CN114359817A - 基于出入口人行识别的人流量测量方法 - Google Patents
基于出入口人行识别的人流量测量方法 Download PDFInfo
- Publication number
- CN114359817A CN114359817A CN202210046229.3A CN202210046229A CN114359817A CN 114359817 A CN114359817 A CN 114359817A CN 202210046229 A CN202210046229 A CN 202210046229A CN 114359817 A CN114359817 A CN 114359817A
- Authority
- CN
- China
- Prior art keywords
- entrance
- people
- pedestrian
- frame
- image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
公开了基于出入口人行识别的人流量测量方法,方法中,摄像机安装在出入口拍摄出入口行人的图像,基于图像识别行人目标,将待检测的图像帧作为输入,利用yoloV5网络对视频帧中的人头进行检测,检测图像是否有人头目标,若未检测到人头则继续对下一帧进行检测,若检测到人头,获取人头的坐标信息并将其传输到跟踪模型中进行更新并对目标进行跟踪,其中,若跟踪帧数小于k帧则继续跟踪,若跟踪帧数大于等于k帧则对视频序列的第k+1帧进行检测直至视频结束或终止,统计出入口人流量,当前帧人数根据当前帧图像中行人目标的总数统计,当前进入人数和当前离开人数根据行人目标跟踪轨迹判断行人目标是进入还是离开,更新当前进入人数和当前离开人数以统计总进入人数和总离开人数。
Description
技术领域
本发明涉及航空发动机噪声测试技术领域,尤其涉及一种基于出入口人行识别的人流量测量方法。
背景技术
随着社会的发展,人们的出行和活动人数都大大增加,各种娱乐活动、展览活动、体育赛事、庆祝活动等大规模人群活动频繁出现,火车站、民用机场、地铁站等公众聚集场所人口数量急剧增加,人流量统计分析也成为当前各场所管理与决策不可缺少的重要数据,在各领域应用广泛。因此,如何对各场所的出入口处进行人流量统计,成为当前一个重要的研究热点问题,并在社会中有着广泛的应用。
目前,传统的出入口人流量统计方式除了人工计数外,还有压力传感、以及闸门计数、红外线感应等,它们虽然易实现、能够准确统计出行人逐个经过监控区域的情况,但是检测效果较差,且应用场所受限。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
发明内容
本发明的目的是提供一种基于出入口人行识别的人流量测量方法,直接运用计算机视觉及模式识别中的相关方法自动实现人流量统计,这不仅在一定程度上减少了人力资源的浪费,而且还可以长期不间断地对场景进行监控。
为了实现上述目的,本发明提供如下技术方案:
本发明的一种基于出入口人行识别的人流量测量方法包括:
摄像机安装在出入口拍摄出入口行人的图像,出入口直线为图像的中心线,进入方向为行人目标的质心从右往左经过出入口直线,其中,上一帧图像中行人目标质心在出入口直线的右边,当前帧图像中行人目标的质心在出入口直线的左边,反之,离开方向为行人目标的质心从左往右经过出入口直线,其中,上一帧图像中行人目标质心在出入口直线的左边,当前帧图像中行人目标的质心在出入口直线的右边;
基于图像识别行人目标,将待检测的图像帧作为输入,利用yoloV5网络对视频帧中的人头进行检测,检测图像是否有人头目标,若未检测到人头则继续对下一帧进行检测,若检测到人头,获取人头的坐标信息并将其传输到跟踪模型中进行更新并对目标进行跟踪,其中,若跟踪帧数小于k帧则继续跟踪,若跟踪帧数大于等于k帧则对视频序列的第k+1帧进行检测直至视频结束或终止;
统计出入口人流量,当前帧人数根据当前帧图像中行人目标的总数统计,当前进入人数和当前离开人数根据行人目标跟踪轨迹判断行人目标是进入还是离开,更新当前进入人数和当前离开人数以统计总进入人数和总离开人数。
所述的一种基于出入口人行识别的人流量测量方法中,跟踪模型中,在第一帧检测Harris角点,在连续帧之间每一个角点通过平移或仿射进行运动估计得到运动向量,连接连续帧中的运动向量得到每一个角点的轨迹。
所述的一种基于出入口人行识别的人流量测量方法中,去除掉被遮挡的角点。
所述的一种基于出入口人行识别的人流量测量方法中,周期性加入新的角点。
所述的一种基于出入口人行识别的人流量测量方法中,人形数据在线获取与保存模块连接摄像机获取在线数据,读取在线图像数据并进行显示且对读取的图像数据进行保存。
所述的一种基于出入口人行识别的人流量测量方法中,人形数据检测与跟踪模块连接所述人形数据在线获取与保存模块,人形数据检测与跟踪模块包括输入模块、图像数据显示模块、控制参数模块和输出模块,在输入模块中打开已有图像数据、读取在线视频,图像数据显示模块对读取的视频进行播放和检测,控制参数模块设置行人进入的方向,输出模块用来显示跟踪后的结果。
