CN114820692A - 跟踪目标的状态分析方法、装置、存储介质和终端 - Google Patents
跟踪目标的状态分析方法、装置、存储介质和终端 Download PDFInfo
- Publication number
- CN114820692A CN114820692A CN202210747602.8A CN202210747602A CN114820692A CN 114820692 A CN114820692 A CN 114820692A CN 202210747602 A CN202210747602 A CN 202210747602A CN 114820692 A CN114820692 A CN 114820692A
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- tracking target
- standard deviation
- standing
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种跟踪目标的状态分析方法、装置、存储介质和终端,方法包括:响应于跟踪目标的状态分析请求,获取状态分析请求中包括的目标图像集;根据目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间;根据每个跟踪目标的轨迹信息,计算每个跟踪目标的目标位移标准差;获取每个跟踪目标的驻足起始时间和静止起始时间;根据标记时间和驻足起始时间,确定每个跟踪目标的驻足时长;根据标记时间和静止起始时间,确定每个跟踪目标的静止时长;根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态。本申请通过在跟踪目标中甄别误检地静止目标,提高了客流统计结果的精准度。
Description
技术领域
本发明涉及一种数字图像处理技术领域,特别是涉及一种跟踪目标的状态分析方法、装置、存储介质和终端。
背景技术
目前,针对商场、超市、自动贩卖机以及智能广告牌等场景中,商家不仅关注整体客流量,还希望通过客流统计得出顾客在货柜或广告牌附近的停留时间,进而评估商品或展示内容的关注度。现有技术中,采用通过深度相机来采集视频图像,从而得到行人运动轨迹的方式进行统计分析,然而在对目标跟踪进行统计分析过程中,不仅会对驻足的行人进行甄别,还会对误检的静止物体进行甄别,容易出现混淆的现象,导致目标跟踪分析结果的准确性较低。
发明内容
有鉴于此,本发明提供一种跟踪目标的状态分析方法、装置、存储介质和终端,主要目的在于现有技术对目标跟踪进行统计分析过程中,不仅会对驻足的行人进行甄别,还会对误检的静止物体进行甄别,容易出现混淆的现象,导致目标跟踪分析结果的准确性较低。
依据本发明第一方面,提供了一种跟踪目标的状态分析方法,包括:
响应于跟踪目标的状态分析请求,获取状态分析请求中包括的目标图像集;
根据目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间,其中,多个跟踪目标为T={T1,T2,......,Tn},n为大于或等于1的正整数;
根据每个跟踪目标的轨迹信息,计算每个跟踪目标的目标位移标准差;
获取每个跟踪目标的驻足起始时间和静止起始时间;
根据标记时间和驻足起始时间,确定每个跟踪目标的驻足时长;
根据标记时间和静止起始时间,确定每个跟踪目标的静止时长;
根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态,其中,多个预设状态包括行走状态、驻足状态和静止状态。
可选地,根据每个跟踪目标的轨迹信息,计算每个跟踪目标的目标位移标准差的步骤,具体包括:
设置i为多个跟踪目标T中Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,1≤i≤n;
根据跟踪目标Ti的轨迹信息,计算跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差;
根据水平方向位移标准差和竖直方向位移标准差,利用第一公式,计算跟踪目标Ti的目标位移标准差;
第一公式为:
可选地,根据跟踪目标Ti的轨迹信息,计算跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差的步骤,具体包括:
根据跟踪目标Ti的轨迹信息,利用第二公式计算跟踪目标Ti的水平方向位移标准差;
第二公式为:
根据根据跟踪目标Ti的轨迹信息,利用第三公式计算跟踪目标Ti的竖直方向位移标准差;
第三公式为:
可选地,根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态的步骤,具体包括:
若跟踪目标Ti的位移标准差大于或等于预设驻足位移标准差阈值,确定跟踪目标Ti处于行走状态;
若跟踪目标Ti的目标位移标准差小于预设驻足位移标准差阈值,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态。
可选地,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态的步骤,具体包括:
若跟踪目标Ti的驻足时长大于预设驻足时长阈值,则确定跟踪目标Ti处于驻足状态;
若跟踪目标Ti的目标位移标准差小于预设静止位移标准差阈值,且静止时长大于预设静止时长阈值,则确定跟踪目标Ti处于静止状态。
可选地,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态的步骤,具体还包括:
若跟踪目标Ti的驻足时长小于或等于预设驻足时长阈值,则确定跟踪目标Ti处于行走状态;
若跟踪目标Ti的目标位移标准差大于或等于预设静止位移标准差阈值,和\或静止时长小于预设静止时长阈值,则确定跟踪目标Ti处于行走状态或驻足状态。
可选地,根据每个跟踪目标的轨迹信息,计算每个跟踪目标的位移标准差之前,还包括:
利用预设目标检测模型,对跟踪目标Ti进行跟踪目标检测,得到跟踪目标检测结果;
对跟踪目标检测结果进行分析,判断跟踪目标Ti是否满足预设跟踪条件;
若跟踪目标Ti满足预设跟踪条件,则对跟踪目标Ti进行状态分析;
若跟踪目标Ti不满足预设跟踪条件,则停止对跟踪目标Ti进行状态分析。
可选地,根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态之后,还包括:
在多个跟踪目标内删除处于静止状态的跟踪目标。
依据本发明第二方面,提供了一种跟踪目标的状态分析装置,包括:
第一获取模块,用于响应于跟踪目标的状态分析请求,获取状态分析请求中包括的目标图像集;
