CN112651366A - 客流人数的处理方法、装置、电子设备及存储介质 - Google Patents
客流人数的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112651366A CN112651366A CN202011630203.0A CN202011630203A CN112651366A CN 112651366 A CN112651366 A CN 112651366A CN 202011630203 A CN202011630203 A CN 202011630203A CN 112651366 A CN112651366 A CN 112651366A
- Authority
- CN
- China
- Prior art keywords
- counted
- people
- similarity
- person
- human body
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims description 58
- 238000000605 extraction Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 101100421536 Danio rerio sim1a gene Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 101100495431 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cnp1 gene Proteins 0.000 description 1
- 101100365794 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sim3 gene Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种客流人数的处理方法、装置、电子设备及存储介质,所述方法包括:获取目标场景的入口图像,所述入口图像包括待计数人员;提取所述待计数人员的人脸特征和人体特征;根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;若所述待计数人员为未计数人员,则客流人次加1;基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。能够通过提取待计数人员的人脸特征和人体特征,并利用人脸特征和人体特征的唯一性,在无需要确认待计数人员的身份信息的情况下,就可以准确判断待计数人员是否为已计数人员,提高客流人数的统计准确度。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种客流人数的处理方法、装置、电子设备及存储介质。
背景技术
客流量做为商业店铺的一个重要指标,客流量越大,转化的为成交的机会就越大。经营者能根据客流量来有针对性的做出一些营销决策,来促进成交机会的增加,进而提高店铺的收益。客流量包括人数指标和人次指标,现有的客流量多是通过员工进行统计得到,员工将进入的顾客数量进行记录,从而将进店的顾客数量统计为客流量,但这种方法一般得到的是人次指标,由于顾客的个人信息较难获取,导致人数指标很难获取。以店铺为例,进入这家店铺的人次一般要大于人数,因为有同一个人多次进入这家店的可能,甚至有进入这家店铺的所有人次均为同一个人的可能,这样统计出来的客流人数是不准确的,可能会由于客流人数的不准确统计,导致经营者无法作出有利于店铺经营的决策。因此,现有的客流人数的计数方法存在客流人数统计不准确的问题。
发明内容
本发明实施例提供一种客流人数的处理方法,能够通过提取待计数人员的人脸特征和人体特征,并利用人脸特征和人体特征的唯一性,在无需要确认待计数人员的身份信息的情况下,就可以准确判断待计数人员是否为已计数人员,提高客流人数的统计准确度。
第一方面,本发明实施例提供一种客流人数的处理方法,所述方法包括:
获取目标场景的入口图像,所述入口图像包括待计数人员;
提取所述待计数人员的人脸特征和人体特征;
根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;
若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;
若所述待计数人员为未计数人员,则客流人次加1;
基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。
可选的,所述提取所述待计数人员的人脸特征和人体特征,包括:
通过预设的人脸检测模型对所述入口图像进行人脸检测,得到人脸检测图像;
通过预设的人脸特征提取模型对所述人脸检测图像进行特征提取,得到人脸特征;
通过预设的人体检测模型对所述入口图像进行人体检测,得到人体检测图像;
通过预设的人体特征提取模型对所述人体检测图像进行特征提取,得到人体特征。
可选的,所述根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员,包括:
维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果;
遍历计算所述待计数人员的人体特征与所述时间队列中的人体特征的人体相似度,得到第二相似度结果;
根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员。
可选的,所述根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员,包括:
计算所述第一相似度结果与所述第二相似度结果的加权和,得到第一总相似度,所述第一相似度结果通过预设的第一权值进行加权,所述第二相似度结果通过预设的第二权值进行加权;
判断所述第一总相似度是否大于或等于预设的第一相似度阈值;
若所述第一总相似度大于或等于所述第一相似度阈值,则确定所述待计数人员为已计数人员;
若所述第一总相似度小于所述第一相似度阈值,则确定所述待计数人员为未计数人员。
