CN112733677A - 一种人流量统计系统及方法 - Google Patents

一种人流量统计系统及方法 Download PDF

Info

Publication number
CN112733677A
CN112733677A CN202011634286.0A CN202011634286A CN112733677A CN 112733677 A CN112733677 A CN 112733677A CN 202011634286 A CN202011634286 A CN 202011634286A CN 112733677 A CN112733677 A CN 112733677A
Authority
CN
China
Prior art keywords
image
people
data
detection model
area
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
CN202011634286.0A
Other languages
English (en)
Other versions
CN112733677B (zh
Inventor
莫家佳
周明
资明祥
张志斌
覃琨
王建卫
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.)
GUILIN HIVISION TECHNOLOGY CO LTD
Original Assignee
GUILIN HIVISION 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 GUILIN HIVISION TECHNOLOGY CO LTD filed Critical GUILIN HIVISION TECHNOLOGY CO LTD
Priority to CN202011634286.0A priority Critical patent/CN112733677B/zh
Publication of CN112733677A publication Critical patent/CN112733677A/zh
Application granted granted Critical
Publication of CN112733677B publication Critical patent/CN112733677B/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种人流量统计系统及方法，包括图像采集模块通过鱼眼摄像头采集封闭区域内人流量的视频数据，将视频数据进行抽帧获得图像集；模型训练模块导入图像集，在图片的外圈区域内标记出人体的五官及头部，获得人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；人流量统计模块导入待识别的图像集，将图像导入第一目标检测模型和第二目标检测模型，对图像进行推理，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。相对现有技术，本发明能提升人数统计效率及精准度。