所述的一种基于出入口人行识别的人流量测量方法中,所述结果包括当前帧数、总进入人数、总离开人数、当前帧人数、当前进入人数和当前离开人数。
在上述技术方案中,本发明所述的一种基于出入口人行识别的人流量测量方法利用计算机视觉技术,不仅可以实现出入口人流量统计的自动化,还能有效解决统计中各种不利因素造成的人流量统计准确率下降的问题,从而为各场所的管理与决策提供更加科学的依据。基于人行识别对出入口人流量进行统计,对于实际的监控应用有着举足轻重的作用,可以进一步促进视频智能监控系统的完善,对视频智能监控乃至计算机视觉领域来说都具有重要的意义。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为基于出入口人行识别的人流量测量方法的一个实施例的布置示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图图1,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
如图1所示,一种基于出入口人行识别的人流量测量方法中,
摄像机安装在出入口拍摄出入口行人的图像,出入口直线为图像的中心线,进入方向为行人目标的质心从右往左经过出入口直线,其中,上一帧图像中行人目标质心在出入口直线的右边,当前帧图像中行人目标的质心在出入口直线的左边,反之,离开方向为行人目标的质心从左往右经过出入口直线,其中,上一帧图像中行人目标质心在出入口直线的左边,当前帧图像中行人目标的质心在出入口直线的右边;
基于图像识别行人目标,将待检测的图像帧作为输入,利用yoloV5网络对视频帧中的人头进行检测,检测图像是否有人头目标,若未检测到人头则继续对下一帧进行检测,若检测到人头,获取人头的坐标信息并将其传输到跟踪模型中进行更新并对目标进行跟踪,其中,若跟踪帧数小于k帧则继续跟踪,若跟踪帧数大于等于k帧则对视频序列的第k+1帧进行检测直至视频结束或终止;
统计出入口人流量,当前帧人数根据当前帧图像中行人目标的总数统计,当前进入人数和当前离开人数根据行人目标跟踪轨迹判断行人目标是进入还是离开,更新当前进入人数和当前离开人数以统计总进入人数和总离开人数。
所述的一种基于出入口人行识别的人流量测量方法的优选实施方式中,跟踪模型中,在第一帧检测Harris角点,在连续帧之间每一个角点通过平移或仿射进行运动估计得到运动向量,连接连续帧中的运动向量得到每一个角点的轨迹。
所述的一种基于出入口人行识别的人流量测量方法的优选实施方式中,去除掉那些被遮挡的角点。
所述的一种基于出入口人行识别的人流量测量方法的优选实施方式中,周期性加入新的角点。
所述的一种基于出入口人行识别的人流量测量方法的优选实施方式中,人形数据在线获取与保存模块连接摄像机获取在线数据,读取在线图像数据并进行显示且对读取的图像数据进行保存。
所述的一种基于出入口人行识别的人流量测量方法的优选实施方式中,人形数据检测与跟踪模块连接所述人形数据在线获取与保存模块,人形数据检测与跟踪模块包括输入模块、图像数据显示模块、控制参数模块和输出模块,在输入模块中打开已有图像数据、读取在线视频,图像数据显示模块对读取的视频进行播放和检测,控制参数模块设置行人进入的方向,输出模块用来显示跟踪后的结果。
所述的一种基于出入口人行识别的人流量测量方法的优选实施方式中,所述结果包括当前帧数、总进入人数、总离开人数、当前帧人数、当前进入人数和当前离开人数。
在一个实施例中,本发明在场站出入口处进行人流量统计,包括图像数据在线获取与保存、人形数据检测与跟踪模块、统计显示三大模,着眼于人体头肩区域,首先划定一个检测区域,通过yoloV5算法进行人体检测,再利用KLT(Kanade-Lucas-Tomasi)跟踪算法根据行人目标检测的结果对行人进行跟踪,实现一个集行人目标检测与跟踪一体的监控视频场景下高效的出入口人流量统计方法。
出入口人流量统计是统计当前帧图像中检测区域的“进入”、“离开”、“当前人数”的行人数量,进而实现整个时间段的“总进入”、“总离开”的人数统计。将“从右往左”的运动方向定义为进入方向,对应的“从左往右”的运动方向则是离开方向,其他情况类似。在进行检测时,根据实际的场景选择对应的进出方向,摄像机安装在出入口处,因此可以设定的出入口直线T为图像的中心线。假定从“从右往左”是进入方向,那么进入的标准是行人目标的质心从右往左经过了入口直线,即在上一帧时的行人目标质心在入口直线的右边,当前帧图像中行人目标的质心就在入口直线的左边,反之则表示行人目标离开。
出入口人流量统计中当前帧人数是根据当前帧图像中行人目标的总数统计的,当前进入人数和当前离开人数则是根据行人目标跟踪轨迹更新的,根据行人目标的运动轨迹更新的数据来判断行人目标是进入还是离开,从而统计当前进入人数和当前离开人数。总进入人数和总离开人数则是对当前进入人数和当前离开人数累积统计的结果。
