CN111461086A - 一种基于人头检测的人数统计方法和系统 - Google Patents
一种基于人头检测的人数统计方法和系统 Download PDFInfo
- Publication number
- CN111461086A CN111461086A CN202010534753.6A CN202010534753A CN111461086A CN 111461086 A CN111461086 A CN 111461086A CN 202010534753 A CN202010534753 A CN 202010534753A CN 111461086 A CN111461086 A CN 111461086A
- Authority
- CN
- China
- Prior art keywords
- frame
- current frame
- head
- tracking
- module
- 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
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
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人头检测的人数统计方法,包括:读取监控视频获取的视频序列的第一帧作为当前帧;判断当前帧是检测帧还是追踪帧,如果是检测帧,则将预设的追踪列表设置为空,并将当前帧输入训练好的目标检测模型,以得到多个目标框,并根据这些目标框判断该当前帧对应的追踪热区中是否存在人头框,如果存在则获取该追踪热区中的所有人头框,并根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID,并根据该当前帧中人头框的位置更新追踪列表,以得到更新后的追踪列表。本发明能够解决现有人数统计方法中存在的在人群密集时统计准确度不高、以及需要占用大量的计算资源导致实时性差的技术问题。
Description
技术领域
本发明属于计算机视觉与图像处理技术领域,更具体地,涉及一种基于人头检测的人数统计方法和系统。
背景技术
目前,人数统计技术已经被应用在许多场所,例如交通枢纽、展览馆、海关、购物中心等,以统计一段时间内通过监控区域的人数,实现多方向人数统计,并提供人群流动等信息。
现有主要的人数统计技术主要是通过追踪视频图像中的个体以进行人数统计,其主要以视频或图像检测为主,采用背景建模和特征库匹配的方法检测人体,或者利用人脸分类器检测人脸,进而进行人数统计。
然而,上述现有人数统计方法均存在一些不可忽略的缺陷:第一,在人群密集的情况下,由于人体存在遮挡,且人体在运动时存在形变,因此基于人体检测的人数统计方法统计准确度不高;第二,现有人数统计方法均需要占用大量的计算资源,因此实时性差;第三,现有人数统计方法均仅能够支持单一方向或两个方向上的人数统计,无法实现多向人数统计,因此应用范围有限;第四,现有基于人脸检测的人数统计方法在人背对摄像头时不能使用。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于人头检测的人数统计方法和系统,其目的在于,解决现有人数统计方法中存在的在人群密集时统计准确度不高的技术问题,以及需要占用大量的计算资源导致实时性差的技术问题,以及无法实现多向人数统计导致的应用范围窄的技术问题,以及在人背对摄像头时无法使用的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于人头检测的人数统计方法,包括如下步骤:
(1)读取监控视频获取的视频序列的第一帧作为当前帧;
(2)判断当前帧是检测帧还是追踪帧,如果是检测帧,则将预设的追踪列表设置为空,并转入步骤(3),如果是追踪帧,则判断追踪列表是否为空,如果为空,则转入步骤(3),否则转入步骤(6);
(3)将当前帧输入训练好的目标检测模型,以得到多个目标框,并根据这些目标框判断该当前帧对应的追踪热区中是否存在人头框,如果存在则获取该追踪热区中的所有人头框,并进入步骤(4),否则转入步骤(5);
(4)根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID,并根据该当前帧中人头框的位置更新追踪列表,以得到更新后的追踪列表,然后进入步骤(8);
(5)判断当前帧是否是视频序列的最后一帧,如果是则过程结束,否则获取视频序列的下一帧作为当前帧,并返回步骤(2);
(6)使用目标跟踪算法对追踪列表中的每个人头框进行处理,以获取该人头框在当前帧中的新位置,并使用每个人头框在当前帧中的新位置更新追踪列表,以得到更新后的追踪列表;
(7)根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID;
