JP6678835B2 - 群集密度算出装置、群集密度算出方法および群集密度算出プログラム - Google Patents
群集密度算出装置、群集密度算出方法および群集密度算出プログラム Download PDFInfo
- Publication number
- JP6678835B2 JP6678835B2 JP2019550118A JP2019550118A JP6678835B2 JP 6678835 B2 JP6678835 B2 JP 6678835B2 JP 2019550118 A JP2019550118 A JP 2019550118A JP 2019550118 A JP2019550118 A JP 2019550118A JP 6678835 B2 JP6678835 B2 JP 6678835B2
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- unit
- density distribution
- people
- video frame
- 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
- 238000004364 calculation method Methods 0.000 title claims description 77
- 238000009826 distribution Methods 0.000 claims description 111
- 238000004458 analytical method Methods 0.000 claims description 69
- 238000000034 method Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 10
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 108090000237 interleukin-24 Proteins 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 1
- 101000710013 Homo sapiens Reversion-inducing cysteine-rich protein with Kazal motifs Proteins 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Description
人物検出に基づく手法では、群集密度が低いと、人の数を高精度に推定できる。しかし、この手法では、人数が増えるに従って演算量が増える。さらに、この手法では、人数が増えるに従い群集密度が高くなるので、人物同士のオクルージョン、すなわち隠蔽の影響により推定精度が低下する。
前景面積から人数を推定する手法では、群集密度が低い場合、人物検出に基づく手法に比較すると推定精度が劣る。しかし、この手法では、群集密度が高い場合でも演算量が変わらない。
なお、人の密度を推定する技術は、映像フレームの任意の領域ごとに人数を推定する技術と等価である。
特許文献1では、画像中の各画素が人の数にどれだけ寄与するかを数量的に表す荷重値が算出される。荷重値は、画像における対象物の見かけ上の体積から算出される。これにより、奥行きの違いにより単位人数あたりの前景面積の現れ方が異なるという課題を解決し、奥行きのある画像でも人数の推定を可能としている。
また、特許文献2では、予め群集を模したCG(computer graphics)モデルを複数の混雑度で作成し、群集同士のオクルージョンを考慮した前景面積と人数の関係式を導出する。そして、特許文献2では、オクルージョンの影響を抑制した人数の推定を可能としている。
人が撮像されている映像ストリームから映像フレームを取得する映像取得部と、
前記映像フレームに3次元座標を対応付け、前記映像フレーム上において前記3次元座標に基づいて得られる複数の立体空間の各立体空間を表す領域を、複数の立体領域の各立体領域として取得し、前記複数の立体領域の各立体領域に存在する人の数に基づいて、前記映像フレームにおける人の密度分布を群集密度分布として算出する解析部とを備えた。
***構成の説明***
図1を用いて、本実施の形態に係る群集密度算出装置100の構成を説明する。
群集密度算出装置100は、コンピュータである。群集密度算出装置100は、プロセッサ910を備えるとともに、メモリ921、補助記憶装置922、入力インタフェース930、出力インタフェース940、および通信装置950といった他のハードウェアを備える。プロセッサ910は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
プロセッサ910は、演算処理を行うIC(Integrated Circuit)である。プロセッサ910の具体例は、CPU、DSP(Digital Signal Processor)、GPU(Graphics Processing Unit)である。
群集密度算出プログラムは、コンピュータ読取可能な記録媒体に格納されて提供されてもよい。また、群集密度算出プログラムは、プログラムプロダクトとして提供されてもよい。
