CN112560765A - 基于行人重识别的人流统计方法、系统、设备及存储介质 - Google Patents

Abstract

本申请公开了一种基于行人重识别的人流统计方法、系统、设备及存储介质，所述方法包括以下步骤：从拍摄开放区域的视频流中划定目标范围；统计所述目标范围的人数总和，获取人流统计初值；对所述视频流中的行人做行人重定位，获取行人追踪结果；通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。通过本申请，使用划定边界的方式，统计流入边界内的人数，结合行人重识别与越界检测来解决开放区域内重复统计人流的问题。

Description

基于行人重识别的人流统计方法、系统、设备及存储介质

技术领域

本发明涉及的是数据处理技术领域。更具体的说，本发明涉及一种基于行人重识别的人流统计方法、系统、设备及存储介质。

背景技术

目前，人流统计在多种商业场合和公共场所都有应用，需要对人流量进行统计。例如，可以统计商场内部不同时段客流量以及人群流动方向等信息，为商场举办活动提供参考；可以获得商场外人行道上的人群流动量统计信息，有利于评估商场选址是否适当；可以统计公交车每天客流量，进行公交调度运营和规划。

行人重识别也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题，给定一个监控行人图像，检索跨设备下的该行人图像，旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合，如今可广泛应用于智能视频监控、智能安保等领域。

使用基于深度学习的行人重识别的方法可以提取到图像高维信息，在做图像识别方面有更高的鲁棒性，但实际使用时依据场景不同，会有很多技巧。使用深度学习的方法，可提取衣服的特征值作为行人重识别的信息，通过统计跟踪到的人数统计人流数量，但是这种将检测到的人作为一个整体进行特征提取的方法有以下问题：基于行人重识别统计人流时，由于各种原因(如：环境遮挡；重识别算法精度；人长时间在目标区域停留，追踪丢失后再次计数)将会导致重复计数，影响计数精度。

发明内容

本申请实施例提供了一种基于行人重识别的人流统计方法，以至少解决相关技术中主观因素影响的问题。

本发明提供了一种基于行人重识别的人流统计方法，所述方法包括以下步骤：

范围划定步骤：从拍摄开放区域的视频流中划定目标范围；

初值获取步骤：统计所述目标范围的人数总和，获取人流统计初值；

追踪步骤：对所述视频流中的行人做行人重定位，获取行人追踪结果；

统计步骤：通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。

作为本发明的进一步改进，所述范围划定步骤还包括根据所述目标范围划定范围边界和目标范围入口。

作为本发明的进一步改进，所述统计步骤具体包括以下步骤：

新增人流获取步骤：通过所述行人追踪结果，获取整个所述视频流中从所述范围边界进入所述目标范围的新增人流值；

累加步骤：对所述新增人流值与所述人流统计初值进行累加，将累加结果作为所述人流统计结果。

作为本发明的进一步改进，所述初值获取步骤还包括对所述视频流中的行人ID赋值。

基于相同发明思想，本发明还基于任一项发明创造所揭示的基于行人重识别的人流统计方法，揭示了一种基于行人重识别的人流统计系统，

所述基于行人重识别的人流统计系统包括：

范围划定模块，从拍摄开放区域的视频流中划定目标范围；

初值获取模块，统计所述目标范围的人数总和，获取人流统计初值；

追踪模块，对所述视频流中的行人做行人重定位，获取行人追踪结果；

统计模块，通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。

作为本发明的进一步改进，所述范围划定模块还包括根据所述目标范围划定范围边界和目标范围入口。

作为本发明的进一步改进，所述统计模块具体包括：

新增人流获取单元，通过所述行人追踪结果，获取整个所述视频流中从所述范围边界进入所述目标范围的新增人流值；

累加单元，对所述新增人流值与所述人流统计初值进行累加，将累加结果作为所述人流统计结果。

作为本发明的进一步改进，所述初值获取模块还包括对所述视频流中的行人ID赋值。

此外，为实现上述目的，本发明还提供一种设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于行人重识别的人流统计方法。

此外，为实现上述目的，本发明还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现基于行人重识别的人流统计方法。

与现有技术相比，本发明的有益效果如下：

1、提出了一种基于行人重识别的人流统计方法，使用划定边界的方式，统计流入边界内的人数，结合行人重识别与越界检测来解决开放区域内重复统计人流的问题；

2、由于目标区域常常不是空旷的，人进入目标区域时会被遮挡(有时会遮挡很长时间)，当人重新从遮挡物后出现时，程序会给一个新ID导致计数误差，本发明解决了用行人重定位统计客流时由此导致的计数误差；

