本公开涉及一种排队状态信息检测方法及其系统，在所述方法中包括提取同一队列队首队尾人员图像中的人体特征、将提取的队尾人员人体特征添加到特征集合中、将提取的队首人员人体特征和特征集合中的人体特征依次进行匹配、根据匹配的结果获取队列的排队状态信息等步骤。所述系统基于所述方法实现。所述方法和系统，通过人体特征冗余匹配，能够较高精度的计算每个排队人员的平均业务受理时长、统计平均排队时长、预估新入队人员的排队时长、甚至能够判断人员离队和插队情况，有效地为管理者的决策提供数据支持，以便进一步的调整和优化排队处理过程，特别适用于在有优先级排列的应用要求下，比如医院和银行。
【技术实现步骤摘要】
本公开涉及一种排队状态信息检测方法及系统，结合多个摄像头的跟踪识别技术 获取当前排队状态。
技术介绍
目前非基于人脸技术的排队时间检测系统中，通常使用RFID或NFC等无线传输方 式来确定人员进出队列的时间。通过时间戳比较，此类方法虽然能够测量队列的等待时间， 但是对于需要绑定人员信息的应用场合，此类方法无法在获取人员进入或退出时刻进行人 体标定和识别，只能做统计意义上的数据采集。实际问题中，例如在有优先级排列的应用要 求下，如医院和银行，只有在时间检测与人员标定信息绑定的情况下，才能够较好提供决策 信息，以便进一步的调整和优化排队处理过程。 另外一些基于人脸技术的排队系统，侧重于依据人脸来代替传统的打卡方式。此 类系统通常使用单个摄像头获取打卡时刻的信息，因此无法用于估计排队时间。虽然可以 获取人员鉴定相关信息，但此类信息属于出队后的历史信息，无法立即反馈给当前其他系 统，用于决策调整和优化。另外一些基于人脸的系统通过使用多组摄像头，比较出入口处采 集的人脸图像，估算排队等待时长。此类系统只能估算排队时间，并不能获取队列其它信息 (例如性别、年龄、人种等）。此类系统由于并没有考虑排队中间插队和离队等特殊情况，不 仅无法检测此类特殊情况，而且无法准确统计排队时间。此外由于光照、遮挡等多种原因， 现有的人脸检测和识别算法无法达到完全准确，进一步导致目前只基于人脸的排队系统无 法准确的得到排队时间。
技术实现思路
针对上述部分问题，本公开提供了一种排队状态信息检测方法和系统，特别适用 于在有优先级排列的应用要求下，比如医院和银行，通过人体特征冗余匹配，进而结合匹配 结果的时间戳，能够较高精度的统计平均排队时长、预估新入队人员的排队时长、甚至能够 判断人员离队和插队情况，有效地为管理者的决策提供数据支持，以便进一步的调整和优 化排队处理过程。 首先，本公开提供了一种排队状态信息检测方法，所述方法包括下述步骤： S100、至少使用2个摄像头分别拍摄同一队列的队首和队尾，并获取每个摄像头 的图像； S200、检测每个摄像头图像中的人体特征；所述人体特征包括主要特征、辅助特 征； S300、提取每个摄像头图像中的人体特征； S400、将队尾摄像头图像中提取的人体特征按照其所属人员的先后顺序添加到队 尾特征集合中；将队首摄像头图像中提取的人体特征按照其所属人员的先后顺序添加到队 首特征集合中； S500、依次从队首特征集合中获取一个欲匹配的人体特征，再将每个欲匹配的人 体特征依次和队尾特征集合中未匹配的人体特征进行匹配判断； S600、根据匹配结果获得队列的排队状态信息；所述排队状态信息包括排队人员 的属性信息和排队信息；所述属性信息包括性别信息、年龄信息以及人种信息；所述排队 状态信息包括队列平均排队时长、新入队人员的排队时长、离队人员和插队人员，以及每个 排队人员的平均业务受理时长。 基于所述方法，提供了一种排队状态信息检测系统，所述系统至少包括下述模 块： M100、获取图像模块：至少使用2个摄像头分别拍摄同一队列的队首和队尾并获 取每个摄像头的图像； M200、检测模块：检测每个摄像头图像中的人体特征；所述人体特征包括主要特 征、辅助特征； M300、提取特征模块：提取每个摄像头图像中的人体特征； M400、添加特征模块：将队尾摄像头图像中提取的人体特征按照其所属人员的先 后顺序添加到队尾特征集合中；将队首摄像头图像中提取的人体特征按照其所属人员的先 后顺序添加到队首特征集合中； M500、匹配特征模块：依次从队首特征集合中获取一个欲匹配的人体特征，再将每 个欲匹配的人体特征和队尾特征集合中未匹配的人体特征依次进行匹配判断； M600、获得排队状态模块：根据匹配结果获得队列的排队状态信息；所述排队状 态信息包括排队人员的属性信息和排队信息；所述属性信息包括性别信息、年龄信息以及 人种信息；所述排队状态信息包括队列平均排队时长、新入队人员的排队时长、离队人员和 插队人员，以及每个排队人员的平均业务受理时长。