(8)设置计数器i=1;
(9)判断i是否大于当前帧对应的追踪热区中人头框的总数,如果是则返回步骤(5),否则进入步骤(10);
(10)根据更新后的追踪列表判断当前帧对应的追踪热区中第i个人头框的质心是否位于当前帧的前一帧中绊线的一侧,且位于当前帧中绊线的另一侧,如果是则启动计数器根据该人头框穿越绊线的运动方向进行人数统计,并将该人头框的ID标记为已计数,然后进入步骤(11),否则直接进入步骤(11);
(11)设置计数器i=i+1,并返回步骤(9)。
优选地,追踪列表中记录的是检测帧中每个人头框的具体坐标位置,当前帧对应的追踪热区指的是该追踪热区的范围能覆盖行人在当前帧中的进出区域。
优选地,步骤(2)中判断当前帧是追踪帧还是检测帧具体为,如果当前帧的帧编号能够被常数值a整除,则该当前帧为检测帧,否则该当前帧为追踪帧,其中常数值a的取值大小是1到100,其优选范围是20到40。
优选地,步骤(3)中判断当前帧中是否存在人头框,是通过判断追踪热区中目标框的置信度是否大于预设阈值,如果是则说明追踪热区中存在人头框,否则说明不存在人头框,其中预设阈值的取值范围是0到1之间,其优选范围是0.4到1之间。
优选地,步骤(4)具体为,首先针对当前帧中每个人头框而言,计算其质心与当前帧的前一帧中每个人头框的质心之间的距离,从所有距离中选出距离最小值;然后,将当前帧中每个人头框对应的距离最小值分别与预设阈值进行比较,若小于预设阈值,则认为当前帧的该人头框在前一帧中出现过,此时把该距离最小值在前一帧中对应的人头框的ID分配给当前帧的该人头框;若大于或等于预设阈值,则认为当前帧的该人头框是新近出现的人头框,并为该人头框顺序分配新的唯一ID,其中预设阈值的取值范围是0到1000,其优选范围是20到100之间。
优选地,用于人数统计的绊线是一条直线,并设置在追踪热区内。
按照本发明的另一方面,提供了一种基于人头检测的人数统计系统,包括:
第一模块,用于读取监控视频获取的视频序列的第一帧作为当前帧;
第二模块,用于判断当前帧是检测帧还是追踪帧,如果是检测帧,则将预设的追踪列表设置为空,并转入第三模块,如果是追踪帧,则判断追踪列表是否为空,如果为空,则转入第三模块,否则转入第六模块;
第三模块,用于将当前帧输入训练好的目标检测模型,以得到多个目标框,并根据这些目标框判断该当前帧对应的追踪热区中是否存在人头框,如果存在则获取该追踪热区中的所有人头框,并进入第四模块,否则转入第五模块;
第四模块,用于根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID,并根据该当前帧中人头框的位置更新追踪列表,以得到更新后的追踪列表,然后进入第八模块;
第五模块,用于判断当前帧是否是视频序列的最后一帧,如果是则过程结束,否则获取视频序列的下一帧作为当前帧,并返回第二模块;
第六模块,用于使用目标跟踪算法对追踪列表中的每个人头框进行处理,以获取该人头框在当前帧中的新位置,并使用每个人头框在当前帧中的新位置更新追踪列表,以得到更新后的追踪列表;
第七模块,用于根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID;
第八模块,用于设置计数器i=1;
第九模块,用于判断i是否大于当前帧对应的追踪热区中人头框的总数,如果是则返回第五模块,否则进入第十模块;
第十模块,用于根据更新后的追踪列表判断当前帧对应的追踪热区中第i个人头框的质心是否位于当前帧的前一帧中绊线的一侧,且位于当前帧中绊线的另一侧,如果是则启动计数器根据该人头框穿越绊线的运动方向进行人数统计,并将该人头框的ID标记为已计数,然后进入第十一模块,否则直接进入第十一模块;
第十一模块,用于设置计数器i=i+1,并返回第九模块。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)由于本发明其本质是基于人头检测的人数统计方法,人头部本身具有易识别、刚性、不形变的特性,因此即使在人群密集和人体移动的情况下,本发明仍然能够实现对于人头的准确识别,并保证高的统计准确度;同时,基于人头检测的人数统计方法也能够解决现有基于人脸检测的人数统计方法当人背对摄像头时不能使用的技术问题。
(2)由于本发明将视频图像中的帧区分为检测帧和追踪帧分别进行处理,检测帧占用计算资源较多,且数量较少,而追踪帧占用计算资源较少,但数量众多,对二者分别进行处理,就能够最大程度地优化计算资源,从而保证统计过程的实时性;
(3)本发明通过对人头框的质心处于拌线一侧和另一侧的前后位置判断实现统计单一运动方向、以及多个运动方向上的人数统计,因此应用范围广。
附图说明
图1是本发明基于人头检测的人数统计方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供了一种基于人头检测的人数统计方法,包括如下步骤:
(1)读取监控视频获取的视频序列的第一帧作为当前帧;
(2)判断当前帧是检测帧还是追踪帧,如果是检测帧,则将预设的追踪列表设置为空,并转入步骤(3),如果是追踪帧,则判断追踪列表是否为空,如果为空,则转入步骤(3),否则转入步骤(6);
在本发明中,追踪列表中所记录的是检测帧中每个人头框的具体坐标位置(例如人头框的左上角位置坐标、以及右下方位置坐标等)。
本步骤判断当前帧是追踪帧还是检测帧具体为,如果当前帧的帧编号(第一帧的帧编号为0,其下一帧的帧编号为1,以此类推)能够被常数值a整除,则该当前帧为检测帧,常数值a的取值大小是由本发明的应用场景需求决定,一般来说,场景人员越密集,人头遮挡越严重,则常数值a的取值越小;场景人员越稀疏,人头遮挡越少,则常数值a的取值越大,通常a的取值范围是1到100,其优选范围是20到40。
本步骤的优点在于,通过对检测帧和追踪帧进行区别处理,实现计算资源的最优化配置;此外,通过将追踪列表置空的操作,能够较大的节省存储资源。
(3)将当前帧输入训练好的目标检测模型,以得到多个目标框,并根据这些目标框判断该当前帧对应的追踪热区中是否存在人头框,如果存在则获取该追踪热区中的所有人头框,并进入步骤(4),否则转入步骤(5);
具体而言,判断当前帧中是否存在人头框,是通过判断追踪热区中目标框的置信度是否大于预设阈值,如果是则说明追踪热区中存在人头框,否则说明不存在人头框。
本步骤中预设阈值的取值范围是0到1之间,优选为0.4到1之间。
在本实施方式中,所使用的目标检测模型是利用主流的目标检测算法,例如YOLOv3、Retina-Net、SSD(Single Shot MultiBox Detector,简称SSD)、FPN(FeaturePyramid Network,简称FPN)、Faster-RCNN等训练得到的。
具体而言,当前帧对应的追踪热区指的是该追踪热区的范围能覆盖行人在当前帧中的进出区域。
(4)根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID,并根据该当前帧中人头框的位置更新追踪列表,以得到更新后的追踪列表,然后进入步骤(8);
具体而言,在当前帧是视频序列中第一帧的情况下,该第一帧中人头框的ID就是从1开始,为该帧中的所有人头框所顺序分配的自然数;例如如果第一帧中存在3个人头框,则这3个人头框的ID分别是1、2和3;视频序列中第二帧中人头框的ID,就是从(第一帧中最大ID号+1)开始顺序分配,以此类推。
更进而言之,本步骤的具体实现方式是,首先针对当前帧中每个人头框而言,计算其质心与当前帧的前一帧中每个人头框的质心之间的距离,从所有距离中选出距离最小值;然后,将当前帧中每个人头框对应的距离最小值分别与预设阈值进行比较,若小于预设阈值,则认为当前帧的该人头框在前一帧中出现过,此时把该距离最小值在前一帧中对应的人头框的ID分配给当前帧的该人头框;若大于或等于预设阈值,则认为当前帧的该人头框是新近出现的人头框,并为该人头框顺序分配新的唯一ID。在本实施方式中,预设阈值的取值范围是由本发明的应用场景需求决定,一般来说,场景人员越密集,人员移动越慢,则该预设阈值的取值越小;场景人员越稀疏,人员移动越快,则该预设阈值的取值越大,通常预设阈值的取值范围是0到1000,其优选范围是20到100。
举例而言,假如当前帧的前一帧存在2个框,分别为A框ID为1,B框ID为2,当前帧存在3个框,分别为C框,D框,E框。计算当前帧中每一个人头框的质心与前一帧中的所有人头框的质心之间的距离,为C框、D框、E框分别找到最小距离为:CA=40,DB=30,EA=60,假定阈值为50,CA,DB的值小于指定阈值,则认为当前帧中C框与前一帧中A框为同一人,则把当前帧的前一帧中A框的ID分配给当前帧中的C框,即当前帧中C框的ID为1,同理当前帧中D框的ID为2;AE大于指定阈值,即E框为新出现的框,则为当前帧中的E框分配新的唯一ID为3。
本步骤的优点在于,将相邻两帧的同一个人头框进行关联,以避免对同一个人头框重复计数,从而提升人头统计的准确度。
(5)判断当前帧是否是视频序列的最后一帧,如果是则过程结束,否则获取视频序列的下一帧作为当前帧,并返回步骤(2);
(6)使用目标跟踪算法对追踪列表中的每个人头框进行处理,以获取该人头框在当前帧中的新位置,并使用每个人头框在当前帧中的新位置更新追踪列表,以得到更新后的追踪列表;
具体而言,本步骤中所使用的目标跟踪算法可以是主流的目标追踪算法,例如CSRT追踪器、KCF追踪器、MIL追踪器、TLD追踪器、GOTURN追踪器、Siamese-FC追踪器、Siamese-RPN追踪器等。
(7)根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID;
本步骤和上述步骤(4)中“根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID”这一过程完全相同,在此不再赘述。
(8)设置计数器i=1;
(9)判断i是否大于当前帧对应的追踪热区中人头框的总数,如果是则返回步骤(5),否则进入步骤(10);
(10)根据更新后的追踪列表判断当前帧对应的追踪热区中第i个人头框的质心是否位于当前帧的前一帧中绊线的一侧,且位于当前帧中绊线的另一侧,如果是则启动计数器根据该人头框穿越绊线的运动方向进行人数统计,并将该人头框的ID标记为已计数,然后进入步骤(11),否则直接进入步骤(11);
具体而言,用于人数统计的绊线是一条直线,并设置在追踪热区内,优选地,绊线是水平设置在追踪热区的中间位置。
本发明执行完毕后,最终已计数的总数就是最终统计的人数。
本步骤的优点在于,通过对人头框的质心处于拌线一侧和另一侧的前后位置判断,直观反映出人头的运动过程,提升了统计的准确度。此外,本发明能够实现统计单一运动方向(例如向上或向下)、以及多个运动方向(例如向东南方向、向西北方向、以及向正南方向等)上的人头的总数。
(11)设置计数器i=i+1,并返回步骤(9)。
实验结果与分析
以深圳某地铁站为测试点,统计地铁通道和闸机应用场景各视频流的统计人数的计数准确率、每秒传输帧数(Frames Per Second,简称FPS)取平均值作为测试的最终结果。通过测试结果来看,本发明在地铁通道和地铁闸机的计数准确率均达到了95%以上,FPS值均达到25以上,达到了实时处理视频的要求。根据测试机器GeForce RTX 2080Ti单卡显存配置11GB,每张单卡可以同时满足8路视频流的处理请求。
计数人数准确率的计算公式为:
其中,PA为计数准确率,GT表示人工统计人数的真实值,PV表示系统统计人数的估计值。
场景 | 计数准确率 | FPS |
地铁通道 | 96.5% | 29.67 |
地铁闸机 | 98.7% | 36.03 |
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于人头检测的人数统计方法,其特征在于,包括如下步骤:
(1)读取监控视频获取的视频序列的第一帧作为当前帧;
(2)判断当前帧是检测帧还是追踪帧,如果是检测帧,则将预设的追踪列表设置为空,并转入步骤(3),如果是追踪帧,则判断追踪列表是否为空,如果为空,则转入步骤(3),否则转入步骤(6);
(3)将当前帧输入训练好的目标检测模型,以得到多个目标框,并根据这些目标框判断该当前帧对应的追踪热区中是否存在人头框,如果存在则获取该追踪热区中的所有人头框,并进入步骤(4),否则转入步骤(5);
(4)根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID,并根据该当前帧中人头框的位置更新追踪列表,以得到更新后的追踪列表,然后进入步骤(8);
(5)判断当前帧是否是视频序列的最后一帧,如果是则过程结束,否则获取视频序列的下一帧作为当前帧,并返回步骤(2);
(6)使用目标跟踪算法对追踪列表中的每个人头框进行处理,以获取该人头框在当前帧中的新位置,并使用每个人头框在当前帧中的新位置更新追踪列表,以得到更新后的追踪列表;
(7)根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID;
(8)设置计数器i=1;
(9)判断i是否大于当前帧对应的追踪热区中人头框的总数,如果是则返回步骤(5),否则进入步骤(10);
(10)根据更新后的追踪列表判断当前帧对应的追踪热区中第i个人头框的质心是否位于当前帧的前一帧中绊线的一侧,且位于当前帧中绊线的另一侧,如果是则启动计数器根据该人头框穿越绊线的运动方向进行人数统计,并将该人头框的ID标记为已计数,然后进入步骤(11),否则直接进入步骤(11);
(11)设置计数器i=i+1,并返回步骤(9)。
2.根据权利要求1所述的人数统计方法,其特征在于,
追踪列表中记录的是检测帧中每个人头框的具体坐标位置;
当前帧对应的追踪热区指的是该追踪热区的范围能覆盖行人在当前帧中的进出区域。
3.根据权利要求1所述的人数统计方法,其特征在于,步骤(2)中判断当前帧是追踪帧还是检测帧具体为,如果当前帧的帧编号能够被常数值a整除,则该当前帧为检测帧,否则该当前帧为追踪帧,其中常数值a的取值大小是1到100。
4.根据权利要求1所述的人数统计方法,其特征在于,步骤(3)中判断当前帧中是否存在人头框,是通过判断追踪热区中目标框的置信度是否大于预设阈值,如果是则说明追踪热区中存在人头框,否则说明不存在人头框,其中预设阈值的取值范围是0到1之间。
5.根据权利要求1所述的人数统计方法,其特征在于,步骤(4)具体为,首先针对当前帧中每个人头框而言,计算其质心与当前帧的前一帧中每个人头框的质心之间的距离,从所有距离中选出距离最小值;然后,将当前帧中每个人头框对应的距离最小值分别与预设阈值进行比较,若小于预设阈值,则认为当前帧的该人头框在前一帧中出现过,此时把该距离最小值在前一帧中对应的人头框的ID分配给当前帧的该人头框;若大于或等于预设阈值,则认为当前帧的该人头框是新近出现的人头框,并为该人头框顺序分配新的唯一ID,其中预设阈值的取值范围是0到1000。
6.根据权利要求1所述的人数统计方法,其特征在于,用于人数统计的绊线是一条直线,并设置在追踪热区内。
7.一种基于人头检测的人数统计系统,其特征在于,包括:
第一模块,用于读取监控视频获取的视频序列的第一帧作为当前帧;
第二模块,用于判断当前帧是检测帧还是追踪帧,如果是检测帧,则将预设的追踪列表设置为空,并转入第三模块,如果是追踪帧,则判断追踪列表是否为空,如果为空,则转入第三模块,否则转入第六模块;
第三模块,用于将当前帧输入训练好的目标检测模型,以得到多个目标框,并根据这些目标框判断该当前帧对应的追踪热区中是否存在人头框,如果存在则获取该追踪热区中的所有人头框,并进入第四模块,否则转入第五模块;
第四模块,用于根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID,并根据该当前帧中人头框的位置更新追踪列表,以得到更新后的追踪列表,然后进入第八模块;
第五模块,用于判断当前帧是否是视频序列的最后一帧,如果是则过程结束,否则获取视频序列的下一帧作为当前帧,并返回第二模块;
第六模块,用于使用目标跟踪算法对追踪列表中的每个人头框进行处理,以获取该人头框在当前帧中的新位置,并使用每个人头框在当前帧中的新位置更新追踪列表,以得到更新后的追踪列表;
第七模块,用于根据当前帧上一帧中各个人头框与当前帧中各个人头框之间的质心距离获取当前帧中人头框的ID;
第八模块,用于设置计数器i=1;
第九模块,用于判断i是否大于当前帧对应的追踪热区中人头框的总数,如果是则返回第五模块,否则进入第十模块;
第十模块,用于根据更新后的追踪列表判断当前帧对应的追踪热区中第i个人头框的质心是否位于当前帧的前一帧中绊线的一侧,且位于当前帧中绊线的另一侧,如果是则启动计数器根据该人头框穿越绊线的运动方向进行人数统计,并将该人头框的ID标记为已计数,然后进入第十一模块,否则直接进入第十一模块;
第十一模块,用于设置计数器i=i+1,并返回第九模块。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020101935469 | 2020-03-18 | ||
CN202010193546 | 2020-03-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111461086A true CN111461086A (zh) | 2020-07-28 |
Family
ID=71681438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010534753.6A Pending CN111461086A (zh) | 2020-03-18 | 2020-06-12 | 一种基于人头检测的人数统计方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461086A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421285A (zh) * | 2021-06-28 | 2021-09-21 | 上海齐感电子信息科技有限公司 | 视觉目标跟踪系统及跟踪方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3359809B2 (ja) * | 1996-02-20 | 2002-12-24 | 松下電器産業株式会社 | ビデオテープレコーダ |
CN105139425A (zh) * | 2015-08-28 | 2015-12-09 | 浙江宇视科技有限公司 | 一种人数统计方法及装置 |
CN105844234A (zh) * | 2016-03-21 | 2016-08-10 | 商汤集团有限公司 | 一种基于头肩检测的人数统计的方法及设备 |
-
2020
- 2020-06-12 CN CN202010534753.6A patent/CN111461086A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3359809B2 (ja) * | 1996-02-20 | 2002-12-24 | 松下電器産業株式会社 | ビデオテープレコーダ |
CN105139425A (zh) * | 2015-08-28 | 2015-12-09 | 浙江宇视科技有限公司 | 一种人数统计方法及装置 |
CN105844234A (zh) * | 2016-03-21 | 2016-08-10 | 商汤集团有限公司 | 一种基于头肩检测的人数统计的方法及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421285A (zh) * | 2021-06-28 | 2021-09-21 | 上海齐感电子信息科技有限公司 | 视觉目标跟踪系统及跟踪方法 |
CN113421285B (zh) * | 2021-06-28 | 2024-03-01 | 上海齐感电子信息科技有限公司 | 视觉目标跟踪系统及跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428448B (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
CN109903312B (zh) | 一种基于视频多目标跟踪的足球球员跑动距离统计方法 | |
US8213679B2 (en) | Method for moving targets tracking and number counting | |
US8891825B2 (en) | Tracking method | |
CN111260693B (zh) | 一种高空抛物的检测方法 | |
Santos et al. | Multiple camera people detection and tracking using support integration | |
CN107330386A (zh) | 一种人流量统计方法及终端设备 | |
Ablavsky et al. | Layered graphical models for tracking partially occluded objects | |
TW202018594A (zh) | 指定區域的人群流量狀況估算方法和裝置 | |
CN103325115B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
CN103577875A (zh) | 一种基于fast的计算机辅助cad人数统计方法 | |
CN113763427B (zh) | 一种基于从粗到精遮挡处理的多目标跟踪方法 | |
Hu et al. | A novel approach for crowd video monitoring of subway platforms | |
CN116311063A (zh) | 监控视频下基于人脸识别的人员细粒度跟踪方法及系统 | |
CN115170851A (zh) | 一种图像聚类的方法及装置 | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
CN111461086A (zh) | 一种基于人头检测的人数统计方法和系统 | |
CN111260696A (zh) | 一种面向边缘端行人跟踪和人数精确统计的方法 | |
US20220138475A1 (en) | Methods and systems for crowd motion summarization via tracklet based human localization | |
US11157728B1 (en) | Person detection and identification using overhead depth images | |
JP7195892B2 (ja) | 座標変換行列推定方法及びコンピュータプログラム | |
US20230154192A1 (en) | Person flow analysis method and system, electronic device, and readable storage medium | |
WO2022126668A1 (zh) | 一种公共场所行人识别方法及人流统计系统 | |
CN111339873B (zh) | 客流统计方法、装置、存储介质及计算设备 | |
Sun et al. | Intelligent optimization algorithm of 3d tracking technology in football player moving image analysis |
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: 20200728 |