CN111310733A - 基于监控视频的人员进出检测方法、装置和设备 - Google Patents

基于监控视频的人员进出检测方法、装置和设备 Download PDF

Info

Publication number
CN111310733A
CN111310733A CN202010196436.8A CN202010196436A CN111310733A CN 111310733 A CN111310733 A CN 111310733A CN 202010196436 A CN202010196436 A CN 202010196436A CN 111310733 A CN111310733 A CN 111310733A
Authority
CN
China
Prior art keywords
foreground
preset
detection
detection area
frame
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.)
Granted
Application number
CN202010196436.8A
Other languages
English (en)
Other versions
CN111310733B (zh
Inventor
杨淼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Yunstare Technology Co ltd
Original Assignee
Chengdu Yunstare Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Yunstare Technology Co ltd filed Critical Chengdu Yunstare Technology Co ltd
Priority to CN202010196436.8A priority Critical patent/CN111310733B/zh
Publication of CN111310733A publication Critical patent/CN111310733A/zh
Application granted granted Critical
Publication of CN111310733B publication Critical patent/CN111310733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种基于监控视频的人员进出检测方法、装置和设备。所述方法包括：从对商品的实时监控视频中逐帧提取视频图像；对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；若前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；若高前景图像的帧数大于预设的第二阈值，判断高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；若存在，则确定有人员进入预设的检测区域。本申请通过前景检测的方式，对特定的商品销售区域内的人员进入情况进行检测，从而可以反映该区域商品在市场中的受关注程度，并且检测算法简单、计算量小，技术鲁棒，检测效果好。