可选的,所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员,还包括:
维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果,所述第一相似度结果包括与所述待计数人员的人脸特征相似度最高的TOP-K个已计数人员的人脸特征,
根据所述TOP-K个已计数人员的人脸特征索引对应的K个已计数人脸的人体特征;
遍历计算所述待计数人员的人体特征与所述K个已计数人脸的人体特征的人体相似度,得到第三相似度结果,所述第三相似度结果包括与所述待计数人员的人体特征相似度最高的TOP-K个已计数人员的人体特征;
根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员。
可选的,根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员,包括:
计算所述第一相似度结果与所述第三相似度结果的加权和,得到第二总相似度,所述第一相似度结果通过预设的第三权值进行加权,所述第二相似度结果通过预设的第四权值进行加权,所述第三权值根据当前第一相似度结果的TOP-K排序进行确定,所述第四权值根据当前第三相似度结果的TOP-K排序进行确定;
判断所述第二总相似度是否大于或等于预设的第二相似度阈值;
若所述第二总相似度大于或等于所述第二相似度阈值,则确定所述待计数人员为已计数人员;
若所述第二总相似度小于所述第二相似度阈值,则确定所述待计数人员为未计数人员。
可选的,所述方法还包括:
当确定所述待计数人员为已计数人员时,则根据所述待计数人员的人脸特征和人体特征,对所述时间队列进行更新;
当确定所述待计数人员为未计数人员时,则将所述待计数人员的人脸特征和人体特征按时序添加到所述时间队列之中。
第二方面,本发明实施例提供一种客流人数的处理装置,所述装置包括:
获取模块,用于获取目标场景的入口图像,所述入口图像包括待计数人员;
特征提取模块,用于提取所述待计数人员的人脸特征和人体特征;
判断模块,用于根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;
第一处理模块,用于若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;
第二处理模块,用于若所述待计数人员为未计数人员,则客流人次加1;
第三处理模块,用于基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。
第三方面,本发明实施例提供一种电子设备,包括:存储器、处理器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本发明实施例提供的客流人数的处理方法中的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现发明实施例提供的客流人数的处理方法中的步骤。
本发明实施例中,获取目标场景的入口图像,所述入口图像包括待计数人员;提取所述待计数人员的人脸特征和人体特征;根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;若所述待计数人员为未计数人员,则客流人次加1;基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。能够通过提取待计数人员的人脸特征和人体特征,并利用人脸特征和人体特征的唯一性,在无需要确认待计数人员的身份信息的情况下,就可以准确判断待计数人员是否为已计数人员,提高客流人数的统计准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种客流人数的处理方法的流程图;
图2是本发明实施例提供的一种已计数人员的判断方法的流程图;
图3是本发明实施例提供的另一种已计数人员的判断方法的流程图;
图4是本发明实施例提供的一种应用端客流人数的处理装置的结构示意图;
图5是本发明实施例提供的一种获取模块的结构示意图;
图6是本发明实施例提供的一种判断模块的结构示意图;
图7是本发明实施例提供的一种第一判断子模块的结构示意图;
图8是本发明实施例提供的另一种判断模块的结构示意图;
图9是本发明实施例提供的一种第二判断子模块的结构示意图
图10是本发明实施例提供的另一种判断模块的结构示意图;
图11是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,图1是本发明实施例提供的一种客流人数的处理方法的流程图,如图1所示,客流人数的处理方法包括以下步骤:
101、获取目标场景的入口图像。
在本发明实施例中,上述入口图像包括待计数人员,上述目标场景可以是商场、书城、游乐场等大型商业场景,也可以是超市、店铺等小型商业场景。上述的入口图像指的是在目标场景的入口处设置的摄像头所采集到的图像。具体的,上述摄像头可以设置在正对入口的位置,以对进入目标场景的人员进行图像采集。
具体的,上述入口图像包括待计数人员的人脸部分和人体部分,在一个人员通过入口进入该目标场景时,摄像头可以持续对该人员进行抓拍并跟踪,直到该人员消失在摄像头的视场范围,选取跟踪视频中的一张图像质量较高的帧图像作为该人员在目标场景的入口图像。
在一种可能的实施例中,可以通过设置在入口处的生物传感器对进入目标场景的人员进行感知,当该生物传感器感知到有人员进入该目标场景,则会通过摄像头对目标场景入口处进行抓拍,从而得到目标场景的入口图像。通过生物传感器的实时感知,代表摄像头的实时采集,使得摄像头的运行成本将低,且不会产生过多的图像数据。
102、提取待计数人员的人脸特征和人体特征。
在本发明实施例中,上述人脸特征可以理解为一个人员的唯一性表达,具有和身份证、DNA相同的表达效果。需要说明的是,由于人脸是一个复杂信息的集合,其对应的人脸特征在复杂维度上具有较强的唯一性,相较而言,人体特征的唯一性表达则会较弱,但在本发明实施例中,上述人体特征可以作为人脸特征的辅助特征。
