但不限于利用了ToF原理，采用对客流本身没有影响且不会造成隐私侵犯的机制，同时其成本低廉、安装维护简单、便于使用。本发明所涉及的人流量统计的装置及方法尤其适合于通道出入口等局部受限空间，例如自动扶梯、自动人行道的入口或出口附近或自动扶梯、自动人行道之上。

在下面的附图和具体实施方式中阐述了本发明的一个或多个实施例的细节。根据附图和具体实施方式并且根据权利要求的记载，其他特征和优点将是显而易见的。

附图说明

图1图示了根据本发明实施例的用于人流量统计的装置的示意图；

图2图示了根据本发明实施例的人流量统计装置在自动扶梯应用场景下的布置的示意图；

图3图示了根据本发明实施例的识别手的中心位置的方法的示意图；

图4图示了根据本发明实施例的检测腿的位置的示意图；

图5图示了增量人腿检测的典型场景的示意图;

图6A图示了聚类算法中表示人腿的簇的示意图；

图6B图示了轨迹跟踪和预测过程的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

可以以许多方式来实施本发明，例如可实现为一种装置、一种方法、一种计算机程序产品。一般来说，除非另有说明，在本发明的范围内所公开的过程的步骤的顺序可以改变。

下面结合图示本发明的原理的附图来提供本发明实施例的详细描述。虽然结合此类实施例来描述本发明，但是本发明不局限于任何实施例。在下面的详细描述中陈述许多具体细节以便提供对本发明的透彻理解。所提供的细节是为了达到示例的目的，然而可以在没有这些具体细节中的一些或所有的情况下根据权利要求来实践本发明。为了清晰明了，并未详细描述在与本发明有关的技术领域中已知的技术，以使本发明重点突出。

本发明公开了一种用于人流量统计的装置。如图1所示，该装置可以包括光幕扫描模块和计算模块。该光幕扫描模块包括光幕发生组件、偏转组件、反馈光接收传感器。该计算模块可以包括处理器和存储器。在一个实施例中，所述光幕扫描模块可以是激光光幕模块，其可以由集成在一起的光幕发生组件、偏转组件、反馈光接收传感器以及相应的分析、计算、控制等组件构成。该激光光幕模块可以通过向目标连续发送激光脉冲形成一定形状的探测光幕（如扇形、垂直帘状等），所述光幕射出的光线可以在一个平面内，也可以是在三维立体空间内。优选地，在一个实施例中，用于人流量统计的光幕可以由多层（例如4层）光幕组成以实现冗余监测，通过多层光幕的冗余可以避免单层光幕被遮挡而无法识别的情况，有助于提高物体识别的准确度。该多层光幕可以分别位于紧邻的多个扫描平面内。通过传感器接收由光幕内的障碍物产生的光反馈信号（从障碍物反射回来的光信号），利用ToF（Time of flight，飞行时间）技术，通过探测光脉冲的飞行（往返）时间来得到目标物上点阵中每个点距传感器的距离值，该点阵可以是二维的（即反映物体的切面轮廓）或三维的（即反映物体的三维形貌）。所述光幕扫描模块可以以能够对扫描范围内物体进行检测的任何技术来实现，而并不局限于上述实施例。

在一些实施例中，该人流量统计装置可以安装在局部受限空间（例如扶梯的出口或入口）处。该局部受限空间应处在该人流量统计装置的可满足检测精度的范围内，并且优选地可以是仅允许行人单方向移动的有约束边界（例如栅栏）的空间。进一步优选地，该空间具有一个入口和一个出口。图2示出了该装置O在自动扶梯应用场景下安装位置的一个示例。图2中的区域R为扶梯出口或入口区域。在地铁站等场景下，有时为了规范客流的目的，在图2中区域R的上下两侧可能（但不一定）设置有约束边界，例如栏杆、栅栏、墙体等。如图2所示，该装置O优选地可以安装在扶手带卷入点附近，其位置靠近地面且在扶手带入口下方，不会对正常通过的行人产生影响。可替代地，该装置O也可以安装在图2中矩形R的上边界或下边界靠近地面的合适位置或其他合适位置，以便于扫描检测和不妨碍行人为准。在完成安装后，该人流量统计装置可以对出口或入口处的场景进行检测（成像）并储存所得场景信息。