解析部120は、前景抽出部121と、暫定密度計算部122と、存在判定部123と、標準化部124と、分布出力部125とを備える。すなわち、映像取得部110と解析部120と結果出力部130の各部とは、映像取得部110と、前景抽出部121と、暫定密度計算部122と、存在判定部123と、標準化部124と、分布出力部125と、結果出力部130の各部である。
群集密度算出装置100は、物体を撮像し、映像ストリーム21として配信するカメラ200と接続される。物体とは、具体的には人である。すなわち、映像ストリーム21は、群集映像である。
映像取得部110は、入力インタフェース930を介して、カメラ200から配信される映像ストリーム21を取得する。映像取得部110は、映像ストリーム21から映像フレーム22を取得する。具体的には、映像取得部110は、映像ストリーム21を復号し、映像フレーム22に変換する。
解析部120は、映像フレーム22に3次元座標を対応付ける。解析部120は、映像フレーム22上において3次元座標に基づいて得られる複数の立体空間の各立体空間を表す領域を、複数の立体領域の各立体領域として取得する。そして、解析部120は、複数の立体領域の各立体領域に存在する人の数に基づいて、映像フレーム22における群集密度分布を算出する。すなわち、解析部120は、映像フレーム22を用いて、物理空間上の3次元座標における群集の位置を群集密度分布225として算出する。
結果出力部130は、出力インタフェース940を介して、解析部120から出力された群集密度分布225をディスプレイといった出力装置に出力する。
前景抽出部121は、映像フレーム22から前景の特徴を有する部分を前景画像221として抽出する。暫定密度計算部122は、前景画像221と記憶部140に記憶されている解析パラメータ141とを用いて、物理空間上の各位置に対する見かけ上の群集の密度分布である暫定密度分布222を算出する。存在判定部123は、物理空間上において人が存在しない位置を判定することにより、暫定密度分布222を補正する。存在判定部123は、補正した暫定密度分布222を補正密度分布223として出力する。標準化部124は、映像フレーム22により表される画像に存在する総人数を利用して、補正密度分布223を標準化し、確定密度分布224を出力する。分布出力部125は、確定密度分布224を出力形式に変換し、最終的に群集密度分布225として出力する。
図3に示すように、実世界の3次元座標である物理空間座標系Xr−Yr−Zrにおいて、実世界の地面に対応するXr−Yr平面上のある位置(Xi,Yi)における幅ΔXと奥行きΔYで囲まれる領域をΔSijとする。そして、ΔSijを底面とした高さHの角柱で囲まれる立体空間の領域を立体空間Vijとする。立体空間Vij内に存在する人数をhtijとする。人数htijをΔSijに対応させ、解析領域全体分を並べたものが群集密度分布である。高さHは人の身長程度の高さとする。
なお、ΔXとΔYの大きさは規定しない。ΔXとΔYの大きさは可変としても構わない。
また、各Pgijまたは各Phijは同一平面上である必要はない。立体空間の領域Vijを定義できれば、各Pgijまたは各Phijが表す面が、曲面あるいは階段状となっていてもよい。
図6を用いて、本実施の形態に係る群集密度算出装置100による群集密度算出処理S100について説明する。
ステップST01において、群集密度算出装置100は、記憶部140に解析パラメータ141を読み込む。解析パラメータ141は、補助記憶装置922に記憶されていてもよいし、入力インタフェース930あるいは通信装置950を介して、外部から入力されてもよい。読み込まれた解析パラメータ141は、解析部120により使用される。
ステップST02において、映像取得部110は、カメラ200から映像ストリーム21を受信するために待機する。映像取得部110は、カメラ200から映像ストリーム21を受信すると、受信した映像ストリーム21の少なくとも1フレーム分を復号する。ここで受信対象とする映像ストリームは、例えば、映像圧縮符号化方式で圧縮された映像符号化データが、映像配信プロトコルでIP配信されるものである。映像圧縮符号化方式の具体例は、H.262/MPEG−2 video、H.264/AVC、H.265/HEVC、またはJPEGである。映像配信プロトコルの具体例は、MPEG−2 TS、RTP/RTSP、MMT、またはDASHである。MPEG−2 TSは、Moving Picture Experts Group 2 Transport Streamの略語である。RTP/RTSPは、Real−time Transport Protocol/Real Time Streaming Protocolの略語である。MMTは、MPEG Media Transportの略語である。DASHは、Dynamic Adaptive Streaming over HTTPの略語である。受信対象とする映像ストリームは、上記以外の符号化または配信フォーマットでもよいし、SDI、HD−SDIといった非圧縮の伝送規格でもよい。SDIは、Serial Digital Interfaceの略語である。HD−SDIは、High Definition−Serial Digital Interfaceの略語である。