Description

基于监控视频的人员进出检测方法、装置和设备
技术领域
本申请涉及计算机视觉技术领域，尤其涉及一种基于监控视频的人员进出检测方法、装置和设备。
背景技术
目前，在各种商品的零售门店内，通常会设置摄像头对售卖的商品进行监控，一是为了避免发生盗窃损失，二来商家也可以通过监控视频了解哪些商品更受关注，即哪些区域的商品更吸引顾客查看和接触，从而提升门店日常管理、商品推销策略以及备货方案的精准度。
对于上述第二种用途，目前有几种不同的实现方法，一是人工统计法，即人工肉眼持续观看监控视频，其缺点是人工成本较高；二是基于人体检测的方法，通过对视频中的人体进行检测，定位人体所在区域，对该区域进行变化统计的方法，该方法由于门店环境下，背景复杂，通过人体检测的手段需要不断迭代检测模型，最终使得模型极为庞大，存储难度大、且算法计算量大、计算时间长。
发明内容
本申请提供一种基于监控视频的人员进出检测方法、装置和设备，以解决现有的对于人员进出特定区域的检测方法存在的人工成本高或检测过程复杂的问题。
本申请的上述目的是通过以下技术方案实现的：
第一方面，本申请实施例提供一种基于监控视频的人员进出检测方法，包括：
从对商品的实时监控视频中逐帧提取视频图像；
对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；
若所述前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；其中，所述高前景图像为前景像素占比大于所述第一阈值的图像；
若所述高前景图像的帧数大于预设的第二阈值，判断所述高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；其中，所述第二预设数量小于或等于所述第一预设数量；
若存在至少第二预设数量帧的连续图像的前景像素占比持续变大，则确定有人员进入预设的检测区域。
可选的，所述从对商品的实时监控视频中逐帧提取视频图像之前，还包括：
获取用户设定的背景图像，以及获取用户基于所述背景图像设定的检测区域。
可选的，所述对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比，包括：
采用ViBe算法，对每一帧视频图像中预设的检测区域依次进行前景检测，从而获取前景像素；
计算获取到的前景像素的个数占所述检测区域内的像素总个数的比例，得到前景像素占比。
可选的，所述方法还包括：
统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示。
可选的，所述统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示，包括：
统计人员进入所述检测区域的次数并输出至实时监控视频中；
在所述检测区域内，以数字的形式显示人员的进入次数。
第二方面，本申请实施例还提供一种基于监控视频的人员进出检测装置，包括：
提取模块，用于从对商品的实时监控视频中逐帧提取视频图像；
检测模块，用于对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；
统计模块，用于若所述前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；其中，所述高前景图像为前景像素占比大于所述第一阈值的图像；
判断模块，用于若所述高前景图像的帧数大于预设的第二阈值，判断所述高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；其中，所述第二预设数量小于或等于所述第一预设数量；
确定模块，用于若存在至少第二预设数量帧的连续图像的前景像素占比持续变大，则确定有人员进入预设的检测区域。
可选的，所述装置还包括：
获取模块，用于获取用户设定的背景图像，以及获取用户基于所述背景图像设定的检测区域。
可选的，所述检测模块包括：
检测单元，用于采用ViBe算法，对每一帧视频图像中预设的检测区域依次进行前景检测，从而获取前景像素；
计算单元，用于计算获取到的前景像素的个数占所述检测区域内的像素总个数的比例，得到前景像素占比。
可选的，所述装置还包括：
输出模块，用于统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示。
第三方面，本申请实施例还提供一种基于监控视频的人员进出检测设备，包括：
存储器和与所述存储器相连接的处理器；
所述存储器，用于存储程序，所述程序至少用于执行上述的基于监控视频的人员进出检测方法；