在一些实施例中，所述人流量统计装置O可以对周围一定范围的区域进行实时检测，安装调试人员可以在检测范围内用手（或其他任何适当的物体）划出一定的边界，通过所述扫描光幕利用飞行时间方法识别手（例如可认为检测到的横截面宽度符合人手大小的物体即为手）的位置，此边界轨迹被人流量统计装置实时记录，并储存在位于本地或远程的存储器中，作为该统计装置检测的人流量统计区域。该人流量统计区域的宽度范围优选地等于该区域能够使人通行的宽度范围，也就是说任何从该范围经过的行人的行走路径都应该在该统计区域内，以免遗漏统计。在一个实施例中，该人流量统计区域可以是具有预定义形状的区域，例如其可以恰好是如图2中矩形R所示的区域，也可以是矩形R区域的子集（例如图2中虚线矩形区域D）或甚至在光幕扫描能够保证精度的检测范围内适当超出矩形R。在该人流量统计区域具有预定义形状的情况下，不必划出该人流量统计区域的完整轮廓，仅需划出局部轮廓，就可以得到该人流量统计区域的完整范围的参数。例如，在该人流量统计区域是矩形的情况下，其一个角可定义为位于人流量统计装置O处，此时只需要划出两条相邻边的一部分（例如图2中矩形轮廓D的上边沿一部分和右边沿的一部分），就可以得到完整的矩形参数。同样地，例如，从数学上也可以根据矩形两个对角的位置来确定矩形区域，由此也可以通过划出与装置O相对的另一个矩形对角的位置来定义该人流量统计区域。可以根据用户需要来设置一个或多个人流量统计区域。另外，上文所述扶梯出入口场景仅是示例，该装置O还可以应用于其他任何合适的局部受限场景，例如图2中的矩形R也可以表示一条狭长人行通道，可以根据装置O的安装位置在该人行通道R中划出合适的矩形D作为人流量统计区域。在一个典型实施例中，该人流量统计区域可以是宽2m、长3m的矩形区域，行人从2m宽的矩形边界进入，从其相对的另一侧2m宽的矩边界走出。注意本文中所述手也包括轮廓和形状类似于手的或具有特定预定义特征的可被所述人流量统计装置扫描识别的任何特定物体。

人流量统计装置可以根据扫描得到的信息来将手的中心位置（坐标）作为手的位置。特别地，识别手的中心位置可以采用如下步骤（如图3所示）：①确定手处于监测范围内；②在扫描方向上比对各扫描点位置信息，当点n+1，n+2距扫描装置的距离值小于点n距扫描装置的距离值并且点n+1，n+2距扫描装置的距离值与点n距扫描装置的距离值的差的绝对值大于一定阈值时，则认为点n+1是手的起始点位置；③当点n+m+1，n+m+2距扫描装置的距离值大于点n+m距扫描装置的距离值并且点n+m+1，n+m+2距扫描装置的距离值与点n+m距扫描装置的距离值的差的绝对值大于一定阈值时，则认为n+m点是手的结束点位置；④计算点n+1和点n+m连线的中点位置，该中点是手的中心点。

在一些实施例中，如图4所示，例如可以使用安装在人流量统计区域某个位置的人流量统计装置（如装置O所示），其包括激光发射装置、激光偏转装置、光信号接收装置、分析处理装置。所述分析处理装置包括激光偏转控制模块和触发点距离分析模块。所述激光发射装置向激光偏转装置发射脉冲激光信号，所述激光偏转装置在分析处理装置的激光偏转控制模块的控制下，在全扫描范围（例如90°）从左至右将定向脉冲激光信号逐次偏转预设角度（例如1°）以形成激光扫描区域S。所述光信号接收装置用于接收返回的激光信号，并向分析处理装置传递该信号。所述激光偏转控制模块与激光偏转装置相耦合，用于控制激光偏转装置的偏向角度。所述触发点距离分析模块基于ToF技术，首先测量出激光信号发射和接收的时间差t。然后将时间差t乘以光速v，就可以得到光触发信号与传感器之间的距离信息d = vt/2，并将得到触发点的距离d发送至所述分析处理装置。分析处理装置由所述距离d和已知的偏转角度θ可以根据三角函数关系计算出该被测点距O点的横向坐标x和纵向坐标y。当完成一定扫描范围内的扫描后，则生成该范围内各扫描点的坐标（x,y）。

