CN114663832A - 一种基于多路监控视频实现景区区域客流密度监测的方法 - Google Patents

Abstract

本发明涉及视频监控技术领域，尤其涉及一种利用人工智能基于景区现有监控系统，通过监控视频结构化分析实现游客行为状态监控的方法。特别适用于景区及文博院馆的游客行为监测及分析。本发明技术方案应用场景广泛，能够根据实时监测的区域客流密度反馈当前区域状态，并从景区空间承载量出发，制定区域游客密度控制界限，从而为管理人员提供疏导决策辅助，为游客提供是否前往决策和区域密度状态。

Description

一种基于多路监控视频实现景区区域客流密度监测的方法

技术领域

本发明涉及视频监控技术领域，尤其涉及一种利用人工智能基于景区现有监控系统，通过监控视频结构化分析实现游客行为状态监控的方法。特别适用于景区及文博院馆的游客行为监测及分析。

背景技术

随着国民经济发展和生活水平的提高，人民群众多元化的旅游消费需求不断提升，在其发展的过程中，人流客流高密度集散所引发的公共安全问题受到广泛关注，尤其是是节假日等旅游高峰期，景区的游客数量指数级增长，景区需要及时监控景区内各区域的客流密度情况，消除人流客流高密度聚集产生的安全隐患，保证景区内游客的安全。

目前，基于监控视频结构化对于区域内人员高密度的统计，大多是以架设的单摄像头点位为统计范围，监测内容主要受摄像头视角限制，区域内摄像头视角未能覆盖到的数据无法统计，以及不在统计范围内的区域被误统计，对区域客流密度数据统计结果形成干扰，不能准确地反映监测区域整体的客流密度。

发明内容

为了克服上述现有技术中存在的问题，本发明的目的在于提供一种基于多路监控视频实现景区区域客流密度监测的方法，通过建立以区域为监测单位的监控概念，接入区域内多路不同角度摄像头，对每路摄像头采集的监控视频数据进行视频结构化分析，通过结合区域内的摄像头布局情况，对每路摄像头采集分析结果通过补偿算法进行分析，实现区域整体客流密度的监控。

本发明通过下述技术方案实现：

一种基于多路监控视频实现景区区域客流密度监测的方法，包括以下步骤：

S1：接入同一区域内多路不同角度的视频监控摄像头Cam1, Cam2…Camn，

S2：测量该区域游客可游览面积A，该面积的测量方法如下：

使用GPS测亩仪现场丈量，对区域内游客可到达的有效范围进行精确测量，计算并得出面积A；

S3：根据接入的视频监控摄像头的有效监控视角，对其可视覆盖范围对应的现实范围进行标点测量，获取每路摄像头画面的有效监控范围面积A_i ，该面积的测量方法如下：

首先观测摄像头监控画面的可视范围和范围内参照物，确定现实参照标点；

其次使用GPS测亩仪现场丈量，对摄像头覆盖的游客可到达的有效游览面积进行测量，计算并得出面积A_i；

S4：计算每路摄像头画面的有效监控范围面积A_i与该区域游客可游览面积A的比例，得到每路每路摄像头在该区域的覆盖范围比例α_i，α_i= A_i/ A；

S5：以头肩为识别目标，对摄像头画面的监控图像进行采样，对采样图像进行目标AI识别人数；

S6：根据每路摄像头画面的有效监控范围，需要对摄像头视角交汇的重复部分进行测量，通过割补法测量视角交汇处的重叠面积Ac_i，并将该摄像头重叠面积Ac_i与摄像头画面的有效监控范围面积A_i进行计算，得到区域重叠系数Y_i，计算步骤及公式如下：

式中：

Ac_i 为第i摄像头的重叠面积；

A_i 为第i摄像头画面的有效监控范围的面积；

Y_i 为第i摄像头覆盖范围的重叠系数，该数据指重叠部分占摄像头覆盖面积的比例，系数范围为0~1区间,小数点后保留2位；

S7：同一时间对接入的多路监控摄像头进行视频画面图像采样，并对图像中的人员进行目标检测算法识别，得到每路摄像头识别到的初始人数N；

S8：对应每路摄像头权重系数及重叠系数，对每路摄像头视频结构化数据进行加权运算，得出每路摄像头加权人数C₁，其计算公式如下：

C₁=int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数，系数范围为0-2区间,小数点后保留2位；