第一确定模块,用于根据目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间,其中,多个跟踪目标为T={T1,T2,......,Tn},n为大于或等于1的正整数;
计算模块,用于根据每个跟踪目标的轨迹信息,计算每个跟踪目标的目标位移标准差;
第二获取模块,用于获取每个跟踪目标的驻足起始时间和静止起始时间;
第二确定模块,用于根据标记时间和驻足起始时间,确定每个跟踪目标的驻足时长;
第三确定模块,用于根据标记时间和静止起始时间,确定每个跟踪目标的静止时长;
第四确定模块,用于根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态,其中,多个预设状态包括行走状态、驻足状态和静止状态。
可选地,计算模块,具体用于:
设置i为多个跟踪目标T中Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,1≤i≤n;
根据跟踪目标Ti的轨迹信息,计算跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差;
根据水平方向位移标准差和竖直方向位移标准差,利用第一公式,计算跟踪目标Ti的目标位移标准差;
第一公式为:
可选地,计算模块,具体还用于:
根据跟踪目标Ti的轨迹信息,利用第二公式计算跟踪目标Ti的水平方向位移标准差;
第二公式为:
根据根据跟踪目标Ti的轨迹信息,利用第三公式计算跟踪目标Ti的竖直方向位移标准差;
第三公式为:
可选地,第三确定模块,具体用于:
若跟踪目标Ti的位移标准差大于或等于预设驻足位移标准差阈值,确定跟踪目标Ti处于行走状态;
若跟踪目标Ti的目标位移标准差小于预设驻足位移标准差阈值,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态。
可选地,第三确定模块,具体还用于:
若跟踪目标Ti的驻足时长大于预设驻足时长阈值,则确定跟踪目标Ti处于驻足状态;
若跟踪目标Ti的目标位移标准差小于预设静止位移标准差阈值,且静止时长大于预设静止时长阈值,则确定跟踪目标Ti处于静止状态。
可选地,第三确定模块,具体还用于:
若跟踪目标Ti的驻足时长小于或等于预设驻足时长阈值,则确定跟踪目标Ti处于行走状态;
若跟踪目标Ti的目标位移标准差大于或等于预设静止位移标准差阈值,和\或静止时长小于预设静止时长阈值,则确定跟踪目标Ti处于行走状态或驻足状态。
可选地,该装置还包括:
生成模块,用于利用预设目标检测模型,对跟踪目标Ti进行跟踪目标检测,得到跟踪目标检测结果;
分析模块,用于对跟踪目标检测结果进行分析,判断跟踪目标Ti是否满足预设跟踪条件;
分析模块,还用于若跟踪目标Ti满足预设跟踪条件,则对跟踪目标Ti进行状态分析;
分析模块,还用于若跟踪目标Ti不满足预设跟踪条件,则停止对跟踪目标Ti进行状态分析。
可选地,该装置还包括:
删除模块,用于在多个跟踪目标内删除处于静止状态的跟踪目标。
根据本发明的第三方面,提供了一种客流统计系统包括:如第二方面的跟踪目标的状态分析装置;
图像采集装置,图像采集装置与跟踪目标的状态分析装置通信连接,其中,图像采集装置,用于采集目标图像集,并将采集到的目标图像集发送至跟踪目标的状态分析装置。
根据本发明的第四方面,提供了一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如第一方面的跟踪目标的状态分析方法对应的操作。
根据本发明的第五方面,提供了一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第一方面的跟踪目标的状态分析方法对应的操作。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本申请提供的一种跟踪目标的状态分析方法,通过在每次完成场景跟踪区域内的行人跟踪之后,通过对所有跟踪目标的移动状态进行分析,利用设定预设阈值与每个跟踪目标的轨迹信息、驻足和静止的时间信息进行比较,在全部跟踪目标中甄别出处于静止状态的静止物体,使得系统能够先删除甄别出的误检的静止物体后,再对跟踪目标进行驻足分析,以实现对驻足分析结果的修正,提高了客流驻足分析结果的精准度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种跟踪目标的状态分析方法流程图;
图2示出了本发明实施例提供的一种跟踪目标的状态分析装置组成框图;
图3示出了本发明实施例提供的图像采集装置安装于应用场景的示意图;
图4示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要说明的是,本申请提供的跟踪目标的状态分析方法,可以应用于客流相机、深度相机以及其它终端,还可以应用于服务器上,其它终端可以是智能手机或电脑、平板电脑、智能电视、智能手表、便携计算机终端也可以是台式计算机等具备运算以及数据分析能力的智能终端。为方便阐述,本申请中以终端为执行主体进行举例说明。
本发明实施例提供了一种跟踪目标的状态分析方法,如图1所示,该方法包括:
步骤101,响应于跟踪目标的状态分析请求,获取状态分析请求中包括的目标图像集;
步骤102,根据目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间;
步骤103,根据每个跟踪目标的轨迹信息,计算每个跟踪目标的目标位移标准差;
步骤104,获取每个跟踪目标的驻足起始时间和静止起始时间;
步骤105,根据标记时间和驻足起始时间,确定每个跟踪目标的驻足时长;
步骤106,根据标记时间和静止起始时间,确定每个跟踪目标的静止时长;
步骤107,根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态,其中,多个预设状态包括行走状态、驻足状态和静止状态。
本申请实施例提供了一种跟踪目标的状态分析方法,对于商场、超市、自动贩卖机以及智能广告牌等场景来说,在完成多个跟踪目标在跟踪区域的基础跟踪后,需对每个跟踪目标进行驻足分析,判断其是否驻足,进而评估行人对商品或展示内容的关注度。然而,在进行视频图像采集过程中,采集到的跟踪目标并非都是行人,也可能是本身场景内存在的背景人群、展示用的模特假人、盆栽或者其他静止的物品等,在对采集到的图像集进行驻足分析时,若未能识别出上述这些误检到的静止物体,而是将这些静止物体作为驻足行人计算在内,会严重影响最终驻足分析结果的精确度。因此,在对行人进行驻足分析过程中,需要先对采集到的每个跟踪目标在跟踪区域内的整体状态进行分析,以对静止物体进行甄别,其后将误检的静止物体从多个跟踪目标中剔除,确保驻足分析结果的精确度。具体地,接收到跟踪目标的状态分析请求后,获取请求中包含的本轮次跟踪得到的目标图像集,对目标图像集进行分析,确定目标图像集中每个跟踪目标对应的轨迹信息,每个跟踪目标的标记时间,需要说明的是,标记时间指的是每个跟踪目标在本轮次跟踪的结束时间,并在创建每个跟踪目标的跟踪信息列表时,将该跟踪目标对应的标记时间记为本轮次跟踪的时间戳。
