CN117392585B - 闸机通行检测方法、装置、电子设备及存储介质 - Google Patents
闸机通行检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117392585B CN117392585B CN202311386574.2A CN202311386574A CN117392585B CN 117392585 B CN117392585 B CN 117392585B CN 202311386574 A CN202311386574 A CN 202311386574A CN 117392585 B CN117392585 B CN 117392585B
- Authority
- CN
- China
- Prior art keywords
- gate
- pedestrian
- area
- pedestrians
- passing
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 169
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 241000287107 Passer Species 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012937 correction Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本申请公开了一种闸机通行检测方法、装置、电子设备及存储介质,属于计算机技术领域。所述方法包括:获取图像采集设备采集的闸机视频帧,闸机视频帧包括彩色视频帧;识别彩色视频帧中的感知区,感知区包括闸机的通道区,位于通道区的进出口两侧的刷卡检测区,位于通道区另外两侧的闸机区,以及位于闸机区背离通道区一侧的通道干涉区;确定感知区中各行人的移动轨迹;在确定行人的移动轨迹为目标轨迹时,将行人作为闸机对应的通行行人,目标轨迹包括从刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区;根据通行行人的人数,检测闸机是否存在通行异常。本申请能够提高闸机通行检测的准确性和可靠性。
Description
技术领域
本申请属于计算机技术领域,尤其涉及一种闸机通行检测方法、装置、电子设备及存储介质。
背景技术
随着城市轨道交通的迅速发展,地铁出行逐渐成为公共交通的核心,而地铁闸机是乘客进出站的自动售检票设备,地铁闸机运行情况直接影响到乘客的乘车安全、市民出行体验及地铁收益等。另外,在一些旅游景点和商务大厦的进出口,闸机验证通行也是应用场景之一。
目前,闸机通行检测主要通过通道区域内对射传感器感知通道内是否有物体,进而根据物体遮挡状态来控制闸机开合。这种检测方式无法区分行人和物品,也无法检测尾随等通行异常,检测准确性和可靠性较差。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种闸机通行检测方法、装置、电子设备及存储介质,提高闸机通行检测的准确性和可靠性。
第一方面,本申请提供了一种闸机通行检测方法,该方法包括:
获取图像采集设备采集的闸机视频帧,所述图像采集设备位于闸机的正上方,所述闸机视频帧包括彩色视频帧;
识别所述彩色视频帧中的感知区,所述感知区包括所述闸机的通道区,位于所述通道区的进出口两侧的刷卡检测区,位于所述通道区另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区;
确定所述感知区中各行人的移动轨迹;
在确定所述行人的移动轨迹为目标轨迹时,将所述行人作为所述闸机对应的通行行人,所述目标轨迹包括从所述刷卡检测区移动至所述通道区,或者从所述刷卡检测区经所述通道区移动至所述闸机区或所述通道干涉区;
根据所述通行行人的人数,检测所述闸机是否存在通行异常。
根据本申请的闸机通行检测方法,通过图像采集设备采集彩色视频帧,确定彩色视频帧中的感知区,并确定感知区中各行人的移动轨迹,在行人的移动轨迹为从感知区中的刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区时,将该行人作为闸机对应的通行行人,以准确识别闸机对应的通行行人的人数,进而根据通行行人的人数来检测闸机是否存在通行异常,提高闸机通行检测的准确性和可靠性。
根据本申请的一个实施例,所述确定所述感知区中各行人的移动轨迹,包括:
对所述感知区进行行人识别,得到所述感知区中各行人的检测框,所述检测框包括行人框,所述行人包括单个行人、抱小孩的行人或背小孩的行人;
根据所述行人框的移动轨迹,确定所述感知区中各行人的移动轨迹。
根据本申请的一个实施例,所述在确定所述行人的移动轨迹为目标轨迹时,将所述行人作为所述闸机对应的通行行人,包括:
在检测到行人的行人框位于所述刷卡检测区时,将所述行人的识别码存放至所述闸机对应的容器中;
在检测到行人的行人框位于所述通道区时,检测所述闸机对应的容器中是否具有所述行人的识别码;
若是,则确定所述行人的移动轨迹为所述目标轨迹,将所述行人作为所述闸机对应的通行行人。
根据本申请的一个实施例,所述根据所述通行行人的人数,检测所述闸机是否存在通行异常,包括:
获取各通行行人的身高;
在检测到所述通行行人的人数大于目标人数时,
根据各通行行人的身高,检测所述闸机是否存在通行异常。
根据本申请的一个实施例,所述闸机视频帧还包括深度图视频帧,所述检测框还包括头部框;
所述获取各通行行人的身高,包括:
从所述深度图视频帧中确定各通行行人的头部框对应的深度数据;
根据各通行行人的头部框对应的深度数据,确定各通行行人的身高。
根据本申请的一个实施例,所述根据各通行行人的身高,检测所述闸机是否存在通行异常,包括:
在检测到所述通行行人中超过目标身高的人数大于所述目标人数时,获取相邻通行行人的行人框之间的间距;
根据所述相邻通行行人的行人框之间的间距,检测所述闸机是否存在通行异常。
根据本申请的一个实施例,所述根据所述相邻通行行人的行人框之间的间距,检测所述闸机是否存在通行异常,包括:
确定所述相邻通行行人对应的最小前后间距和最小并排间距;
在检测到所述相邻通行行人的行人框之间的间距小于所述最小前后间距或者所述最小并排间距时,确定所述闸机存在通行异常。
根据本申请的一个实施例,所述确定所述相邻通行行人对应的最小前后间距和最小并排间距,包括:
获取各通行行人的行人框的高度和宽度;
根据各通行行人的行人框的高度,确定所述相邻通行行人对应的最小前后间距;
根据各通行行人的行人框的宽度,确定所述相邻通行行人对应的最小并排间距。
第二方面,本申请提供了一种闸机通行检测装置,该装置包括:
获取模块,用于获取图像采集设备采集的闸机视频帧,所述图像采集设备位于闸机的正上方,所述闸机视频帧包括彩色视频帧;
识别模块,用于识别所述彩色视频帧中的感知区,所述感知区包括所述闸机的通道区,位于所述通道区的进出口两侧的刷卡检测区,位于所述通道区另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区;