Y_i 为第i摄像头覆盖范围的重叠系数，系数范围为0-1区间,小数点后保留2位；

S9: 将多个摄像头的加权人数相加后，得到区域人数C，其计算公式如下：

C=∑C_1i=∑int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数；

Y_i 为第i摄像头覆盖范围的重叠系数；

C_1i为第i摄像头的加权人数，该数据范围需要参考以上加权人数计算过程；

S10：通过监测S8中统计到的区域人数C和S9中设定的区域客流安全密度阈值Z的关系来监测客流密度情况，测算区域可游览面积a并设计人均空间安全指标m，得出区域客流安全密度阈值Z，计算公式如下：

Z=A/m

式中：

A为区域可游览面积,指游客的有效游玩面积；

m为人均空间安全指标,指在保障安全和游玩体验的情况下单名游客所需的空间范围，经实地调研，数值范围一般为0.5-10米。

所述S1分为如下步骤：

S101、区域内多路视频监控摄像头监控覆盖范围有重叠，测量重叠区域范围和面积，识别并核算所有覆盖范围内的人数，识别并核算重叠区域人数，去重重复识别人数；

S102、区域内多路视频监控摄像头监控覆盖范围无重叠，采取全部接入，识别并核算所有覆盖范围内的人数。

所述S5分为如下步骤：

首先建立AI识别权重模型，对每次采样的画面进行人工识别和AI识别比对，根据结果计算其权重系数X_i，数据范围为0-2，小数点后保留2位；权重系数X_i计算方式通过以下方式确定：

X_i=人工识别人数/AI识别人数。

所述S5分为如下步骤：对其X_i进行多轮识别计算取平均值。下文中记载有7轮调优，3轮验证，为本步骤细化拓展方案进一步提高识别率减低错误，可针对每一个摄像识别设备进行单独计算。

所述S8中统计到的区域人数C达到S9中设定的区域客流安全密度阈值Z时，进行人员限流。

本发明的有益效果为：

1.本发明在分析区域客流密度时，结合了多路视频采集数据进行算法补偿，通过权重算法和数据去重，尤其是通过实际验证的权重系数范围，取值一般为0~2区间（小数点后保留2位），能更好的校正AI识别的准确度阈值，使数据更加准确，而对比传统技术仅采用单路摄像头来反映整个区域的数据，数据量不够精准，无法对区域的客流做整体研判。

2.本发明技术方案可基于景区现有高清摄像头进行接入分析，通过多摄像头视频监控互相印证，充分利旧，避免景区重复建设带来的问题，而传统技术则需要将现有摄像头更换为带有算法分析能力的智能摄像头，极大增加了景区建设成本。

3.本发明技术方案应用场景广泛，能够根据实时监测的区域客流密度反馈当前区域状态，并从景区空间承载量出发，制定区域游客密度控制界限，从而为管理人员提供疏导决策辅助，为游客提供是否前往决策和区域密度状态，而传统方案中，仅靠简单的阈值控制，其产生的数据对决策辅助有效性低，故本发明技术方案重点解决了现有技术的不足。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定；

图1为本发明技术方案中S1-S3步骤中的多路摄像头接入示例及覆盖权重系数示意图；

图2为本发明技术方案中S5步骤中的多路摄像头视角覆盖重叠系数示意图；

图3为本发明技术方案中S7步骤中加权计算算法过程及计算结果示意；

图4为本发明技术方案中S8步骤中区域人数算法补偿计算过程及结果示意；

图5为本发明技术方案中S9步骤中区域客流安全密度阈值计算过程及结果示意。

具体实施方式

一种基于多路监控视频实现景区区域客流密度监测的方法，包括以下步骤：

S1：接入同一区域内多路不同角度的视频监控摄像头Cam1, Cam2…Camn，

S2：测量该区域游客可游览面积A，该面积的测量方法如下：

使用GPS测亩仪现场丈量，对区域内游客可到达的有效范围进行精确测量，计算并得出面积A；

S3：根据接入的视频监控摄像头的有效监控视角，对其可视覆盖范围对应的现实范围进行标点测量，获取每路摄像头画面的有效监控范围面积A_i ，该面积的测量方法如下：

首先观测摄像头监控画面的可视范围和范围内参照物，确定现实参照标点；

其次使用GPS测亩仪现场丈量，对摄像头覆盖的游客可到达的有效游览面积进行测量，计算并得出面积A_i；

S4：计算每路摄像头画面的有效监控范围面积A_i与该区域游客可游览面积A的比例，得到每路每路摄像头在该区域的覆盖范围比例α_i，α_i= A_i/ A；

S5：以头肩为识别目标，对摄像头画面的监控图像进行采样，对采样图像进行目标AI识别人数；

S6：根据每路摄像头画面的有效监控范围，需要对摄像头视角交汇的重复部分进行测量，通过割补法测量视角交汇处的重叠面积Ac_i，并将该摄像头重叠面积Ac_i与摄像头画面的有效监控范围面积A_i进行计算，得到区域重叠系数Y_i，计算步骤及公式如下：