Description

一种人流量统计系统及方法
技术领域
本发明涉及轨道交通技术领域，具体而言，特别涉及一种人流量统计系统及方法。
背景技术
当前人数作为封闭空间如地铁车厢，电梯，公交车等设备正常运行的一个重要基础数据，是轨道交通配置、市场决策和安全防范等领域不可或缺的重要指标。基于鱼眼成像的视频图像分析技术的总人数统计方法具有统计精度高、实施便利等优势，因此得到广泛应用。
传统的轨道交通人数统计方法有，1，通过人眼辨别视频中具体人数；2，通过进出车门统计当前车厢人次；3，通过车厢负重估算当前车厢人数。
现有技术中，在车厢人数较少，人形重叠率低时，采用传统筒式摄像头能够效为精准的标识目标；但是早晚高峰，车厢人数拥挤，人形重叠率高，在筒式摄像头成像时并会出现边界无规律，人物完全被遮挡的情况，导致传统视频识别方法失效。所以有必要对这些问题进行解决。
发明内容
本发明旨在至少在一定程度上解决现有技术中的上述技术问题之一。为此，本发明的一个目的在于提出一种能提升人数统计效率及精准度的人流量统计系统及方法。
本发明解决上述技术问题的技术方案如下：一种人流量统计系统，包括：
图像采集模块，所述图像采集模块用于通过鱼眼摄像头采集封闭区域内人流量的视频数据，将所述视频数据进行抽帧，获得图像集；
模型训练模块，所述模型训练模块用于导入图像集，将图像集中的图片划分外圈区域和内圈区域；在图片的外圈区域内标记出人体的五官及头部，获得第一人体标记数据；利用第一人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得第二人体标记数据；利用第二人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；
人流量统计模块，所述人流量统计模块用于导入待识别的图像集，将待识别图像集中的图片划分外圈区域和内圈区域；将图像导入第一目标检测模型，利用第一目标检测模型对图像进行推理，统计外圈区域内的人员数量，获得外圈区域人员数量；将图像导入第二目标检测模型，利用第二目标检测模型对图像进行推理，统计内圈区域内的人员数量，获得内圈区域人员数量；修正外圈区域人员数量和内圈区域人员数量之间的重叠人数，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。
本发明的有益效果是：通过抽帧处理降低数据运算量，节省资源开销；通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度，提升了人头检测的准确率和召回率，解决了视频人头检测突然消失而导致的检测人头阶跃的问题；还利用第一目标检测模型和第二目标检测模型进行人头识别及检测，进而统计封闭区域的人数，避免传统人形检测失效；能精确的统计出当前区域具体人数。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述图像采集模块获得视频数据后，将视频的帧率降低至5fps；抽取视频流中I帧以及I帧前两张P帧，将I帧和两张P帧合成全景图片，获得人物清晰的图像集。
采用上述进一步方案的有益效果是：通过抽帧检测减少计算量，缩短处理时间，使用前置帧的检测结果影响当前帧的结果，增强关联性。
进一步，所述模型训练模块获取图像集后，以图像集中图片的中心为圆心，以及图片的宽度作为半径构建外圈区域；以图片的中心为圆心，以及外圆半径的二分之一作为半径构建内圈区域。
采用上述进一步方案的有益效果是：提升人头识别及检测效率和精度，提升人流量统计效率。
进一步，所述人流量统计模块将统计过人员数据的图像进行存储，并将该图像中的人员数据与该图像之前的多个图像的人员数据进行关联分析合并。
采用上述进一步方案的有益效果是：通过多个图像关联分析合并可以有效防止发生漏检现象及检测结果阶跃现象。
进一步，所述人流量统计模块利用五个图像的滑动平均值向上取整得到封闭区域内的人流量数据。
本发明解决上述技术问题的另一技术方案如下：一种人流量统计方法，包括以下步骤：
通过鱼眼摄像头采集封闭区域内人流量的视频数据，将所述视频数据进行抽帧，获得图像集；
将图像集中的图片划分外圈区域和内圈区域；在图片的外圈区域内标记出人体的五官及头部，获得第一人体标记数据；利用第一人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得第二人体标记数据；利用第二人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；
将待识别图像集中的图片划分外圈区域和内圈区域；将图像导入第一目标检测模型，利用第一目标检测模型对图像进行推理，统计外圈区域内的人员数量，获得外圈区域人员数量；将图像导入第二目标检测模型，利用第二目标检测模型对图像进行推理，统计内圈区域内的人员数量，获得内圈区域人员数量；修正外圈区域人员数量和内圈区域人员数量之间的重叠人数，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。