【附图说明】 图1本公开的一个实施例中的人体特征结构示意图； 图2本公开的一个实施例中的特征匹配流程图； 图3本公开的一个实施例中的一种排队状态信息检测方法示意图； 图4本公开的一个实施例中的离队人员判定示意图； 图5本公开的一个实施例中的系统示意图。【具体实施方式】 首先，在一个基础的实施例中，提供了一种排队状态信息检测方法，所述方法包括 下述步骤： S100、至少使用2个摄像头分别拍摄同一队列的队首和队尾，并获取每个摄像头 的图像； S200、检测每个摄像头图像中的人体特征；所述人体特征包括主要特征、辅助特 征； S300、提取每个摄像头图像中的人体特征； S400、将队尾摄像头图像中提取的人体特征按照其所属人员的先后顺序添加到队 尾特征集合中；将队首摄像头图像中提取的人体特征按照其所属人员的先后顺序添加到队 首特征集合中； S500、依次从队首特征集合中获取一个欲匹配的人体特征，再将每个欲匹配的人 体特征依次和队尾特征集合中未匹配的人体特征进行匹配判断； S600、根据匹配结果获得队列的排队状态信息；所述排队状态信息包括排队人员 的属性信息和排队信息；所述属性信息包括性别信息、年龄信息以及人种信息；所述排队 状态信息包括队列平均排队时长、新入队人员的排队时长、离队人员和插队人员，以及每个 排队人员的平均业务受理时长。 在本实施例中，采用基于多个摄像头的跟踪识别技术，能够有效的精确检测排队 状态。所述多个摄像头至少为两个，将两个摄像头布置于不同的空间位置，分别实时采集两 个摄像头之间的队列的头部和尾部的图像，通过匹配从图像中提取队列的头部和尾部人体 特征，计算进出队列的时间差，进而可得到该队列的平均排队时长和该队列新入队人员的 排队时长。 在进行两个摄像头之间的队列的头部和尾部的图像的匹配比较过程中，通过匹配 结果，还可以检测判定当前队列离队和插队情况。若在入队集合中存在，无法在出队集合中 匹配，这说明该人员在排队过程中已经离队；若入队集合中检测到，但入队中无法匹配，这 说明该人员中间插队进入。所述入队集合相当于队尾特征集合，所述出队集合相当于队首 特征集合。 基于检测到的人体特征，包括主要特征、辅助特征。在一个实施例中，主要特征包 括人脸，辅助特征包括头部特征、肩部特征、服饰特征。在另一个实施例中，主要特征包括人 脸和头部特征，辅助特征包括肩部特征和服饰特征。不论如何划分主要特征和辅助特征，都 会将包括常见的人员性别、年龄和人种信息归为人员属性信息。基于队列中人员的性别信 息，可以得到一段时间上的该队列中的男女人数；统计队列中一段时间上的不同年龄段上 的人数，和人种信息，能够得到整个队列的年龄分布和人种情况。这些属性信息可以用于调 整和优化排队处理过程。例如，通过人脸识别技术获得当前队列的年龄分布情况，根据此信 息，可以统计得到儿童以及老年人等特殊群体，针对这类特殊群体，可以通过及时开放相关 的特殊通道，从而提供更加人性化的服务，以满足特殊化及差异化服务的需求。而为了方便 统计计算，在一个实施例中，所述人体特征还包括时间戳。所述时间戳，可以方便统计计算 业务受理或排队中各本文档来自技高网...
【技术保护点】
一种排队状态信息检测方法，其特征在于，所述方法包括下述步骤：S100、至少使用2个摄像头分别拍摄同一队列的队首和队尾，并获取每个摄像头的图像；S200、检测每个摄像头图像中的人体特征；所述人体特征包括主要特征、辅助特征；S300、提取每个摄像头图像中的人体特征；S400、将队尾摄像头图像中提取的人体特征按照其所属人员的先后顺序添加到队尾特征集合中；将队首摄像头图像中提取的人体特征按照其所属人员的先后顺序添加到队首特征集合中；S500、依次从队首特征集合中获取一个欲匹配的人体特征，再将每个欲匹配的人体特征依次和队尾特征集合中未匹配的人体特征进行匹配判断；S600、根据匹配结果获得队列的排队状态信息；所述排队状态信息包括排队人员的属性信息和排队信息；所述属性信息包括性别信息、年龄信息以及人种信息；所述排队状态信息包括队列平均排队时长、新入队人员的排队时长、离队人员和插队人员，以及每个排队人员的平均业务受理时长。
【技术特征摘要】
【专利技术属性】
技术研发人员：黄展鹏，张伟，王子彬，汤晓鸥，
申请(专利权)人：商汤集团有限公司，
类型：发明
国别省市：中国香港;81
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。