ステップST03において、解析部120は、映像取得部110から映像フレーム22を取得する。解析部120は、解析パラメータ141を用いて、映像フレーム22を解析する。解析部120は、映像フレーム22を解析することにより、映像フレーム22に映る群集の群集密度分布を算出する。また、解析部120は、算出した群集密度分布を出力形式に変換し、群集密度分布225として出力する。
ステップST04において、結果出力部130は、出力インタフェース940を介して、解析部120から出力された群集密度分布225を群集密度算出装置100の外部に出力する。出力の形式としては、例えば、モニタへの表示、ログファイルへの出力、外部接続機器への出力、またはネットワークへの送出といった形式があげられる。結果出力部130は、上記以外の形式で群集密度分布225を出力でもよい。また、結果出力部130は、解析部120から群集密度分布225が出力される都度、群集密度分布225を外部に出力してもよい。あるいは、結果出力部130は、特定の期間または特定数の群集密度分布225を集計または統計処理した後に出力するといった断続的な出力を行ってもよい。群集密度算出装置100は、ステップST04の後はステップST02に戻り、次の映像フレーム22の処理を行う。
図7を用いて、本実施の形態に係る解析処理の詳細について説明する。
ステップST11において、前景抽出部121は、映像フレーム22における人の画像、すなわち前景を前景画像221として抽出する。前景抽出部121は、前景画像221を暫定密度計算部122に出力する。
前景抽出処理の手法として、予め背景画像を登録しておき、入力画像との差分を計算する背景差分法がある。また、連続して入力される映像フレームから、MOG(Mixture of Gaussian Distribution)といったモデルを用いて背景画像を自動更新する適応型の背景差分法がある。また、画像内の動き情報を画素単位で取得する密なオプティカルフロー導出アルゴリズムがある。
ここで、前景面積と人数の関係式142は、群集同士のオクルージョンを考慮したものとする。前景面積と人数の関係式142は、記憶部140に記憶されているものとする。前景面積と人数の関係式142の導出方法について、以下に説明する。
図10は、正解前景画像のイメージを表す図である。
図11は、正解前景画像において混雑レベルを数値化したイメージを表す図である。
映像フレームに映る人数が既知であるとともに、人の物理座標系上での接地点が既知である正解画像を用意する。正解画像に対し前景抽出を行い、図10に示すように正解前景画像を作成する。
正解前景画像を図11に示すように、複数の小領域に分割し、混雑レベル別に各小領域で人物1人あたりの前景面積量を計算する。また、同様の処理を混雑レベルと配置パターンを変えた多数の正解前景画像に適用し、各小領域での人数1人当たりの前景面積を集計する。これにより、混雑レベルごとの各小領域における人数と前景の関係が前景面積と人数の関係式142として導出できる。前景面積と人数の関係式142は、記憶部140に保存される。各混雑レベルにおける小領域内での前景面積の占有割合が混雑レベルを判定するレベル閾値143として記憶部140に保存される。
暫定密度計算部122は、前景面積と人数の関係式142を用いる際、小領域ごとに混雑レベルを判定し、混雑レベルに対応した関係式142を利用し、前景面積から人数を算出する。暫定密度計算部122は、小領域内の前景の占有割合とレベル閾値143の比較によって、混雑レベルを判定する。
ステップST13において、存在判定部123は、複数の立体領域の各立体領域vijに、人が存在するかを判定する。すなわち、存在判定部123は、複数の立体空間の各立体空間Vijに、人が存在するかを判定し、人が存在しないと判定された立体空間に対応する立体領域vijについて人が存在しないと判定する。存在判定部123は、各立体領域vijに対して人の存在判定を行い、人が存在しないと判定した立体領域vijの人の数を0にする。すなわち、存在判定部123は、人が存在しないと判定した立体領域vijに対応する領域ΔSijの人数を0にする。すなわち、存在判定部123は、人が存在しないと判定された立体空間に対応する立体領域vijの人の数を0に補正した暫定密度分布222を、補正密度分布223として出力する。
上述したように、複数の立体領域の各立体領域vijは、人が立体空間Vijに立っている場合に、その人の頭が対応する頭領域を備える。また、複数の立体領域の各立体領域vijは、人が立つ地面に対応する地面領域を備える。存在判定部123は、立体領域vijにおいて頭領域と地面領域との両領域に人が存在する場合に、その立体領域vijに対応する立体空間Vijに人が存在すると判定する。具体的には、存在判定部123は、図12に示すように、各立体領域vijの頭領域と地面領域におけるそれぞれの前景面積が規定値以下である場合に人が存在しないと判定し、hij=0とする。また、存在判定部123は、頭領域と地面領域の両領域に規定値以上の前景面積が存在した立体領域vijのみについて、暫定密度分布222の値をそのまま使用する。