进一步的,可以通过预设的人脸检测模型对上述入口图像进行人脸检测,得到人脸检测图像;通过预设的人脸特征提取模型对上述人脸检测图像进行特征提取,得到人脸特征;可以通过预设的人体检测模型对上述入口图像进行人体检测,得到人体检测图像;通过预设的人体特征提取模型对上述人体检测图像进行特征提取,得到人体特征。
在人脸检测中,人脸检测模型会输出一个人脸框(x,y,w,h),其中,上述x,y为人脸框的中心点坐标,上述w为人脸框的宽,上述h为人脸框的高,上述人脸框回归到上述入口图像中,则人脸框中对应的图像为人脸检测图像。在人脸特征提取中,人脸特征提取模型将人脸检测图像进行特征信息提取,输出预定维度的特征向量作为人脸特征。
同样的,在人体检测中,人体检测模型会输出一个人体框(x,y,w,h),其中,上述x,y为人体框的中心点坐标,上述w为人体框的宽,上述h为人体框的高,上述人体框回归到上述入口图像中,则人体框中对应的图像为人体检测图像。在人体特征提取中,人体特征提取模型将人体检测图像进行特征信息提取,输出预定维度的特征向量作为人体特征。
在一种可能的实施例中,上述人脸检测模型与上述人脸特征提取模型是串行的,行成一个人脸分支网络,上述人体检测模型与上述人体特征提取模型也是串行的,行成一个人体分支网络,上述人脸分支网络与上述人体分支网络则可以是并行的。这样,通过人脸分支网络与人体分支网络的并行,可以提高人脸特征与人体特征的获取速度。
需要说明的是,上述人脸检测模型、上述人体检测模型、上述人脸特征提取模型、上述人体特征提取模型可以是基于深度网络进行构建的模型,具体的,可以是基于深度卷积网络进行构建的模型,可以通过深度学习算法,通过预先准备的训练数据对模型进行训练。
103、根据人脸特征与人体特征,判断待计数人员是否为已计数人员。
在本发明实施例中,上述已计数人员指的是已经过被统计过的人员,比如,在a1,a2,b1,a3,c1,c2,d1,d2,e1,f1等10个人员,其中,a1、c1,d1为已计数人员,a2为待计数人员,若a1与a2之间的人脸特征相似且人脸特征也相似,则可以判断a2为已计数人员。
可选的,请参见图2,图2是本发明实施例提供的一种已计数人员的判断方法的流程图,如图2所示,该已计数人员的判断方法包括以下步骤:
201、维护一个时间队列。
在本发明实施例中,上述时间队列中按时序存储已计数人员的人脸特征和人体特征。上述的维护可以理解为在内存中创建一个队列对象,并保持该队列对象在内存中的存在状态(即队列对象不会在内存中主动消失),上述队列对象为时间队列。
需要说明的是,上述已计数人员的人脸特征与待计数人员的人脸特征是通过相同的人脸检测模型、人脸特征提取模型来进行获取的,以确保已计数人员的人脸特征与待计数人员的人脸特征具有相同的特征维度。同样的,上述已计数人员的人脸特征与待计数人员的人体特征也是通过相同的人体检测模型、人体特征提取模型来进行获取的,以确保已计数人员的人体特征与待计数人员的人体特征具有相同的特征维度。
上述按时序存储可以是指按已计数人员的抓拍时间顺序来进行存储。
202、遍历计算待计数人员的人脸特征与时间队列中的人脸特征的人脸相似度,得到第一相似度结果。
在本发明实施例中,上述的时间队列包括基于人脸特征的时间队列和基于人体特征的时间队列,可以将待计数人员的人脸特征与基于人脸特征的时间队列中的所有的人脸特征都进行相似度计算,得到待计数人员与所有已计数人员的人脸特征相似度。上述的相似度可以是余弦相似度或欧氏距离相似度。上述基于人脸特征的时间队列和基于人体特征的时间队列具有相同的时间排序,即可以理解为,一个已计数人员的人脸特征在基于人脸特征的时间队列的排序位置,是与该已计数人员的人体特征在基于人体特征的时间队列的排序位置是相同的。
在待计数人员与所有已计数人员的人脸特征相似度,会存在一个最高的人脸特征相似度,可以将该最高的人脸特征相似度作为第一相似度结果。
203、遍历计算待计数人员的人体特征与时间队列中的人体特征的人体相似度,得到第二相似度结果。
在本发明实施例中,可以将待计数人员的人体特征与基于人体特征的时间队列中的所有的人体特征都进行相似度计算,得到待计数人员与所有已计数人员的人体特征相似度。上述的相似度可以是余弦相似度或欧氏距离相似度。
在待计数人员与所有已计数人员的人体特征相似度,会存在一个最高的人体特征相似度,可以将该最高的人体特征相似度作为第二相似度结果。
204、根据第一相似度结果与第二相似度结果,判断待计数人员是否为已计数人员。
在本发明实施例中,可以根据第一相似度结果与一个人脸相似度阈值进行比较,若第一相似度结果大于人脸相似度阈值,则说明待计数人员的人脸与已计数人员的人脸具有相似性。此时,可以根据第二相似度结果与一个人体相似度阈值进行比较,若第二相似度结果大于人体相似度阈值,则说明待计数人员的人体与已计数人员的人体具有相似性,则可以认为待计数人员为已计数人员;若第二相似度结果小于人体相似度阈值,则说明待计数人员与已计数人员的人脸相似,人体不相似,此时,可以进一步根据第一相似度结果与第二相似度结果来判断待计数人员是否为已计数人员。
具体的,可以计算上述第一相似度结果与上述第二相似度结果的加权和,得到第一总相似度,上述第一相似度结果通过预设的第一权值进行加权,上述第二相似度结果通过预设的第二权值进行加权;判断上述第一总相似度是否大于或等于预设的第一相似度阈值;若上述第一总相似度大于或等于上述第一相似度阈值,则确定上述待计数人员为已计数人员;若上述总相似度小于上述第一相似度阈值,则确定上述待计数人员为未计数人员。
举例来说,假设待计数人员的人脸特征为m_f,待计数人员的人体特征为m_r,已计数人员的人脸特征为n_f,已计数人员的人体特征为n_r。第一相似度结果为最高人脸相似度sim_f=m_f*n_f,第二相似度结果为最高人体相似度sim_r=m_r*n_r,第一总相似度为sim=λ*sim_f+(1-λ)*sim_r,其中,上述的λ为第一权值,上述的(1-λ)为第二权值。在本发明实施例中,第一权值与第二权值的和为1,第一权值可以是0至1之间的值,则第二权值也是0至1之间的值。
上述第一相似度结果为余弦相似度,上述第二相似度结果也为余弦相似度,余弦相似度的值域为[-1,1],而第一相似度结果和第二相似度结果都取的是最高相似度(0,1],所以一般不为负,故可以认为第一相似度结果与第二相似度结果的取值范围为(0,1],所以通过上述第一权值与上述第二权值的加权,所得到的第一总相似度为一个取值为(0,1]的数值。