对本领域技术人员来说显而易见的是，上述具体实施例仅是示例，并未意图限定本发明的范围。例如，所述人流量统计装置不一定要安装在图4所示的位置O处，而是可以安装在任何可以对场景方便地进行扫描的地方；所述人流量统计装置也可以配置成其他形状发射激光光束，如梯形、垂直帘状等；上述坐标（x,y）根据人流量统计装置的配置也可以是三维坐标（x,y,z）（在光幕层数较多时，扫描物体得到的信息是其三维形貌）。该人流量统计装置的计算模块可以集成在激光扫描模块中，也可以是可以与该激光扫描模块通信的单独的模块。该计算模块可以位于本地或远程位置。

在一些实施例中，在人流量统计过程中，可以将该人流量统计装置扫描得到的点阵轮廓（坐标信息）与初始扫描的场景信息进行比对，以与上文判断手的存在类似的方法判断扫描轮廓中是否存在遮挡物以及遮挡物的宽度是否在人腿（例如图4中的E）宽度阈值范围内，如果扫描点轮廓中某处被遮挡的宽度在该阈值范围以内且该处轮廓形状近似为弧形，则判定此处存在一条人腿。进而可以检测出该统计区域内的人腿数目和人的数目。

在进一步的实施例中，可以按扫描方向进行检索，在寻找到第一条人腿之后，在其一定相邻范围内寻找其配对腿，如果在该相邻范围内找到该配对腿，则判断该第一条人腿和其配对腿表示存在一个人，然后继续寻找下一条人腿及其配对腿，直至遍及所述人流量统计区域，从而得出该人流量统计区域内人的数目。在检测配对腿时还可以加入约束条件，例如配对的两条腿的直径差别应该在合理范围内。还可以利用相邻多个数据帧来判断腿的配对，例如两条腿如果在相邻若干帧中都同时向前移动（例如在连续若干数据帧中某物体离统计区域出口的距离依次递减则可认为该物体正在朝向该出口区域移动），则此两条腿不能配对应另外分别寻找其配对腿（因为两条腿同时前移不符合人类的行走习惯）。还可以采用其他图像识别、模式识别方式来识别扫描轮廓数据中的人腿数进而得到人的数目。

在一些实施例中，可以通过从人流量入口处向出口处方向设置一组触发线来进行人腿计数。例如，如图5所示，可以首先在入口边沿处设置第一条触发线l₀，当l₀从未遮挡变成被遮挡时，进行第一次计数，并在紧邻遮挡范围的前方范围设置新的触发线l₁，当l₁被遮挡时计数加一并设置触发线l₂，……直到l₀不被遮挡为止此次计数完成，此段时间内计数的增量即为此段时间内通过所述人流量统计区域的人腿数。此处的触发线通常并非单根激光束，而是指包含能够检测人腿的存在的一定数量的相邻扫描光束，亦即每条触发线具有一定的检测宽度范围，该范围优选地与已进行计数的腿的遮挡范围紧邻以使得不存在检测盲区。例如，在触发线l₁被遮挡时，所设置的l₂的覆盖范围的左侧边缘与l₁所检测到的人腿E之间紧邻而不存在空隙。这样的设置可以避免增量遮挡的漏检情况，例如遮挡l₃的腿E的一部分被靠近入口的前一条腿遮挡，在光幕下仅显露出一小部分的情况。

在一些实施例中，可以通过对被遮挡的轮廓进行特征提取，并与事先所存储的人腿特征进行匹配，如果匹配成功则认为该触发线被有效遮挡。所述人腿特征可以包括例如曲率、横截面宽度、行进速度等。

