行人数量统计方法和装置制造方法及图纸

本发明专利技术提供了一种行人数量统计方法和装置，涉及数据处理的技术领域，该方法首先基于每个待识别脚步对应的幅度序列确定当前时刻每个待识别脚步的特征向量，再利用机器学习的方法对特征向量进行识别，确定每个待识别脚步的步伐属性，然后再根据每个待识别脚步的位置信息以及每个待识别脚步的步伐属性，结合预设脚步匹配规则，将所有待识别脚步进行脚步匹配，最终根据脚步匹配结果确定行人数量，本发明专利技术方法不受其他外界条件影响，仅依靠当前地面上所有待识别脚步的步伐属性与待识别脚步所处的位置，就能够准确的统计出行人数量，从而有效缓解了现有技术中的行人数量统计方法存在的统计结果准确率低的技术问题。

Methods and devices of pedestrian statistics

【技术实现步骤摘要】
行人数量统计方法和装置
本专利技术涉及数据处理的
，尤其是涉及一种行人数量统计方法和装置。
技术介绍
行人数量的统计在安防行业、交通、商业等众多领域都有非常广泛的应用，因此对行人数量统计的研究是一个具有重要现实和长远意义的课题。现有的人数统计通常基于视频技术，通过摄像头获取的视频图像，然后利用处理算法对图像中的人数进行统计，但是，视频技术容易受遮挡物和光照条件的影响，导致统计的行人数量准确率低。综上所述，现有技术中的行人数量统计方法存在统计结果准确率低的技术问题。
技术实现思路
本专利技术的目的在于提供一种行人数量统计方法和装置，以缓解了现有技术中的行人数量统计方法存在的统计结果准确率低的技术问题。第一方面，本专利技术实施例提供一种行人数量统计方法，包括：获取当前时刻待识别脚步的集合和所述集合中每个待识别脚步对应的幅度序列；基于所述幅度序列确定当前时刻所述每个待识别脚步的特征向量；利用机器学习的方法对所述每个待识别脚步的特征向量进行步伐属性识别，确定所述待识别脚步的集合中每个待识别脚步的步伐属性，其中，所述步伐属性包括以下任一种：前脚，后脚；获取所述待识别脚步的集合中每个待识别脚步的位置信息；基于所述位置信息、每个待识别脚步的步伐属性和预设脚步匹配规则将所有待识别脚步进行匹配，得到脚步匹配结果；基于所述脚步匹配结果确定行人数量。在可选的实施方式中，获取当前时刻待识别脚步的集合和所述集合中每个待识别脚步对应的幅度序列，包括：获取上一时刻脚步识别区域的连通域标记矩阵、上一时刻待识别脚步的集合和当前时刻脚步识别区域的信号幅度数据矩阵；基于所述信号幅度数据矩阵与所述上一时刻脚步识别区域的连通域标记矩阵确定所述当前时刻待识别脚步的集合；基于所述当前时刻待识别脚步的集合与上一时刻待识别脚步的集合确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列。在可选的实施方式中，基于所述信号幅度数据矩阵与所述上一时刻脚步识别区域的连通域标记矩阵确定所述当前时刻待识别脚步的集合，包括：利用预设阈值对所述信号幅度数据矩阵进行0-1检测，得到当前时刻的检测结果矩阵；将所述检测结果矩阵中相邻的非零元素进行合并，得到当前时刻的连通域标记矩阵；将当前时刻的连通域标记矩阵与上一时刻脚步识别区域的连通域标记矩阵按照对应的位置元素做与运算，得到所述当前时刻与所述上一时刻之间的连通域关联结果矩阵；基于所述连通域关联结果矩阵确定所述当前时刻待识别脚步的集合。在可选的实施方式中，基于所述连通域关联结果矩阵确定所述当前时刻待识别脚步的集合，包括：将所述连通域关联结果矩阵中相邻的非零元素所占据的位置作为有效脚步信号的位置；遍历所述连通域关联结果矩阵，将所有有效脚步信号的位置加入所述当前时刻待识别脚步的集合。