存在判定部123は、人存在処理を施した暫定密度分布222を、補正密度分布223として出力する。
ステップST14において、標準化部124は、前景画像221に基づいて映像フレーム22における人の総数を取得する。標準化部124は、人の総数に基づいて、補正密度分布223における複数の立体領域の各立体領域vijの人の数を標準化する。具体的には、標準化部124は、以下の式(1)と式(2)を用いて、映像フレーム内に存在する総人数htotalで群集密度の標準化を行う。標準化部124は、前景面積と人数の関係式142を前景画像221の全体に適用することにより、映像フレーム22における総人数htotalを算出する。式(2)におけるRowsはiの総数である。また、式(2)におけるColsはjの総数である。
ステップST15において、分布出力部125は、標準化部124から確定密度分布224を取得する。分布出力部125は、確定密度分布224を出力形式に変換し、群集密度分布225として結果出力部130に出力する。
本実施の形態では、映像取得部110と解析部120と結果出力部130の機能がソフトウェアで実現される。以下において、変形例として、映像取得部110と解析部120と結果出力部130の機能がハードウェアで実現されてもよい。
群集密度算出装置100は、電子回路909、メモリ921、補助記憶装置922、入力インタフェース930、出力インタフェース940、および通信装置950を備える。
電子回路909は、具体的には、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックIC、GA、ASIC、または、FPGAである。GAは、Gate Arrayの略語である。ASICは、Application Specific Integrated Circuitの略語である。FPGAは、Field−Programmable Gate Arrayの略語である。
映像取得部110と解析部120と結果出力部130の機能は、1つの電子回路で実現されてもよいし、複数の電子回路に分散して実現されてもよい。
別の変形例として、映像取得部110と解析部120と結果出力部130の一部の機能が電子回路で実現され、残りの機能がソフトウェアで実現されてもよい。
本実施の形態に係る群集密度算出装置100では、前景抽出部が、カメラで撮影した映像の映像フレームから前景画像を抽出する。暫定密度計算部が、物理空間上の領域を映像フレームに投映した領域に存在する人数、すなわち見かけ上の人数を算出し、暫定密度分布を生成する。存在判定部が、人が存在しない物理空間上の領域を判定し、判定結果に基づいて暫定密度分布を補正する。結果出力部は、補正および標準化された暫定密度分布を群集密度分布として、ディスプレイといった出力装置に出力する。
したがって、本実施の形態に係る群集密度算出装置100によれば、カメラから入力された映像フレームから、実世界の物理空間上における人の存在位置を算出し、群集密度分布として出力することができる。
本実施の形態では、実施の形態1と異なる点について説明する。なお、実施の形態1と同様の構成には同一の符号を付し、その説明を省略する場合がある。
本実施の形態では、実施の形態1における標準化部124を省き、暫定密度計算部122と存在判定部123の間に新たに位置補正部126を追加する。
解析部120aは、前景抽出部121と、暫定密度計算部122と、位置補正部126と、存在判定部123と、分布出力部125とを備える。
図15において、ステップST11とステップST12は、実施の形態1と同様である。
ステップST16において、位置補正部126は、暫定密度計算部122から暫定密度分布222を取得する。位置補正部126は、複数の立体空間うち隣接する立体空間同士の重複部分を表す重複領域における人の数に基づいて、暫定密度分布222を補正し、補正した暫定密度分布222を出力する。すなわち、位置補正部126は、暫定密度分布222を用いて、立体領域vijの重複による影響を考慮した人位置の補正を行う。
重複領域Aduplmとは、図16に示す通り、立体領域vlと立体領域vmとが重なり合っている領域である。
位置補正部126による位置補正処理は、図16に示すように、周囲に分散した値をシャープにする一種のフィルタのような働きをする。
ここで添え字のlとmは、2変数である添え字ijを便宜上1変数に書き換えたものである。以下の本実施の形態の説明では、添え字のlとmを使用する。添え字lとijの関係は、l=i×Cols+jである。添え字mとijの関係も同様である。
式(3)および式(4)を利用することで、位置補正部126は、重複領域の影響が除去された高精度な群集密度分布225を出力することができる。
lの総数をNとすると、式(7)より、N本のN限1次連立方程式となるため、行列表現で書き直すと、式(8)となる。式(8)の両辺からの係数行列Aの逆行列をかけることで、式(3)が導出できる。
以降の、ステップST13とステップST15は、実施の形態1と同様である。
本実施の形態では、実施の形態2と異なる点について説明する。なお、実施の形態1,2と同様の構成には同一の符号を付し、その説明を省略する場合がある。