所述处理器，用于调用并执行所述存储器存储的所述程序。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请的实施例提供的技术方案中，通过前景检测的方式，对特定的商品销售区域内的人员进入情况进行检测，从而可以反映该区域商品在市场中的受关注程度，从而可以实现对门店管理及备货方案的优化。由于检测过程全部由设备自动完成，因此可以节约人工成本，并且检测算法简单、计算量小，可以直接应用于摄像头等边缘设备，此外算法中对环境噪声进行了一定抑制，技术鲁棒，检测效果好。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种基于监控视频的人员进出检测方法的流程示意图；
图2为本申请实施例提供的一种基于监控视频的人员进出检测装置的结构示意图；
图3为本申请实施例提供的一种基于监控视频的人员进出检测设备的结构示意图；
图4为本申请实施例提供的一种基于监控视频的人员进出检测系统的结构示意图；
图5为图4所示系统的配置模块的工作流程示意图；
图6为图4所示系统的初始化模块的工作流程示意图；
图7为图4所示系统人员进出检测模块的工作流程示意图；
图8为图4所示系统的输出模块的工作流程示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
实施例
请参阅图1，图1为本申请实施例提供的一种基于监控视频的人员进出检测方法的流程示意图。如图1所示，该方法包括以下步骤：
S101：从对商品的实时监控视频中逐帧提取视频图像；
一些实施例中，在S101之前，该方法还包括：
获取用户设定的背景图像，以及获取用户基于所述背景图像设定的检测区域。
也就是说，如果是第一次应用该方法进行检测，则需要用户首先设定背景图像，并在背景图像内设置检测区域。其中，背景图像即从监控视频(实时或历史均可)中选择的光线情况与实际进行检测时相同的、无人情况下的图像，检测区域可以是待检测商品所在的区域，举例说明，假设摄像头监控的是一张桌子上摆放的商品以及该桌子四周的情况，那么可以将整张桌子所在的区域设置为检测区域，桌子范围外的监控画面为非检测区域，非检测区域的监控画面变化在后续步骤中检测和分析时不予考虑。
S102：对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；
具体的，前景与背景相对，前景检测即检测前景像素的数量和坐标，一些实施例中，可以采用ViBe算法，对每一帧视频图像中预设的检测区域依次进行前景检测，从而获取前景像素；计算获取到的前景像素的个数占所述检测区域内的像素总个数的比例，得到前景像素占比。需要注意的是，ViBe算法实质上是背景提取算法，应用该算法进行前景检测的原理是：首先提取背景像素，则其余像素为前景像素。当然应当理解的是，也可以采用其他算法进行前景检测，对此不进行限制。
S103：若所述前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；其中，所述高前景图像为前景像素占比大于所述第一阈值的图像；
具体的，如果前景像素占比超过设定的第一阈值(例如30％)，则认为该帧图像的检测区域中“可能有人”，此时，继续进行判断，选取包含该帧图像的连续n帧(第一预设数量帧)图像，统计这n帧图像中包含多少帧高前景图像。
S104：若所述高前景图像的帧数大于预设的第二阈值，判断所述高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；其中，所述第二预设数量小于或等于所述第一预设数量；
具体的，如果高前景图像的帧数超过设定的第二阈值(例如n*80％)，则确认“检测区域内有人”；否则认为“检测区域内无人”，“检测区域内无人”时，导致前景像素占比超过第一阈值的原因可能是光线变化等造成的检测误差。待确认“检测区域内有人”后，还需进一步判断“人员是不是从检测区域外进入”，即检测之前得到的所有高前景图像中，是否存在连续的m帧(第二预设数量帧)图像的前景像素占比持续变大。
S105：若存在至少第二预设数量帧的连续图像的前景像素占比持续变大，则确定有人员进入预设的检测区域。
具体的，如果存在连续的m帧(第二预设数量帧)图像的前景像素占比持续变大，则可以最终确认“有人进入检测区域”，其中前景像素占比持续变大表示“人员逐步进入检测区域”。
举例来说，如果一个顾客从检测区域外走入检测区域内，并触碰某商品，查看结束后又离开检测区域。则该过程中，理论上来说，一开始前景像素占比为0，随着客户走入检测区域，前景像素占比首先逐渐增大至设定的阈值，随后逐渐增大至最大值(前景像素占比最大时，可以视为顾客完全进入检测区域)，顾客查看商品过程中，前景像素占比在最大值附近波动(因为人的姿势改变等原因，也会导致前景像素占比变化)，当顾客离开时，前景像素占比先是逐渐减小到设定的阈值，随后减小到0。由此可知，对上述实施例的方法进行扩展后，也可以识别出“人员离开检测区域”。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请的实施例提供的技术方案中，通过前景检测的方式，对特定的商品销售区域内的人员进入情况进行检测，从而可以反映该区域商品在市场中的受关注程度，从而可以实现对门店管理及备货方案的优化。由于检测过程全部由设备自动完成，因此可以节约人工成本，并且检测算法简单、计算量小，可以直接应用于摄像头等边缘设备，此外算法中对环境噪声进行了一定抑制，技术鲁棒，检测效果好。
为了对本申请的技术方案进行更全面的说明，对应于本申请上述实施例提供的基于监控视频的人员进出检测方法，本申请实施例还提供一种基于监控视频的人员进出检测装置。
请参阅图2，图2为本申请实施例提供的一种基于监控视频的人员进出检测装置的结构示意图。如图2所示，该装置包括：
提取模块21，用于从对商品的实时监控视频中逐帧提取视频图像；
检测模块22，用于对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；
统计模块23，用于若所述前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；其中，所述高前景图像为前景像素占比大于所述第一阈值的图像；
判断模块24，用于若所述高前景图像的帧数大于预设的第二阈值，判断所述高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；其中，所述第二预设数量小于或等于所述第一预设数量；
确定模块25，用于若存在至少第二预设数量帧的连续图像的前景像素占比持续变大，则确定有人员进入预设的检测区域。
一些实施例中，所述装置还包括：
获取模块，用于获取用户设定的背景图像，以及获取用户基于所述背景图像设定的检测区域。
一些实施例中，所述检测模块包括：
检测单元，用于采用ViBe算法，对每一帧视频图像中预设的检测区域依次进行前景检测，从而获取前景像素；
计算单元，用于计算获取到的前景像素的个数占所述检测区域内的像素总个数的比例，得到前景像素占比。
一些实施例中，所述装置还包括：
输出模块，用于统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示。
具体的，上述每个功能模块的功能的具体实现方式可以参照上述基于监控视频的人员进出检测方法中的内容来实现，对此不再详述。
为了对本申请的技术方案进行更全面的说明，对应于本申请上述实施例提供的基于监控视频的人员进出检测方法，本申请实施例还提供一种基于监控视频的人员进出检测设备。
请参阅图3，图3为本申请实施例提供的一种基于监控视频的人员进出检测设备的结构示意图。如图3所示，该设备包括：
存储器31和与存储器31相连接的处理器32；
存储器31用于存储程序，所述程序至少用于执行上述的基于监控视频的人员进出检测方法；
处理器32用于调用并执行存储器31存储的所述程序。
具体的，该设备可以是计算机或类似的独立设备，也可以直接集成到监控摄像头等边缘设备，其中程序的功能的具体实现方式可以参照上述基于监控视频的人员进出检测方法中的内容来实现，对此不再详述。
以上是对本申请技术方案的整体介绍，为了便于技术人员理解，以下将通过一个具体示例进行说明。
请参阅图4-8，图4为本申请实施例提供的一种基于监控视频的人员进出检测系统的结构示意图，图5-8为图4所示系统的各模块的工作流程示意图。
如图4所示，该系统包括：配置模块41、初始化模块42、人员进出检测模块43和输出模块44。
其中，配置模块41，主要是用于设置检测区域及判断其坐标的合理性，其工作流程如图5所示，包括：
背景图像的输入，即用户选择的光线情况与实际进行检测时相同的、无人情况下的图像；
检测区域设置，即用户设置需要检测的、包含商品的区域；
检测区域坐标的合理性判定及存储，合理性的判定方法为依背景图像尺寸进行限制，检测区域长宽坐标的最大值为背景图像长宽最大值，最小值为0。
初始化模块42，主要是用于对所需各算法进行相关初始化，其工作流程如图6所示，包括：
传入背景图像，并将其作为pbMask保存；
读取配置模块41中的检测区域坐标；
各存储空间的初始化；
人员进出检测模块43的初始化。
人员进出检测模块43，主要是用于人员进出的检测，从而提高热点统计精度，其工作流程如图7所示，包括：
基于待检测帧得到检测区域图像；
对检测区域图像使用ViBe算法，进行前景检测；
计算前景像素占比FrontRatio；
像素占比判定，若大于阈值则继续，否则传入下一帧图像；
统计最近的n帧图像中的高前景像素占比的图像帧数nCnt，并增加统计变化参数nParm，nParm的意义是记录存在连续m帧前景变化率高的情况，当出现上述情况时则加1，其中m≤n；当nCnt大于阈值时，若nParm大于设定阈值，则视为进入，否则视为出去；当nCnt小于阈值时，设置统计变化参数nParm为0；
设置人员进出检测标志位bPeopleOut，从而进行进出判定，其中，bPeopleOut包含两个参数True和False，True表示进，False表示出。
输出模块44，主要是用于到人员进出检测模块所生成的检测信息，其工作流程如图8所示，包括：
载入初始化的检测信息存储空间；
读取人员进出检测模块43的检测信息；
输出检测结果。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于监控视频的人员进出检测方法，其特征在于，包括：
从对商品的实时监控视频中逐帧提取视频图像；
对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；
若所述前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；其中，所述高前景图像为前景像素占比大于所述第一阈值的图像；
若所述高前景图像的帧数大于预设的第二阈值，判断所述高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；其中，所述第二预设数量小于或等于所述第一预设数量；
若存在至少第二预设数量帧的连续图像的前景像素占比持续变大，则确定有人员进入预设的检测区域。
2.根据权利要求1所述的方法，其特征在于，所述从对商品的实时监控视频中逐帧提取视频图像之前，还包括：
获取用户设定的背景图像，以及获取用户基于所述背景图像设定的检测区域。
3.根据权利要求1所述的方法，其特征在于，所述对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比，包括：
采用ViBe算法，对每一帧视频图像中预设的检测区域依次进行前景检测，从而获取前景像素；
计算获取到的前景像素的个数占所述检测区域内的像素总个数的比例，得到前景像素占比。
4.根据权利要求1所述的方法，其特征在于，还包括：
统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示。
5.根据权利要求4所述的方法，其特征在于，所述统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示，包括：
统计人员进入所述检测区域的次数并输出至实时监控视频中；
在所述检测区域内，以数字的形式显示人员的进入次数。
6.一种基于监控视频的人员进出检测装置，其特征在于，包括：
提取模块，用于从对商品的实时监控视频中逐帧提取视频图像；
检测模块，用于对每一帧视频图像中预设的检测区域依次进行前景检测，并计算得到前景像素占比；
统计模块，用于若所述前景像素占比大于预设的第一阈值，统计第一预设数量帧的连续图像中的高前景图像的帧数；其中，所述高前景图像为前景像素占比大于所述第一阈值的图像；
判断模块，用于若所述高前景图像的帧数大于预设的第二阈值，判断所述高前景图像中是否存在至少第二预设数量帧的连续图像的前景像素占比持续变大；其中，所述第二预设数量小于或等于所述第一预设数量；
确定模块，用于若存在至少第二预设数量帧的连续图像的前景像素占比持续变大，则确定有人员进入预设的检测区域。
7.根据权利要求6所述的装置，其特征在于，还包括：
获取模块，用于获取用户设定的背景图像，以及获取用户基于所述背景图像设定的检测区域。
8.根据权利要求6所述的装置，其特征在于，所述检测模块包括：
检测单元，用于采用ViBe算法，对每一帧视频图像中预设的检测区域依次进行前景检测，从而获取前景像素；
计算单元，用于计算获取到的前景像素的个数占所述检测区域内的像素总个数的比例，得到前景像素占比。
9.根据权利要求6所述的装置，其特征在于，还包括：
输出模块，用于统计人员进入所述检测区域的次数并输出至实时监控视频中进行显示。
10.一种基于监控视频的人员进出检测设备，其特征在于，包括：
存储器和与所述存储器相连接的处理器；
所述存储器，用于存储程序，所述程序至少用于执行如权利要求1-5任一项所述的基于监控视频的人员进出检测方法；
所述处理器，用于调用并执行所述存储器存储的所述程序。
CN202010196436.8A 2020-03-19 2020-03-19 基于监控视频的人员进出检测方法、装置和设备 Active CN111310733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010196436.8A CN111310733B (zh) 2020-03-19 2020-03-19 基于监控视频的人员进出检测方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010196436.8A CN111310733B (zh) 2020-03-19 2020-03-19 基于监控视频的人员进出检测方法、装置和设备

Publications (2)

Publication Number Publication Date
CN111310733A true CN111310733A (zh) 2020-06-19
CN111310733B CN111310733B (zh) 2023-08-22

Family

ID=71162287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010196436.8A Active CN111310733B (zh) 2020-03-19 2020-03-19 基于监控视频的人员进出检测方法、装置和设备

Country Status (1)

Country Link
CN (1) CN111310733B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111881829A (zh) * 2020-07-28 2020-11-03 广州技诺智能设备有限公司 一种公共场所人员检测和人员数量计算方法、装置和监控设备
CN112399051A (zh) * 2020-10-15 2021-02-23 中标慧安信息技术股份有限公司 一种应用于垃圾分类的人体检测声音警戒摄像机
CN112749647A (zh) * 2020-12-30 2021-05-04 成都云盯科技有限公司 基于监控视频的智能收银巡检方法及系统
CN113255431A (zh) * 2021-04-02 2021-08-13 青岛小鸟看看科技有限公司 用于远程教学的提醒方法、装置及头戴显示设备
CN114699702A (zh) * 2022-04-15 2022-07-05 长沙海信智能系统研究院有限公司 消防设备检测方法及相关装置
CN115845350A (zh) * 2023-03-02 2023-03-28 成都谷帝科技有限公司 一种用于立定跳远自动测距的方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020051058A1 (en) * 2000-09-28 2002-05-02 Wataru Ito Intruding object detecting method and intruding object monitoring apparatus employing the method
US20090296989A1 (en) * 2008-06-03 2009-12-03 Siemens Corporate Research, Inc. Method for Automatic Detection and Tracking of Multiple Objects
KR101038650B1 (ko) * 2011-01-26 2011-06-02 박상현 적응적 배경영상 모델링 방법, 이를 이용한 불법주정차 무인단속방법 및 불법주정차 무인단속시스템
US20140056479A1 (en) * 2012-08-21 2014-02-27 International Business Machines Corporation Determination of train presence and motion state in railway environments
CN103679123A (zh) * 2012-09-17 2014-03-26 浙江大华技术股份有限公司 一种atm面板上遗留物检测的方法和系统
CN103679745A (zh) * 2012-09-17 2014-03-26 浙江大华技术股份有限公司 一种运动目标检测方法及装置
CN104469309A (zh) * 2014-12-12 2015-03-25 天津艾思科尔科技有限公司 隧道行人入侵检测装置与方法
CN104899574A (zh) * 2015-06-18 2015-09-09 东方网力科技股份有限公司 一种进出事件检测方法及系统
CN105279767A (zh) * 2014-12-26 2016-01-27 天津光电高斯通信工程技术股份有限公司 火车到站状态的识别方法
CN106016951A (zh) * 2016-05-26 2016-10-12 青岛海尔股份有限公司 冰箱的运行状态控制方法与冰箱
CN106845620A (zh) * 2016-12-19 2017-06-13 江苏慧眼数据科技股份有限公司 一种基于队列状态分析的客流计数方法
CN107330916A (zh) * 2017-06-15 2017-11-07 精伦电子股份有限公司 一种运动物体检测方法及系统
CN108898042A (zh) * 2017-12-27 2018-11-27 浩云科技股份有限公司 一种应用于atm机舱内用户异常行为的检测方法
CN108898109A (zh) * 2018-06-29 2018-11-27 北京旷视科技有限公司 物品关注度的确定方法、装置和系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020051058A1 (en) * 2000-09-28 2002-05-02 Wataru Ito Intruding object detecting method and intruding object monitoring apparatus employing the method
US20090296989A1 (en) * 2008-06-03 2009-12-03 Siemens Corporate Research, Inc. Method for Automatic Detection and Tracking of Multiple Objects
KR101038650B1 (ko) * 2011-01-26 2011-06-02 박상현 적응적 배경영상 모델링 방법, 이를 이용한 불법주정차 무인단속방법 및 불법주정차 무인단속시스템
US20140056479A1 (en) * 2012-08-21 2014-02-27 International Business Machines Corporation Determination of train presence and motion state in railway environments
CN103679123A (zh) * 2012-09-17 2014-03-26 浙江大华技术股份有限公司 一种atm面板上遗留物检测的方法和系统
CN103679745A (zh) * 2012-09-17 2014-03-26 浙江大华技术股份有限公司 一种运动目标检测方法及装置
CN104469309A (zh) * 2014-12-12 2015-03-25 天津艾思科尔科技有限公司 隧道行人入侵检测装置与方法
CN105279767A (zh) * 2014-12-26 2016-01-27 天津光电高斯通信工程技术股份有限公司 火车到站状态的识别方法
CN104899574A (zh) * 2015-06-18 2015-09-09 东方网力科技股份有限公司 一种进出事件检测方法及系统
CN106016951A (zh) * 2016-05-26 2016-10-12 青岛海尔股份有限公司 冰箱的运行状态控制方法与冰箱
CN106845620A (zh) * 2016-12-19 2017-06-13 江苏慧眼数据科技股份有限公司 一种基于队列状态分析的客流计数方法
CN107330916A (zh) * 2017-06-15 2017-11-07 精伦电子股份有限公司 一种运动物体检测方法及系统
CN108898042A (zh) * 2017-12-27 2018-11-27 浩云科技股份有限公司 一种应用于atm机舱内用户异常行为的检测方法
CN108898109A (zh) * 2018-06-29 2018-11-27 北京旷视科技有限公司 物品关注度的确定方法、装置和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄鑫;肖世德;: "改进的车流量估计ViBe算法", no. 10 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111881829A (zh) * 2020-07-28 2020-11-03 广州技诺智能设备有限公司 一种公共场所人员检测和人员数量计算方法、装置和监控设备
CN112399051A (zh) * 2020-10-15 2021-02-23 中标慧安信息技术股份有限公司 一种应用于垃圾分类的人体检测声音警戒摄像机
CN112749647A (zh) * 2020-12-30 2021-05-04 成都云盯科技有限公司 基于监控视频的智能收银巡检方法及系统
CN113255431A (zh) * 2021-04-02 2021-08-13 青岛小鸟看看科技有限公司 用于远程教学的提醒方法、装置及头戴显示设备
CN114699702A (zh) * 2022-04-15 2022-07-05 长沙海信智能系统研究院有限公司 消防设备检测方法及相关装置
CN115845350A (zh) * 2023-03-02 2023-03-28 成都谷帝科技有限公司 一种用于立定跳远自动测距的方法及系统

Also Published As

Publication number Publication date
CN111310733B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN111310733A (zh) 基于监控视频的人员进出检测方法、装置和设备
CN110866429B (zh) 漏扫识别方法、装置、自助收银终端及系统
US9015072B2 (en) Method and apparatus for automated inventory management using depth sensing
EP2869268B1 (en) Staying state analysis device, staying state analysis system and staying state analysis method
JP5597781B1 (ja) 滞留状況分析装置、滞留状況分析システムおよび滞留状況分析方法
US10839227B2 (en) Queue group leader identification
US8438175B2 (en) Systems, methods and articles for video analysis reporting
CN111401269B (zh) 基于监控视频的商品热点检测方法、装置和设备
EP0823821A2 (en) System for analyzing movement patterns
US8874471B2 (en) Retail loss prevention using biometric data
US7701608B2 (en) Automatic counting apparatus, method, and recording medium on which the program is recorded
CN115049598A (zh) 门店货架上摆放试用装产品规范检测方法、系统及设备
CN111444806B (zh) 基于监控视频的商品触碰信息聚类方法、装置和设备
CN113468914B (zh) 一种商品纯净度的确定方法、装置及设备
CN111178116A (zh) 无人售货方法、监控摄像机及系统
CN111507792A (zh) 一种自助购物方法、计算机可读存储介质及系统
CN116471384B (zh) 无人值守商店监控系统的控制方法及控制装置
CN112749647A (zh) 基于监控视频的智能收银巡检方法及系统
US10891491B2 (en) In-store monitoring device, in-store monitoring method, and recording medium
CN210605753U (zh) 一种识别零售商户卷烟牌号陈列情况的系统
US20240177131A1 (en) Devices, Systems, and Methods for Automated Weight Measuring and Inventory Management of Consumer Goods
CN115601606B (zh) 一种门店状态检测方法、装置、设备及存储介质
EP3945496A1 (en) Keyframe selection for computer vision analysis
CN114612827A (zh) 商品识别方法、装置及存储介质
CN113469008A (zh) 作物中含杂率的确定方法、装置、设备及计算机存储介质

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