3、目标区域内经常有穿工装的工作人员，由于人体外观的相似性，当工作人员相互遮挡再分开后，常常会赋新ID导致计数误差，本发明解决了用行人重定位统计客流时由此导致的计数误差；

4、在实际应用过程中有很好的泛化能力，实现了使用一个模型统计多种场景，通过配置不同场景下的感兴趣区域，达到算法复用的目的，提高了自动化水平，避免了使用场景中的人工干预。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本发明实施例提供的一种基于行人重识别的人流统计方法整体流程图；

图2是本实施例所揭示的基于行人重识别的人流统计过程示意图；

图3是图1所揭示的步骤S4整体流程图；

图4是本实施例提供的一种基于行人重识别的人流统计系统结构框架图；

图5是根据本发明实施例的计算机设备的框架图。

以上图中：

100、范围划定模块；200、初值获取模块；300、追踪模块；400、统计模块；401、新增人流获取单元；402、累加单元；80、总线；81、处理器；82、存储器；83、通信接口。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不待表针对对象的特定排序。

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替待，均属于本发明的保护范围之内。

在详细阐述本发明各个实施例之前，对本发明的核心发明思想予以概述，并通过下述若干实施例予以详细阐述。

本发明可基于行人重识别进行人流统计，结合行人重识别与越界检测来解决开放区域内重复统计人流的问题。

实施例一：

参照图1至图3所示，本实例揭示了一种基于行人重识别的人流统计方法(以下简称“方法”)的具体实施方式。

具体而言参照图1和图2所示，本实施例所揭示的方法主要包括以下步骤：

步骤S1、从拍摄开放区域的视频流中划定目标范围。

具体而言，在其中一些实施例中，首先划分目标范围，即感兴趣区域。在实际人流统计项目中，需要统计的是经过某个区域的人流，这个区域比视频所能覆盖的区域小，就是划定要统计的范围。

具体而言，在其中一些实施例中，步骤S1还包括根据所述目标范围划定范围边界和目标范围入口，即划定边界以及人流进入感兴趣区域的入口。

然后执行步骤S2、统计所述目标范围的人数总和，获取人流统计初值。

具体而言，在其中一些实施例中，在划定目标范围后，进行追踪初始化。使用行人重定位的追踪方法有很多，但都要对目标物体或人做初始化ID赋值，检测视频流中第一帧中的所有人并赋初始ID，统计步骤S1中划定的感兴趣区域内的人数总和作为人流统计的初值。

然后执行步骤S3、对所述视频流中的行人做行人重定位，获取行人追踪结果。

具体而言，在其中一些实施例中，对拍摄开放区域的视频流每一帧里的每个人做行人重定位，得到人追踪的结果，追踪越过边界的人。

然后执行步骤S4、通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。

具体而言，在其中一些实施例中，参照图3所示，步骤S4具体包括以下步骤：

S41、通过所述行人追踪结果，获取整个所述视频流中从所述范围边界进入所述目标范围的新增人流值；

S42、对所述新增人流值与所述人流统计初值进行累加，将累加结果作为所述人流统计结果。

具体而言，在其中一些实施例中，通过步骤S3里获得的信息，统计ID获得从边界外进入感兴趣区域的人数，把符合条件的新ID数量加上目标区域人数的初始值(人流统计初值)，最终获取整个视频里感兴趣区域的人数(客流统计值)。

通过本申请实施例所揭示的一种基于行人重识别的人流统计方法，使用划定边界的方式，统计流入边界内的人数，结合行人重识别与越界检测来解决开放区域内重复统计人流的问题；由于目标区域常常不是空旷的，人进入目标区域时会被遮挡(有时会遮挡很长时间)，当人重新从遮挡物后出现时，程序会给一个新ID导致计数误差，本发明解决了用行人重定位统计客流时由此导致的计数误差；目标区域内经常有穿工装的工作人员，由于人体外观的相似性，当工作人员相互遮挡再分开后，常常会赋新ID导致计数误差，本发明解决了用行人重定位统计客流时由此导致的计数误差；在实际应用过程中有很好的泛化能力，实现了使用一个模型统计多种场景，通过配置不同场景下的感兴趣区域，达到算法复用的目的，提高了自动化水平，避免了使用场景中的人工干预。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

实施例二：

结合实施例一所揭示的一种基于行人重识别的人流统计方法，本实施例揭示了一种基于行人重识别的人流统计系统(以下简称“系统”)的具体实施示例。

参照图4所示，所述系统包括：

范围划定模块100，从拍摄开放区域的视频流中划定目标范围；

初值获取模块200，统计所述目标范围的人数总和，获取人流统计初值；

追踪模块300，对所述视频流中的行人做行人重定位，获取行人追踪结果；

统计模块400，通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。

具体而言，在其中一些实施例中，所述范围划定模块100还包括根据所述目标范围划定范围边界和目标范围入口。

具体而言，在其中一些实施例中，所述统计模块400具体包括：

新增人流获取单元401，通过所述行人追踪结果，获取整个所述视频流中从所述范围边界进入所述目标范围的新增人流值；

累加单元402，对所述新增人流值与所述人流统计初值进行累加，将累加结果作为所述人流统计结果。

具体而言，在其中一些实施例中，所述初值获取模块200还包括对所述视频流中的行人ID赋值。

本实施例所揭示的一种基于行人重识别的人流统计系统与实施例一所揭示的一种基于行人重识别的人流统计方法中其余相同部分的技术方案，请参考实施例一所述，在此不再赘述。

实施例三:

结合图5所示，本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种基于行人重识别的人流统计方法。

在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图5所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该计算机设备可以基于行人重识别实现人流统计，从而实现结合图1描述的方法。

另外，结合上述实施例中基于行人重识别的人流统计方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于行人重识别的人流统计方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

综上所述，基于本发明的有益效果在于，提出了一种基于行人重识别的人流统计方法，使用划定边界的方式，统计流入边界内的人数，结合行人重识别与越界检测来解决开放区域内重复统计人流的问题；由于目标区域常常不是空旷的，人进入目标区域时会被遮挡(有时会遮挡很长时间)，当人重新从遮挡物后出现时，程序会给一个新ID导致计数误差，本发明解决了用行人重定位统计客流时由此导致的计数误差；目标区域内经常有穿工装的工作人员，由于人体外观的相似性，当工作人员相互遮挡再分开后，常常会赋新ID导致计数误差，本发明解决了用行人重定位统计客流时由此导致的计数误差；在实际应用过程中有很好的泛化能力，实现了使用一个模型统计多种场景，通过配置不同场景下的感兴趣区域，达到算法复用的目的，提高了自动化水平，避免了使用场景中的人工干预。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于行人重识别的人流统计方法，其特征在于，包括如下步骤：

范围划定步骤：从拍摄开放区域的视频流中划定目标范围；

初值获取步骤：统计所述目标范围的人数总和，获取人流统计初值；

追踪步骤：对所述视频流中的行人做行人重定位，获取行人追踪结果；

统计步骤：通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。

2.如权利要求1所述的基于行人重识别的人流统计方法，其特征在于，所述范围划定步骤还包括根据所述目标范围划定范围边界和目标范围入口。

3.如权利要求1所述的基于行人重识别的人流统计方法，其特征在于，所述统计步骤具体包括以下步骤：

新增人流获取步骤：通过所述行人追踪结果，获取整个所述视频流中从所述范围边界进入所述目标范围的新增人流值；

累加步骤：对所述新增人流值与所述人流统计初值进行累加，将累加结果作为所述人流统计结果。

4.如权利要求1所述的基于行人重识别的人流统计方法，其特征在于，所述初值获取步骤还包括对所述视频流中的行人ID赋值。

5.一种基于行人重识别的人流统计系统，其特征在于，包括：

范围划定模块，从拍摄开放区域的视频流中划定目标范围；

初值获取模块，统计所述目标范围的人数总和，获取人流统计初值；

追踪模块，对所述视频流中的行人做行人重定位，获取行人追踪结果；

统计模块，通过所述行人追踪结果和所述人流统计初值，获取人流统计结果。

6.如权利要求5所述的基于行人重识别的人流统计系统，其特征在于，所述范围划定模块还包括根据所述目标范围划定范围边界和目标范围入口。

7.如权利要求5所述的基于行人重识别的人流统计系统，其特征在于，所述统计模块具体包括：

新增人流获取单元，通过所述行人追踪结果，获取整个所述视频流中从所述范围边界进入所述目标范围的新增人流值；

累加单元，对所述新增人流值与所述人流统计初值进行累加，将累加结果作为所述人流统计结果。

8.如权利要求5所述的基于行人重识别的人流统计系统，其特征在于，所述初值获取模块还包括对所述视频流中的行人ID赋值。

9.一种设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的基于行人重识别的人流统计方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的基于行人重识别的人流统计方法。

Images