检测人群对目标位置关注度的方法及设备技术

本发明专利技术提供了一种检测人群对目标位置的关注度的方法和设备、以及人群密度的检测方法。所述检测人群对目标位置的关注度的方法包括：将拍摄得到的包含人群和目标位置的深度图投影到高度顶视图中；将所述高度顶视图划分为预定大小的单元格；确定每个所述单元格中的人群密度；确定每个所述单元格中人群的运动速率和运动方向；确定每个所述单元格中人群的朝向；基于所述人群密度、人群的运动速率和运动方向、人群的朝向，确定每个单元格中的人群对所述目标位置的关注度。通过该方法，即使在人群拥挤从而难以检测和跟踪单个人的情况下，也能够较为准确地检测出人群对目标位置的关注度。

【技术实现步骤摘要】

本公开总体涉及图像处理，具体涉及检测人群对目标位置关注度的方法和设备，以及人群密度的检测方法。
技术介绍
检测人群对目标位置关注度的技术在诸如建筑物内部布置、安防监控等许多领域中都有着广泛的应用。例如，该技术在建筑物内部布置领域中的一个常见应用是检测参观人群对展厅内位于目标位置的展项的关注度，由此可以为决策者合理安排展位、控制人流、有效利用展厅空间等提供重要的决策依据。再比如，该技术在安防监控领域中的一个常见应用是检测诸如火车站、政府大楼等安防监控目标位置周围的聚集人群对该安防监控目标位置的关注度，由此可以为决策者判断聚集人群是否可能会妨碍公共秩序(如示威游行)、危害公共安全等提供决策依据。目前，用于检测所述关注度的常用方式是通过人工计数、基于WIFI、RFID等自动计数、以及在拍摄的图像中检测和跟踪人来确定人群的密度(人群中的人数)，并且当人群密度越大则认为对目标位置的关注度越大，反之，认为对目标位置的关注度越小。然而，通过人工计数来确定人数的人力成本往往很高，基于WIFI、RFID等自动计数人数则准确率较低，而通过在拍摄的图像中检测和跟踪人来确定人数在人群拥挤的情况下准确率大大降低。另一方面，这几种方式均只考虑人群密度来判断人群对目标位置的关注度，忽略了其他因素对关注度的影响，因而不够客观。例如，展厅内位于参观的必经之路的展项周围的人群密度通常较高，但是这并不能说明人群对这些展项的兴趣度很高，因为人群可能只是简单的通过该展项附近而已。
技术实现思路
本公开的目的在于至少解决上述的一个或多个问题，具体而言，本公开的目的在于提出一种检测人群对目标位置关注度的技术，该技术即使在人群拥挤从而难以跟踪个体的情况下也能够客观、准确地自动检测出人群对目标位置的关注度。根据本公开的一个方面的实施例，提供了一种检测人群对目标位置的关注度的方法，包括：将拍摄得到的包含人群和目标位置的深度图投影到高度顶视图中；将所述高度顶视图划分为预定大小的单元格；确定每个所述单元格中的人群密度；确定每个所述单元格中人群的运动速率和运动方向；确定每个所述单元格中人群的朝向；基于所述人群密度、人群的运动速率和运动方向、人群的朝向，确定每个单元格中的人群对所述目标位置的关注度。根据本公开的另一个方面的实施例，提供了一种检测人群对目标位置的关注度的设备，包括：投影单元，配置用于将拍摄得到的包含人群和目标位置的深度图投影到高度顶视图中；分割单元，配置用于将所述高度顶视图划分为预定大小的单元格；密度确定单元，配置用于确定每个所述单元格中的人群密度；运动确定单元，配置用于确定每个所述单元格中人群的运动速率和运动方向；朝向确定单元，配置用于确定每个所述单元格中人群的朝向；关注度检测单元，配置用于基于所述人群密度、人群的运动速率和运动方向、人群的朝向，确定每个单元格中的人群对所述目标位置的关注度。