在可选的实施方式中，基于所述当前时刻待识别脚步的集合与上一时刻待识别脚步的集合确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列，包括：将所述当前时刻待识别脚步的集合中有效脚步信号的位置与所述上一时刻待识别脚步的集合中有效脚步信号的位置进行交集检测；若存在交集，则将交集中的有效脚步信号作为历史脚步信号，并将所述当前时刻待识别脚步的集合中所述上一时刻待识别脚步的集合不存在的有效脚步信号作为新增脚步信号；提取所述当前时刻待识别脚步的集合中所有有效脚步信号的幅度数据；基于所述幅度数据确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列。在可选的实施方式中，基于所述幅度序列确定当前时刻所述每个待识别脚步的特征向量，包括：基于所述幅度序列对每个待识别脚步的幅度变化趋势进行拟合，得到每个待识别脚步拟合后的幅度序列；基于所述拟合后的幅度序列提取所述当前时刻每个待识别脚步的特征向量，其中，所述特征向量包括：当前时刻拟合后的脚步幅度值，当前时刻拟合后的脚步幅度值与上一时刻拟合后的脚步幅度值的差值和当前时刻脚步幅度序列的长度。在可选的实施方式中，利用机器学习的方法对所述每个待识别脚步的特征向量进行步伐属性识别，包括：利用训练好的支持向量机分类器对所述每个待识别脚步的特征向量进行步伐属性识别，确定每个待识别脚步的步伐属性；其中，对支持向量机分类器的进行训练包括：获取脚步训练集，其中，所述脚步训练集中包括多个脚步幅度序列；基于每个脚步幅度序列对每个脚步的幅度变化趋势进行拟合，得到每个脚步拟合后的脚步幅度序列；基于所述拟合后的脚步幅度序列提取所述脚步训练集中每个脚步每个时刻的特征向量；利用预设标记原则将所述脚步训练集中的所有特征向量进行前脚或后脚标记，得到标记好的特征向量集合；利用所述标记好的特征向量集合训练支持向量机分类器，得到用于前后脚识别的支持向量机分类器参数。在可选的实施方式中，所述预设标记原则包括：若所述特征向量对应的时刻小于拟合后最大脚步幅度对应的时刻，则将所述特征向量的步伐属性标记为前脚；若所述特征向量对应的时刻不小于拟合后最大脚步幅度对应的时刻，则将所述特征向量的步伐属性标记为后脚。第二方面，本专利技术实施例提供一种行人数量统计装置，包括：第一获取模块，用于获取当前时刻待识别脚步的集合和所述集合中每个待识别脚步对应的幅度序列；第一确定模块，用于基于所述幅度序列确定当前时刻所述每个待识别脚步的特征向量；识别模块，用于利用机器学习的方法对所述每个待识别脚步的特征向量进行步伐属性识别，确定所述待识别脚步的集合中每个待识别脚步的步伐属性，其中，所述步伐属性包括以下任一种：前脚，后脚；第二获取模块，用于获取所述待识别脚步的集合中每个待识别脚步的位置信息；匹配模块，用于基于所述位置信息、每个待识别脚步的步伐属性和预设脚步匹配规则将所有待识别脚步进行匹配，得到脚步匹配结果；第二确定模块，用于基于所述脚步匹配结果确定行人数量。在可选的实施方式中，第一获取模块包括：获取单元，用于获取上一时刻脚步识别区域的连通域标记矩阵、上一时刻待识别脚步的集合和当前时刻脚步识别区域的信号幅度数据矩阵；第一确定单元，用于基于所述信号幅度数据矩阵与所述上一时刻脚步识别区域的连通域标记矩阵确定所述当前时刻待识别脚步的集合；第二确定单元，用于基于所述当前时刻待识别脚步的集合与上一时刻待识别脚步的集合确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列。本专利技术提供了一种行人数量统计方法，首先，获取当前时刻待识别脚步的集合和集合中每个待识别脚步对应的幅度序列，基于幅度序列确定当前时刻每个待识别脚步的特征向量，然后，利用机器学习的方法对每个待识别脚步的特征向量进行步伐属性识别，确定待识别脚步的集合中每个待识别脚步的步伐属性，其中，步伐属性包括以下任一种：前脚，后脚，接下来，再获取待识别脚步的集合中每个待识别脚步的位置信息，基于位置信息、每个待识别脚步的步伐属性和预设脚步匹配规则将所有待识别脚步进行匹配，得到脚步匹配结果，最后，基于脚步匹配结果确定行人数量。现有技术中，通常利用视频技术完成行人数量统计的工作，但是，视频技术容易受遮挡物影响和光照条件的影响，导致统计的行人数量准确率低，与现有技术相本文档来自技高网...