第一确定模块,用于确定所述感知区中各行人的移动轨迹;
第二确定模块,用于在确定所述行人的移动轨迹为目标轨迹时,将所述行人作为所述闸机对应的通行行人,所述目标轨迹包括从所述刷卡检测区移动至所述通道区,或者从所述刷卡检测区经所述通道区移动至所述闸机区或所述通道干涉区;
检测模块,用于根据所述通行行人的人数,检测所述闸机是否存在通行异常。
根据本申请的闸机通行检测装置,通过图像采集设备采集彩色视频帧,确定彩色视频帧中的感知区,并确定感知区中各行人的移动轨迹,在行人的移动轨迹为从感知区中的刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区时,将该行人作为闸机对应的通行行人,以准确识别闸机对应的通行行人的人数,进而根据通行行人的人数来检测闸机是否存在通行异常,提高闸机通行检测的准确性和可靠性。
第三方面,本申请提供了一种电子设备,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如上述第一方面所述的闸机通行检测方法。
第四方面,本申请提供了一种非暂态计算机可读存储介质,其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上述第一方面所述的闸机通行检测方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
通过图像采集设备采集彩色视频帧,确定彩色视频帧中的感知区,并确定感知区中各行人的移动轨迹,在行人的移动轨迹为从感知区中的刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区时,将该行人作为闸机对应的通行行人,以准确识别闸机对应的通行行人的人数,进而根据通行行人的人数来检测闸机是否存在通行异常,提高闸机通行检测的准确性和可靠性。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的闸机通行检测方法的流程示意图;
图2是本申请实施例提供的闸机通行检测方法中感知区的示意图;
图3是本申请实施例提供的闸机通行检测方法的场景图之一;
图4是本申请实施例提供的闸机通行检测方法的场景图之二;
图5是本申请实施例提供的闸机通行检测方法的场景图之三;
图6是本申请实施例提供的闸机通行检测方法的场景图之四;
图7是本申请实施例提供的闸机通行检测方法的场景图之五;
图8是本申请实施例提供的闸机通行检测方法的场景图之六;
图9是本申请实施例提供的闸机通行检测方法的场景图之七;
图10是本申请实施例提供的闸机通行检测方法的场景图之八;
图11是本申请实施例提供的闸机通行检测装置的结构示意图;
图12是本申请实施例提供的电子设备的结构示意图;
图13是本申请实施例提供的电子设备的硬件示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例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,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而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,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的闸机通行检测方法、装置、电子设备和存储介质进行详细地说明。
其中,闸机通行检测方法可应用于终端,具体可由,终端中的硬件或软件执行。
本申请实施例提供的闸机通行检测方法,该闸机通行检测方法的执行主体可以为电子设备或者电子设备中能够实现该闸机通行检测方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等,下面以电子设备作为执行主体为例对本申请实施例提供的闸机通行检测方法进行说明。
如图1所示,该闸机通行检测方法包括:步骤110、步骤120、步骤130、步骤140和步骤150。
步骤110、获取图像采集设备采集的闸机视频帧,图像采集设备位于闸机的正上方,闸机视频帧包括彩色视频帧。
图像采集设备以吊装的方式安装在闸机的正上方,以对闸机进行俯拍。图像采集设备包括彩色图采集设备,彩色图采集设备用于拍摄闸机的彩色视频帧,即图像采集设备采集的闸机视频帧包括闸机的彩色视频帧。需要说明的是,闸机的彩色视频帧并非指彩色视频帧中只具有闸机图像,还具有闸机周侧的图像。
在一些实施例中,图像采集设备还包括深度图采集设备,深度图采集设备用于拍摄闸机的深度图,即图像采集设备采集的闸机视频帧还可以包括深度图视频帧。深度图视频帧包括各像素点的深度数据,深度数据表示场景对象(如场景中的行人或物品等)与深度图采集设备之间的距离。
需要说明的是,彩色图采集设备与深度图采集设备同时拍摄,使得彩色视频帧与深度图视频帧相对应,且彩色视频帧中的各像素点与深度图视频帧中的各像素点相对应,以便根据深度图视频帧能够确定彩色视频帧中各像素点的深度数据。
步骤120、识别彩色视频帧中的感知区,感知区包括闸机的通道区,位于通道区的进出口两侧的刷卡检测区,位于通道另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区。
如图2所示,感知区覆盖闸机1并围绕闸机1设置,使得闸机1具有360度感知范围。感知区包括通道区11、刷卡检测区12、通道干涉区13和闸机区14。其中,通道区11位于闸机1的通道处,为行人刷卡后进入闸机通道内的通行区域。通道区11用于后续精准判断行人的移动轨迹的连贯性。刷卡检测区12位于闸机1的进出口两侧,即通道区11的进出口两侧,为行人聚集准备刷卡的区域。刷卡检测区12包括两个检测子区,两个检测子区分别对应位于通道区11的进出口两侧。刷卡检测区12为后续分析行人的移动轨迹而需要提前感知的区域。闸机区14位于通道区11的另外两侧(即通道区11除了进出口两侧的另外两侧),即闸机区14包括两个闸机子区,两个闸机子区分别对应覆盖通道区11两侧的两个闸机。通道干涉区13位于闸机区14背离通道区11的一侧,即通道干涉区13包括两个干涉子区,两个干涉子区分别对应位于两个闸机子区背离通道区11的一侧。在具有多个闸机通道时,闸机1的通道干涉区13覆盖相邻闸机的部分通道区。通道干涉区13用于避免其他闸机通道内的通行对本闸机通道的通行产生影响。
感知区的位置参数可以预先设置。在获取彩色视频帧时,根据感知区的位置参数,识别彩色视频帧中的感知区。其中,感知区的位置参数可以包括通道区11、刷卡检测区12、通道干涉区13和闸机区14的位置参数。通道区11、刷卡检测区12、通道干涉区13和闸机区14的位置参数可以包括通道区11的四个顶点的坐标、刷卡检测区12的八个顶点(每个检测子区具有四个顶点)的坐标、通道干涉区13的八个顶点(每个干涉子区具有四个顶点)的坐标以及闸机区14的八个顶点(每个闸机子区具有四个顶点)的坐标。根据通道区11、刷卡检测区12、通道干涉区13和闸机区14的位置参数,识别彩色视频帧中的通道区11、刷卡检测区12、通道干涉区13和闸机区14。