在进一步的实施例中，如果新触发线范围内检测到的新增遮挡轮廓是在原有遮挡轮廓基础上紧邻地增加的，即新增的遮挡轮廓在角度范围上与先前遮挡范围相邻，如新增轮廓的宽度在增量阈值范围内，则认为该触发线被有效遮挡，即可计为被一条人腿遮挡。该增量阈值范围的最小值可以设置得非常小（如1cm），其意义在于防止因检测噪声而误判，因为在实际轮廓不变的情况下检测出来的轮廓数据也可能有波动从而被误判成真实的增量。该增量阈值范围的最大值可以设置为人腿的典型宽度的最大值。如果该触发线范围内新增的遮挡轮廓与先前遮挡范围不相邻（即两条相邻人腿对光束的遮挡范围没有重合）且能够和事先所存储的人腿特征相匹配，则认为该触发线被有效遮挡。

在进一步的实施例中，如果识别出扫描点轮廓中某处被遮挡的宽度的轮廓形状近似为具有一定直径（优选地0.3-1m）的半圆形，在这种情况下其通常可能是女士的裙摆，据此可以判定该半圆形轮廓表示一个人，并不再与其他腿混淆。优选地，仍可以利用连续多个扫描帧来判断该半圆形是否朝一个方向连续移动超过一定距离（如一般人的步伐）并且其移动速度在人步行速度的合理范围内（例如小于5km/h），如果通过连续多个扫描帧判断出其动作不符合人走路的物理特性，则不将其认定为裙摆。

在一些实施例中，可以对扫描数据进行轮廓提取并剔除异常噪声，具体地可以去掉异常点并且对各点数据进行插值和/或曲线拟合。然后对此处理后的轮廓进行异常检测，排除形成异常形状（例如具有分明棱角（如直角）、拟合结果为大长度低曲率曲线的数据段）的数据点；然后进行轮廓分割和腿的特征（例如符合一定宽度范围的弧形轮廓）提取；对符合腿特征的位置进行计数获取腿的数目。

在进一步的实施例中，除了在一帧内对扫描所得轮廓进行图像处理方面的各种检测外，还可以结合连续相邻帧之间的变化来进行更精细的识别。具体地，可以通过比对相邻扫描帧之间的识别结果，对检测到的轮廓进行运动特征提取，来判断出每帧扫描数据中所识别出的腿随时间的动作，进而排除不符合人类行走方式的异常数据。例如，在以均匀恒定速率扫描的情况下，如果发现在所识别的一条腿在连续若干帧范围内行进超过一定阈值（例如人的步长）的范围，且该腿在各帧扫描数据中的位置之间的间隔基本均匀，则说明该腿以近乎匀速状态行进了超过人的一个步长，这明显不符合人类走路的方式，从而可以据此将该数据排除。在现实中该数据有可能是一把雨伞或乘客携带的其他圆筒状物体或乘客手里携带的截面类似于腿形状的任何其他物体。作为一个示例，还可以利用人类走路步伐“交替顿挫”的特点来进行数据排除。例如如大家所知的，人类的两条腿行走时需要符合例如左腿静止支撑，右腿前摆，然后右腿静止支撑，左腿前摆，双腿如此交替顿挫向前行进的规律。可以利用这一规律来结合相邻各帧扫描数据进行判断从而排除非法数据。例如，如果符合一对腿特征的轮廓在同一时间均向前行进，则可以认定先前配对错误，继续跟踪这两条腿的运行状态，以进一步分别判断每条腿是否符合步态顿挫的特征和/或是否可以找到其配对腿，进而对不符合人类步态特征或找不到配对腿的数据进行排除。

在一些实施例中，可以结合一系列连续扫描的相邻帧的信息来判断行人的走向以实现运营的相关业务功能。例如在自动扶梯出入口或地铁换乘单行道的场景下不允许行人逆行甚至在电梯出入口是不允许行人滞留，此时对行人的判断可以不再局限于人腿的形状，而可以例如是具有一定轮廓的任何物体。当检测到一系列连续轮廓的坐标点移动趋势与所允许的方向相反或者有人或物体滞留时，可以向电梯或其他终端发出相应信号，例如以电信号的形式按照特定通信协议发送到电梯、中央控制单元、监控室、广播装置、报警装置。基于此功能，例如在自动扶梯出口处接收到有物体试图进入该出口的情况下，自动扶梯在接到相关信号后可以采取声音报警、减速或其他措施。例如在单行通道的情况下，中控室监控人员接到此类报警信号后可以迅速安排现场管理人员前往处理。所述报警信号可以采取任何形式，并且可以使用任何传输途径，例如WiFi、以太网等。