可选的,请参见图3,图3是本发明实施例提供的另一种已计数人员的判断方法的流程图,如图3所示,该已计数人员的判断方法包括以下步骤:
301、维护一个时间队列。
在本发明实施例中,上述时间队列中按时序存储已计数人员的人脸特征和人体特征。
需要说明的是,上述已计数人员的人脸特征与待计数人员的人脸特征是通过相同的人脸检测模型、人脸特征提取模型来进行获取的,以确保已计数人员的人脸特征与待计数人员的人脸特征具有相同的特征维度。同样的,上述已计数人员的人脸特征与待计数人员的人体特征也是通过相同的人体检测模型、人体特征提取模型来进行获取的,以确保已计数人员的人体特征与待计数人员的人体特征具有相同的特征维度。
上述按时序存储可以是指按已计数人员的抓拍时间顺序来进行存储。
302、遍历计算待计数人员的人脸特征与时间队列中的人脸特征的人脸相似度,得到第一相似度结果。
在本发明实施例中,上述第一相似度结果包括与上述待计数人员的人脸特征相似度最高的TOP-K个已计数人员的人脸特征,上述TOP-K表示相似度最高的K个已计数人员的人脸特征按相似度的大小进行排序,上述时间队列包括基于人脸特征的时间队列和基于人体特征的时间队列,可以将待计数人员的人脸特征与基于人脸特征的时间队列中的所有的人脸特征都进行相似度计算,得到待计数人员与所有已计数人员的人脸特征相似度。上述的相似度可以是余弦相似度或欧氏距离相似度。
在待计数人员与所有已计数人员的人脸特征相似度,会存在K个最高的人脸特征相似度,可以将该K个最高的人脸特征相似度按相似度大小排序后作为第一相似度结果。
303、根据TOP-K个已计数人员的人脸特征索引对应的K个已计数人脸的人体特征。
在本发明实施例中,上述基于人脸特征的时间队列和基于人体特征的时间队列具有相同的时间排序,即可以理解为,一个已计数人员的人脸特征在基于人脸特征的时间队列的排序位置,是与该已计数人员的人体特征在基于人体特征的时间队列的排序位置是相同的。进一步的,上述基于人脸特征的时间队列中已计数人员的人脸特征,与上述基于人体特征的时间队列中对应已计数人员的人体特征之间存在索引关系。这样,在知道TOP-K个已计数人员的人脸特征的情况下,可以索引出TOP-K个已计数人员的人体特征。
304、遍历计算待计数人员的人体特征与K个已计数人脸的人体特征的人体相似度,得到第三相似度结果。
在本发明实施例中,上述第三相似度结果包括与上述待计数人员的人体特征相似度最高的TOP-K个已计数人员的人体特征。
具体的,可以将待计数人员的人体特征与TOP-K个已计数人员的人体特征都进行相似度计算,得到待计数人员与所有TOP-K个已计数人员的人体特征之间的人体特征相似度。上述的相似度可以是余弦相似度或欧氏距离相似度。
在待计数人员与所有已计数人员的人体特征相似度,会得到K个最高的人体特征相似度作为第三相似度结果。
305、根据第一相似度结果与第三相似度结果,判断待计数人员是否为已计数人员。
在本发明实施例中,可以根据第一相似度结果与一个人脸相似度阈值进行比较,若第一相似度结果大于人脸相似度阈值,则说明待计数人员的人脸与已计数人员的人脸具有相似性。此时,可以根据第二相似度结果与一个人体相似度阈值进行比较,若第二相似度结果大于人体相似度阈值,则说明待计数人员的人体与已计数人员的人体具有相似性,则可以认为待计数人员为已计数人员;若第二相似度结果小于人体相似度阈值,则说明待计数人员与已计数人员的人脸相似,人体不相似,此时,可以进一步根据第一相似度结果与第二相似度结果来判断待计数人员是否为已计数人员。
具体的,计算上述第一相似度结果与上述第三相似度结果的加权和,得到第二总相似度,上述第一相似度结果通过预设的第三权值进行加权,上述第二相似度结果通过预设的第四权值进行加权,上述第三权值根据当前第一相似度结果的TOP-K排序进行确定,上述第四权值根据当前第三相似度结果的TOP-K排序进行确定;判断上述第二总相似度是否大于或等于预设的第二相似度阈值;若上述第二总相似度大于或等于上述第二相似度阈值,则确定上述待计数人员为已计数人员;若上述第二总相似度小于上述第二相似度阈值,则确定上述待计数人员为未计数人员。
举例来说,当K等于3时,第一相似度结果包括sim_f1,sim_f2,sim_f3,第三相似度结果包括sim_r1,sim_r2,sim_r3,此时,总相似度可以是sim1=1/(ka+1)sim_f 1+1/(kb+1)sim_r1,其中,上述ka表示sim_f 1在对应TOP-K的排序,kb表示sim_r1在对应TOP-K的排序。假设第一相似度中的排序为sim_f1,sim_f2,sim_f3,第三相似度结果中的排序为sim_r1,sim_r3,sim_r2,则sim1=1/(1+1)sim_f 1+1/(1+1)sim_r1,sim2=1/(2+1)sim_f2+1/(3+1)sim_r2,sim3=1/(3+1)sim_f 3+1/(2+1)sim_r3,可以取总相似度最大的作为第二总相似度。这样,可以提高判断的准确性。
进一步的,上述第二相似度阈值为0至1之间的取值。
可选的,在本发明实施例中,当确定待计数人员为已计数人员时,则可以根据待计数人员的人脸特征和人体特征,对时间队列进行更新,上述更新为在时间队列中添加待计数人员的人脸特征和人体特征,删除与待计数人员对应的已计数人员的人脸特征和人体特征,并将新添加的待计数人员排在时间队列的最上方,作为最新添加的已计数人员;当确定待计数人员为未计数人员时,则可以将待计数人员的人脸特征和人体特征按时序添加到时间队列之中,并将新添加的待计数人员排在时间队列的最上方,作为最新添加的已计数人员。
104、若待计数人员为已计数人员,则客流人次加1,且重复人数加1。
在本发明实施例中,上述的客流人次为所有人员进入目标场景的次数,上述重复人数为同一个人员重复进入目标场景的次数。
105、若待计数人员为未计数人员,则客流人次加1。
106、基于客流人次与重复人数,对目标场景的客流人数进行统计。
在酊发明实施例中,可以使用客流人次减去重复人数,得到目标场景的客流人数。