具体地,多个跟踪目标为T={T1,T2,......,Tn},其中,n为大于或等于1的正整数。
进一步地,根据每个跟踪目标在跟踪区域的轨迹信息,计算该跟踪目标的目标位移标准差。其后,获取每个跟踪目标在本轮次跟踪的驻足起始时间和静止起始时间。进一步地,在得到跟踪目标的驻足起始时间和静止起始时间后,通过标记时间减去驻足起始时间,得到该跟踪目标的驻足时长,同时,通过标记时间减去静止起始时间,得到该跟踪目标的静止时长。
可以理解的是,对跟踪区域内的跟踪目标进行基础跟踪过程中,可以根据历史行人驻足时长,设定本轮次跟踪的结束时间,进而通过结束时间减去行人的驻足起始时间近似得到跟踪目标在本轮次跟踪中的驻足时长,同时,通过结束时间减去静止起始时间近似得到跟踪目标在本轮次跟踪中的静止时长。
进一步地,根据每个跟踪目标的目标位移标准差、驻足时长和静止时长,判断该跟踪目标在跟踪区域处于行走状态、驻足状态或静止状态,而其中静止状态对应的跟踪目标即为误检的静止物体。
通过应用本实施例的技术方案,在每次完成场景跟踪区域内的行人跟踪之后,通过对所有跟踪目标的移动状态进行分析,利用设定预设阈值与每个跟踪目标的轨迹信息、驻足和静止的时间信息进行比较,根据比较结果在全部跟踪目标中甄别误检的静止物体,使得系统能够先删除甄别出的误检的静止物体后,再对跟踪目标进行驻足分析,以实现对驻足分析结果的修正,提高了客流驻足分析结果的精准度。
在本申请实施例中,可选地,步骤102具体可以包括:设置i为多个跟踪目标T中Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,1≤i≤n;根据跟踪目标Ti的轨迹信息,计算跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差;根据水平方向位移标准差和竖直方向位移标准差,利用第一公式,计算跟踪目标Ti的目标位移标准差;
第一公式为:
在该实施例中,在对每个跟踪目标进行跟踪,得到每个跟踪目标在跟踪区域的轨迹信息后,通过跟踪目标的轨迹信息,来计算该跟踪目标的目标位移标准差,进而利用计算出的目标位移标准差精准地判断出跟踪目标在本次跟踪区域内的移动状态。具体地,在确定本轮次跟踪的多个跟踪目标后,设置i为多个跟踪目标T内任意一个跟踪目标Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,i大于或等于1,且小于或等于n。利用跟踪目标Ti的轨迹信息,来计算该跟踪目标的水平方向位移标准差,以及竖直方向位移标准差,进而通过第一公式,根据水平方向位移标准差和竖直方向位移标准差,计算出该跟踪目标的目标位移标准差。
通过上述方式,利用第一公式来计算每个跟踪目标的目标位移标准差,进而通过计算出的目标位移标准差,对每个跟踪目标在本次跟踪区域内的移动状态进行分析,进而根据每个跟踪目标的移动状态,确定出误检的静止物体,确保对跟踪目标进行驻足分析的精确度。
在本申请实施例中,可选地,根据跟踪目标Ti的轨迹信息,计算跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差的步骤,具体包括:根据跟踪目标Ti的轨迹信息,利用第二公式计算跟踪目标Ti的水平方向位移标准差;根据跟踪目标Ti的轨迹信息,利用第三公式计算跟踪目标Ti的竖直方向位移标准差。
具体地,第二公式为:
具体地,第三公式为:
在该实施例中,在完成对多个跟踪目标的基础跟踪,获取到每个跟踪目标的轨迹信息后,通过第二公式,来计算出每个跟踪目标在水平方向的位移标准差,同时,通过第三公式,来计算出每个跟踪目标在竖直方向的位移标准差,为后续对每个跟踪目标进行状态分析提供数据基础。
在本申请实施例中,可选地,步骤106具体可以包括:若跟踪目标Ti的目标位移标准差大于或等于预设驻足位移标准差阈值,确定跟踪目标Ti处于行走状态,根据跟踪目标Ti的驻足起始时间和静止起始时间修改跟踪目标Ti的标记时间,设i=i+1,返回至获取跟踪目标Ti+1的轨迹信息的步骤,对跟踪目标Ti+1进行状态分析;若跟踪目标Ti的目标位移标准差小于预设驻足位移标准差阈值,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态。
在该实施例中,根据应用场景,提前设定驻足位移标准差阈值、静止位移标准差阈值、驻足时长阈值以及静止时长阈值,在计算出每个跟踪目标的目标位移标准差、驻足时长以及静止时长后,根据预设驻足位移标准差阈值、预设静止位移标准差阈值、预设驻足时长阈值以及预设静止时长阈值,分别对跟踪目标的数据进行判断,以确定跟踪目标在跟踪区域内的移动状态。具体地,将跟踪目标Ti的目标位移标准差与设定的驻足位移标准差阈值进行比较,如果跟踪目标Ti的目标位移标准差大于或等于预设驻足位移标准差阈值,说明跟踪目标Ti在跟踪区域内的移动距离较远,即跟踪目标Ti在跟踪区域内为行走状态,也就是说,该跟踪目标快速通过跟踪区域而并未驻足。此时,将跟踪目标Ti的驻足起始时间和静止起始时间作为跟踪目标Ti在本次基本跟踪的时间戳。
可选地,在确定跟踪目标Ti的移动状态后,设i=i+1,对跟踪目标Ti+1在跟踪区域内的移动状态进行状态分析,以实现遍历所有跟踪目标T。
进一步地,如果跟踪目标Ti的目标位移标准差小于预设驻足位移标准差阈值,说明跟踪目标Ti在跟踪区域内为驻足状态或者静止状态,此时,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,进行进一步判断,以确定跟踪目标Ti的移动状态。
可以理解的是,可以根据实际应用场景和应用需求来设定预设驻足位移标准差阈值、预设静止位移标准差阈值、预设驻足时长阈值以及预设静止时长阈值,其中,预设驻足位移标准差阈值>预设静止位移标准差阈值;预设驻足时长阈值的取值范围可以为3s至5s,例如3s、4s或5s;预设静止时长阈值的取值范围可以为58s至60s,例如58s、59s或60s。
通过上述方式,利用设定的位移标准差与跟踪目标的位移标准差进行比较,能够快速、准确地找出所有跟踪目标中处于行走状态的跟踪目标,其后,通过设定的驻足时长阈值以及静止时长阈值,对其余未确定状态的跟踪目标进行进一步分析,确保跟踪目标状态分析结果的准确性。