在一些实施例中，可以利用基于聚类分析的方法来实现人腿识别。首先仍是选择检测区域（可以参考上文所述的方法），优选地该检测区域宽度可以为扶梯宽度，区域长度可以根据应用场景来确定，例如可以限定为能够最大程度保证传感器最少检测到一次经过该区域的各个物体（如人腿）。针对每个扫描帧，对所得到的位于检测区域内的光点图进行聚类分析（例如应用诸如DBSCAN之类的聚类算法）。下面仅以DBSCAN算法的应用为例来例示计算过程，但也可以使用任何其他合适的聚类算法。在应用DBSCAN的情况下，利用各光点的位置（坐标）来计算每两个光点之间的距离，在其间距离小于阈值eps的点集中的点的个数大于阈值Min_Points的情况下，则可将上述点归为一个簇（即属于同一个目标，例如图6A中的簇1、簇2）。同时针对属于每个簇的各个点计算当前腿的位置，例如可以进行腿截面形状的拟合进而取重心点作为该簇的代表点即作为腿的位置（Xi，Yi），也可以简单地将所得各簇的各个点坐标进行求和取平均得到腿的位置（Xi=SUM(Xm)/M，Yi=SUM(Ym)/M），其中，（Xi，Yi）是代表点的坐标值，i是簇序号，m属于该簇的各点的序号，M是属于该簇的点数，当然此处的点坐标也可以是三维坐标。此过程中可以利用现有技术中合适的曲线拟合和去噪算法来实现目的，在此不再赘述。

进一步地，在得到一系列的腿坐标（即形成腿运动的轨迹）后，可以将当前检测到的腿的位置和已有轨迹进行匹配。如果当前腿与先前轨迹中的腿坐标的距离均超过阈值，则记录该腿的位置并作为新轨迹的起点创建新轨迹。如果当前腿与已知的某轨迹的距离比与其他轨迹的距离都小，且在阈值以下，则将该腿与该轨迹进行匹配，同时将腿的位置作为该轨迹的新的位置（如图6B中的簇1、簇2所示）。

进一步地，针对已经匹配过的轨迹，可以使用卡尔曼滤波方法进行预测腿的更新位置。

首先，可以利用式 (1)预测腿的当前位置：

X(k|k-1)=A*X(k-1|k-1) ………(1)

式(1)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果。A是转移矩阵。然后，用式(2)更新预测协方差P：

P(k|k-1)=A*P(k-1|k-1) *A’+Q ………(2)

式(2)中，P(k|k-1)是X(k|k-1)对应的误差协方差，P(k-1|k-1)是X(k-1|k-1)对应的误差协方差，A’表示A的转置矩阵，Q是系统过程的协方差。

其次，根据上面预测值和代表点位置值Z(k)，可以计算得到现在位置的最优化估算值X(k|k)：

X(k|k)= X(k|k-1)+Kg(k)*(Z(k)-H*X(k|k-1)) ………(3)

其中Kg为卡尔曼增益(Kalman Gain)：

Kg(k)= P(k|k-1)*H’/ (H*P(k|k-1)*H’+ R) ………(4)

其中H为测量系统转移矩阵，R是测量系统预测误差协方差。

同时，根据式(5)来更新当前位置的误差协方差：

P(k|k)=（1-Kg(k)*H）*P(k|k-1) ………(5)

当实际有效轨迹经过跟踪区域最后位置后，计数加一，并消除该轨迹（如图6B中的簇2行进到检测区域之外，该簇2所形成轨迹已经被消除）。需要注意的是，在轨迹跟踪过程中，同样可以根据本文中所述的其他判断方法和/或现有技术中任意合适的方法来对数据进行进一步的约束判断，例如判断轨迹所表示的行走速度、截面积大小，判断轨迹所表示数据是否具有人类步伐“交替顿挫”的特征等等方法，以更精确地塑造出人腿行进的轨迹并及时剔除异常数据。

