一种用于开放式区域的行人计数方法及系统技术方案

一种用于开放式区域的行人计数方法及系统，方法包括：获取实时的监控视频；在监控视频中设置用于人数统计的基线，通过先验检测模型提取监控视频的先验检测区域；对先验检测区域处进行人体头肩检测，得到检测结果；根据检测结果判断当前帧的监控视频中是否存在人体头肩；设定用于记录检测到的人体头肩的头肩框和用于存放头肩框的跟踪列表，为每一个头肩框设置一个ID，对跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，跟踪框设置与对应的头肩框相同的ID；记录监控视频的基线中存在的跟踪框的数量，即行人数量，其中，每个跟踪框ID只记录一次；判断当行人数量大于预先设定的人数阈值时，进行报警，并预报行人数量。

【技术实现步骤摘要】
一种用于开放式区域的行人计数方法及系统
本专利技术涉及视频处理
，尤其涉及一种用于开放式区域的行人计数方法及系统。
技术介绍
如果能够准确地估计出公园、景区内部实时人数，就可以帮助相关人员进行突发事件事前预警，进而使人们的生命和财产安全得到保障，但在现有技术中，人数统计主要用于统计一段时间中通过监控区域的人数，其技术手段为在所要监控区域的出入口设置监测点，用来记录出入口的人流量，作为通过监控区域的人数，但对于开放式区域或者空间较大的区域，如果想确定某个局部区域的人数时，因为其局部区域并没有规定的出入口，通过现有技术并不能实现如何统计某个局部区域的人数。目前已有的基于深度学习的行人计数方法主要分为两种：1)基于网络结构特性的方法；2)网络训练过程不同。基于深度学习方法的行人计数方法均存在一定的局限性。方法1)多使用多列卷积神经网络，需要大量的样本，复杂度高；方法2)占用过多资源，同时训练及测试时间都过长，达不到实时视频帧率，造成漏帧或者跳帧现象，从而引起计数不准确等问题。
技术实现思路
为实现上述目的，本专利技术实施例提供一种用于开放式区域的行人计数方法及系统，通过本专利技术能够实时的了解公园、景区内部实时人数，并在当行人数量大于预先设定的人数阈值时，进行报警，并预报行人数量，进而保证人们的生命和财产安全。一方面，本专利技术实施例提供一种用于开放式区域的行人计数方法，所述方法包括：S101，获取实时的监控视频；S102，在所述监控视频中设置用于人数统计的基线，通过先验检测模型提取所述监控视频的先验检测区域；S103，对所述先验检测区域处进行人体头肩检测，得到检测结果；S104，根据所述检测结果判断当前帧的监控视频中是否存在人体头肩，如果存在，则继续，如果不存在，则再次执行S103；S105，设定用于记录检测到的人体头肩的头肩框和用于存放所述头肩框的跟踪列表，为每一个头肩框设置一个ID，对所述跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，所述跟踪框设置与对应的头肩框相同的ID；S106，记录所述监控视频的基线中存在的所述跟踪框的数量，即行人数量，其中，所述每个跟踪框ID只记录一次；S107，判断当所述行人数量大于预先设定的人数阈值时，进行报警，并预报行人数量。优选地，所述通过先验检测模型提取所述监控视频的先验检测区域，具体包括：通过先验检测模型标注所述监控视频的每一帧图像中的人头获得所述监控视频的每一帧图像的点标记图；对所述点标记图进行高斯核卷积处理，得到行人密度图；根据预先设置的行人密度图分割阈值对行人密度图进行阈值分割，确定行人密度图中像素值大于所述分割阈值的前景区域和像素值小于所述分割阈值的背景区域，将前景区域和背景区域的像素值设置为不同的数值，得到行人密度图的前景分割图，即先验检测区域。