在本申请实施例中,可选地,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态的步骤,具体包括:
若跟踪目标Ti的驻足时长大于预设驻足时长阈值,则确定跟踪目标Ti处于驻足状态;若跟踪目标Ti的目标位移标准差小于预设静止位移标准差阈值,且静止时长大于预设静止时长阈值,则确定跟踪目标Ti处于静止状态。
在该实施例中,将跟踪目标Ti的目标位移标准差与设定的驻足位移标准差阈值进行比较,如果跟踪目标Ti的目标位移标准差小于预设驻足位移标准差阈值,说明跟踪目标Ti在跟踪区域内的移动距离较近,也就是说,该跟踪目标在跟踪区域内为驻足状态或静止不动,此时,根据跟踪目标Ti的目标位移标准差、驻足时长以及静止时长对该跟踪目标进行进一步判断,如果跟踪目标Ti的驻足时长大于预设驻足时长阈值,则确定跟踪目标Ti处于驻足状态;如果跟踪目标Ti的目标位移标准差小于预设静止位移标准差阈值,且静止时长大于预设静止时长阈值,则确定跟踪目标Ti处于静止状态,也即跟踪目标Ti为误检的静止物体。
通过上述方式,实现了在全部跟踪目标中筛选出误检的静止物体,确保对跟踪目标进行驻足分析的准确性。
在本申请实施例中,可选地,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态的步骤,具体还包括:
若跟踪目标Ti的驻足时长小于或等于预设驻足时长阈值,则确定跟踪目标Ti处于行走状态;若跟踪目标Ti的目标位移标准差大于或等于预设静止位移标准差阈值,和\或静止时长小于预设静止时长阈值,则确定跟踪目标Ti处于非静止状态。
在该实施例中,如果跟踪目标Ti的驻足时长小于或等于预设驻足时长阈值,说明跟踪目标Ti在跟踪区域并未驻足,即确定该跟踪目标为行走状态。如果跟踪目标Ti的目标位移标准差大于或等于预设静止位移标准差阈值,和\或静止时长小于预设静止时长阈值,即该跟踪目标的位移标准差以及停留时长已经超出了静止状态的设定条件,则说明跟踪目标Ti处于非静止状态,也就是说,该跟踪目标Ti不是误检的静止物体,此时,可以根据该跟踪目标的目标位移标准差以及驻足时长具体判断跟踪目标Ti处于行走状态或驻足状态。
可选地,在确定跟踪目标Ti为非静止物体时,将跟踪目标Ti的静止起始时间设置为该跟踪目标在本轮次跟踪的时间戳。
在本申请实施例中,可选地,步骤102之前,可以包括:利用预设目标检测模型,对跟踪目标Ti进行跟踪目标检测,得到跟踪目标检测结果;对跟踪目标检测结果进行分析,判断跟踪目标Ti是否满足预设跟踪条件;若跟踪目标Ti满足预设跟踪条件,则根据跟踪目标Ti的轨迹信息,计算位移标准差;若跟踪目标Ti不满足预设跟踪条件,则对跟踪目标Ti进行状态分析。
在该实施例中,当跟踪区域视频内有一个移动的物体时,在某些情况下,该移动物体的视觉外观并不清楚,例如,跟踪目标被部分或完全遮挡、两个跟踪目标交叉、跟踪目标由于物体或相机的运动而变模糊以及目标附近的背景杂乱与跟踪目标有相似的颜色或纹理等,这些情况下会导致检测失败而跟踪不成功。因此在对跟踪目标进行状态分析之前,先要对各个跟踪目标进行检测,以判断该跟踪目标是否足够清晰符合后续分析条件。具体地,将连续的视频帧给一个预先训练好的目标检测器,该检测器给出检测假设,然后用检测假设形成跟踪轨迹,对跟踪目标Ti进行跟踪目标检测,得到跟踪目标的检测结果,进而根据该跟踪目标的检测结果判断跟踪目标Ti是否满足预设跟踪条件。如果跟踪目标Ti满足预设跟踪条件,即该跟踪目标在跟踪区域的视频采集图像足够清晰,则对跟踪目标进行状态分析;如果跟踪目标Ti不满足预设跟踪条件,即该跟踪目标在跟踪区域内的视频采集图像有遮挡或因其他因素不够清晰,无法对其进行驻足分析,则停止对跟踪目标Ti进行状态分析。
可选地,在确定停止对跟踪目标Ti进行状态分析后,将跟踪目标Ti的驻足起始时间和静止起始时间作为该跟踪目标在本轮次跟踪的时间戳。随后,设i=i+1,对跟踪目标Ti+1进行分析。
通过上述方式,预先对多个跟踪目标进行检测,以判断各个跟踪目标在跟踪区域的视频内是否足够清晰,能够对其进行状态分析,避免由于个别跟踪目标由于遮挡等情况不清晰,导致最终驻足分析结果不准确,有效提高了驻足分析的准确性,进一步地,通过提前对满足分支条件的跟踪目标的筛选,提高了后续跟踪目标的驻足分析效率。
可选地,步骤107之后,还可以包括:在多个跟踪目标内删除处于静止状态的跟踪目标。
在该实施例中,在确定出跟踪目标Ti处于静止状态,即确定出跟踪目标Ti为误检的静止物体后,将相应的跟踪目标和检测结果从全部跟踪目标中剔除。同时,将跟踪目标加入预设的误检记录列表中,以便后续根据预设误检记录列表内的误检的静止物体对应用场景的背景进行修正,进而改善后续的驻足分析结果。
可以理解的是,由于行人的驻足统计分析一般是长时间持续工作,统计分析结果中除当前人数外,还会包含历史人数、历史驻足人数,当发现误检的静止物体时,将历史人数、历史驻足人数减去误检的静止物体数目,相应地,被因误检而产生的多余计数即可自动被修正,以保证最终的统计准确率不受影响。
在具体实施例中,本申请实施例提供了一种驻足分析方法。具体地,本申请的基础目标跟踪器的跟踪目标信息包括驻足起始时间tdwell_start和静止起始时间tstationay_start,每个跟踪目标在被创建时,tdwell_start和tstationay_start均被初始化为创建时的时间戳t。
进一步地,在每次完成基础跟踪,或者完成基础跟踪的数据关联后,对于每个跟踪的目标进行驻足分析。
具体地,根据具体实际场景和应用需求提前设定多个阈值,包括:预设驻足位移标准差阈值Tdwellt_σ、预设静止位移标准差阈值Tstationary_σ、预设驻足时长阈值Tdwell_duration和预设静止时长阈值Tstationary_duration。其中,Tstationary_σ取值小于Tdwellt_σ;Tdwell_duration的取值范围为3s至5s;Tstationary_duration的取值范围为58s至60s。
设置多个跟踪目标为T={T1,T2,......,Tn},n为大于或等于1的正整数;设置i为多个跟踪目标T中Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,1≤i≤n。设本轮次跟踪时间戳为t,设预设误检列表为DFP。
驻足分析步骤包括:
S1、遍历T,对任意跟踪目标Ti执行分析:
S1.1、若Ti在本次跟踪的检测结果未满足预设跟踪条件,则将Ti的驻足起始时间和静止起始时间均置为本轮次跟踪时间戳t,并返回S1分析Ti+1;否则,执行下一步。
S1.3.1、若t-tdwell_start>Tdwell_duration,则判定Ti处于驻足状态。
S1.3.1若<Tstationary_σ,且t-tstationay_start>Tstationary_duration,则判定Ti处于静止
状态,即Ti为误检的静止目标,此时,将Ti加入到误检记录列表中。否则,将Ti的静止起始时
间置为本轮次跟踪时间戳t。
可选地,步骤S1.3中,条件<Tdwellt_σ也可替换为:<Tdwellt_σ且σy<Tdwellt_σ。
同理,步骤S1.3.1中,条件<Tstationary_σ可替换为<Tstationary_σ且<Tstationary_σ。
通过上述方式,在分析行人驻足信息过程中,还可附带地甄别误检的静止目标,能及时修正当前人数、历史人数以及历史驻足人数,并且为行人检测模块提供反馈,以便于其背景建模模块对相应地背景模型进行修正,从而改善整体检测和统计效果。
进一步的,作为对上述图1所示方法的实现,本发明实施例提供了一种跟踪目标的状态分析装置,如图2所示,该装置包括:
第一获取模块,用于响应于跟踪目标的状态分析请求,获取状态分析请求中包括的目标图像集;
第一确定模块,用于根据所述目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间,其中,多个跟踪目标为T={T1,T2,......,Tn},n为大于或等于1的正整数;
计算模块,用于根据每个跟踪目标的轨迹信息,计算每个跟踪目标的目标位移标准差;
第二获取模块,用于获取每个跟踪目标的驻足起始时间和静止起始时间;
第二确定模块,用于根据标记时间和驻足起始时间,确定每个跟踪目标的驻足时长;
第三确定模块,用于根据标记时间和静止起始时间,确定每个跟踪目标的静止时长;
第四确定模块,用于根据目标位移标准差、驻足时长和静止时长,在多个预设状态中,确定每个跟踪目标对应的状态,其中,多个预设状态包括行走状态、驻足状态和静止状态。
可选地,计算模块,具体用于:
设置i为多个跟踪目标T中Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,1≤i≤n;
根据跟踪目标Ti的轨迹信息,计算跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差;
根据水平方向位移标准差和竖直方向位移标准差,利用第一公式,计算跟踪目标Ti的目标位移标准差;
第一公式为:
可选地,计算模块,具体还用于:
根据跟踪目标Ti的轨迹信息,利用第二公式计算跟踪目标Ti的水平方向位移标准差;
第二公式为:
根据根据跟踪目标Ti的轨迹信息,利用第三公式计算跟踪目标Ti的竖直方向位移标准差;
第三公式为:
可选地,第三确定模块,具体用于:
若跟踪目标Ti的位移标准差大于或等于预设驻足位移标准差阈值,确定跟踪目标Ti处于行走状态;
若跟踪目标Ti的目标位移标准差小于预设驻足位移标准差阈值,根据跟踪目标Ti的目标位移标准差、驻足时长和静止时长,确定跟踪目标Ti处于驻足状态或静止状态。
可选地,第三确定模块,具体还用于:
若跟踪目标Ti的驻足时长大于预设驻足时长阈值,则确定跟踪目标Ti处于驻足状态;
若跟踪目标Ti的目标位移标准差小于预设静止位移标准差阈值,且静止时长大于预设静止时长阈值,则确定跟踪目标Ti处于静止状态。
可选地,第三确定模块,具体还用于:
若跟踪目标Ti的驻足时长小于或等于预设驻足时长阈值,则确定跟踪目标Ti处于行走状态;
若跟踪目标Ti的目标位移标准差大于或等于预设静止位移标准差阈值,和\或静止时长小于预设静止时长阈值,则确定跟踪目标Ti处于行走状态或驻足状态。
可选地,该装置还包括:
生成模块,用于利用预设目标检测模型,对跟踪目标Ti进行跟踪目标检测,得到跟踪目标检测结果;
分析模块,用于对跟踪目标检测结果进行分析,判断跟踪目标Ti是否满足预设跟踪条件;
分析模块,还用于若跟踪目标Ti满足预设跟踪条件,则对跟踪目标Ti进行状态分析;
分析模块,还用于若跟踪目标Ti不满足预设跟踪条件,则停止对跟踪目标Ti进行状态分析。
可选地,该装置还包括:
删除模块,用于在多个跟踪目标内删除处于静止状态的跟踪目标。
根据本发明的第三方面,提供了一种客流统计系统包括:如第二方面的跟踪目标的状态分析装置;图像采集装置,图像采集装置与跟踪目标的状态分析装置通信连接,其中,图像采集装置,用于采集目标图像集,并将采集到的目标图像集发送至跟踪目标的状态分析装置。
在该实施例中,通过在商铺、展馆的货柜或广告牌前等应用场景的跟踪区域处设置图像采集装置,使得图像采集装置能够监控、采集到跟踪区域内的行人驻足情况。在采集到目标图像集后,将采集到的目标图像集发送至跟踪目标的状态分析装置,使得跟踪目标的状态分析装置能够根据接收到的目标图像集分析出图像内全部跟踪目标的状态,并根本跟踪目标的状态在全部跟踪目标中筛选、删除误检的静止物体,确保系统对跟踪目标驻足分析的精确度。
可选地,图像采集装置可以为深度相机或彩度(RGB)相机。需要说明的是,为了确保图像采集装置能够全面、精细地采集到跟踪区域内经过的行人,需要设定距离限定区域或感兴趣区域,当有行人在距离限定区域或感兴趣区域内驻足时,认为是对展示内容或商品感兴趣,才纳入统计,而限定的范围外的驻足行人,不认为是对展示内容或商品感兴趣,则被忽略。例如,若图像采集装置为深度相机,则所述范围限定可以是距离限定和/或感兴趣区域限定,而若为RGB相机,则范围限定为感兴趣区域限定。进一步地,根据限定的范围、图像采集装置的采集范围,设定图像采集装置的安装位置,并将图像采集装置以水平角度采集或以一定倾角倾斜采集的方式安装于该安装位置,如图3所示,为图像采集装置安装于应用场景的示意图,根据限定的范围以及图像采集装置可采集图像的最远有效范围,来标定图像采集装置的安装位置、安装高度和安装角度,其后,将图像采集装置以标定好的安装高度和安装角度设置于安装位置处,使得图像采集装置能够水平拍摄跟踪区域或以一定向下倾角的倾斜方式拍摄跟踪区域。保证图像采集装置能够全面、精细地采集到特定区域内全部的行人。以便管理者评估不同品类商品的关注度、转化率或不同展区的关注度,从而做出更合理的决策。
可选地,客流统计系统还包括驻足分析装置,驻足分析装置与跟踪目标的状态分析装置通信连接,跟踪目标的状态分析装置在筛选并删除误检的静止物体后,将处于行走状态和驻足状态的跟踪目标信息汇总发送至驻足分析装置,以供驻足分析装置对跟踪到的行人分析其是否驻足并计算其驻足时间,得到行人跟踪结果和驻足分析结果。
进一步地,客流统计系统还包括统计装置,与驻足分析装置通信连接,驻足分析装置完成驻足分析后,将行人跟踪结果和驻足分析结果发送至统计装置,使得统计装置根据行人跟踪结果和驻足分析结果,计算行人进入、走出、停留在画面或指定区域的人数和时间以及行人驻足数目和时间,以统计得出各商品区或展区位置的客流特性,形成并输出统计表。便于管理者能够根据统计表了解各商品区或展区位置的行人驻足情况,评估不同品类商品的关注度、转化率或不同展区的关注度,从而做出更合理地决策。