举例来说,有a1,a2,b1,a3,c1,c2,d1,d2,e1,f1等10个人员对应的图像,相当于客流人次为10,人员a1先进店,则对应的人脸特征和人体特征加入到时间队列中,n_f=[a1_f],n_r=[a1_r],等a2再次进店,则计算相似度sim=λ*sim_f+(1-λ)*sim_r=λ*(a2_f*a1_f)+(1-λ)*(a2_r*a1_r),由于a1,a2为同一人,他们的特征非常接近,相似度接近1(理想情况下),故a2_f*a1_f近似1,a2_r*a1_r也近似于1,故第一总相似度sim也近似于1,在大于阈值t的情况下,重复人数+1,由于a1与a2抓拍图相似,a2的人脸特征和人体特征不进时间队列,或者将a2的人脸特征和人体特征替换掉时间队列中a1的人脸特征和人体特征,等b1进店,计算相似度sim=λ*(b1_f*a1_f)+(1-λ)*(b1_r*a1_r),由于b1,a1为不同人,他们的特征相似度接近0(理想情况下),故sim近似为0,小于阈值t,重复人数不变,b1特征加入到时间队列中,n_f=[a1_f,b1_f],n_r=[a1_r,b1_r]。依次进行下去,则得到最终重复人数为4,客流人数=10-4=6。
在本发明实施例中,获取目标场景的入口图像,所述入口图像包括待计数人员;提取所述待计数人员的人脸特征和人体特征;根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;若所述待计数人员为未计数人员,则客流人次加1;基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。能够通过提取待计数人员的人脸特征和人体特征,并利用人脸特征和人体特征的唯一性,在无需要确认待计数人员的身份信息的情况下,就可以准确判断待计数人员是否为已计数人员,提高客流人数的统计准确度。
需要说明的是,本发明实施例提供的客流人数的处理方法可以应用于可以进行客流人数的处理的手机、计算机、摄像机、服务器等设备。
请参见图4,图4是本发明实施例提供的一种应用端客流人数的处理装置的结构示意图,如图4所示,所述客流人数的处理装置包括:
获取模块401,用于获取目标场景的入口图像,所述入口图像包括待计数人员;
特征提取模块402,用于提取所述待计数人员的人脸特征和人体特征;
判断模块403,用于根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;
第一处理模块404,用于若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;
第二处理模块405,用于若所述待计数人员为未计数人员,则客流人次加1;
第三处理模块406,用于基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。
可选的,如图5所示,所述获取模块401,包括:
人脸检测子模块4011,用于通过预设的人脸检测模型对所述入口图像进行人脸检测,得到人脸检测图像;
人脸特征提取子模块4012,用于通过预设的人脸特征提取模型对所述人脸检测图像进行特征提取,得到人脸特征;
人体检测子模块4013,用于通过预设的人体检测模型对所述入口图像进行人体检测,得到人体检测图像;
人体特征提取子模块4014,用于通过预设的人体特征提取模型对所述人体检测图像进行特征提取,得到人体特征。
可选的,如图6所示,所述判断模块403,包括:
第一存储子模块4031,用于维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
第一计算子模块4032,用于遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果;
第二计算子模块4033,用于遍历计算所述待计数人员的人体特征与所述时间队列中的人体特征的人体相似度,得到第二相似度结果;
第一判断子模块4034,用于根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员。
可选的,如图7所示,所述第一判断子模块4034,包括:
第一计算单元40341,用于计算所述第一相似度结果与所述第二相似度结果的加权和,得到第一总相似度,所述第一相似度结果通过预设的第一权值进行加权,所述第二相似度结果通过预设的第二权值进行加权;
第一判断单元40342,用于判断所述第一总相似度是否大于或等于预设的第一相似度阈值;
第一确定单元40343,用于若所述第一总相似度大于或等于所述第一相似度阈值,则确定所述待计数人员为已计数人员;
第二确定单元40344,用于若所述第一总相似度小于所述第一相似度阈值,则确定所述待计数人员为未计数人员。
可选的,如图8所示,所述判断模块403,还包括:
第二存储子模块4035,用于维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
第三计算子模块4036,用于遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果,所述第一相似度结果包括与所述待计数人员的人脸特征相似度最高的TOP-K个已计数人员的人脸特征,
索引子模块4037,用于根据所述TOP-K个已计数人员的人脸特征索引对应的K个已计数人脸的人体特征;
第四计算子模块4038,用于遍历计算所述待计数人员的人体特征与所述K个已计数人脸的人体特征的人体相似度,得到第三相似度结果,所述第三相似度结果包括与所述待计数人员的人体特征相似度最高的TOP-K个已计数人员的人体特征;
第二判断子模块4039,用于根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员。
可选的,如图9所示,根据第二判断子模块4039,包括:
第二计算单元40391,用于计算所述第一相似度结果与所述第三相似度结果的加权和,得到第二总相似度,所述第一相似度结果通过预设的第三权值进行加权,所述第二相似度结果通过预设的第四权值进行加权,所述第三权值根据当前第一相似度结果的TOP-K排序进行确定,所述第四权值根据当前第三相似度结果的TOP-K排序进行确定;
第二判断单元40392,用于判断所述第二总相似度是否大于或等于预设的第二相似度阈值;
第三确定单元40393,用于若所述第二总相似度大于或等于所述第二相似度阈值,则确定所述待计数人员为已计数人员;