【技术保护点】
1.一种行人数量统计方法，其特征在于，包括：/n获取当前时刻待识别脚步的集合和所述集合中每个待识别脚步对应的幅度序列；/n基于所述幅度序列确定当前时刻所述每个待识别脚步的特征向量；/n利用机器学习的方法对所述每个待识别脚步的特征向量进行步伐属性识别，确定所述待识别脚步的集合中每个待识别脚步的步伐属性，其中，所述步伐属性包括以下任一种：前脚，后脚；/n获取所述待识别脚步的集合中每个待识别脚步的位置信息；/n基于所述位置信息、每个待识别脚步的步伐属性和预设脚步匹配规则将所有待识别脚步进行匹配，得到脚步匹配结果；/n基于所述脚步匹配结果确定行人数量。/n

【技术特征摘要】
1.一种行人数量统计方法，其特征在于，包括：
获取当前时刻待识别脚步的集合和所述集合中每个待识别脚步对应的幅度序列；
基于所述幅度序列确定当前时刻所述每个待识别脚步的特征向量；
利用机器学习的方法对所述每个待识别脚步的特征向量进行步伐属性识别，确定所述待识别脚步的集合中每个待识别脚步的步伐属性，其中，所述步伐属性包括以下任一种：前脚，后脚；
获取所述待识别脚步的集合中每个待识别脚步的位置信息；
基于所述位置信息、每个待识别脚步的步伐属性和预设脚步匹配规则将所有待识别脚步进行匹配，得到脚步匹配结果；
基于所述脚步匹配结果确定行人数量。


2.根据权利要求1所述的方法，其特征在于，获取当前时刻待识别脚步的集合和所述集合中每个待识别脚步对应的幅度序列，包括：
获取上一时刻脚步识别区域的连通域标记矩阵、上一时刻待识别脚步的集合和当前时刻脚步识别区域的信号幅度数据矩阵；
基于所述信号幅度数据矩阵与所述上一时刻脚步识别区域的连通域标记矩阵确定所述当前时刻待识别脚步的集合；
基于所述当前时刻待识别脚步的集合与上一时刻待识别脚步的集合确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列。


3.根据权利要求2所述的方法，其特征在于，基于所述信号幅度数据矩阵与所述上一时刻脚步识别区域的连通域标记矩阵确定所述当前时刻待识别脚步的集合，包括：
利用预设阈值对所述信号幅度数据矩阵进行0-1检测，得到当前时刻的检测结果矩阵；
将所述检测结果矩阵中相邻的非零元素进行合并，得到当前时刻的连通域标记矩阵；
将当前时刻的连通域标记矩阵与上一时刻脚步识别区域的连通域标记矩阵按照对应的位置元素做与运算，得到所述当前时刻与所述上一时刻之间的连通域关联结果矩阵；
基于所述连通域关联结果矩阵确定所述当前时刻待识别脚步的集合。


4.根据权利要求3所述的方法，其特征在于，基于所述连通域关联结果矩阵确定所述当前时刻待识别脚步的集合，包括：
将所述连通域关联结果矩阵中相邻的非零元素所占据的位置作为有效脚步信号的位置；
遍历所述连通域关联结果矩阵，将所有有效脚步信号的位置加入所述当前时刻待识别脚步的集合。


5.根据权利要求2所述的方法，其特征在于，基于所述当前时刻待识别脚步的集合与上一时刻待识别脚步的集合确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列，包括：
将所述当前时刻待识别脚步的集合中有效脚步信号的位置与所述上一时刻待识别脚步的集合中有效脚步信号的位置进行交集检测；
若存在交集，则将交集中的有效脚步信号作为历史脚步信号，并将所述当前时刻待识别脚步的集合中所述上一时刻待识别脚步的集合不存在的有效脚步信号作为新增脚步信号；
提取所述当前时刻待识别脚步的集合中所有有效脚步信号的幅度数据；
基于所述幅度数据确定所述当前时刻待识别脚步的集合中每个待识别脚步对应的幅度序列。


6.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：袁克亚，姚东星，冯劢，杨伟清，
申请(专利权)人：杭州姿感科技有限公司，
类型：发明
国别省市：浙江;33