本发明的有益效果是：通过抽帧处理降低数据运算量，节省资源开销；通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度，提升了人头检测的准确率和召回率，解决了视频人头检测突然消失而导致的检测人头阶跃的问题；还利用第一目标检测模型和第二目标检测模型进行人头识别及检测，进而统计封闭区域的人数，避免传统人形检测失效；能精确的统计出当前区域具体人数。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，将所述视频数据进行抽帧，获得图像集具体包括以下步骤：所述图像采集模块(1)获得视频数据后，将视频的帧率降低至5fps；抽取视频流中I帧以及I帧前两张P帧，将I帧和两张P帧合成全景图片，获得人物清晰的图像集。
采用上述进一步方案的有益效果是：通过抽帧检测减少计算量，缩短处理时间，使用前置帧的检测结果影响当前帧的结果，增强关联性。
进一步，将图像集中的图片划分外圈区域和内圈区域具体包括以下步骤：以图像集中图片的中心为圆心，以及图片的宽度作为半径构建外圈区域；以图片的中心为圆心，以及外圆半径的二分之一作为半径构建内圈区域。
采用上述进一步方案的有益效果是：提升人头识别及检测效率和精度，提升人流量统计效率。
进一步，还包括以下步骤：将统计过人员数据的图像进行存储，并将该图像中的人员数据与该图像之前的多个图像的人员数据进行关联分析合并。
采用上述进一步方案的有益效果是：通过多个图像关联分析合并可以有效防止发生漏检现象及检测结果阶跃现象。
进一步，将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据的具体步骤为：利用五个图像的滑动平均值向上取整得到封闭区域内的人流量数据。
采用上述进一步方案的有益效果是：通过利用五个图像的滑动平均值向上取整得到的人流量数据更加精准，能有效消除人员流动过程中的重复统计问题。
附图说明
图1为本发明人流量统计系统的模块框图；
图2为本发明人流量统计方法的流程图。
附图中，各标号所代表的部件列表如下：
1、图像采集模块，2、模型训练模块，3、人流量统计模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例1：
如图1所示，一种人流量统计系统，包括：
图像采集模块1，所述图像采集模块1用于通过鱼眼摄像头采集封闭区域内人流量的视频数据，将所述视频数据进行抽帧，获得图像集；
模型训练模块2，所述模型训练模块2用于导入图像集，将图像集中的图片划分外圈区域和内圈区域；在图片的外圈区域内标记出人体的五官及头部，获得第一人体标记数据；利用第一人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得第二人体标记数据；利用第二人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；
人流量统计模块3，所述人流量统计模块3用于导入待识别的图像集，将待识别图像集中的图片划分外圈区域和内圈区域；将图像导入第一目标检测模型，利用第一目标检测模型对图像进行推理，统计外圈区域内的人员数量，获得外圈区域人员数量；将图像导入第二目标检测模型，利用第二目标检测模型对图像进行推理，统计内圈区域内的人员数量，获得内圈区域人员数量；修正外圈区域人员数量和内圈区域人员数量之间的重叠人数，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。
利用鱼眼摄像头的鱼眼成像原理，由封闭区域俯视拍摄，利用第一目标检测模型和第二目标检测模型进行人头识别及检测，进而统计封闭区域的人数，避免传统人形检测失效；能精确的统计出当前区域具体人数。
通过抽帧处理降低数据运算量，节省资源开销；通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度，提升了人头检测的准确率和召回率，解决了视频人头检测突然消失而导致的检测人头阶跃的问题。
可选的，所述图像采集模块1获得视频数据后，将视频的帧率降低至5fps；抽取视频流中I帧以及I帧前两张P帧，将I帧和两张P帧合成全景图片，获得人物清晰的图像集。
上述实施例中，图像采集模块1通过鱼眼摄像头采集视频流，通过对视频流进行实时处理拆解，得到连续的多帧图片序列；由于图片序列根据视频流顺序生成，因此，相邻帧图像之间具备较强的逻辑性，通过抽帧检测不仅可以减少计算量，缩短处理时间，还可以使用前置帧的检测结果影响当前帧的结果，增强关联性。从图片序列中抽取帧图像的规则可以根据具体需要具体制定；可以先根据序列号对帧图像进行奇数帧和偶数帧的划分，随后顺序抽取图片序列中的偶数帧进行人头检测，而略过奇数帧；随后采用预先训练完成的目标检测模型对抽取的图像进行人头检测，提升检测效率。