図17において、ステップST11とステップST12とステップST16は、実施の形態1と同様である。
暫定密度分布の補正に関する評価関数を式(10)で定める。位置補正部126は、最急降下法を用いて、式(10)で計算される誤差Eが閾値以下になるまで繰り返し計算を行う。
また、実施の形態1から3のうち、複数の部分を組み合わせて実施しても構わない。あるいは、これらの実施の形態のうち、1つの部分を実施しても構わない。その他、これら実施の形態を、全体としてあるいは部分的に、どのように組み合わせて実施しても構わない。
すなわち、実施の形態1から3では、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
Claims (7)
- 人が撮像されている映像ストリームから映像フレームを取得する映像取得部と、
前記映像フレームに3次元座標を対応付け、前記映像フレーム上において前記3次元座標に基づいて得られる複数の立体空間の各立体空間を表す領域を、複数の立体領域の各立体領域として取得し、前記複数の立体領域の各立体領域に存在する人の数に基づいて、前記映像フレームにおける人の密度分布を群集密度分布として算出する解析部と
を備え、
前記解析部は、
前記映像フレームにおける人の画像を前景画像として抽出する前景抽出部と、
前記前景画像に基づいて、前記複数の立体領域の各立体領域に見かけ上存在する人の数を暫定密度分布として算出する暫定密度計算部と、
前記複数の立体空間の各立体空間に人が存在するかを判定し、人が存在しないと判定された立体空間に対応する立体領域の人の数を0に補正した前記暫定密度分布を、補正密度分布として出力する存在判定部と
を備えた群集密度算出装置。 - 前記複数の立体領域の各立体領域は、
前記人が前記複数の立体空間の各立体空間に立っている場合に前記人の頭が対応する頭領域と前記人が立つ地面に対応する地面領域とを備え、
前記存在判定部は、
立体領域において前記頭領域と前記地面領域との両領域に人が存在する場合に、前記立体領域に対応する立体空間に人が存在すると判定する請求項1に記載の群集密度算出装置。 - 前記解析部は、
前記前景画像に基づいて前記映像フレームにおける人の総数を取得し、前記人の総数に基づいて、前記補正密度分布における前記複数の立体領域の各立体領域の人の数を標準化する標準化部と、
前記標準化部から標準化された前記補正密度分布を確定密度分布として取得し、前記確定密度分布を出力形式に変換する分布出力部と
を備えた請求項1または請求項2に記載の群集密度算出装置。 - 前記解析部は、
前記複数の立体領域のうち隣接する立体領域同士の重複部分を表す重複領域における人の数に基づいて、前記暫定密度分布を補正し、補正した前記暫定密度分布を出力する位置補正部を備えた請求項1から請求項3のいずれか1項に記載の群集密度算出装置。 - 前記位置補正部は、
前記映像フレームにおける人の総数の誤差が閾値以下になるまで、前記暫定密度分布の補正を繰り返す請求項4に記載の群集密度算出装置。 - 映像取得部が、人が撮像されている映像ストリームから映像フレームを取得し、
解析部が、前記映像フレームに3次元座標を対応付け、前記映像フレーム上において前記3次元座標に基づいて得られる複数の立体空間の各立体空間を表す領域を、複数の立体領域の各立体領域として取得し、前記複数の立体領域の各立体領域に存在する人の数に基づいて、前記映像フレームにおける人の密度分布である群集密度分布を算出し、
前記解析部の前景抽出部が、前記映像フレームにおける人の画像を前景画像として抽出し、
前記解析部の暫定密度計算部が、前記前景画像に基づいて、前記複数の立体領域の各立体領域に見かけ上存在する人の数を暫定密度分布として算出し、
前記解析部の存在判定部が、前記複数の立体空間の各立体空間に人が存在するかを判定し、人が存在しないと判定された立体空間に対応する立体領域の人の数を0に補正した前記暫定密度分布を、補正密度分布として出力する群集密度算出方法。 - 人が撮像されている映像ストリームから映像フレームを取得する映像取得処理と、
前記映像フレームに3次元座標を対応付け、前記映像フレーム上において前記3次元座標に基づいて得られる複数の立体空間の各立体空間を表す領域を、複数の立体領域の各立体領域として取得し、前記複数の立体領域の各立体領域に存在する人の数に基づいて、前記映像フレームにおける人の密度分布である群集密度分布を算出する解析処理と
をコンピュータに実行させる群集密度算出プログラムであって、
前記解析処理は、
前記映像フレームにおける人の画像を前景画像として抽出する前景抽出処理と、
前記前景画像に基づいて、前記複数の立体領域の各立体領域に見かけ上存在する人の数を暫定密度分布として算出する暫定密度計算処理と、
前記複数の立体空間の各立体空間に人が存在するかを判定し、人が存在しないと判定された立体空間に対応する立体領域の人の数を0に補正した前記暫定密度分布を、補正密度分布として出力する存在判定処理とを備えた