优选地，所述对所述先验检测区域处进行人体头肩检测，得到检测结果，以及对所述跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，具体还包括：通过全卷积神经网络模型对所述监控视频的当前帧图像进行头肩检测，获取所述当前帧图像中可能存在头肩的区域的头肩概率值；判断所述头肩概率值是否大于预先设置的头肩概率值阈值；如果是，将所述头肩概率值对应的区域设定为头肩框，如果否，则认为所述当前帧图像中不存在头肩框；对所述跟踪列表中的每一个头肩框利用简单的在线和实时跟踪算法Sort进行跟踪，得到每一个头肩框的跟踪框。优选地，所述设定用于记录检测到的人体头肩的头肩框和用于存放所述头肩框的跟踪列表，为每一个头肩框设置一个ID，具体包括：比较从所述监控视频的当前帧图像中检测的头肩框与所述跟踪列表中头肩框之间的重叠率，判断所述重叠率是否大于预先设置的重叠率阈值，如果是，则认为头肩框来自相同目标，将该目标的头肩框更新为当前帧的头肩框并保留同样的ID，如果否，则将当前帧的头肩框增加到跟踪列表中；其中，所述重叠率的计算方式为：S＝(A∩B)÷(A∪B)其中，S为重叠率，A为当前帧的头肩框，B为跟踪列表的头肩框。优选地，所述根据预先设置的基线和所述跟踪框对所述监控视频中的人数进行统计，得到行人数量，具体包括：根据预先设定的基线和所述每一个跟踪框所记录的头肩框在所述监控视频中移动轨迹，来统计所述每一帧图像中在所述基线范围内的头肩框数量，即行人数量，其中，所述基线能够设置成多种状态，所述基线具体包括线段、折线式的非闭合分割线，以及圆形、多边形式的闭合分割线。另一方面，本专利技术实施例还提供一种用于开放式区域的行人计数系统，所述系统包括：视频获取单元，用于获取实时的监控视频；视频处理单元，用于在所述监控视频中设置用于人数统计的基线，通过先验检测模型提取所述监控视频的先验检测区域；头肩检测单元，用于对所述先验检测区域处进行人体头肩检测，得到检测结果；结果判断单元，用于根据所述检测结果判断当前帧的监控视频中是否存在人体头肩，如果存在，则继续，如果不存在，则再次执行头肩检测单元；检测记录单元，用于设定用于记录检测到的人体头肩的头肩框和用于存放所述头肩框的跟踪列表，为每一个头肩框设置一个ID，对所述跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，所述跟踪框设置与对应的头肩框相同的ID；数量统计单元，用于记录所述监控视频的基线中存在的所述跟踪框的数量，即行人数量，其中，所述每个跟踪框ID只记录一次；报警单元，用于判断当所述行人数量大于预先设定的人数阈值时，进行报警，并预报行人数量。优选地，所述先验检测模型具体用于：标注所述监控视频的每一帧图像中的人头获得所述监控视频的每一帧图像的点标记图；对所述点标记图进行高斯核卷积处理，得到行人密度图；根据预先设置的行人密度图分割阈值对行人密度图进行阈值分割，确定行人密度图中像素值大于所述分割阈值的前景区域和像素值小于所述分割阈值的背景区域，将前景区域和背景区域的像素值设置为不同的数值，得到行人密度图的前景分割图，即先验检测区域。优选地，所述头肩检测单元以及检测记录单元具体还包括：全卷积神经网络模块，用于通过全卷积神经网络模型对所述监控视频的当前帧图像进行头肩检测，获取所述当前帧图像中可能存在头肩的区域的头肩概率值；头肩概率值判断模块，用于判断所述头肩概率值是否大于预先设置的头肩概率值阈值；如果是，将所述头肩概率值对应的区域设定为头肩框，如果否，则认为该当前帧图像中不存在头肩框；跟踪算法模块，用于对所述跟踪列表中的每一个头肩框利用简单的在线和实时跟踪算法Sort进行跟踪，得到每一个头肩框的跟踪框。优选地，所述检测记录单元具体用于：比较从所述监控视频的当前帧图像中检测的头肩框与所述跟踪列表中头肩框之间的重叠率，判断所述重叠率是否大于预先设置的重叠率阈值，如果是，则认为头肩框来自相同目标，将该目本文档来自技高网...