第四确定单元40394,用于若所述第二总相似度小于所述第二相似度阈值,则确定所述待计数人员为未计数人员。
可选的,如图10所示,所述判断模块403还包括:
更新子模块40310,用于当确定所述待计数人员为已计数人员时,则根据所述待计数人员的人脸特征和人体特征,对所述时间队列进行更新;
添加子模块40311,用于当确定所述待计数人员为未计数人员时,则将所述待计数人员的人脸特征和人体特征按时序添加到所述时间队列之中。
需要说明的是,本发明实施例提供的客流人数的处理装置可以应用于可以进行客流人数的处理的手机、计算机、摄像头、服务器等设备。
本发明实施例提供的客流人数的处理装置能够实现上述方法实施例中客流人数的处理方法实现的各个过程,且可以达到相同的有益效果。为避免重复,这里不再赘述。
参见图11,图11是本发明实施例提供的一种电子设备的结构示意图,如图11所示,包括:存储器1102、处理器1101及存储在所述存储器1102上并可在所述处理器1101上运行的客流人数的处理方法的计算机程序,其中:
处理器1101用于调用存储器1102存储的计算机程序,执行如下步骤:
获取目标场景的入口图像,所述入口图像包括待计数人员;
提取所述待计数人员的人脸特征和人体特征;
根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;
若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;
若所述待计数人员为未计数人员,则客流人次加1;
基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。
可选的,处理器1101执行的所述提取所述待计数人员的人脸特征和人体特征,包括:
通过预设的人脸检测模型对所述入口图像进行人脸检测,得到人脸检测图像;
通过预设的人脸特征提取模型对所述人脸检测图像进行特征提取,得到人脸特征;
通过预设的人体检测模型对所述入口图像进行人体检测,得到人体检测图像;
通过预设的人体特征提取模型对所述人体检测图像进行特征提取,得到人体特征。
可选的,处理器1101执行的所述根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员,包括:
维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果;
遍历计算所述待计数人员的人体特征与所述时间队列中的人体特征的人体相似度,得到第二相似度结果;
根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员。
可选的,处理器1101执行的所述根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员,包括:
计算所述第一相似度结果与所述第二相似度结果的加权和,得到第一总相似度,所述第一相似度结果通过预设的第一权值进行加权,所述第二相似度结果通过预设的第二权值进行加权;
判断所述第一总相似度是否大于或等于预设的第一相似度阈值;
若所述第一总相似度大于或等于所述第一相似度阈值,则确定所述待计数人员为已计数人员;
若所述第一总相似度小于所述第一相似度阈值,则确定所述待计数人员为未计数人员。
可选的,处理器1101执行的所述所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员,还包括:
维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果,所述第一相似度结果包括与所述待计数人员的人脸特征相似度最高的TOP-K个已计数人员的人脸特征,
根据所述TOP-K个已计数人员的人脸特征索引对应的K个已计数人脸的人体特征;
遍历计算所述待计数人员的人体特征与所述K个已计数人脸的人体特征的人体相似度,得到第三相似度结果,所述第三相似度结果包括与所述待计数人员的人体特征相似度最高的TOP-K个已计数人员的人体特征;
根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员。
可选的,处理器1101执行的根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员,包括:
计算所述第一相似度结果与所述第三相似度结果的加权和,得到第二总相似度,所述第一相似度结果通过预设的第三权值进行加权,所述第二相似度结果通过预设的第四权值进行加权,所述第三权值根据当前第一相似度结果的TOP-K排序进行确定,所述第四权值根据当前第三相似度结果的TOP-K排序进行确定;
判断所述第二总相似度是否大于或等于预设的第二相似度阈值;
若所述第二总相似度大于或等于所述第二相似度阈值,则确定所述待计数人员为已计数人员;
若所述第二总相似度小于所述第二相似度阈值,则确定所述待计数人员为未计数人员。
可选的,处理器1101还执行包括:
当确定所述待计数人员为已计数人员时,则根据所述待计数人员的人脸特征和人体特征,对所述时间队列进行更新;
当确定所述待计数人员为未计数人员时,则将所述待计数人员的人脸特征和人体特征按时序添加到所述时间队列之中。
需要说明的是,上述电子设备可以是可以应用于可以进行客流人数的处理的客流人数的处理的手机、计算机、摄像头、服务器等设备。
本发明实施例提供的电子设备能够实现上述方法实施例中客流人数的处理方法实现的各个过程,且可以达到相同的有益效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例提供的客流人数的处理方法或应用端客流人数的处理方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存取存储器(Random AccessMemory,简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种客流人数的处理方法,其特征在于,包括以下步骤:
获取目标场景的入口图像,所述入口图像包括待计数人员;
提取所述待计数人员的人脸特征和人体特征;
根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;