在一个实施例中,人形数据在线获取与保存模块:该模块独立于图像数据检测与跟踪模块和统计显示模块,主要功能是连接摄像机获取在线数据,读取在线图像数据并进行显示,对读取的图像数据进行保存。人形数据检测与跟踪模块:该模块主要分为输入模块、图像数据显示模块、控制参数模块、输出模块。在输入模块中打开已有图像数据、读取在线视频,图像数据显示模块对读取的视频进行播放和检测,控制参数模块设置行人进入的方向,输出模块用来显示跟踪后的结果,主要包括当前帧数、总进入人数、总离开人数、当前帧人数、当前进入人数、当前离开人数的统计。统计显示模块:该模块对跟踪后的结果进行展示,主要包括统计类别的选择和统计显示两大功能,统计类别功能用来选择统计显示的类别,统计显示功能则是用来显示选择统计类别后的人流量统计结果。
在一个实施例中,采用yoloV5算法,其中,
(1)将待检测的视频帧作为输入,利用yoloV5网络对视频帧中的人头进行检测,检测图像是否有人头目标,若检测到人头则执行(2),若未检测到人头则继续执行(1)对下一帧进行检测;
(2)获取人头的坐标信息并将其传输到跟踪模型-KLT(Kanade-Lucas-Tomasi)中进行更新,并对目标进行跟踪;
(3)对目标进行连续跟踪,若跟踪帧数小于k帧则继续跟踪,若跟踪帧数等于k帧则执行(1)对视频序列的第k+1帧进行检测,直至视频结束或终止。
在一个实施例中,采用KLT(Kanade-Lucas-Tomasi)追踪算法,其中,
(1)在第一帧检测Harris角点
(2)在连续帧之间每一个角点通过平移或仿射进行运动估计
(3)连接连续帧中的运动向量,得到每一个角点的轨迹
(4)对于各特征点,在各帧中判断其跟踪的好坏。有些特征可以移除(比如去除掉那些被遮挡的或者无法准确跟踪的),可以周期性(如每隔5帧)加入一些新的特征
(5)使用步骤1-3追踪新和旧的角点。
最后应该说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本申请保护的范围。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
Claims (7)
1.一种基于出入口人行识别的人流量测量方法,其特征在于,其包括以下步骤:
摄像机安装在出入口拍摄出入口行人的图像,出入口直线为图像的中心线,进入方向为行人目标的质心从右往左经过出入口直线,其中,上一帧图像中行人目标质心在出入口直线的右边,当前帧图像中行人目标的质心在出入口直线的左边,反之,离开方向为行人目标的质心从左往右经过出入口直线,其中,上一帧图像中行人目标质心在出入口直线的左边,当前帧图像中行人目标的质心在出入口直线的右边;
基于图像识别行人目标,将待检测的图像帧作为输入,利用yoloV5网络对视频帧中的人头进行检测,检测图像是否有人头目标,若未检测到人头则继续对下一帧进行检测,若检测到人头,获取人头的坐标信息并将其传输到跟踪模型中进行更新并对目标进行跟踪,其中,若跟踪帧数小于k帧则继续跟踪,若跟踪帧数大于等于k帧则对视频序列的第k+1帧进行检测直至视频结束或终止;
统计出入口人流量,当前帧人数根据当前帧图像中行人目标的总数统计,当前进入人数和当前离开人数根据行人目标跟踪轨迹判断行人目标是进入还是离开,更新当前进入人数和当前离开人数以统计总进入人数和总离开人数。
2.根据权利要求1所述的一种基于出入口人行识别的人流量测量方法,其特征在于,优选的,跟踪模型中,在第一帧检测Harris角点,在连续帧之间每一个角点通过平移或仿射进行运动估计得到运动向量,连接连续帧中的运动向量得到每一个角点的轨迹。
3.根据权利要求2所述的基于出入口人行识别的人流量测量方法,其特征在于,去除掉那些被遮挡的角点。
4.根据权利要求2所述的基于出入口人行识别的人流量测量方法,其特征在于,周期性加入新的角点。
5.根据权利要求1所述的基于出入口人行识别的人流量测量方法,其特征在于,人形数据在线获取与保存模块连接摄像机获取在线数据,读取在线图像数据并进行显示且对读取的图像数据进行保存。
6.根据权利要求5所述的基于出入口人行识别的人流量测量方法,其特征在于,人形数据检测与跟踪模块连接所述人形数据在线获取与保存模块,人形数据检测与跟踪模块包括输入模块、图像数据显示模块、控制参数模块和输出模块,在输入模块中打开已有图像数据、读取在线视频,图像数据显示模块对读取的视频进行播放和检测,控制参数模块设置行人进入的方向,输出模块用来显示跟踪后的结果。
7.根据权利要求6所述的基于出入口人行识别的人流量测量方法,其特征在于,所述结果包括当前帧数、总进入人数、总离开人数、当前帧人数、当前进入人数和当前离开人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046229.3A CN114359817A (zh) | 2022-01-14 | 2022-01-14 | 基于出入口人行识别的人流量测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046229.3A CN114359817A (zh) | 2022-01-14 | 2022-01-14 | 基于出入口人行识别的人流量测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359817A true CN114359817A (zh) | 2022-04-15 |