式中：

Ac_i 为第i摄像头的重叠面积；

A_i 为第i摄像头画面的有效监控范围的面积；

Y_i 为第i摄像头覆盖范围的重叠系数，该数据指重叠部分占摄像头覆盖面积的比例，系数范围为0~1区间,小数点后保留2位；

S7：同一时间对接入的多路监控摄像头进行视频画面图像采样，并对图像中的人员进行目标检测算法识别，得到每路摄像头识别到的初始人数N；

S8：对应每路摄像头权重系数及重叠系数，对每路摄像头视频结构化数据进行加权运算，得出每路摄像头加权人数C₁，其计算公式如下：

C₁=int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数，系数范围为0-2区间,小数点后保留2位；

Y_i 为第i摄像头覆盖范围的重叠系数，系数范围为0-1区间,小数点后保留2位；

S9: 将多个摄像头的加权人数相加后，得到区域人数C，其计算公式如下：

C=∑C_1i=∑int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数；

Y_i 为第i摄像头覆盖范围的重叠系数；

C_1i为第i摄像头的加权人数，该数据范围需要参考以上加权人数计算过程；

S10：通过监测S8中统计到的区域人数C和S9中设定的区域客流安全密度阈值Z的关系来监测客流密度情况，测算区域可游览面积a并设计人均空间安全指标m，得出区域客流安全密度阈值Z，计算公式如下：

Z=A/m

式中：

A为区域可游览面积,指游客的有效游玩面积；

m为人均空间安全指标,指在保障安全和游玩体验的情况下单名游客所需的空间范围，经实地调研，数值范围一般为0.5-10米。

所述S1分为如下步骤：

S101、区域内多路视频监控摄像头监控覆盖范围有重叠，测量重叠区域范围和面积，识别并核算所有覆盖范围内的人数，识别并核算重叠区域人数，去重重复识别人数；

S102、区域内多路视频监控摄像头监控覆盖范围无重叠，采取全部接入，识别并核算所有覆盖范围内的人数。

所述S5分为如下步骤：

首先建立AI识别权重模型，对每次采样的画面进行人工识别和AI识别比对，根据结果计算其权重系数X_i，数据范围为0-2，小数点后保留2位；权重系数X_i计算方式通过以下方式确定：

X_i=人工识别人数/AI识别人数。

所述S5分为如下步骤：对其X_i进行多轮识别计算取平均值。

所述S8中统计到的区域人数C达到S9中设定的区域客流安全密度阈值Z时，进行人员限流。

结合具体案例说明：

一种基于多路监控视频实现景区区域客流密度监测的方法，包括以下步骤：

S1：接入同一区域内多路不同角度的视频监控摄像头Cam1, Cam2…Camn，本方案的实现要保证区域内有超过2路以上的摄像头，核心接入方案主要采用以下3种：

S101、区域内多路视频监控摄像头监控覆盖范围有重叠，采取全部接入，测量重叠区域范围和面积，识别并核算所有覆盖范围内的人数，识别并核算重叠区域人数，去重重复识别人数。

S102、区域内多路视频监控摄像头监控覆盖范围无重叠，采取全部接入，识别并核算所有覆盖范围内的人数。

当出现S101和S102均出现时，S103、区域内多路视频监控摄像头监控覆盖范围既有重叠，也有不重叠，采取全部接入，对于重叠区域采用S101，对于不重叠区域采用S102进行组合。