可选的，所述模型训练模块2获取图像集后，以图像集中图片的中心为圆心，以及图片的宽度作为半径构建外圈区域；以图片的中心为圆心，以及外圆半径的二分之一作为半径构建内圈区域。
上述实施例中，通过对图片构建外圈区域和内圈区域，并利用第一目标检测模型和第二目标检测模型进行人头识别及检测，提升人头识别及检测效率和精度，提升人流量统计效率。
可选的，所述人流量统计模块3将统计过人员数据的图像进行存储，并将该图像中的人员数据与该图像之前的多个图像的人员数据进行关联分析合并。
上述实施例中，通过多个图像关联分析合并可以有效防止发生漏检现象及检测结果阶跃现象。
可选的，所述人流量统计模块3利用五个图像的滑动平均值向上取整得到封闭区域内的人流量数据。
上述实施例中，通过利用五个图像的滑动平均值向上取整得到的人流量数据更加精准，能有效消除人员流动过程中的重复统计问题。
实施例2：
如图2所示，一种人流量统计方法，包括以下步骤：
通过鱼眼摄像头采集封闭区域内人流量的视频数据，将所述视频数据进行抽帧，获得图像集；
将图像集中的图片划分外圈区域和内圈区域；在图片的外圈区域内标记出人体的五官及头部，获得第一人体标记数据；利用第一人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得第二人体标记数据；利用第二人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；
将待识别图像集中的图片划分外圈区域和内圈区域；将图像导入第一目标检测模型，利用第一目标检测模型对图像进行推理，统计外圈区域内的人员数量，获得外圈区域人员数量；将图像导入第二目标检测模型，利用第二目标检测模型对图像进行推理，统计内圈区域内的人员数量，获得内圈区域人员数量；修正外圈区域人员数量和内圈区域人员数量之间的重叠人数，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。
利用鱼眼摄像头的鱼眼成像原理，由封闭区域俯视拍摄，利用第一目标检测模型和第二目标检测模型进行人头识别及检测，进而统计封闭区域的人数，避免传统人形检测失效；能精确的统计出当前区域具体人数。
通过抽帧处理降低数据运算量，节省资源开销；通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度，提升了人头检测的准确率和召回率，解决了视频人头检测突然消失而导致的检测人头阶跃的问题。
可选的，将所述视频数据进行抽帧，获得图像集具体包括以下步骤：所述图像采集模块1获得视频数据后，将视频的帧率降低至5fps；抽取视频流中I帧以及I帧前两张P帧，将I帧和两张P帧合成全景图片，获得人物清晰的图像集。
上述实施例中，通过鱼眼摄像头采集视频流，通过对视频流进行实时处理拆解，得到连续的多帧图片序列；由于图片序列根据视频流顺序生成，因此，相邻帧图像之间具备较强的逻辑性，通过抽帧检测不仅可以减少计算量，缩短处理时间，还可以使用前置帧的检测结果影响当前帧的结果，增强关联性。从图片序列中抽取帧图像的规则可以根据具体需要具体制定；可以先根据序列号对帧图像进行奇数帧和偶数帧的划分，随后顺序抽取图片序列中的偶数帧进行人头检测，而略过奇数帧；随后采用预先训练完成的目标检测模型对抽取的图像进行人头检测，提升检测效率。
可选的，将图像集中的图片划分外圈区域和内圈区域具体包括以下步骤：以图像集中图片的中心为圆心，以及图片的宽度作为半径构建外圈区域；以图片的中心为圆心，以及外圆半径的二分之一作为半径构建内圈区域。
上述实施例中，通过对图片构建外圈区域和内圈区域，并利用第一目标检测模型和第二目标检测模型进行人头识别及检测，提升人头识别及检测效率和精度，提升人流量统计效率。
可选的，还包括以下步骤：将统计过人员数据的图像进行存储，并将该图像中的人员数据与该图像之前的多个图像的人员数据进行关联分析合并。
上述实施例中，通过多个图像关联分析合并可以有效防止发生漏检现象及检测结果阶跃现象。
可选的，将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据的具体步骤为：利用五个图像的滑动平均值向上取整得到封闭区域内的人流量数据。
上述实施例中，通过利用五个图像的滑动平均值向上取整得到的人流量数据更加精准，能有效消除人员流动过程中的重复统计问题。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人流量统计系统，其特征在于，包括：
图像采集模块(1)，所述图像采集模块(1)用于通过鱼眼摄像头采集封闭区域内人流量的视频数据，将所述视频数据进行抽帧，获得图像集；