感知区的位置参数可以在软件程序启动时设置,并写入本地配置文件中。重新开启软件程序,在获取彩色视频帧时,从本地配置文件中获取感知区的位置参数,以根据感知区的位置参数,识别彩色视频帧中的感知区。
在一些实施例中,所述方法还包括:对彩色视频进行图像预处理。图像预处理包括尺寸修正、图片格式转换和图片灰度化等操作中的至少一种。
步骤130、确定感知区中各行人的移动轨迹。
对感知区进行算法识别和目标跟踪。其中,算法识别包括对闸机、行人、头部和行李箱等识别。目标跟踪包括行人的跟踪,即在感知区识别出行人后,对行人进行跟踪,以确定感知区中各行人的移动轨迹。
在一些实施例中,步骤130中的确定感知区中各行人的移动轨迹,包括:
对感知区进行行人识别,得到感知区中各行人的检测框,检测框包括行人框,行人包括单个行人、抱小孩的行人或背小孩的行人;
根据行人框的移动轨迹,确定感知区中各行人的移动轨迹。
在识别感知区中的各行人时,可以同时对各行人的类型进行识别,确定各行人为单个行人、抱小孩的行人或背小孩的行人。单个行人是指一个行人,单个行人对应一个行人框。抱小孩的行人整体对应一个行人框,背小孩的行人整体对应一个行人框。根据感知区中各行人的行人框进行跟踪,得到感知区中各行人的行人框的移动轨迹,感知区中各行人的行人框的移动轨迹即为感知区中各行人的移动轨迹。
本实施例将抱小孩的行人或背小孩的行人识别为一个行人框,避免后续对抱小孩的行人和背小孩的行人进行误检测,提高后续闸机通行检测的准确性和可靠性。
在一些实施例中,检测框还包括头部框。在识别感知区中的各行人的同时,还识别感知区中的各头部。单个行人对应一个头部框,抱小孩的行人对应两个头部框(小孩对应一个头部框),背小孩的行人对应两个头部框(小孩对应一个头部框)。
步骤140、在确定行人的移动轨迹为目标轨迹时,将行人作为闸机对应的通行行人,目标轨迹包括从刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区。
在具有多个闸机通道时,若行人在进入本闸机的通道区时进行了晃动或探头等行为,则容易导致行人的部分身体位于闸机或相邻闸机的通道区,从而将该行人误识别为相邻闸机对应的通行行人。如图3所示,行人A位于闸机1a的通道区,但行人A的头部位于闸机1a与闸机1b之间的公共闸机上。如图4所示,行人A位于闸机1a的通道区,但行人A的头部位于闸机1b的通道区,容易将行人A误识别为闸机1b的行人。而闸机1b的通道区还具有行人B,容易误识别闸机1b的通道区具有两个行人(行人A和行人B)。若闸机1b每次只允许一个行人通过,则此时容易发生错误警报。
本实施例通过检测行人在感知区中的移动轨迹来确定该行人是否为本闸机对应的通行行人。若行人先进入本闸机的刷卡检测区,后续该行人由本闸机的刷卡检测区移动至本闸机的通道区,或者由本闸机的刷卡检测区经通道区移动至闸机区或通道干涉区,则将该行人作为本闸机对应的通行行人。若行人未经本闸机的刷卡检测区直接进入本闸机的通道区,或者行人由本闸机的刷卡检测区直接移动至通道干涉区,则不将该行人作为本闸机对应的通行行人。
在一些实施例,通过检测行人的行人框在感知区中的移动轨迹来确定该行人是否为本闸机对应的通行行人。例如,行人A的行人框的中心点先位于闸机1a的刷卡检测区,然后位于闸机1a的通道区,再位于闸机1a的通道干涉区(即闸机1b的通道区),则仍将行人A作为闸机1a对应的通行行人。若行人A的行人框的中心点未经过闸机1a的刷卡检测区,直接位于闸机1a的通道干涉区(即闸机1b的通道区),则不将行人A作为闸机1a对应的通行行人。
在一些实施例中,行人在一段时间内具有唯一的识别码,如ID信息。在识别出感知区中各行人的检测框(包括行人框和头部框)后,将各行人的检测框与识别码相对应。
步骤140中的在确定行人的移动轨迹为目标轨迹时,将行人作为闸机对应的通行行人,包括:
在检测到行人的行人框位于刷卡检测区时,将行人的识别码存放至闸机对应的容器中;
在检测到行人的行人框位于通道区时,检测闸机对应的容器中是否具有行人的识别码;
若是,则确定行人的移动轨迹为目标轨迹,将行人作为闸机对应的通行行人。
行人的行人框位于刷卡检测区、通道区、闸机区或通道干涉区可根据行人框的中心点位置与刷卡检测区、通道区、闸机区和通道干涉区的位置参数来确定。例如,闸机1的刷卡检测区的位置参数包括每个检测子区的左上顶点的坐标(Ox1,Oy1)以及每个检测子区的右下顶点的坐标(Ox2,Oy2),行人A的行人框P_rect_A的中心点坐标为(RAx,RAy)。若(Ox1-RAx)*(Ox2-RAx)≤0,且(Oy1-RAy)*(Oy2-RAy)≤0,则确定行人A的行人框P_rect_A位于闸机1的刷卡检测区,即行人A位于闸机1的刷卡检测区。
同理,闸机1的通道干涉区的位置参数包括每个干涉子区的左上顶点的坐标(Ix1,Iy1)以及每个干涉子区的右下顶点的坐标(Ix2,Iy2),行人A的行人框P_rect_A的中心点坐标为(RAx,RAy)。若(Ix1-RAx)*(Ix2-RAx)≤0,且(Iy1-RAy)*(Iy2-RAy)≤0,则确定行人A的行人框P_rect_A位于闸机1的通道干涉区,即行人A位于闸机1的通道干涉区。
在检测到行人的行人框位于闸机的刷卡检测区时,将该行人的识别码放入该闸机对应的容器frameTrackingResult中,位于该闸机的刷卡检测区中的各行人的识别码均可放入该闸机对应的容器frameTrackingResult中。在检测到行人的行人框不位于该闸机的感知区时,将该行人的识别码从该闸机对应的容器frameTrackingResult中删除。
在检测到行人的行人框位于闸机的通道区时,先检测该行人的识别码是否位于该闸机对应的容器frameTrackingResult中。若是,则表明该行人由该闸机的刷卡检测区移动至该闸机的通道区,该行人为该闸机对应的通行行人;若否,则表明该行人未经该闸机的刷卡检测区直接进入该闸机的通道区,该行人不为该闸机对应的通行行人。
本实施例将由闸机的刷卡检测区移动至通道区的行人作为闸机对应的通行行人,提高闸机对应的通行行人识别的准确性,避免行人的晃动或探头等行为导致的误识别,提高后续闸机通行检测的准确性和可靠性。
步骤150、根据通行行人的人数,检测闸机是否存在通行异常。
在识别出闸机对应的通行行人后,即可确定该闸机的通行行人的人数。将该闸机的通行行人的人数与目标人数进行比较,以根据比较结果来检测该闸机是否存在通行异常。其中,目标人数是指该闸机的通行授权人数。
需要说明的是,本实施例中的通行异常是指发生尾随现象。尾随现象通常是指超过目标人数的多个通行行人间隔很近地一次性过闸。尾随包括前后尾随和并排尾随。如图5所示,行人A和行人B前后尾随通行。如图6所示,行人A和行人B并排尾随通行。
在一些实施例中,步骤150中的根据通行行人的人数,检测闸机是否存在通行异常,包括:
获取各通行行人的身高;
在检测到通行行人的人数大于目标人数时,
根据各通行行人的身高,检测闸机是否存在通行异常。
将通行行人的人数与目标人数进行比较,若通行行人的人数为目标人数,则表明闸机对应的通行行人的人数刚好为该闸机的通行授权人数,确定闸机不存在通行异常,即闸机不存在尾随现象;若通行行人的人数大于目标人数,则闸机可能存在通行异常,还需要结合各通行行人的身高进一步检测。
在得到闸机的感知区中各行人的检测框时,即可通过深度图视频帧来获取各通行行人的身高。
在一些实施例中,获取各通行行人的身高,包括:
从深度图视频帧中确定各通行行人的头部框对应的深度数据;
根据各通行行人的头部框对应的深度数据,确定各通行行人的身高。
可以先确定各通行行人的头部框的中心点,深度图视频帧包括各像素点的深度数据,从深度图视频帧中确定各通行行人的头部框的中心点所对应的像素点的深度数据。由于深度数据表示场景对象与深度图采集设备之间的距离,因此根据深度数据以及深度图采集设备的安装高度(即深度图采集设备与地面之间的距离),即可确定各通行行人的身高。
通行行人可以为单个行人、抱小孩的行人或背小孩的行人。在通行行人为单个行人时,单个行人对应一个头部框,可以根据该单个行人的头部框的中心点对应的深度数据,确定该单个行人的身高。在通行行人为抱小孩的行人或背小孩的行人时,抱小孩的行人和背小孩的行人均对应两个头部框(即小孩的头部框和行人主体的头部框),可以根据小孩的头部框的中心点对应的深度数据确定小孩的身高值(该身高值并非小孩的真实身高,仅为表示身高的值),并根据行人主体的头部的中心点对应的深度数据确定行人主体的身高,然后取小孩的身高值与行人主体的身高中的最大值作为抱小孩的行人或背小孩的行人的身高。
在一些实施例中,根据各通行行人的身高,检测闸机是否存在通行异常的步骤,包括:
在检测到通行行人中超过目标身高的人数大于目标人数时,获取相邻通行行人的行人框之间的间距;
根据相邻通行行人的行人框之间的间距,检测闸机是否存在通行异常。
先将各通行行人的身高与目标身高进行比较,以统计通行行人中超过目标身高的人数。其中,目标身高为闸机允许自由通行的行人的最大身高。在闸机需要付费才能允许行人通行时,目标身高为闸机允许免费通行的行人的最大身高。例如,目标身高为1.2米,即身高低于1.2米的小孩免费通行。
然后,将通行行人中超过目标身高的人数与目标人数进行比较。若通行行人中超过目标身高的人数为目标人数,则表明行人主体携带身高低于目标身高的小孩通行(小孩可能在行人主体的前方,也可能在后方),确定闸机不存在通行异常,即闸机不存在尾随现象。若通行行人中超过目标身高的人数大于目标人数,则闸机可能存在通行异常,还需结合通行行人的行人框之间的间距来进一步检测闸机是否存在通行异常。
例如,目标人数为1人,目标身高为1.2米。闸机对应的通行行人为行人A和行人B,即闸机对应的通行行人的人数大于目标人数。行人A的身高为hA,行人B的身高为hB。若hA≤1.2,hB>1.2,或者hA>1.2,hB≤1.2,则表明行人A和行人B中超过目标身高的人数为1人,确定闸机不存在通行异常。若hA>1.2,hB>1.2,则表明行人A和行人B中超过目标身高的人数为2人,需要结合行人A和行人B的行人框之间的间距来检测闸机是否存在通行异常。
在一些实施例中,根据通行行人的行人框之间的间距,检测闸机是否存在通行异常的步骤,包括:
确定相邻通行行人对应的最小前后间距和最小并排间距;
在检测到相邻通行行人的行人框之间的间距小于最小前后间距或者最小并排间距时,确定闸机存在通行异常。
在通行行人中超过目标身高的人数大于目标人数的情况下,可以根据各通行行人的行人框的中心点位置来计算通行行人的行人框之间的间距。例如图7所示,闸机1对应的通行行人为行人A和行人B。行人A的行人框P_rect_A的中心点坐标为(RAx,RAy),行人B的行人框P_rect_B的中心点坐标为(RBx,RBy)。计算行人A的行人框P_rect_A的中心点与行人B的行人框P_rect_B的中心点之间的间距,即行人A的行人框P_rect_A与行人B的行人框P_rect_B之间的间距DAB,
然后,确定通行行人对应的最小前后间距和最小并排间距。最小前后间距和最小并排间距均为像素距离。不同的摄像头安装高度、不同的最小前后实际间距,对应的最小前后间距和最小并排间距不同。
在一些实施例中,确定相邻通行行人对应的最小前后间距和最小并排间距,包括:
获取各通行行人的行人框的高度和宽度;
根据各通行行人的行人框的高度,计算相邻通行行人对应的最小前后间距;
根据各通行行人的行人框的宽度,计算相邻通行行人对应的最小并排间距。
在对应摄像头高度下,分别获取多个通行行人在进入闸机通行过程中保持最小前后实际间距的行人框的高度和宽度。根据各通行行人的行人框的高度,确定相邻通行行人之间所允许的最小前后间距,该最小前后间距为像素距离。闸机对应的通行行人不同,通行行人的行人框的高度不同,相邻通行行人对应的最小前后间距不同。例如图7所示,行人A的行人框P_rect_A的高度为HA,行人B的行人框P_rect_B的高度为HB。最小前后间距的计算公式为其中,k1为校正系数,该校正系数根据图像采集设备的安装高度H和业务层设定的最小前后实际间距h1来调整,k1=f(H,h1)。,例如当摄像头安装高度为3米时,业务层设定最小前后尾随间距即最小前后实际间距为10cm,最小前后实际间距投射在图像上的最小间距为50pixel,当安装高度为2.5米时,最小间距可能为80pixel。多次测量拟合出校正系数k1。
若行人A的行人框P_rect_A与行人B的行人框P_rect_B之间的间距DAB小于或等于最小前后间距,即则确定闸机1存在通行异常,即闸机1存在前后尾随的情况,行人A与行人B之间存在前后尾随。
根据各通行行人的行人框的宽度,确定相邻通行行人之间所允许的最小并排间距,该最小并排间距为像素距离。闸机对应的通行行人不同,通行行人的行人框的宽度不同,相邻通行行人对应的最小并排间距不同。例如图7所示,行人A的行人框P_rect_A的宽度为WA,行人B的行人框P_rect_B的宽度为WB。最小并排间距的计算公式为其中,k2为校正系数,该校正系数根据图像采集设备的安装高度H和业务层设定的最小并排实际间距h2来调整,k2=f(H,h2)。
若行人A的行人框P_rect_A与行人B的行人框P_rect_B之间的间距DAB小于或等于最小并排间距,即则确定闸机1存在通行异常,即闸机1存在并排尾随的情况,行人A与行人B之间存在并排尾随。
若行人A的行人框P_rect_A与行人B的行人框P_rect_B之间的间距DAB大于最小前后间距,且大于最小并排间距,则表明闸机1不存在通行异常,即闸机1不存在尾随现象。
相关技术中的闸机,在多个通行行人的间距较小时,会将多个通行行人识别为一个通行行人,无法识别尾随情况。而在通行行人携带身高低于目标身高的通行行人(即小孩)通行时,又识别不到小孩,导致提前关门夹人现象。而本申请在通行行人的人数大于目标人数时,结合各通行行人的身高以及通行行人之间的间距来检测闸机是否存在尾随现象,提高尾随识别的准确率和可靠性。
需要说明的是,本实施例还可结合通行行人的行人框数量和头部框数量,确定通行行人的具体状态。通过识别模块判断通行行人的行人框数量为P_num、通行行人的头部框数量为head_num,通过刷卡信息得到目标人数为card_num。以闸机对应的通行行人最多出现三个头部框为例进行说明。
若P_num=0,则表明闸机对应的通行行人的人数为0,即闸机处无行人通行。若P_num=1且head_num=1,则表明闸机对应的通行行人的人数为1,即闸机处有一个行人通行。若P_num=1且存在P_rectAB,则表明闸机处有一个行人通行,且该行人为抱小孩的行人或背小孩的行人。其中,P_rectAB表示行人A抱小孩B(如图8所示),或行人A背小孩B(如图9所示)。若P_num=2且head_num=2,则表明闸机对应的通行行人的人数为2,即闸机处有两个行人通行。若P_num=2,head_num=3且存在P_rectAB,则表明闸机处有两个行人通行,且其中一个行人为抱小孩的行人或背小孩的行人。如图10所示,闸机1处有行人A和行人C通行,且行人A抱小孩B。
在检测出闸机存在通行异常后,可以根据异常类别生成异常行为编码,并将异常行为编码存入闸机通行结果中。其中,异常类别可以包括尾随、逆闯、蹭卡等。闸机通行结果还包括通行行人的识别码、通行行人的位置、通行行人的身高和通行行人的人数等。然后,将闸机通行结果打包发送给上位机,上位机根据闸机通行结果控制闸机的扇门打开或闭合。
根据本申请的闸机通行检测方法,通过图像采集设备采集彩色视频帧,确定彩色视频帧中的感知区,并确定感知区中各行人的移动轨迹,在行人的移动轨迹为从感知区中的刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区时,将该行人作为闸机对应的通行行人,以准确识别闸机对应的通行行人的人数,进而根据通行行人的人数来检测闸机是否存在通行异常,提高闸机通行检测的准确性和可靠性。
本申请实施例提供的闸机通行检测方法,执行主体可以为闸机通行检测装置。本申请实施例中以闸机通行检测装置执行闸机通行检测方法为例,说明本申请实施例提供的闸机通行检测装置。
本申请实施例还提供一种闸机通行检测装置。
如图11所示,该闸机通行检测装置包括:获取模块210、识别模块220、第一确定模块230、第二确定模块240和检测模块250。
获取模块210,用于获取图像采集设备采集的闸机视频帧,所述图像采集设备位于闸机的正上方,所述闸机视频帧包括彩色视频帧;
识别模块220,用于识别所述彩色视频帧中的感知区,所述感知区包括所述闸机的通道区,位于所述通道区的进出口两侧的刷卡检测区,位于所述通道区另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区;
第一确定模块230,用于确定所述感知区中各行人的移动轨迹;
第二确定模块240,用于在确定所述行人的移动轨迹为目标轨迹时,将所述行人作为所述闸机对应的通行行人,所述目标轨迹包括从所述刷卡检测区移动至所述通道区,或者从所述刷卡检测区经所述通道区移动至所述闸机区或所述通道干涉区;
检测模块250,用于根据所述通行行人的人数,检测所述闸机是否存在通行异常。
根据本申请的闸机通行检测装置,通过图像采集设备采集彩色视频帧,确定彩色视频帧中的感知区,并确定感知区中各行人的移动轨迹,在行人的移动轨迹为从感知区中的刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区时,将该行人作为闸机对应的通行行人,以准确识别闸机对应的通行行人的人数,进而根据通行行人的人数来检测闸机是否存在通行异常,提高闸机通行检测的准确性和可靠性。
在一些实施例中,第一确定模块230还用于:
对所述感知区进行行人识别,得到所述感知区中各行人的检测框,所述检测框包括行人框,所述行人包括单个行人、抱小孩的行人或背小孩的行人;
根据所述行人框的移动轨迹,确定所述感知区中各行人的移动轨迹。
在一些实施例中,第二确定模块240还用于:
在检测到行人的行人框位于所述刷卡检测区时,将所述行人的识别码存放至所述闸机对应的容器中;
在检测到行人的行人框位于所述通道区时,检测所述闸机对应的容器中是否具有所述行人的识别码;
若是,则确定所述行人的移动轨迹为所述目标轨迹,将所述行人作为所述闸机对应的通行行人。
在一些实施例中,检测模块250还用于:
获取各通行行人的身高;
在检测到所述通行行人的人数大于目标人数时,
根据各通行行人的身高,检测所述闸机是否存在通行异常。
在一些实施例中,所述闸机视频帧还包括深度图视频帧,所述检测框还包括头部框;检测模块250还用于:
从所述深度图视频帧中确定各通行行人的头部框对应的深度数据;
根据各通行行人的头部框对应的深度数据,确定各通行行人的身高。
在一些实施例中,检测模块250还用于:
在检测到所述通行行人中超过目标身高的人数大于所述目标人数时,获取相邻通行行人的行人框之间的间距;
根据所述相邻通行行人的行人框之间的间距,检测所述闸机是否存在通行异常。
在一些实施例中,检测模块250还用于:
确定所述相邻通行行人对应的最小前后间距和最小并排间距;
在检测到所述相邻通行行人的行人框之间的间距小于所述最小前后间距或者所述最小并排间距时,确定所述闸机存在通行异常。
在一些实施例中,检测模块250还用于:
获取各通行行人的行人框的高度和宽度;
根据各通行行人的行人框的高度,确定所述相邻通行行人对应的最小前后间距;
根据各通行行人的行人框的宽度,确定所述相邻通行行人对应的最小并排间距。
本申请实施例中的闸机通行检测装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。
本申请实施例中的闸机通行检测装置可以为具有操作系统的装置。该操作系统可以为微软(Windows)操作系统,可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的闸机通行检测装置能够实现图1至图9的方法实施例实现的各个过程,为避免重复,这里不再赘述。
在一些实施例中,如图12所示,本申请实施例还提供一种电子设备500,包括处理器501、存储器502及存储在存储器502上并可在处理器501上运行的计算机程序,该程序被处理器501执行时实现上述闸机通行检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图13为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备600包括但不限于:射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609以及处理器610等部件。
本领域技术人员可以理解,电子设备600还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器610逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图13中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,输入单元604,用于获取图像采集设备采集的闸机视频帧,所述图像采集设备位于闸机的正上方,所述闸机视频帧包括彩色视频帧。
处理器610,用于识别所述彩色视频帧中的感知区,所述感知区包括所述闸机的通道区,位于所述通道区的进出口两侧的刷卡检测区,位于所述通道区另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区;确定所述感知区中各行人的移动轨迹;在确定所述行人的移动轨迹为目标轨迹时,将所述行人作为所述闸机对应的通行行人,所述目标轨迹包括从所述刷卡检测区移动至所述通道区,或者从所述刷卡检测区经所述通道区移动至所述闸机区或所述通道干涉区;根据所述通行行人的人数,检测所述闸机是否存在通行异常。
根据本申请实施例提供的电子设备,通过图像采集设备采集彩色视频帧,确定彩色视频帧中的感知区,并确定感知区中各行人的移动轨迹,在行人的移动轨迹为从感知区中的刷卡检测区移动至通道区,或者从刷卡检测区经通道区移动至闸机区或通道干涉区时,将该行人作为闸机对应的通行行人,以准确识别闸机对应的通行行人的人数,进而根据通行行人的人数来检测闸机是否存在通行异常,提高闸机通行检测的准确性和可靠性。
在一些实施例中,处理器610,还用于对所述感知区进行行人识别,得到所述感知区中各行人的检测框,所述检测框包括行人框,所述行人包括单个行人、抱小孩的行人或背小孩的行人;根据所述行人框的移动轨迹,确定所述感知区中各行人的移动轨迹。
在一些实施例中,处理器610,还用于在检测到行人的行人框位于所述刷卡检测区时,将所述行人的识别码存放至所述闸机对应的容器中;在检测到行人的行人框位于所述通道区时,检测所述闸机对应的容器中是否具有所述行人的识别码;若是,则确定所述行人的移动轨迹为所述目标轨迹,将所述行人作为所述闸机对应的通行行人。
在一些实施例中,处理器610,还用于获取各通行行人的身高;在检测到所述通行行人的人数大于目标人数时,根据各通行行人的身高,检测所述闸机是否存在通行异常。
在一些实施例中,所述闸机视频帧还包括深度图视频帧,所述检测框还包括头部框;处理器610,还用于从所述深度图视频帧中确定各通行行人的头部框对应的深度数据;根据各通行行人的头部框对应的深度数据,确定各通行行人的身高。
在一些实施例中,处理器610,还用于在检测到所述通行行人中超过目标身高的人数大于所述目标人数时,获取相邻通行行人的行人框之间的间距;根据相邻通行行人的行人框之间的间距,检测所述闸机是否存在通行异常。
在一些实施例中,处理器610,还用于确定相邻通行行人对应的最小前后间距和最小并排间距;在检测到相邻通行行人的行人框之间的间距小于所述最小前后间距或者所述最小并排间距时,确定所述闸机存在通行异常。
在一些实施例中,处理器610,还用于获取各通行行人的行人框的高度和宽度;根据各通行行人的行人框的高度,确定相邻通行行人对应的最小前后间距;根据各通行行人的行人框的宽度,确定相邻通行行人对应的最小并排间距。
应理解的是,本申请实施例中,输入单元604可以包括图形处理器(GraphicsProcessing Unit,GPU)6041,图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元606可包括显示面板6061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板6061。用户输入单元607包括触控面板6071以及其他输入设备6072中的至少一种。触控面板6071,也称为触摸屏。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
存储器609可用于存储软件程序以及各种数据。存储器609可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器609可以包括易失性存储器或非易失性存储器,或者,存储器609可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本申请实施例中的存储器609包括但不限于这些和任意其它适合类型的存储器。
处理器610可包括一个或多个处理单元;处理器610集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器610中。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态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上述闸机通行检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述闸机通行检测方法。
其中,处理器为上述实施例中的电子设备中的处理器。可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (11)
1.一种闸机通行检测方法,其特征在于,包括:
获取图像采集设备采集的闸机视频帧,所述图像采集设备位于闸机的正上方,所述闸机视频帧包括彩色视频帧;
识别所述彩色视频帧中的感知区,所述感知区包括所述闸机的通道区,位于所述通道区的进出口两侧的刷卡检测区,位于所述通道区另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区;
确定所述感知区中各行人的移动轨迹;
去除移动轨迹为未经所述刷卡检测区直接进入所述通道区或者由所述刷卡检测区直接移动至所述通道干涉区的行人,并将移动轨迹为目标轨迹的行人作为所述闸机对应的通行行人,所述目标轨迹包括从所述刷卡检测区移动至所述通道区,或者从所述刷卡检测区经所述通道区移动至所述闸机区或所述通道干涉区;
根据所述通行行人的人数,检测所述闸机是否存在通行异常。
2.根据权利要求1所述的闸机通行检测方法,其特征在于,所述确定所述感知区中各行人的移动轨迹,包括:
对所述感知区进行行人识别,得到所述感知区中各行人的检测框,所述检测框包括行人框,所述行人包括单个行人、抱小孩的行人或背小孩的行人;
根据所述行人框的移动轨迹,确定所述感知区中各行人的移动轨迹。
3.根据权利要求2所述的闸机通行检测方法,其特征在于,所述将移动轨迹为目标轨迹的行人作为所述闸机对应的通行行人,包括:
在检测到行人的行人框位于所述刷卡检测区时,将所述行人的识别码存放至所述闸机对应的容器中;
在检测到行人的行人框位于所述通道区时,检测所述闸机对应的容器中是否具有所述行人的识别码;
若是,则确定所述行人的移动轨迹为所述目标轨迹,将所述行人作为所述闸机对应的通行行人。
4.根据权利要求2所述的闸机通行检测方法,其特征在于,所述根据所述通行行人的人数,检测所述闸机是否存在通行异常,包括:
获取各通行行人的身高;
在检测到所述通行行人的人数大于目标人数时,根据各通行行人的身高,检测所述闸机是否存在通行异常。
5.根据权利要求4所述的闸机通行检测方法,其特征在于,所述闸机视频帧还包括深度图视频帧,所述检测框还包括头部框;
所述获取各通行行人的身高,包括:
从所述深度图视频帧中确定各通行行人的头部框对应的深度数据;
根据各通行行人的头部框对应的深度数据,确定各通行行人的身高。
6.根据权利要求4所述的闸机通行检测方法,其特征在于,所述根据各通行行人的身高,检测所述闸机是否存在通行异常,包括:
在检测到所述通行行人中超过目标身高的人数大于所述目标人数时,获取相邻通行行人的行人框之间的间距;
根据所述相邻通行行人的行人框之间的间距,检测所述闸机是否存在通行异常。
7.根据权利要求6所述的闸机通行检测方法,其特征在于,所述根据所述相邻通行行人的行人框之间的间距,检测所述闸机是否存在通行异常,包括:
确定所述相邻通行行人对应的最小前后间距和最小并排间距;
在检测到所述相邻通行行人的行人框之间的间距小于所述最小前后间距或者所述最小并排间距时,确定所述闸机存在通行异常。
8.根据权利要求7所述的闸机通行检测方法,其特征在于,所述确定所述相邻通行行人对应的最小前后间距和最小并排间距,包括:
获取各通行行人的行人框的高度和宽度;
根据各通行行人的行人框的高度,确定所述相邻通行行人对应的最小前后间距;
根据各通行行人的行人框的宽度,确定所述相邻通行行人对应的最小并排间距。
9.一种闸机通行检测装置,其特征在于,包括:
获取模块,用于获取图像采集设备采集的闸机视频帧,所述图像采集设备位于闸机的正上方,所述闸机视频帧包括彩色视频帧;
识别模块,用于识别所述彩色视频帧中的感知区,所述感知区包括所述闸机的通道区,位于所述通道区的进出口两侧的刷卡检测区,位于所述通道区另外两侧的闸机区,以及位于所述闸机区背离所述通道区一侧的通道干涉区;
第一确定模块,用于确定所述感知区中各行人的移动轨迹;
第二确定模块,用于去除移动轨迹为未经所述刷卡检测区直接进入所述通道区或者由所述刷卡检测区直接移动至所述通道干涉区的行人,并将移动轨迹为目标轨迹的行人作为所述闸机对应的通行行人,所述目标轨迹包括从所述刷卡检测区移动至所述通道区,或者从所述刷卡检测区经所述通道区移动至所述闸机区或所述通道干涉区;
检测模块,用于根据所述通行行人的人数,检测所述闸机是否存在通行异常。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8任一项所述的闸机通行检测方法。
11.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8任一项所述的闸机通行检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386574.2A CN117392585B (zh) | 2023-10-24 | 2023-10-24 | 闸机通行检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386574.2A CN117392585B (zh) | 2023-10-24 | 2023-10-24 | 闸机通行检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392585A CN117392585A (zh) | 2024-01-12 |
CN117392585B true CN117392585B (zh) | 2024-06-18 |
Family
ID=89438708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311386574.2A Active CN117392585B (zh) | 2023-10-24 | 2023-10-24 | 闸机通行检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392585B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111064925A (zh) * | 2019-12-04 | 2020-04-24 | 常州工业职业技术学院 | 地铁乘客逃票行为检测方法和系统 |
CN112836634A (zh) * | 2021-02-02 | 2021-05-25 | 厦门瑞为信息技术有限公司 | 一种多传感器信息融合的闸机防尾随方法、装置、设备和介质 |
CN113744443A (zh) * | 2020-05-27 | 2021-12-03 | 佳都新太科技股份有限公司 | 一种闸机通道防欺骗控制方法、装置、设备及存储介质 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663833A (zh) * | 2012-05-16 | 2012-09-12 | 天津市天元新泰科技发展有限公司 | 城市轨道交通专用闸机的通行事件识别方法 |
JP6430866B2 (ja) * | 2015-03-19 | 2018-11-28 | 日本信号株式会社 | 入退場装置 |
CN105354898A (zh) * | 2015-09-10 | 2016-02-24 | 北京中软万维网络技术有限公司 | 一种剪式门闸机通行逻辑识别装置及方法 |
US9460613B1 (en) * | 2016-05-09 | 2016-10-04 | Iteris, Inc. | Pedestrian counting and detection at a traffic intersection based on object movement within a field of view |
CN108062809B (zh) * | 2017-11-28 | 2019-02-22 | 特斯联(北京)科技有限公司 | 一种实现人员大数据采集分析的住宅门禁系统 |
CN110648352B (zh) * | 2018-06-26 | 2022-09-30 | 杭州海康威视数字技术股份有限公司 | 一种异常事件的检测方法、装置及电子设备 |
CN109977796A (zh) * | 2019-03-06 | 2019-07-05 | 新华三技术有限公司 | 尾随通行检测方法及装置 |
IT201900007232A1 (it) * | 2019-05-24 | 2020-11-24 | Marco Tiso | Varco di ingresso ad accesso controllato |
CN110633636B (zh) * | 2019-08-08 | 2023-06-30 | 平安科技(深圳)有限公司 | 尾随检测方法、装置、电子设备及存储介质 |
CN111144231B (zh) * | 2019-12-09 | 2022-04-15 | 深圳市鸿逸达科技有限公司 | 一种基于深度图像的自助通道防尾随检测方法和系统 |
CN113393603B (zh) * | 2020-03-11 | 2022-09-23 | 杭州海康威视数字技术股份有限公司 | 一种通道闸机的控制方法、系统 |
CN111460924B (zh) * | 2020-03-16 | 2023-04-07 | 上海师范大学 | 一种基于目标检测的闸机通过逃票行为检测方法 |
CN113593099B (zh) * | 2020-04-30 | 2023-06-13 | 深圳云天励飞技术有限公司 | 闸机控制方法、装置、系统、电子设备及存储介质 |
CN111784885B (zh) * | 2020-06-17 | 2023-06-27 | 杭州海康威视数字技术股份有限公司 | 通行控制方法、装置、闸机设备及多闸机系统 |
CN111968254A (zh) * | 2020-08-14 | 2020-11-20 | 上海华铭智能终端设备股份有限公司 | 一种用于获取闸机通道内行人运动轨迹的方法与设备 |
CN112083678A (zh) * | 2020-08-25 | 2020-12-15 | 深圳市格灵人工智能与机器人研究院有限公司 | 闸机安全控制方法、装置、电子设备及存储介质 |
CN112446913B (zh) * | 2020-11-24 | 2023-08-29 | 厦门熵基科技有限公司 | 一种通道闸行人数量统计与尾随判断方法、装置和设备 |
CN114037924A (zh) * | 2021-09-27 | 2022-02-11 | 深圳市捷顺科技实业股份有限公司 | 一种基于图像识别技术的车辆过闸判断方法及相关装置 |
CN115331413A (zh) * | 2022-08-11 | 2022-11-11 | 深圳安智杰科技有限公司 | 一种道闸杆预警方法、装置、电子设备及存储介质 |
CN115713726A (zh) * | 2022-11-17 | 2023-02-24 | 浙江大华技术股份有限公司 | 行人翻越交通护栏的检测方法、装置、设备和介质 |
CN115861919A (zh) * | 2022-11-18 | 2023-03-28 | 北京声迅电子股份有限公司 | 一种用于防止尾随通行行为的通行控制方法 |
CN115760921A (zh) * | 2022-11-28 | 2023-03-07 | 昆明理工大学 | 基于多目标跟踪的行人轨迹预测方法及系统 |
CN116203647A (zh) * | 2023-02-14 | 2023-06-02 | 深圳地铁建设集团有限公司 | 基于激光测距的地铁自动检票通道通行逻辑计算方法 |
CN116363781B (zh) * | 2023-05-29 | 2023-08-11 | 深圳市捷易科技有限公司 | 通道闸机控制方法、装置、设备及计算机存储介质 |
-
2023
- 2023-10-24 CN CN202311386574.2A patent/CN117392585B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111064925A (zh) * | 2019-12-04 | 2020-04-24 | 常州工业职业技术学院 | 地铁乘客逃票行为检测方法和系统 |
CN113744443A (zh) * | 2020-05-27 | 2021-12-03 | 佳都新太科技股份有限公司 | 一种闸机通道防欺骗控制方法、装置、设备及存储介质 |
CN112836634A (zh) * | 2021-02-02 | 2021-05-25 | 厦门瑞为信息技术有限公司 | 一种多传感器信息融合的闸机防尾随方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117392585A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111064925B (zh) | 地铁乘客逃票行为检测方法和系统 | |
EP3343443A1 (en) | Object detection for video camera self-calibration | |
US11257220B2 (en) | Asset tracking systems | |
US20130208945A1 (en) | Method for the detection and tracking of lane markings | |
CN107330386A (zh) | 一种人流量统计方法及终端设备 | |
JP2007334623A (ja) | 顔認証装置、顔認証方法、および入退場管理装置 | |
KR20130097868A (ko) | 카메라 기반 지능형 주차관제 방법 및 시스템 | |
Yang et al. | Clustering method for counting passengers getting in a bus with single camera | |
US20140226857A1 (en) | Information processing system, information processing method and program | |
US20170357855A1 (en) | Information processing apparatus, information processing method, and storage medium | |
KR20180068247A (ko) | 차량 주차관리 방법 | |
CN102855508A (zh) | 敞开式校园防尾随系统 | |
CN111696364A (zh) | 一种路侧停车管理方法 | |
CN106778637B (zh) | 一种对男女客流的统计方法 | |
CN111489380A (zh) | 一种目标物体轨迹分析方法 | |
JP7108938B2 (ja) | 情報処理装置、情報処理システム、及び、通過管理方法 | |
CN109977796A (zh) | 尾随通行检测方法及装置 | |
CN117392585B (zh) | 闸机通行检测方法、装置、电子设备及存储介质 | |
KR20150002040A (ko) | 호그 연속기법에 기반한 칼만 필터와 클러스터링 알고리즘을 이용하여 실시간으로 보행자를 인식하고 추적하는 방법 | |
US20150178577A1 (en) | Image processing apparatus, and image processing method | |
KR102228395B1 (ko) | 분할 영상을 활용한 영상 분석 장치, 시스템 및 이를 위한 방법 | |
CN115861919A (zh) | 一种用于防止尾随通行行为的通行控制方法 | |
CN113052058B (zh) | 一种车载客流统计方法、装置及存储介质 | |
CN101789077B (zh) | 一种激光引导的视频客流检测方法及设备 | |
CN107993446A (zh) | 一种交通禁停区域违章停车监测装置 |
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 |