S2：测量该区域游客可游览面积A，该面积的测量方法如下：

使用GPS测亩仪现场丈量，对区域内游客可到达的有效范围进行精确测量，计算并得出面积A。

S3：根据接入的视频监控摄像头的有效监控视角，对其可视覆盖范围对应的现实范围进行标点测量，获取每路摄像头画面的有效监控范围面积A_i ，该面积的测量方法如下：

首先观测摄像头监控画面的可视范围和范围内参照物，确定现实参照标点；

其次使用GPS测亩仪现场丈量，对摄像头覆盖的游客可到达的有效游览面积进行测量，计算并得出面积A_i。

S4：计算每路摄像头画面的有效监控范围面积A_i与该区域游客可游览面积A的比例，得到每路每路摄像头在该区域的覆盖范围比例α_i，该比例用百分比进行表示。

计算方法举例：区域 A共接入cam1、cam2、cam3三路摄像头。

通过 S2 方法测量，区域 A可游览面积为 400㎡

通过S3 方法测量，cam1 有效监控范围面积 A₁=64㎡、cam2 有效监控范围面积 A₂=127㎡、cam3 有效监控范围面积 A₃=183㎡。（上述技术数据来源于实际测试中某摄像头设备商提供的3种不同型号摄像头数据，在实际使用时，选取焦距为4mm，8mm,16mm三种摄像头，设定其安装高度为2.5-3米，俯仰角为≤15°，经测量其有效识别距离分别为10m,30m,50m，有效识别面积约为64㎡，127㎡，187㎡）, 则：

Cam1 覆盖范围比例α₁ = A₁ / A = 64㎡/400㎡=16.00%;

Cam2 覆盖范围比例α₂ = A₂ / A = 127㎡/400㎡=31.75%;

Cam3 覆盖范围比例α₃ = A₃/ A = 187㎡/400㎡=46.75%;

上述覆盖比例来源于S4中计算每路摄像头画面的有效监控范围面积A_i与该区域游客可游览面积A的比例，通过S4步骤可得到以上比例的验证支撑。

以上数据案例根据某设备商提供的不同型号摄像头实际实验数据，仅代表计算过程，不代表最优结果，但应当明确所有应用该方法所得到的数据都属于本方法保护的范围内。

S4：对接入的每路摄像头画面应用目标检测算法，在实践中，由于遮掩的整个特性，我们通常无法对人体进行建模，而只能通过人体的局部特征去识别人体目标，故以头肩为识别目标，对摄像头画面的监控图像进行采样，对采样图像进行目标检测算法应用；具体实施过程如下：

首先需要建立AI识别权重模型，对其进行10轮识别结果验证，其中7轮为权重调优，3轮为结果验证。采用此种技术验证方式主要了为保证AI识别学习建模和训练效率，在保证精度达到一定程度且效率提升的情况下，该权重模型的建立可在较短时间内完成，极大提升模型训练速度。

进一步，对每次采样的画面进行人工识别和AI识别比对，根据结果计算其权重系数X_i，数据范围为0-2，小数点后保留2位。权重系数X_i计算方式通过以下方式确定：

X_i=人工识别人数/AI识别人数

例如：肉眼识别到采样视频画面中人数为10人，AI识别人数为9人，则其权重系数X_i=10/9=1.11。该结果通过直观的人工比对，在训练过程中通过简单的人为干预即可获得，具备操作性强，操作成本低的技术优点。

进一步，在每一轮比对后，将计算出的权重系数在下次比对中进行验证。验证过程为每轮识别结果乘以上一轮权重系数，与人工识别产生的数值范围差异是否在变小。

进一步，对每路摄像头采样执行该步骤，7轮验证结束后，取第7轮的权重系数作为该路摄像头权重。

进一步，对使用该权重系数的摄像头识别结果进行3轮最终结果比对验证，若其准确率能够达到90%以上，则应用其权重系数，若无法满足条件，则进行权重优化，或对摄像头进行角度、位置等调整。

在一个实施例中：对Cam1视频画面进行图像采样，每采一次对其进行目标检测，并与人工识别的结果比对，比对后调整权重系数，例如人工识别画面为80人，AI识别为100人。则其系数为1.25。将该系数应用到下一轮采样分析，重复验证7次，确定最终权重系数。

在不同时间点进行3轮结果比对验证，若该系数误差较小，则采用。若误差较大，进行优化调整。

S5：根据每路摄像头画面的有效监控范围，需要对摄像头视角交汇的重复部分进行测量，通过割补法测量视角交汇处的重叠面积Ac_i，并将该摄像头重叠面积Ac_i与摄像头画面的有效监控范围面积A_i进行计算，得到区域重叠系数Y_i，计算步骤及公式如下：

式中：

Ac_i 为第i摄像头的重叠面积；

A_i 为第i摄像头画面的有效监控范围的面积；

Y_i 为第i摄像头覆盖范围的重叠系数，该数据指重叠部分占摄像头覆盖面积的比例，系数范围为0~1区间,小数点后保留2位，；

S6：同一时间对接入的多路监控摄像头进行视频画面图像采样，并对图像中的人员进行目标检测算法识别，得到每路摄像头识别到的初始人数N；

S7：对应每路摄像头权重系数及重叠系数，对每路摄像头视频结构化数据进行加权运算，得出每路摄像头加权人数C₁，其计算公式如下：

C₁=int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数，系数范围为0-2区间,小数点后保留2位；