模型训练模块(2)，所述模型训练模块(2)用于导入图像集，将图像集中的图片划分外圈区域和内圈区域；在图片的外圈区域内标记出人体的五官及头部，获得第一人体标记数据；利用第一人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得第二人体标记数据；利用第二人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；
人流量统计模块(3)，所述人流量统计模块(3)用于导入待识别的图像集，将待识别图像集中的图片划分外圈区域和内圈区域；将图像导入第一目标检测模型，利用第一目标检测模型对图像进行推理，统计外圈区域内的人员数量，获得外圈区域人员数量；将图像导入第二目标检测模型，利用第二目标检测模型对图像进行推理，统计内圈区域内的人员数量，获得内圈区域人员数量；修正外圈区域人员数量和内圈区域人员数量之间的重叠人数，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。
2.根据权利要求1所述的一种人流量统计系统，其特征在于：所述图像采集模块(1)获得视频数据后，将视频的帧率降低至5fps；抽取视频流中I帧以及I帧前两张P帧，将I帧和两张P帧合成全景图片，获得人物清晰的图像集。
3.根据权利要求1所述的一种人流量统计系统，其特征在于：所述模型训练模块(2)获取图像集后，以图像集中图片的中心为圆心，以及图片的宽度作为半径构建外圈区域；以图片的中心为圆心，以及外圆半径的二分之一作为半径构建内圈区域。
4.根据权利要求1所述的一种人流量统计系统，其特征在于：所述人流量统计模块(3)将统计过人员数据的图像进行存储，并将该图像中的人员数据与该图像之前的多个图像的人员数据进行关联分析合并。
5.根据权利要求1所述的一种人流量统计系统，其特征在于：所述人流量统计模块(3)利用五个图像的滑动平均值向上取整得到封闭区域内的人流量数据。
6.一种人流量统计方法，其特征在于，包括以下步骤：
通过鱼眼摄像头采集封闭区域内人流量的视频数据，将所述视频数据进行抽帧，获得图像集；
将图像集中的图片划分外圈区域和内圈区域；在图片的外圈区域内标记出人体的五官及头部，获得第一人体标记数据；利用第一人体标记数据对第一人头检测模型进行训练，获得第一目标检测模型；在图片的内圈区域内标记出人体的头部，获得第二人体标记数据；利用第二人体标记数据对第二人头检测模型进行训练，获得第二目标检测模型；
将待识别图像集中的图片划分外圈区域和内圈区域；将图像导入第一目标检测模型，利用第一目标检测模型对图像进行推理，统计外圈区域内的人员数量，获得外圈区域人员数量；将图像导入第二目标检测模型，利用第二目标检测模型对图像进行推理，统计内圈区域内的人员数量，获得内圈区域人员数量；修正外圈区域人员数量和内圈区域人员数量之间的重叠人数，获得当前图像中的人员数据；将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据。
7.根据权利要求6所述的一种人流量统计方法，其特征在于：将所述视频数据进行抽帧，获得图像集具体包括以下步骤：所述图像采集模块(1)获得视频数据后，将视频的帧率降低至5fps；抽取视频流中I帧以及I帧前两张P帧，将I帧和两张P帧合成全景图片，获得人物清晰的图像集。
8.根据权利要求6所述的一种人流量统计方法，其特征在于：将图像集中的图片划分外圈区域和内圈区域具体包括以下步骤：以图像集中图片的中心为圆心，以及图片的宽度作为半径构建外圈区域；以图片的中心为圆心，以及外圆半径的二分之一作为半径构建内圈区域。
9.根据权利要求6所述的一种人流量统计方法，其特征在于：还包括以下步骤：将统计过人员数据的图像进行存储，并将该图像中的人员数据与该图像之前的多个图像的人员数据进行关联分析合并。
10.根据权利要求6所述的一种人流量统计方法，其特征在于：将图像集的人员数量进行滑动平均值向上取整得到封闭区域内的人流量数据的具体步骤为：利用五个图像的滑动平均值向上取整得到封闭区域内的人流量数据。
CN202011634286.0A 2020-12-31 2020-12-31 一种人流量统计系统及方法 Active CN112733677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011634286.0A CN112733677B (zh) 2020-12-31 2020-12-31 一种人流量统计系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011634286.0A CN112733677B (zh) 2020-12-31 2020-12-31 一种人流量统计系统及方法