在一些实施例中，特别是针对存在连续不断的密集人流的情况下，可以引入平均人流密度f(i)/L的概念，来计算时间t内通过该人流量统计区域的人数P：

P =Σ v·t/n·f(i)/2L，（i = 0,1,2……n）；

其中v是人流的平均速度、n是时间t被分割成的时段数目，f(i)是在第i个时段内各扫描帧中所识别出的各腿数中最大值，L是所述人流量统计区域的长度（即所述人流量统计区入口至出口的距离）。

由于在行人比较密集的情况下，有可能出现离人流量统计装置较远的人腿被离人流量统计装置较近的人腿遮挡从而无法被检测到的情况，故可以假定在时间t的一个短周期t/n内，该人流量统计区域内的人数是近似不变的，而在周期t/n内可能存在许多帧的扫描数据，每帧扫描数据中行人的腿之间的遮挡关系各不相同，故可以认为该一系列帧中识别出腿数最多的帧最接近于真实的人腿数，进而可以引入平均人流密度f(i)/L的概念，其物理含义是行走方向上单位长度内存在的人腿数。v·t/n·f(i)/L即为在时间t/n内速度为v的人流对该人流量统计区域贡献的人腿数。

本领域技术人员应该理解，本文中所述的方法、处理、步骤、组件仅是示例，它们并不局限于在某个特定模块中实现，而是可以在任何模块中实现。除非明确指明，上述各个模块/装置既可以是分离的，也可以集成在单个模块中，既可以位于本地，也可以位于远程，如可以将计算模块设置在地铁站/商场的中控室中。上述各个模块/装置可以通过各种手段直接或间接耦合在一起或进行通信，包括但不限于机械连接、电气连接、无线通信、软件模块/进程/线程之间的相互调用。需要说明的是，本文中描述的方法、步骤、流程并不限于所描述的次序，而是可以以任何合适的顺序来实现，除非在相关上下文进行了明确限定。本文所绘附图仅为示例性表示，其物理结构和布置仅表示实现方式的示例，而并非对本发明的限制，本领域技术人员可以在不脱离本发明的范围的情况下，对其中的装置、模块、方法进行位置调整、次序互换来更好地适应具体的安装现场。

需要说明的是，在前述关于装置的实施例的叙述中，所描述的逻辑、步骤、流程等同样也适用于本发明的方法实施例。

通过上述公开内容可知，本发明提出了一种用于人流量统计的装置及方法。在本发明实施例中，利用ToF技术来实现人流量统计功能，相比于现有技术，使得能够在不影响行人通过、不会侵犯行人隐私的情况下，以较为低廉的成本和简单的装置结构来实现人流量统计功能。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了本发明基本的创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意图解释为包括优选实施例以及落入本申请实际保护范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意指非排他性的，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还可能包括没有明确列出的其他要素，或者还包括为这种过程、方法、物品或者设备所固有现有技术中已存在的要素。

Claims (15)

1.一种用于人流量统计的方法，包括：

设置人流量统计区域的相关参数；

生成在适当高度范围内扫描所述人流量统计区域的一层或多层光幕，利用飞行时间方法计算所述人流量统计区域内各扫描点的位置信息，根据所述位置信息形成的扫描点轮廓来进行人流量的度量。

2.根据权利要求1所述的方法，其中设置人流量统计区域的相关参数包括：通过所述扫描光幕利用飞行时间方法来获取含有人流量统计区域的场景信息，把手放到需要设置人流量统计区域的区域，识别手的位置，通过在光幕扫描范围内检测手的位置和动作来确定人流量统计区域边界，并存储人流量统计区域边界信息。

3.根据权利要求2所述的方法，其中所述识别手的位置进一步包括识别手的中心位置，具体包括如下步骤：

确定手处于监测范围内；

在扫描方向上比对各扫描点位置信息，当点n+1，n+2距扫描装置的距离值小于点n距扫描装置的距离值并且点n+1，n+2距扫描装置的距离值与点n距扫描装置的距离值的差的绝对值大于一定阈值时，则认为点n+1是手的起始点位置；

当点n+m+1，n+m+2距扫描装置的距离值大于点n+m距扫描装置的距离值并且点n+m+1，n+m+2距扫描装置的距离值与点n+m距扫描装置的距离值的差的绝对值大于一定阈值时，则认为n+m点是手的结束点位置；