群集密度算出プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/039901 WO2019087383A1 (ja) | 2017-11-06 | 2017-11-06 | 群集密度算出装置、群集密度算出方法および群集密度算出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019087383A1 JPWO2019087383A1 (ja) | 2020-04-02 |
JP6678835B2 true JP6678835B2 (ja) | 2020-04-08 |
Family
ID=66331546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019550118A Active JP6678835B2 (ja) | 2017-11-06 | 2017-11-06 | 群集密度算出装置、群集密度算出方法および群集密度算出プログラム |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6678835B2 (ja) |
CN (1) | CN111279392B (ja) |
SG (1) | SG11202002953YA (ja) |
WO (1) | WO2019087383A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287929B (zh) * | 2019-07-01 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 群体区域中目标的数量确定方法、装置、设备及存储介质 |
CN112749589B (zh) * | 2019-10-30 | 2023-04-18 | 中移(苏州)软件技术有限公司 | 巡检路径的确定方法、装置以及存储介质 |
US11106904B2 (en) * | 2019-11-20 | 2021-08-31 | Omron Corporation | Methods and systems for forecasting crowd dynamics |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464944B (zh) * | 2007-12-19 | 2011-03-16 | 中国科学院自动化研究所 | 一种基于统计特征的人群密度分析方法 |
CN101714293A (zh) * | 2009-12-16 | 2010-05-26 | 上海交通投资信息科技有限公司 | 基于立体视觉的公交客流拥挤度采集方法 |
CN102982341B (zh) * | 2012-11-01 | 2015-06-24 | 南京师范大学 | 一种可跨摄像机的自适应人群密度估计方法 |
JP6276519B2 (ja) * | 2013-05-22 | 2018-02-07 | 株式会社 日立産業制御ソリューションズ | 人数計測装置および人物動線解析装置 |
JP2016091326A (ja) * | 2014-11-05 | 2016-05-23 | 日本電信電話株式会社 | カメラ画像人数計数方法及びカメラ画像人数計数装置 |
CN104504688A (zh) * | 2014-12-10 | 2015-04-08 | 上海大学 | 基于双目立体视觉的客流密度估计的方法和系统 |
JP6650677B2 (ja) * | 2015-02-26 | 2020-02-19 | キヤノン株式会社 | 映像処理装置、映像処理方法、およびプログラム |
US20170053172A1 (en) * | 2015-08-20 | 2017-02-23 | Kabushiki Kaisha Toshiba | Image processing apparatus, and image processing method |
JP2017041869A (ja) * | 2015-08-20 | 2017-02-23 | 株式会社東芝 | 画像処理装置、画像処理方法、およびプログラム |
CN106326937B (zh) * | 2016-08-31 | 2019-08-09 | 郑州金惠计算机系统工程有限公司 | 基于卷积神经网络的人群密度分布估计方法 |
CN107256225B (zh) * | 2017-04-28 | 2020-09-01 | 济南中维世纪科技有限公司 | 一种基于视频分析的热度图生成方法及装置 |
-
2017
- 2017-11-06 CN CN201780096261.XA patent/CN111279392B/zh active Active
- 2017-11-06 WO PCT/JP2017/039901 patent/WO2019087383A1/ja active Application Filing
- 2017-11-06 SG SG11202002953YA patent/SG11202002953YA/en unknown
- 2017-11-06 JP JP2019550118A patent/JP6678835B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JPWO2019087383A1 (ja) | 2020-04-02 |