【技术保护点】
1.一种用于开放式区域的行人计数方法，其特征在于，所述方法包括：/nS101，获取实时的监控视频；/nS102，在所述监控视频中设置用于人数统计的基线，通过先验检测模型提取所述监控视频的先验检测区域；/nS103，对所述先验检测区域处进行人体头肩检测，得到检测结果；/nS104，根据所述检测结果判断当前帧的监控视频中是否存在人体头肩，如果存在，则继续，如果不存在，则再次执行S103；/nS105，设定用于记录检测到的人体头肩的头肩框和用于存放所述头肩框的跟踪列表，为每一个头肩框设置一个ID，对所述跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，所述跟踪框设置与对应的头肩框相同的ID；/nS106，记录所述监控视频的基线中存在的所述跟踪框的数量，即行人数量，其中，所述每个跟踪框ID只记录一次；/nS107，判断当所述行人数量大于预先设定的人数阈值时，进行报警，并预报行人数量。/n

【技术特征摘要】
1.一种用于开放式区域的行人计数方法，其特征在于，所述方法包括：
S101，获取实时的监控视频；
S102，在所述监控视频中设置用于人数统计的基线，通过先验检测模型提取所述监控视频的先验检测区域；
S103，对所述先验检测区域处进行人体头肩检测，得到检测结果；
S104，根据所述检测结果判断当前帧的监控视频中是否存在人体头肩，如果存在，则继续，如果不存在，则再次执行S103；
S105，设定用于记录检测到的人体头肩的头肩框和用于存放所述头肩框的跟踪列表，为每一个头肩框设置一个ID，对所述跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，所述跟踪框设置与对应的头肩框相同的ID；
S106，记录所述监控视频的基线中存在的所述跟踪框的数量，即行人数量，其中，所述每个跟踪框ID只记录一次；
S107，判断当所述行人数量大于预先设定的人数阈值时，进行报警，并预报行人数量。


2.如权利要求1所述的用于开放式区域的行人计数方法，其特征在于，所述通过先验检测模型提取所述监控视频的先验检测区域，具体包括：
通过先验检测模型标注所述监控视频的每一帧图像中的人头获得所述监控视频的每一帧图像的点标记图；
对所述点标记图进行高斯核卷积处理，得到行人密度图；
根据预先设置的行人密度图分割阈值对行人密度图进行阈值分割，确定行人密度图中像素值大于所述分割阈值的前景区域和像素值小于所述分割阈值的背景区域，将前景区域和背景区域的像素值设置为不同的数值，得到行人密度图的前景分割图，即先验检测区域。


3.如权利要求1所述的用于开放式区域的行人计数方法，其特征在于，所述对所述先验检测区域处进行人体头肩检测，得到检测结果，以及对所述跟踪列表中的每一个头肩框进行移动轨迹的跟踪，得到每一个头肩框的跟踪框，具体还包括：
通过全卷积神经网络模型对所述监控视频的当前帧图像进行头肩检测，获取所述当前帧图像中可能存在头肩的区域的头肩概率值；
判断所述头肩概率值是否大于预先设置的头肩概率值阈值；如果是，将所述头肩概率值对应的区域设定为头肩框，如果否，则认为所述当前帧图像中不存在头肩框；
对所述跟踪列表中的每一个头肩框利用简单的在线和实时跟踪算法Sort进行跟踪，得到每一个头肩框的跟踪框。


4.如权利要求1所述的用于开放式区域的行人计数方法，其特征在于，所述设定用于记录检测到的人体头肩的头肩框和用于存放所述头肩框的跟踪列表，为每一个头肩框设置一个ID，具体包括：
比较从所述监控视频的当前帧图像中检测的头肩框与所述跟踪列表中头肩框之间的重叠率，判断所述重叠率是否大于预先设置的重叠率阈值，如果是，则认为头肩框来自相同目标，将该目标的头肩框更新为当前帧的头肩框并保留同样的ID，如果否，则将当前帧的头肩框增加到跟踪列表中；
其中，所述重叠率的计算方式为：
S＝(A∩B)÷(A∪B)
其中，S为重叠率，A为当前帧的头肩框，B为跟踪列表的头肩框。


5.如权利要求1所述的用于开放式区域的行人计数方法，其特征在于，所述根据预先设置的基线和所述跟踪框对所述监控视频中的人数进行统计，得到行人数量，具体包括：
根据预先设定的基线和所述每一个跟踪框所记录的头肩框在所述监控视频中移动轨迹，来统计所述每一帧图像中在所述基线范围内的头肩框数量，即行人数量，其中，所述基线能够设置成多种状...

【专利技术属性】
技术研发人员：张徽，王磊，李宜兵，崔东顺，黄广斌，
申请(专利权)人：烟台市广智微芯智能科技有限责任公司，
类型：发明
国别省市：山东;37