Y_i 为第i摄像头覆盖范围的重叠系数，系数范围为0-1区间,小数点后保留2位；

所述摄像头加权人数C₁的运算步骤主要分为以下几步：

先对识别到的初始人数进行权重系数补偿，例如：识别到的初始人数为80人，权重系数为1.25，则权重结果为100人。

进一步的，计算区域重叠部分人数，对权重结果100人进行重叠系数补偿，设该摄像头重叠系数为0.25，则重叠区域人数结果为25人。

进一步的，计算区域中不含重叠区域人数的结果，将权重结果100人减去重叠区域人数25人，对其结果取整，则该摄像头的加权人数为75人。

S8: 将多个摄像头的加权人数相加后，得到区域人数C，其计算公式如下：

C=∑C_1i=∑int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数；

Y_i 为第i摄像头覆盖范围的重叠系数；

C_1i为第i摄像头的加权人数，该数据范围需要参考以上加权人数计算过程；

S9：测算区域可游览面积a并设计人均空间安全指标m，得出区域客流安全密度阈值Z，计算公式如下：

Z=A/m

式中：

A为区域可游览面积,指游客的有效游玩面积；

m为人均空间安全指标,指在保障安全和游玩体验的情况下单名游客所需的空间范围，经实地调研，数值范围一般为0.5-10米；

S10：通过监测S8中统计到的区域人数C和S9中设定的区域客流安全密度阈值Z的关系来监测客流密度情况；

例如：若S8中统计到的区域人数C达到S9中设定的区域客流安全密度阈值Z时，则采取相应预警措施，避免出现安全事件；

下面通过具体的实施例对本技术方案进行说明：

A区域人均空间安全指标为m=2m/人，可游览面积A=144㎡，区域客流安全密度阈值Z=72人，共接入4个摄像头,分别为Cam1，Cam2，Cam3，Cam4；

我们设定Cam1的权重系数X=0.85，重叠系数Y=0，Cam2的权重系数X=0.95，重叠系数Y=0.11，Cam3的权重系数X=1.25，重叠系数Y=0.17，Cam4的权重系数X=1.15，重叠系数Y=0.26。

一节假日，游客进入A区域，根据各摄像头实时分析，得到Cam1初始人数N=45人，Cam2初始人数N=8人，Cam3初始人数N=10人，Cam4初始人数N=22人，通过权重系数和重叠系数计算，得出Cam1加权人数C=38人，Cam2加权人数C =6人，Cam3加权人数C =10人，Cam4初始人数N=18人，经过算法补偿计算，实时得出区域总人数72人，已达到设定的区域客流安全密度阈值，并采取相应措施限制人流进入及区域内游客疏导，保障游客人身安全及游览体验。

若使用传统技术使用单摄像头进行区域密度的监测，则会出现2种情况：

第一种情况，是将单摄像头识别到的人数将作为整个区域人数，其中受盲区、可识别视角的影响，可能存在数据漏报的情况，影响整体准确度；

第二种情况，是将多路摄像头识别到的人数相加，其中重叠区域及视角导致准据重复量极高，可能存在数据多报的情况，区域游客密度监测的准确度大大下降。

通过对以上2种情况集中对比验证，第一种情况验证结果为当区域面积与摄像头识别的有效视角范围相差过大时，其结果会导致结果人数偏小，不能准确表达区域的游客量；第二种情况通过将所有摄像头识别结果人数相加的方式，在人员数量较多的区域实际操作时可用性不强，其会统计到重复的人数，导致结果人数偏大，影响区域人数结果。

综上，通过本发明实例方法，通过接入多路摄像头进行算法补偿，从而提高了本发明的算法实施后得到的判定结果的精确性。

还需要说明的是，本发明的实例中，由于现场环境各不相同，需对目标检测以头肩为样本进行识别，即因为目标行人的头肩识别更为准确，又因为利用目标行人的头肩坐标得到的数据更接近真实情况，进而确保了行人目标检测的精准性。

还需要补充的是，本发明的内容说明和附图中的序号是用于区别类似的对象，并不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便理解这里描述的本发明的实例。

Claims (5)

1.一种基于多路监控视频实现景区区域客流密度监测的方法，其特征在于包括以下步骤：

S1：接入同一区域内多路不同角度的视频监控摄像头Cam1, Cam2…Camn，

S2：测量该区域游客可游览面积A，该面积的测量方法如下：

使用GPS测亩仪现场丈量，对区域内游客可到达的有效范围进行精确测量，计算并得出面积A；

S3：根据接入的视频监控摄像头的有效监控视角，对其可视覆盖范围对应的现实范围进行标点测量，获取每路摄像头画面的有效监控范围面积A_i ，该面积的测量方法如下：

首先观测摄像头监控画面的可视范围和范围内参照物，确定现实参照标点；

其次使用GPS测亩仪现场丈量，对摄像头覆盖的游客可到达的有效游览面积进行测量，计算并得出面积A_i；

S4：计算每路摄像头画面的有效监控范围面积A_i与该区域游客可游览面积A的比例，得到每路每路摄像头在该区域的覆盖范围比例α_i，α_i= A_i/ A；

S5：以头肩为识别目标，对摄像头画面的监控图像进行采样，对采样图像进行目标AI识别人数；

S6：根据每路摄像头画面的有效监控范围，需要对摄像头视角交汇的重复部分进行测量，通过割补法测量视角交汇处的重叠面积Ac_i，并将该摄像头重叠面积Ac_i与摄像头画面的有效监控范围面积A_i进行计算，得到区域重叠系数Y_i，计算步骤及公式如下：

式中：

Ac_i 为第i摄像头的重叠面积；

A_i 为第i摄像头画面的有效监控范围的面积；

Y_i 为第i摄像头覆盖范围的重叠系数，该数据指重叠部分占摄像头覆盖面积的比例，系数范围为0~1区间,小数点后保留2位；

S7：同一时间对接入的多路监控摄像头进行视频画面图像采样，并对图像中的人员进行目标检测算法识别，得到每路摄像头识别到的初始人数N；

S8：对应每路摄像头权重系数及重叠系数，对每路摄像头视频结构化数据进行加权运算，得出每路摄像头加权人数C₁，其计算公式如下：

C₁=int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数，系数范围为0-2区间,小数点后保留2位；

Y_i 为第i摄像头覆盖范围的重叠系数，系数范围为0-1区间,小数点后保留2位；

S9: 将多个摄像头的加权人数相加后，得到区域人数C，其计算公式如下：

C=∑C_1i=∑int{N_i × X_i－[(N_i × X_i) × Y_i]}

式中：

N_i 为第i摄像头的初始人数；

X_i 为第i摄像头覆盖范围的权重系数；

Y_i 为第i摄像头覆盖范围的重叠系数；

C_1i为第i摄像头的加权人数，该数据范围需要参考以上加权人数计算过程；

S10：通过监测S8中统计到的区域人数C和S9中设定的区域客流安全密度阈值Z的关系来监测客流密度情况，测算区域可游览面积a并设计人均空间安全指标m，得出区域客流安全密度阈值Z，计算公式如下：

Z=A/m

式中：

A为区域可游览面积,指游客的有效游玩面积；

m为人均空间安全指标,指在保障安全和游玩体验的情况下单名游客所需的空间范围。

2.根据权利要求1所述一种基于多路监控视频实现景区区域客流密度监测的方法，其特征在于所述S1分为如下步骤：

S101、区域内多路视频监控摄像头监控覆盖范围有重叠，测量重叠区域范围和面积，识别并核算所有覆盖范围内的人数，识别并核算重叠区域人数，去重重复识别人数；

S102、区域内多路视频监控摄像头监控覆盖范围无重叠，采取全部接入，识别并核算所有覆盖范围内的人数。

3.根据权利要求1所述一种基于多路监控视频实现景区区域客流密度监测的方法，其特征在于所述S5分为如下步骤：

首先建立AI识别权重模型，对每次采样的画面进行人工识别和AI识别比对，根据结果计算其权重系数X_i，数据范围为0-2，小数点后保留2位；权重系数X_i计算方式通过以下方式确定：

X_i=人工识别人数/AI识别人数。

4.根据权利要求3所述一种基于多路监控视频实现景区区域客流密度监测的方法，其特征在于所述S5分为如下步骤：对其X_i进行多轮识别计算取平均值。

5.根据权利要求1所述一种基于多路监控视频实现景区区域客流密度监测的方法，其特征在于所述S8中统计到的区域人数C达到S9中设定的区域客流安全密度阈值Z时，进行人员限流。

Images