可选地,本申请提供的客流统计系统适用于商场、车站等公共场所的智能广告牌或智能贩卖机等。相较于现有技术中一些采用中低端嵌入式设备的客流统计分析系统,因硬件算力限制,例如没有嵌入式神经网络处理器、图形处理器等硬件加速装置,或相应的硬件加速装置已经被其他软件占用,而无法部署基于深度学习的人体检测方法,使得开发这不得不考虑一些完全在中央处理器上运行的轻量级算法,需要兼顾效果和实时性。本申请的客流统计系统通过前端的图像采集装置与后端的跟踪目标的状态分析装置、驻足分析装置以及统计装置这些数据分析服务器连接。数据服务器中有巨大储存空间,因此可以采用录制高精度视频后再进行处理的方式,从而使软件可以采用复杂度更高且更精确的方式来进行客流统计分析,解决了因嵌入式处理芯片储存容量及处理能力有限,软件智能采用复杂程度较低的算法,难以胜任复杂的任务的问题,实现更精确克客量统计,为广告传媒商决策提供数据支持。
根据本发明一个实施例提供了一种存储介质,所述存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的跟踪目标的状态分析方法。
图4示出了根据本发明一个实施例提供的一种终端的结构示意图,本发明具体实施例并不对终端的具体实现做限定。
如图4所示,该终端可以包括:处理器(processor)402、通信接口(CommunicationsInterface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述跟踪目标的状态分析方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行图2中跟踪目标的状态分析装置执行的方法,并实现跟踪目标的状态分析装置在图2所示实施例的功能,本申请实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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,均应包括在本发明的保护范围之内。
Claims (12)
1.一种跟踪目标的状态分析方法,其特征在于,包括:
响应于跟踪目标的状态分析请求,获取所述状态分析请求中包括的目标图像集;
根据所述目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间,其中,所述多个跟踪目标为T={T1,T2,......,Tn},n为大于或等于1的正整数;
根据每个跟踪目标的轨迹信息,计算所述每个跟踪目标的目标位移标准差;
获取所述每个跟踪目标的驻足起始时间和静止起始时间;
根据标记时间和所述驻足起始时间,确定所述每个跟踪目标的驻足时长;
根据所述标记时间和所述静止起始时间,确定所述每个跟踪目标的静止时长;
根据所述目标位移标准差、所述驻足时长和所述静止时长,在多个预设状态中,确定每个跟踪目标对应的状态,其中,所述多个预设状态包括行走状态、驻足状态和静止状态。
2.根据权利要求1所述的方法,其特征在于,所述根据每个跟踪目标的轨迹信息,计算所述每个跟踪目标的目标位移标准差的步骤,具体包括:
设置i为所述多个跟踪目标T中Ti的序号,跟踪目标Ti的轨迹信息为P={p1(x1,y1),p2(x2,y2),......,pK(xK,yK)},其中,1≤i≤n;
根据所述跟踪目标Ti的所述轨迹信息,计算所述跟踪目标Ti的水平方向位移标准差和竖直方向位移标准差;
根据所述水平方向位移标准差和所述竖直方向位移标准差,利用第一公式,计算所述跟踪目标Ti的所述目标位移标准差;
所述第一公式为:
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标位移标准差、所述驻足时长和所述静止时长,在多个预设状态中,确定每个跟踪目标对应的状态的步骤,具体包括:
若所述跟踪目标Ti的所述目标位移标准差大于或等于预设驻足位移标准差阈值,确定所述跟踪目标Ti处于行走状态;
若所述跟踪目标Ti的所述目标位移标准差小于所述预设驻足位移标准差阈值,根据所述跟踪目标Ti的所述目标位移标准差、所述驻足时长和所述静止时长,确定所述跟踪目标Ti处于驻足状态或所述静止状态。
5.根据权利要求4所述的方法,其特征在于,所述根据所述跟踪目标Ti的所述目标位移标准差、所述驻足时长和所述静止时长,确定所述跟踪目标Ti处于驻足状态或所述静止状态的步骤,具体包括:
若所述跟踪目标Ti的所述驻足时长大于预设驻足时长阈值,则确定所述跟踪目标Ti处于所述驻足状态;
若所述跟踪目标Ti的所述目标位移标准差小于预设静止位移标准差阈值,且所述静止时长大于预设静止时长阈值,则确定所述跟踪目标Ti处于所述静止状态。
6.根据权利要求5所述的方法,其特征在于,所述根据所述跟踪目标Ti的所述目标位移标准差、所述驻足时长和所述静止时长,确定所述跟踪目标Ti处于驻足状态或所述静止状态的步骤,具体还包括:
若所述跟踪目标Ti的所述驻足时长小于或等于所述预设驻足时长阈值,则确定所述跟踪目标Ti处于所述行走状态;
若所述跟踪目标Ti的所述目标位移标准差大于或等于所述预设静止位移标准差阈值,和\或所述静止时长小于所述预设静止时长阈值,则确定所述跟踪目标Ti处于所述行走状态或所述驻足状态。
7.根据权利要求2所述的方法,其特征在于,所述根据每个跟踪目标的轨迹信息,计算所述每个跟踪目标的位移标准差之前,还包括:
利用预设目标检测模型,对所述跟踪目标Ti进行跟踪目标检测,得到跟踪目标检测结果;
对所述跟踪目标检测结果进行分析,判断所述跟踪目标Ti是否满足预设跟踪条件;
若所述跟踪目标Ti满足所述预设跟踪条件,则对所述跟踪目标Ti进行状态分析;
若所述跟踪目标Ti不满足所述预设跟踪条件,则停止对所述跟踪目标Ti进行状态分析。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述根据所述目标位移标准差、所述驻足时长和所述静止时长,在多个预设状态中,确定每个跟踪目标对应的状态之后,还包括:
在所述多个跟踪目标内删除处于所述静止状态的跟踪目标。
9.一种跟踪目标的状态分析装置,其特征在于,包括:
第一获取模块,用于响应于跟踪目标的状态分析请求,获取所述状态分析请求中包括的目标图像集;
第一确定模块,用于根据所述目标图像集,确定多个跟踪目标对应的多个轨迹信息和多个标记时间,其中,所述多个跟踪目标为T={T1,T2,......,Tn},n为大于或等于1的正整数;
计算模块,用于根据每个跟踪目标的轨迹信息,计算所述每个跟踪目标的目标位移标准差;
第二获取模块,用于获取所述每个跟踪目标的驻足起始时间和静止起始时间;
第二确定模块,用于根据标记时间和所述驻足起始时间,确定所述每个跟踪目标的驻足时长;
第三确定模块,用于根据所述标记时间和所述静止起始时间,确定所述每个跟踪目标的静止时长;
第四确定模块,用于根据所述目标位移标准差、所述驻足时长和所述静止时长,在多个预设状态中,确定每个跟踪目标对应的状态,其中,所述多个预设状态包括行走状态、驻足状态和静止状态。
10.一种客流统计系统,其特征在于,包括:
如权利要求9所述的跟踪目标的状态分析装置;
图像采集装置,所述图像采集装置与所述跟踪目标的状态分析装置通信连接,其中,图像采集装置,用于采集目标图像集,并将采集到的所述目标图像集发送至所述跟踪目标的状态分析装置。
11.一种存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-8中任一项所述的跟踪目标的状态分析方法对应的操作。
12.一种终端,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-8中任一项所述的跟踪目标的状态分析方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747602.8A CN114820692B (zh) | 2022-06-29 | 2022-06-29 | 跟踪目标的状态分析方法、装置、存储介质和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747602.8A CN114820692B (zh) | 2022-06-29 | 2022-06-29 | 跟踪目标的状态分析方法、装置、存储介质和终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114820692A true CN114820692A (zh) | 2022-07-29 |
CN114820692B CN114820692B (zh) | 2023-07-07 |
Family
ID=82522387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210747602.8A Active CN114820692B (zh) | 2022-06-29 | 2022-06-29 | 跟踪目标的状态分析方法、装置、存储介质和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820692B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070127774A1 (en) * | 2005-06-24 | 2007-06-07 | Objectvideo, Inc. | Target detection and tracking from video streams |
CN101833119A (zh) * | 2010-04-13 | 2010-09-15 | 美新半导体(无锡)有限公司 | 手持设备或移动设备翻转的识别方法 |
CN101872171A (zh) * | 2009-04-24 | 2010-10-27 | 中国农业大学 | 基于信息融合的驾驶员疲劳状态识别方法和系统 |
CN102036163A (zh) * | 2009-10-02 | 2011-04-27 | 索尼公司 | 行为模式分析系统、移动终端、行为模式分析方法和程序 |
CN104523281A (zh) * | 2014-12-31 | 2015-04-22 | 深圳先进技术研究院 | 一种运动监护方法、系统和衣物 |
CN108241844A (zh) * | 2016-12-27 | 2018-07-03 | 北京文安智能技术股份有限公司 | 一种公交客流统计方法、装置及电子设备 |
CN108537829A (zh) * | 2018-03-28 | 2018-09-14 | 哈尔滨工业大学 | 一种监控视频人员状态识别方法 |
CN112288771A (zh) * | 2020-10-14 | 2021-01-29 | 华南农业大学 | 群体环境中多猪体运动轨迹提取和行为分析方法 |
CN112560641A (zh) * | 2020-12-11 | 2021-03-26 | 北京交通大学 | 基于视频的双向客流通道中的单向客流信息检测方法 |
CN112862856A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市丰驰顺行信息技术有限公司 | 违停车辆的识别方法、装置、设备及计算机可读存储介质 |
CN113456063A (zh) * | 2021-06-30 | 2021-10-01 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测系统及检测方法 |
CN113591679A (zh) * | 2021-07-28 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种违停车辆检测方法及装置 |
CN113887445A (zh) * | 2021-10-08 | 2022-01-04 | 山东可信云信息技术研究院 | 一种视频中驻足和徘徊行为识别方法及系统 |
CN114370875A (zh) * | 2021-12-07 | 2022-04-19 | 深圳市锐明技术股份有限公司 | 一种车辆状态的检测方法、装置及终端设备 |
-
2022
- 2022-06-29 CN CN202210747602.8A patent/CN114820692B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070127774A1 (en) * | 2005-06-24 | 2007-06-07 | Objectvideo, Inc. | Target detection and tracking from video streams |
CN101872171A (zh) * | 2009-04-24 | 2010-10-27 | 中国农业大学 | 基于信息融合的驾驶员疲劳状态识别方法和系统 |
CN102036163A (zh) * | 2009-10-02 | 2011-04-27 | 索尼公司 | 行为模式分析系统、移动终端、行为模式分析方法和程序 |
CN101833119A (zh) * | 2010-04-13 | 2010-09-15 | 美新半导体(无锡)有限公司 | 手持设备或移动设备翻转的识别方法 |
CN104523281A (zh) * | 2014-12-31 | 2015-04-22 | 深圳先进技术研究院 | 一种运动监护方法、系统和衣物 |
CN108241844A (zh) * | 2016-12-27 | 2018-07-03 | 北京文安智能技术股份有限公司 | 一种公交客流统计方法、装置及电子设备 |
CN108537829A (zh) * | 2018-03-28 | 2018-09-14 | 哈尔滨工业大学 | 一种监控视频人员状态识别方法 |
CN112862856A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市丰驰顺行信息技术有限公司 | 违停车辆的识别方法、装置、设备及计算机可读存储介质 |
CN112288771A (zh) * | 2020-10-14 | 2021-01-29 | 华南农业大学 | 群体环境中多猪体运动轨迹提取和行为分析方法 |
CN112560641A (zh) * | 2020-12-11 | 2021-03-26 | 北京交通大学 | 基于视频的双向客流通道中的单向客流信息检测方法 |
CN113456063A (zh) * | 2021-06-30 | 2021-10-01 | 南京晓庄学院 | 一种基于人工智能的死鸡病鸡检测系统及检测方法 |
CN113591679A (zh) * | 2021-07-28 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种违停车辆检测方法及装置 |
CN113887445A (zh) * | 2021-10-08 | 2022-01-04 | 山东可信云信息技术研究院 | 一种视频中驻足和徘徊行为识别方法及系统 |
CN114370875A (zh) * | 2021-12-07 | 2022-04-19 | 深圳市锐明技术股份有限公司 | 一种车辆状态的检测方法、装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114820692B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2798611B1 (en) | Camera calibration using feature identification | |
CN112669349B (zh) | 一种客流统计方法、电子设备及存储介质 | |
Wang | Real-time moving vehicle detection with cast shadow removal in video based on conditional random field | |
CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
CN112669344B (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
CN111951313B (zh) | 图像配准方法、装置、设备及介质 | |
Ren et al. | Multi-camera video surveillance for real-time analysis and reconstruction of soccer games | |
CN110472599B (zh) | 对象数量确定方法、装置、存储介质与电子设备 | |
Xu et al. | Segmentation and tracking of multiple moving objects for intelligent video analysis | |
CN105608209A (zh) | 一种视频标注方法和视频标注装置 | |
AU2018379393A1 (en) | Monitoring systems, and computer implemented methods for processing data in monitoring systems, programmed to enable identification and tracking of human targets in crowded environments | |
CN111079621A (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
Panicker et al. | Detection of moving cast shadows using edge information | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
KR20170006356A (ko) | 이차원 영상 기반 고객 분석 방법 및 장치 | |
CN113869258A (zh) | 交通事件检测方法、装置、电子设备及可读存储介质 | |
CN113920585A (zh) | 行为识别方法及装置、设备和存储介质 | |
Sutopo et al. | Appearance-based passenger counting in cluttered scenes with lateral movement compensation | |
Delussu et al. | Investigating synthetic data sets for crowd counting in cross-scene scenarios | |
KR101595334B1 (ko) | 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치 | |
CN114820692B (zh) | 跟踪目标的状态分析方法、装置、存储介质和终端 | |
CN113420726B (zh) | 基于俯视图像的区域去重客流统计方法 | |
Bravo et al. | Outdoor vacant parking space detector for improving mobility in smart cities | |
CN110956644B (zh) | 一种运动轨迹确定方法及系统 | |
Sawalakhe et al. | Foreground background traffic scene modeling for object motion detection |
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 |