CN111279392B (zh) | 2023-12-15 |
CN111279392A (zh) | 2020-06-12 |
SG11202002953YA (en) | 2020-05-28 |
WO2019087383A1 (ja) | 2019-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grundmann et al. | Calibration-free rolling shutter removal | |
US8532198B2 (en) | Banding artifact detection in digital video content | |
JP5846517B2 (ja) | 画像構図変更の品質評価 | |
JP6678835B2 (ja) | 群集密度算出装置、群集密度算出方法および群集密度算出プログラム | |
RU2603529C2 (ru) | Уменьшение шума в последовательностях изображений | |
KR102599314B1 (ko) | 포인트 클라우드 압축을 위한 양자화 단차 파라미터 | |
KR20210096234A (ko) | 호모그래피 변환을 사용하는 포인트 클라우드 코딩 | |
TW201328359A (zh) | 基於壓縮域的移動物件偵測方法及裝置 | |
US9940691B2 (en) | Information processing apparatus, control method of the same, and video camera | |
US8571344B2 (en) | Method of determining a feature of an image using an average of horizontal and vertical gradients | |
CN106954065B (zh) | 基于梯度方向直方图的递归预测图像压缩方法 | |
US10979704B2 (en) | Methods and apparatus for optical blur modeling for improved video encoding | |
KR101904125B1 (ko) | 오목면 모델링을 통한 깊이 영상의 처리 방법 및 장치 | |
WO2023015530A1 (zh) | 点云编解码方法、编码器、解码器及计算机可读存储介质 | |
US9131246B2 (en) | Detecting artifacts in quantization noise in images compresses using discrete cosine transforms | |
CN110383295B (zh) | 图像处理装置、图像处理方法以及计算机能读取的存储介质 | |
JP2009509405A (ja) | ビデオシーケンスにおける可変形状動き推定 | |
JP5941351B2 (ja) | 画像処理装置及びその制御方法 | |
KR102262030B1 (ko) | 구면 모델링을 통한 깊이 영상의 처리 방법 및 장치 그리고 비일시적 컴퓨터 판독가능 기록매체 | |
US20160055655A1 (en) | Method and apparatus of creating a perceptual harmony map | |
EP2958103A1 (en) | Method and device for encoding a sequence of pictures | |
WO2021053735A1 (ja) | アップスケーリング装置、アップスケーリング方法、及び、アップスケーリングプログラム | |
JP2022162510A (ja) | 符号化画像品質評価装置及びプログラム | |
CN118158375A (zh) | 立体视频质量评估方法、装置和计算机设备 | |
KR20110087858A (ko) | 가중치를 이용한 영상 영역 구분 방법, 장치 및 컴퓨터 판독가능 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191125 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191125 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191125 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191210 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200218 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200317 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6678835 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |