基于图像采集功能实现人流密集区域行为分析判断的工作方法技术

本发明专利技术提出了一种基于图像采集功能实现人流密集区域行为分析判断的工作方法，包括如下步骤：S1，通过图像采集模块对密集人群中人体特征图像和人脸特征图像分别进行采集，建立初始判筛选断模型，从而提炼出进入人流密集区域的人员属性；S2，根据初始筛选判断模型对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行再次匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端。

Analysis and judgment of behavior of human flow intensive region based on image acquisition function

【技术实现步骤摘要】
基于图像采集功能实现人流密集区域行为分析判断的工作方法
本专利技术涉及大数据分析领域，尤其涉及一种基于图像采集功能实现人流密集区域行为分析判断的工作方法。
技术介绍
当今社会人员交流频繁，在商场、车站、机场等人流密集区域会有大量的视频监视设备，但是仅用于对密集区域进行单纯的图像采集，没有对图像进行后续的归类以及判别，但是由于社会生活中人流密集复杂，需要对出入人流密集区域的人员和场所进行合理规划，采取相应的管理和配置，从而使人流密集区域的餐饮、接驳交通以及出入口能够合理配置，当获取大量图像特征信息之后，现有技术无法对其进行归类或者归类不准确，造成后期进行人流密集区域划分时，无法提供数据样本参考，即使提供了参考样本并不能将人流密集区域初始状态和结果状态进行相关度匹配，这就亟需本领域技术人员解决相应的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于图像采集功能实现人流密集区域行为分析判断的工作方法。为了实现本专利技术的上述目的，本专利技术提供了一种基于图像采集功能实现人流密集区域行为分析判断的工作方法，包括：S1，通过图像采集模块对密集人群中人本文档来自技高网...

【技术保护点】
一种基于图像采集功能实现人流密集区域行为分析判断的工作方法，其特征在于，包括如下步骤：S1，通过图像采集模块对密集人群中人体特征图像和人脸特征图像分别进行采集，建立初始判筛选断模型，从而提炼出进入人流密集区域的人员属性；S2，根据初始筛选判断模型对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行再次匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端。

【技术特征摘要】
1.一种基于图像采集功能实现人流密集区域行为分析判断的工作方法，其特征在于，包括如下步骤：S1，通过图像采集模块对密集人群中人体特征图像和人脸特征图像分别进行采集，建立初始判筛选断模型，从而提炼出进入人流密集区域的人员属性；S2，根据初始筛选判断模型对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行再次匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端。2.根据权利要求1所述的基于图像采集功能实现人流密集区域行为分析判断的工作方法，其特征在于，所述S1包括：S1-1，假设同一用户进入人流密集区域都为新用户，其中如果包括服务人员或者频繁进出的人员，在这个模型中并不考虑，因为采集足够多的样本之后，服务人员或者频繁进出的人员的数量可以忽略不计，从人流密集区域离开则设定为相应人员认证结束，通过获取图像采集模块的图像信息对图像中的人体特征图像和人脸特征图像进行判断，设置图像数据信息坐标[x,y]进行图像获取，将坐标[x,y]作为图像的基础点，根据坐标[x,y]为原点分别设置扫描权重其中p为图像中的人数获取因子，对[x,y]坐标的四个方位进行开平方运算，n为正整数，nvalid为获取的有效人数判定阈值，h(i，j)为一个方位中获取的人体特征图像i和人脸特征图像j的个数，S1-2，设一个方位中所获取的人体特征图像权值向量为bi＝A(c-w)×(cw)，A是人体基础特征c和手带物品特征w的出现概率值，cw为人体基础特征和手带物品特征共同出现的定义值；获取一个方位人脸特征图像权值向量为fj＝B×(C·T)，B是获取人脸特征概率值，C为人脸表情特征集合，T为人脸识别成功的单位区域的统计系数；其中C＝{smile,openmouth,downhead,uphead,weeping,halfface}S1-3，保证获取信息的稳定性，根据bi和fj的向量值选取多区域的样本进行计算，然后通过初步筛选公式对图像进行初步筛选，其中，λ4为图像中全方位第i个人体特征图像的第j个人脸表情集合的计算参数，β4为图像中全方位第i个人体特征图像的第j个人脸表情集合的匹配参数，Li,j为图像中的人员总体出现次数，Qi,j为图像中初步筛选过程中的人流密集区域的条件概率值，σ2(i,j)为人流密集区域人员密集程度的判断极值参数，Pi,j为人流密集区域的历史人员统计数值；S1-4，通过上述初筛判断之后，对图像特征进行归类判断，将不同人脸表情特征集合C的图像数据进行模型判断；提取有效人体特征图像的直方图，构造纹理信息，获取人连表情特征集合中每个属性值，微笑属性值Csmile＝∑jj·δxj·δyj，其中δxj和δyj分别为X轴微笑特征因子和Y轴特征因子；张嘴属性值Copenmouth＝Σjj·τxjτyj，其中τxj和τyj分别为X轴张嘴特征因子和Y轴张嘴特征因子；低头属性值Cdownhead＝Σjj·βxjβyj，其中βxj和βyj分别为X轴低头特征因子和Y轴低头特征因子；抬头属性值Cuphead＝Σjj·εxj·εyj，其中εxj和δyjε分别为X轴抬头特征因子和Y轴抬头特征因子；哭泣属性值其中和分别为X轴哭泣特征因子和Y轴哭泣特征因子；侧脸属性值Chalfface＝Σjj·μxj·μyj，其中...

【专利技术属性】
技术研发人员：杨晓凡，刘玉蓉，
申请(专利权)人：重庆市智权之路科技有限公司，
类型：发明
国别省市：重庆,50