Family
ID=81090539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210046229.3A Pending CN114359817A (zh) | 2022-01-14 | 2022-01-14 | 基于出入口人行识别的人流量测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359817A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958907A (zh) * | 2023-09-18 | 2023-10-27 | 四川泓宝润业工程技术有限公司 | 一种输气管道周边隐患目标巡检方法及系统 |
-
2022
- 2022-01-14 CN CN202210046229.3A patent/CN114359817A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958907A (zh) * | 2023-09-18 | 2023-10-27 | 四川泓宝润业工程技术有限公司 | 一种输气管道周边隐患目标巡检方法及系统 |
CN116958907B (zh) * | 2023-09-18 | 2023-12-26 | 四川泓宝润业工程技术有限公司 | 一种输气管道周边隐患目标巡检方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11704936B2 (en) | Object tracking and best shot detection system | |
CN104933710B (zh) | 基于监控视频下的商店人流轨迹智能分析方法 | |
CN103164706B (zh) | 基于视频信号分析的对象计数方法与装置 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN109919981A (zh) | 一种基于卡尔曼滤波辅助的多特征融合的多目标跟踪方法 | |
CN110428522A (zh) | 一种智慧新城的智能安防系统 | |
CN108062349A (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN109522854A (zh) | 一种基于深度学习和多目标跟踪的行人流量统计方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN110399835B (zh) | 一种人员停留时间的分析方法、装置及系统 | |
CN109934104A (zh) | 基于行人重识别的跨镜头的行人检索方法及系统 | |
CN106203513A (zh) | 一种基于行人头肩多目标检测及跟踪的统计方法 | |
CN111160243A (zh) | 客流量统计方法及相关产品 | |
CN110781806A (zh) | 一种基于yolo的行人检测追踪方法 | |
CN103150552B (zh) | 一种基于人头计数的驾驶培训管理方法 | |
CN113963399A (zh) | 基于多算法融合应用的人员轨迹检索方法及装置 | |
Lijun et al. | Video-based crowd density estimation and prediction system for wide-area surveillance | |
CN207233038U (zh) | 人脸点名与计数系统 | |
CN109344792A (zh) | 一种目标自动识别跟踪方法 | |
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 | |
CN114359817A (zh) | 基于出入口人行识别的人流量测量方法 | |
CN104778676A (zh) | 基于深度测距的运动目标检测方法及系统 | |
US20230154192A1 (en) | Person flow analysis method and system, electronic device, and readable storage medium | |
CN109977796A (zh) | 尾随通行检测方法及装置 | |
CN110889347B (zh) | 基于时空计数特征的密度交通流计数方法及系统 |
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 |