Publications (2)

Publication Number Publication Date
CN112733677A true CN112733677A (zh) 2021-04-30
CN112733677B CN112733677B (zh) 2021-11-30

Family

ID=75608470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011634286.0A Active CN112733677B (zh) 2020-12-31 2020-12-31 一种人流量统计系统及方法

Country Status (1)

Country Link
CN (1) CN112733677B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192048A (zh) * 2021-05-17 2021-07-30 广州市勤思网络科技有限公司 一种多模态融合的人数识别统计方法
CN114314243A (zh) * 2022-01-10 2022-04-12 徐工汉云技术股份有限公司 基于视频识别技术的升降机超载报警系统及超载报警方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049765A (zh) * 2012-12-21 2013-04-17 武汉经纬视通科技有限公司 一种基于鱼眼相机的判断人群密度和人数的方法
CN103778442A (zh) * 2014-02-26 2014-05-07 哈尔滨工业大学深圳研究生院 一种基于视频人数统计分析的中央空调控制方法
US20160055645A1 (en) * 2013-03-26 2016-02-25 Hitachi Kokusai Electric Inc. People counting device and people counting method
CN109840883A (zh) * 2019-01-10 2019-06-04 深圳前海达闼云端智能科技有限公司 一种训练物体识别神经网络的方法、装置及计算设备
CN110555377A (zh) * 2019-07-27 2019-12-10 华南理工大学 一种基于鱼眼相机俯视拍摄的行人检测与跟踪方法
CN111738108A (zh) * 2020-06-08 2020-10-02 中国电信集团工会上海市委员会 一种视频流的人头检测方法及系统
CN112101361A (zh) * 2020-11-20 2020-12-18 深圳佑驾创新科技有限公司 针对鱼眼图像的目标检测方法、装置、设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049765A (zh) * 2012-12-21 2013-04-17 武汉经纬视通科技有限公司 一种基于鱼眼相机的判断人群密度和人数的方法
US20160055645A1 (en) * 2013-03-26 2016-02-25 Hitachi Kokusai Electric Inc. People counting device and people counting method
CN103778442A (zh) * 2014-02-26 2014-05-07 哈尔滨工业大学深圳研究生院 一种基于视频人数统计分析的中央空调控制方法
CN109840883A (zh) * 2019-01-10 2019-06-04 深圳前海达闼云端智能科技有限公司 一种训练物体识别神经网络的方法、装置及计算设备
CN110555377A (zh) * 2019-07-27 2019-12-10 华南理工大学 一种基于鱼眼相机俯视拍摄的行人检测与跟踪方法
CN111738108A (zh) * 2020-06-08 2020-10-02 中国电信集团工会上海市委员会 一种视频流的人头检测方法及系统
CN112101361A (zh) * 2020-11-20 2020-12-18 深圳佑驾创新科技有限公司 针对鱼眼图像的目标检测方法、装置、设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHENGYE LI ET AL.: "Supervised People Counting Using An Overhead Fisheye Camera", 《2019 16TH IEEE INTERNATIONAL CONFERENCE ON ADVANCED VIDEO AND SIGNAL BASED SURVEILLANCE (AVSS)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192048A (zh) * 2021-05-17 2021-07-30 广州市勤思网络科技有限公司 一种多模态融合的人数识别统计方法
CN114314243A (zh) * 2022-01-10 2022-04-12 徐工汉云技术股份有限公司 基于视频识别技术的升降机超载报警系统及超载报警方法

Also Published As

Publication number Publication date
CN112733677B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN110378264B (zh) 目标跟踪方法及装置
CN112733677B (zh) 一种人流量统计系统及方法
CN111460939A (zh) 一种去模糊的人脸识别方法、系统和一种巡检机器人
CN110427900B (zh) 一种智能指导健身的方法、装置和设备
CN110532925B (zh) 基于时空图卷积网络的驾驶员疲劳检测方法
CN111275910B (zh) 一种基于高斯混合模型的扶梯越界行为检测方法及系统
CN110781853A (zh) 人群异常检测方法以及相关装置
CN110175553B (zh) 基于步态识别与人脸识别建立特征库的方法及装置
CN111860203A (zh) 基于图像和音频混合的异常猪只识别装置、系统和方法
CN114359333A (zh) 运动目标提取方法、装置、计算机设备和存储介质
CN111488779A (zh) 视频图像超分辨率重建方法、装置、服务器及存储介质
CN110795998B (zh) 人流量的检测方法、装置、电子设备及可读存储介质
CN105118073A (zh) 基于Xtion摄像机的人体头部目标识别方法
CN108197593B (zh) 基于三点定位方法的多尺寸人脸表情识别方法及装置
CN114067398A (zh) 一种基于面部表情识别的自闭症儿童交流障碍辅助方法
CN114283364A (zh) 宠物栓绳的检测方法、检测装置和电子设备
CN113947795A (zh) 口罩佩戴检测方法、装置、设备及存储介质
CN114612907A (zh) 一种车牌识别方法及装置
CN110458171B (zh) 一种车牌识别的方法以及相关装置
CN114677651B (zh) 一种基于低画质低帧率视频的客流统计方法及相关装置
CN110598569A (zh) 一种基于人体姿态数据的动作识别方法
CN110472555B (zh) 目标检测方法和装置
CN111611825B (zh) 一种唇语内容识别方法及装置
CN114694230A (zh) 基于时空一致性的群体表情情绪识别方法及系统
CN117830896A (zh) 图像识别方法以及装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A pedestrian flow statistics system and method

Effective date of registration: 20221109

Granted publication date: 20211130

Pledgee: Industrial Bank Co.,Ltd. Guilin Branch

Pledgor: GUILIN HIVISION TECHNOLOGY Co.,Ltd.

Registration number: Y2022450000192