计算点n+1和点n+m连线的中点位置，该中点是手的中心点。

4.根据权利要求1-3中任一项所述的方法，进一步包括：

如果扫描点轮廓中某处被遮挡的宽度的轮廓形状近似为弧形且其宽度在人腿宽度阈值范围内，则判定该弧形轮廓表示一条人腿。

5.根据权利要求4所述的方法，其中对人的数目进行统计进一步包括：

在寻找到第一条人腿后，在其一定相邻范围内寻找其配对腿，如果在该相邻范围内找到该配对腿，则判断该第一条人腿和其配对腿表示存在一个人，然后继续寻找下一条人腿及其配对腿，直至遍及所述人流量统计区域，从而得出该人流量统计区域内人的数目。

6.根据权利要求1-3中任一项所述的方法，进一步包括：

设置触发线，当触发线从未遮挡变为被遮挡时，进行一次计数，并在紧邻遮挡范围的前方设置新的触发线，当新的触发线被遮挡时，计数加一，重复此过程直到最初设置的触发线不被遮挡为止，此段时间内计数的增量即为此段时间内通过所述人流量统计区域的人腿数。

7.根据权利要求6所述的方法，其中所述前方为人流量行进方向，每条触发线包含能够检测人腿的存在的一定数量的相邻扫描光束。

8.根据权利要求7所述的方法，其中判断触发线从未遮挡变为被遮挡的过程具体包括：

对被遮挡的轮廓进行特征提取，并与事先所存储的人腿特征进行匹配，如果匹配成功则认为该触发线被有效遮挡。

9.根据权利要求7所述的方法，其中判断除最初设置的触发线之外的新触发线被遮挡的过程具体包括：

如果该新触发线范围内新增的遮挡轮廓在角度范围上与先前遮挡范围相邻且该新增的遮挡轮廓宽度在增量阈值范围内，或该触发线范围内新增的遮挡轮廓与先前遮挡范围不相邻且能够和事先所存储的人腿特征相匹配，则认为该触发线被有效遮挡，其中所述增量阈值范围的最大值小于人腿宽度阈值范围的最大值。

10.根据权利要求4-9中任一项所述的方法，还包括：

将相邻扫描帧之间的识别结果进行比对，对检测到的轮廓进行运动特征提取，以排除不符合人类行走方式的异常数据。

11.根据权利要求1或2中任一项所述的方法，还包括结合一系列连续扫描的相邻帧的信息来判断行人的走向，如果判断出的移动趋势与该区域规定的走向不一致或有人或物体滞留，则向电梯发送相应信号。

12.根据权利要求1或2中任一项所述的方法，可以利用基于聚类分析的方法来实现人腿识别，该方法包括以下步骤：

选取检测区域；

利用聚类算法确定表示人腿的光点簇，进而得到人腿的坐标位置；

将人腿的当前坐标位置与之前检测到的已有轨迹进行匹配并更新腿的轨迹；

对穿过检测区域的腿的运动轨迹进行计数。

13. 根据权利要求14所述的方法，还包括利用卡尔曼滤波方法对腿的轨迹进行预测，具体包括以下步骤：

1）预测

①根据上一状态的预测结果来预测当前的位置值；

②根据上一状态的误差协方差来预先更新当前的误差协方差；

2）更新

①计算卡尔曼增益；

②更新最优估算值，通过客观测量值来修正当前的状态估计值；

③通过更新的卡尔曼增益来计算更新的误差协方差以供下一次预测使用。

14.根据权利要求4-8中任一项所述的方法，还包括使用下式来计算时间t内通过所述人流量统计区域的人数P：

P =Σ v·t/n·f(i)/2L，（i = 0,1,2……n）；

其中v是人流的平均速度、n是时间t被分割成的时段数目，f(i)是在第i个时段内各扫描帧中所识别出的各腿数中最大值，L是所述人流量统计区域的长度。

15.一种用于人流量统计的装置，包括：

光幕扫描模块，其被配置成通过对监测范围内场景进行扫描来得到该场景内的扫描信息；

计算模块，所述计算模块包括处理器和存储器，所述存储器上存储有计算机可执行代码，所述计算机可执行代码被配置成当在所述处理器上执行时促使所述计算模块执行如权利要求1-14中任一项所述的方法。

Images