若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;
若所述待计数人员为未计数人员,则客流人次加1;
基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。
2.如权利要求1所述的方法,其特征在于,所述提取所述待计数人员的人脸特征和人体特征,包括:
通过预设的人脸检测模型对所述入口图像进行人脸检测,得到人脸检测图像;
通过预设的人脸特征提取模型对所述人脸检测图像进行特征提取,得到人脸特征;
通过预设的人体检测模型对所述入口图像进行人体检测,得到人体检测图像;
通过预设的人体特征提取模型对所述人体检测图像进行特征提取,得到人体特征。
3.如权利要求2所述的方法,其特征在于,所述根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员,包括:
维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果;
遍历计算所述待计数人员的人体特征与所述时间队列中的人体特征的人体相似度,得到第二相似度结果;
根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一相似度结果与所述第二相似度结果,判断所述待计数人员是否为已计数人员,包括:
计算所述第一相似度结果与所述第二相似度结果的加权和,得到第一总相似度,所述第一相似度结果通过预设的第一权值进行加权,所述第二相似度结果通过预设的第二权值进行加权;
判断所述第一总相似度是否大于或等于预设的第一相似度阈值;
若所述第一总相似度大于或等于所述第一相似度阈值,则确定所述待计数人员为已计数人员;
若所述第一总相似度小于所述第一相似度阈值,则确定所述待计数人员为未计数人员。
5.如权利要求2所述的方法,其特征在于,所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员,还包括:
维护一个时间队列,所述时间队列中按时序存储已计数人员的人脸特征和人体特征;
遍历计算所述待计数人员的人脸特征与所述时间队列中的人脸特征的人脸相似度,得到第一相似度结果,所述第一相似度结果包括与所述待计数人员的人脸特征相似度最高的TOP-K个已计数人员的人脸特征;
根据所述TOP-K个已计数人员的人脸特征索引对应的K个已计数人脸的人体特征;
遍历计算所述待计数人员的人体特征与所述K个已计数人脸的人体特征的人体相似度,得到第三相似度结果,所述第三相似度结果包括与所述待计数人员的人体特征相似度最高的TOP-K个已计数人员的人体特征;
根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员。
6.如权利要求5所述的方法,其特征在于,根据所述第一相似度结果与所述第三相似度结果,判断所述待计数人员是否为已计数人员,包括:
计算所述第一相似度结果与所述第三相似度结果的加权和,得到第二总相似度,所述第一相似度结果通过预设的第三权值进行加权,所述第二相似度结果通过预设的第四权值进行加权,所述第三权值根据当前第一相似度结果的TOP-K排序进行确定,所述第四权值根据当前第三相似度结果的TOP-K排序进行确定;
判断所述第二总相似度是否大于或等于预设的第二相似度阈值;
若所述第二总相似度大于或等于所述第二相似度阈值,则确定所述待计数人员为已计数人员;
若所述第二总相似度小于所述第二相似度阈值,则确定所述待计数人员为未计数人员。
7.如权利要求3至6任一所述的方法,其特征在于,所述方法还包括:
当确定所述待计数人员为已计数人员时,则根据所述待计数人员的人脸特征和人体特征,对所述时间队列进行更新;
当确定所述待计数人员为未计数人员时,则将所述待计数人员的人脸特征和人体特征按时序添加到所述时间队列之中。
8.一种客流人数的处理装置,其特征在于,所述装置包括:
获取模块,用于获取目标场景的入口图像,所述入口图像包括待计数人员;
特征提取模块,用于提取所述待计数人员的人脸特征和人体特征;
判断模块,用于根据所述人脸特征与所述人体特征,判断所述待计数人员是否为已计数人员;
第一处理模块,用于若所述待计数人员为已计数人员,则客流人次加1,且重复人数加1;
第二处理模块,用于若所述待计数人员为未计数人员,则客流人次加1;
第三处理模块,用于基于所述客流人次与所述重复人数,对目标场景的客流人数进行统计。
9.一种电子设备,其特征在于,包括:存储器、处理器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如权利要求1至7中任一项所述的客流人数的处理方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的客流人数的处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011630203.0A CN112651366A (zh) | 2020-12-30 | 2020-12-30 | 客流人数的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011630203.0A CN112651366A (zh) | 2020-12-30 | 2020-12-30 | 客流人数的处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651366A true CN112651366A (zh) | 2021-04-13 |
Family
ID=75366833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011630203.0A Pending CN112651366A (zh) | 2020-12-30 | 2020-12-30 | 客流人数的处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651366A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160604A (zh) * | 2021-04-27 | 2021-07-23 | 华录智达科技股份有限公司 | 一种基于人工智能公交管理方法及系统 |