根据本公开第三方面的实施例，提供了一种人群密度的检测方法，包括：将拍摄得到的包含人群的深度图投影到高度顶视图中；将所述高度顶视图划分为预定大小的单元格；对于每个单元格，提取密度检测特征，该密度检测特征用于表示该单元格内各像素之间的高度差分布；以及根据所述密度检测特征，利用通过统计学习方法预先建立的密度模型检测出每个单元格中的人数。根据本公开实施例的检测人群对目标位置的关注度的技术基于人群密度、人群的运动以及人群朝向综合确定人群对目标位置的关注度，相比于仅基于人群密度来检测人群对目标位置的关注度的方式更客观，检测结果更加准确。另一方面，该检测人群对目标位置的关注度的技术不是通过跟踪检测每个个体来检测关注度，而将人群看作一个整体来进行检测，因而即使在人群拥挤从而导致难以跟踪个体的情况下，也可以获得较好的检测结果。此外，在该检测人群对目标位置的关注度的技术中，采用基于高度的密度检测特征来检测人群的密度，由于该基于高度的密度检测特征考虑了人体的比例，因而能够较好地代表人体，使得能够较为准确地检测出人体并由此提高人群密度检测的准确性。附图说明图1示出了根据本公开实施例的检测人群对目标位置关注度的方法的流程图图2示出了根据本公开实施例的检测人群对目标位置关注度的方法中确定每个单元格中的人群密度的处理的流程图。图3示意性示出了具有不同半径R的圆形LBP特征的示例。图4(a)示意性地示出了三种示例性的人群排布场景；图4(b)示出了与图4(a)中所示的人群排布场景对应的高度顶视图；图4(c)示出了从图4(b)中所示的高度顶视图中提取LBP特征的结果。图5示出了根据本公开实施例的检测人群对目标位置关注度的方法中确定每个单元格中人群的运动速率和运动方向的处理的流程图。图6示出了根据本公开实施例的检测人群对目标位置关注度的方法中基于人群密度、人群的运动速率和运动方向、人群的朝向来确定关注度的处理的流程图。图7例示了根据本公开实施例检测得到的人群对目标位置的关注度的分布图。图8示出了根据本公开实施例的检测人群对目标位置的关注度的设备的功能配置框图。图9示出了根据本公开实施例的检测人群对目标位置的关注度的系统的总体硬件图。具体实施方式为了使本领域技术人员更好地理解本公开，下面结合附图和具体实施方式对本公开作进一步详细说明。首先对本公开中涉及的技术术语进行简单的介绍。众所周知，灰度图是一种具有从黑到白多个灰度色域或多个灰度等级的单色图像。该图像中的每个像素通常用8位数据表示，这样该图像可以有256种灰度。而彩色图则是每个像素通常是由红(R)、绿(G)、蓝(B)三个分量来表示的，分量介于0到255之间。尽管如此，灰度图和彩色图的形成方式和主要功能都是类似的(用来表示颜色信息)。因此，虽然在下文中对本公开技术方案的描述中采用灰度图，但是将灰度图替换为彩色图也是完全可以的。深度图是图像中每一像素点的值表示场景中某一点与摄像机之间的距离的图像。相比于灰度图(彩色图)，深度图具有物体的深度(距离)信息，因此适合于需要立体信息的各种应用。顶视图是由物体上方向下做正投影得到的视图，也叫俯视图。顶视图包括面积顶视图、高度顶视图等多种类型。在本公开中，如无特别说明，顶视图特指高度顶视图，即以空间中的最高点的高度值作为顶视图对应位置的像素值。下面参考图1对根据本公开实施例的检测人群对目标位置关注度的方法进行描述。图1示本文档来自技高网...

【技术保护点】
一种人群密度的检测方法，包括：将拍摄得到的包含人群的深度图投影到高度顶视图中；将所述高度顶视图划分为预定大小的单元格；对于每个单元格，提取密度检测特征，该密度检测特征用于表示该单元格内各像素之间的高度差分布；以及根据所述密度检测特征，利用通过统计学习方法预先建立的密度模型检测出每个单元格中的人数。

【技术特征摘要】
1.一种人群密度的检测方法，包括：
将拍摄得到的包含人群的深度图投影到高度顶视图中；
将所述高度顶视图划分为预定大小的单元格；
对于每个单元格，提取密度检测特征，该密度检测特征用于表示该单元
格内各像素之间的高度差分布；以及
根据所述密度检测特征，利用通过统计学习方法预先建立的密度模型检
测出每个单元格中的人数。
2.如权利要求1所述的人群密度的检测方法，其中所述密度检测特征是
基于高度的局部二值模式(LBP)特征，
所述对于每个单元格提取密度检测特征包括对于该单元格中的每一个像
素执行下述处理：
确定以该像素为中心，距离该像素预定距离的各个邻域像素；
对该像素的像素值和每个邻域像素的像素值进行比较；
如果某一邻域像素的像素值与该像素的像素值之差小于第一阈值，并
且该邻域像素的像素值大于第二阈值，则为该邻域像素分配值1，否则为
该邻域像素分配值0；
将由各个所述邻域像素的值组成的二进制编码作为所述像素的LBP
编码。
3.如权利要求2所述的人群密度的检测方法，其中将由各个所述邻域像
素的值组成的二进制编码作为所述像素的LBP编码包括：
对由各个所述邻域像素的值顺序排列组成的二进制编码进行旋转不变处
理，并将经过该旋转不变处理的二进制编码作为所述像素的LBP编码。
4.如权利要求3所述的人群密度的检测方法，其中根据所述密度检测特
征、利用通过统计学习方法预先建立的密度模型检测出每个单元格中的人数
进一步包括针对每个单元格进行以下操作：
对该单元格中各个像素的LBP编码进行分类，以将相同的LBP编码分
类到同一类中，并确定各类LBP编码中各自包含的LBP编码的数量；以及
针对分类得到的LBP编码的种类以及各类LBP编码中各自包含的LBP
编码的数量，应用所述密度模型，计算出该单元格中的人数，
其中，所述密度模型是以所述LBP编码的种类和各类LBP编码中各自
包含的LBP编码的数量作为自变量，以预先统计的与所述自变量的各种取值
对应的单元格内的实际人数为因变量，利用统计学习方法训练得到的。
5.如权利要求2所述的人群密度的检测方法，其中按照人体比例设置所
述第一阈值和第二阈值。
6.一种检测人群对目标位置的关注度的方法，包括：
将拍摄得到的包含人群和目标位置的深度图投影到高度顶视图中；
将所述高度顶视图划分为预定大小的单元格；
确定每个所述单元格中的人群密度；
确定每个所述单元格中人群的运动速率和运动方向；
确定每个所述单元格中人群的朝向；
基于所述人群密度、人群的运动速率和运动方向、人群的朝向，确定每
个单元格中的人群对所述目标位置的关注度。
7.如权利要求6所述的检测人群对目标位置的关注度的方法，其中确定
每个所述单元格中的人群密度进一步包括：
在该单元格中提取密度检测特征，该密度检测特征用于表示该单元格内
各像素之间的高度差分布；和
根据所述密度检测特征，利用通过统计学习方法预先建立的密度模型检
测出该单元格中的人数。
8.如权利要求7所述的检测人群对目标位置的关注度的方法，其中所述
密度检测特征是基于高度的局部二值模式(LBP)特征，
所述在该单元格中提取密度检测特征包括对于该单元格中的每一个像素
执行下述处理：
确定以该像素为中心，距离该像素预定距离的各个邻域像素；
对该像素的像素值和每个邻域像素的像素值进行比较；
如果某一邻域像素的像素值与该像素的像...

【专利技术属性】
技术研发人员：王鑫，范圣印，王千，乔刚，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：日本;JP