CN113298350A (zh) * | 2021-04-27 | 2021-08-24 | 华录智达科技股份有限公司 | 一种基于人工智能的公交综合监管与服务系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017092269A1 (zh) * | 2015-12-03 | 2017-06-08 | 杭州海康威视数字技术股份有限公司 | 客流信息采集方法及装置、客流信息处理方法及装置 |
CN110287889A (zh) * | 2019-06-26 | 2019-09-27 | 银河水滴科技(北京)有限公司 | 一种身份识别的方法及装置 |
CN110874583A (zh) * | 2019-11-19 | 2020-03-10 | 北京精准沟通传媒科技股份有限公司 | 一种客流统计的方法、装置、存储介质及电子设备 |
CN111178252A (zh) * | 2019-12-27 | 2020-05-19 | 东北大学 | 多特征融合的身份识别方法 |
WO2020173314A1 (zh) * | 2019-02-27 | 2020-09-03 | 杭州海康威视数字技术股份有限公司 | 一种人员统计方法、装置及电子设备 |
-
2020
- 2020-12-30 CN CN202011630203.0A patent/CN112651366A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017092269A1 (zh) * | 2015-12-03 | 2017-06-08 | 杭州海康威视数字技术股份有限公司 | 客流信息采集方法及装置、客流信息处理方法及装置 |
WO2020173314A1 (zh) * | 2019-02-27 | 2020-09-03 | 杭州海康威视数字技术股份有限公司 | 一种人员统计方法、装置及电子设备 |
CN110287889A (zh) * | 2019-06-26 | 2019-09-27 | 银河水滴科技(北京)有限公司 | 一种身份识别的方法及装置 |
CN110874583A (zh) * | 2019-11-19 | 2020-03-10 | 北京精准沟通传媒科技股份有限公司 | 一种客流统计的方法、装置、存储介质及电子设备 |
CN111178252A (zh) * | 2019-12-27 | 2020-05-19 | 东北大学 | 多特征融合的身份识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160604A (zh) * | 2021-04-27 | 2021-07-23 | 华录智达科技股份有限公司 | 一种基于人工智能公交管理方法及系统 |
CN113298350A (zh) * | 2021-04-27 | 2021-08-24 | 华录智达科技股份有限公司 | 一种基于人工智能的公交综合监管与服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284733B (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
CN110427905A (zh) | 行人跟踪方法、装置以及终端 | |
CN109635686B (zh) | 结合人脸与外观的两阶段行人搜索方法 | |
CN106295564B (zh) | 一种邻域高斯结构和视频特征融合的动作识别方法 | |
CN110765906A (zh) | 一种基于关键点的行人检测算法 | |
CN110399835B (zh) | 一种人员停留时间的分析方法、装置及系统 | |
CN109492560A (zh) | 基于时间尺度的人脸图像特征融合方法、装置和存储介质 | |
CN110991397B (zh) | 一种行进方向确定方法及相关设备 | |
CN112651366A (zh) | 客流人数的处理方法、装置、电子设备及存储介质 | |
CN111814846B (zh) | 属性识别模型的训练方法、识别方法及相关设备 | |
CN111814690A (zh) | 一种目标重识别方法、装置和计算机可读存储介质 | |
CN114783037B (zh) | 目标重识别方法、目标重识别装置和计算机可读存储介质 | |
CN112380946B (zh) | 一种基于端侧ai芯片的跌倒检测方法及装置 | |
CN112800923A (zh) | 人体图像质量检测方法及装置、电子设备、存储介质 | |
CN111753775A (zh) | 鱼的生长评估方法、装置、设备及存储介质 | |
CN116258881A (zh) | 一种图像聚类方法、装置、终端及计算机可读存储介质 | |
CN115131705A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN114445691A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN112906680A (zh) | 一种行人属性识别方法、装置及电子设备 | |
CN114693987A (zh) | 模型生成方法、装置和存储介质及人脸识别方法和装置 | |
CN110490027B (zh) | 人脸特征提取训练方法及系统 | |
CN113313007B (zh) | 一种基于视频的行人静止状态识别方法、电子设备及存储介质 | |
CN113516058B (zh) | 直播视频群组异常活动检测方法、装置、电子设备及介质 | |
CN115311655B (zh) | 一种基于多特征融合的食物识别系统及方法 | |
CN115344738B (zh) | 基于人工智能的检索方法及系统 |
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 |