人流量统计方法、装置及系统制造方法及图纸

本发明专利技术提供了一种人流量统计方法、装置及系统，涉及计算机视觉技术领域，上述人流量统计方法包括：基于图像传感器获取目标区域的深度图像和振幅图像；其中，图像传感器设置于目标区域的正上方；基于滑动窗口对深度图像中的深度距离进行极值点检测，确定深度图像中各个候选头部区域；基于各候选头部区域获取振幅图像中的各待检测图像，对待检测图像进行目标分类，得到目标区域的人流量统计结果；其中，待检测图像为振幅图像中对应的候选头部区域。本发明专利技术提升了人流量统计的计算准确率和计算效率。明提升了人流量统计的计算准确率和计算效率。明提升了人流量统计的计算准确率和计算效率。

【技术实现步骤摘要】
人流量统计方法、装置及系统


[0001]本专利技术涉及计算机视觉
，尤其是涉及一种人流量统计方法、装置及系统。

技术介绍

[0002]随着新零售行业的迅速发展，人流量数据统计正在从人工观察向智能传感器统计方式转变。基于计算机视觉技术的统计方法可以科学、有效地对客流量进行时间、空间上的分析，并快速及时的做出经营决策。对不同时段客流量的统计，使管理人员可以对未来活动进行准确规划，确定时间、人力等，从而提高服务质量。
[0003]目前主要采用2D视觉算法或3D点云数据进行人流量统计。但是，采用2D目标识别算法对RGB图像进行人员识别时，容易受到环境光变化的影响，当人员过于密集时，即便模型足够复杂，目标分割也较为困难，且计算量较大，降低了人流量统计效率和准确率；采用3D点云数据的人流量统计会受到人物肢体的影响，容易产生误检。因此，现有的人流量统计技术还存在准确率及计算效率较低的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种人流量统计方法、装置及系统，能够提升人流量统计的计算准确率和计算效率。
[0005]为了实现上述目的，本专利技术实施例采用的技术方案如下：
[0006]第一方面，本专利技术实施例提供了一种人流量统计方法，包括：基于图像传感器获取目标区域的深度图像和振幅图像；其中，所述图像传感器设置于所述目标区域的正上方；基于滑动窗口对所述深度图像中的深度距离进行极值点检测，确定所述深度图像中各个候选头部区域；基于各所述候选头部区域获取所述振幅图像中的各待检测图像，对所述待检测图像进行目标分类，得到所述目标区域的人流量统计结果；其中，所述待检测图像为所述振幅图像中对应的候选头部区域。
[0007]进一步，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述基于滑动窗口对所述深度图像中的深度距离进行极值点检测，确定所述深度图像中各个候选头部区域的步骤，包括：获取所述深度图像中各个像素点对应的深度距离；基于所述图像传感器的内参确定所述滑动窗口的窗口尺寸；根据所述滑动窗口的窗口尺寸及各所述像素点对应的深度距离定位所述深度图像中的各极值区域；其中，所述极值区域为所述深度图像中各像素点对应深度距离的极小值区域；计算各所述极值区域之间的面积交并比，根据所述面积交并比确定各候选头部区域。
[0008]进一步，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述滑动窗口的窗口尺寸及各所述像素点对应的深度距离定位所述深度图像中的各极值区域的步骤，包括：基于各所述像素点对应的深度距离、所述滑动窗口的窗口尺寸及预设滑步，确定所述各所述滑动窗口中的平均深度距离，得到滑窗均值矩阵；基于所述滑动窗口的窗口尺寸及预设滑步，确定所述深度图像中各所述滑动窗口的中心点坐标，得到所述滑窗
均值矩阵对应的坐标索引矩阵；基于所述滑窗均值矩阵及所述坐标索引矩阵确定所述深度图像中的各个极值区域的坐标尺寸；其中，所述坐标尺寸包括所述极值区域的中心点坐标及像素尺寸。
[0009]进一步，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述基于所述滑窗均值矩阵及所述坐标索引矩阵确定所述深度图像中的各个极值区域的坐标尺寸的步骤，包括：确定所述滑窗均值矩阵内的各极小深度距离；其中，所述极小深度距离小于相邻的各个平均深度距离值；从所述坐标索引矩阵内获取各所述极小深度距离所在的滑动窗口对应的中心点坐标，得到各所述极值区域的中心点坐标；基于各所述极小深度距离、所述图像传感器的内参及第一计算算式，得到各所述极值区域的像素长度；其中，所述像素长度为所述极值区域的像素列数，所述第一计算算式为：
[0010][0011]基于各所述极小深度距离、所述图像传感器的内参及第二计算算式，得到各所述极值区域的像素宽度；其中，所述像素宽度为所述极值区域的像素行数，所述第二计算算式为：
[0012][0013]其中，W
i
为第i个极值区域的像素长度，L
i
为第i个极值区域的像素宽度，Head
w
为预设的头部物理长度，Head
l
为预设的头部物理宽度，I
cols
为所述深度图像的像素列数，I
rows
为所述深度图像的像素行数，α为所述图像传感器的水平视场角，β为所述图像传感器的垂直视场角，H
i
为第i个极小深度距离，round为取整运算。
[0014]进一步，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述基于所述图像传感器的内参确定所述滑动窗口的窗口尺寸的步骤，包括：获取预设的头部物理尺寸；其中，所述头部物理尺寸包括头部物理长度和头部物理宽度；基于所述图像传感器的内参及第三计算算式，确定所述头部物理长度对应的像素数量；其中，所述第三计算算式为：
[0015][0016]基于所述图像传感器的内参及第四计算算式，确定所述头部物理宽度对应的像素数量；其中，所述第四计算算式为：
[0017][0018]其中，W
pixel
为所述头部物理长度对应的像素数量，L
pixel
为所述头部物理宽度对应的像素数量，Head
w
为所述头部物理长度，Head
l
为所述头部物理宽度，I
cols
为所述深度图像
的像素列数，I
rows
为所述深度图像的像素行数，α为所述图像传感器的水平视场角，β为所述图像传感器的垂直视场角，H
install
为所述图像传感器与人物所在平面之间的垂直距离，H
avg
为行人平均高度，round为取整运算；基于所述头部物理长度对应的像素数量及所述头部物理宽度对应的像素数量，确定所述滑动窗口的窗口尺寸。
[0019]进一步，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述基于各所述候选头部区域获取所述振幅图像中的各待检测图像，对所述待检测图像进行目标分类，得到所述目标区域的人流量统计结果的步骤，包括：基于各所述候选头部区域的坐标尺寸，从所述振幅图像中获取各所述坐标尺寸区域内的图像，得到各待检测图像；将各待检测图像输入预先训练得到的神经网络模型中，得到各所述待检测目标的分类结果；其中，所述神经网络模型基于预先标注好的人物振幅图像样本训练得到；基于各所述待检测目标的分类结果确定所述目标区域内的人流量统计结果。
[0020]进一步，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述基于各所述待检测目标的分类结果确定所述目标区域内的人流量统计结果的步骤，包括：基于各所述待检测目标的分类结果确定所述目标区域中的人物数量；将所述人物数量作为所述目标区域内的人流量统计结果。
[0021]进一步，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，所述人流量统计结果包括人物进入量和人物离开量；所述深度图像中设置有警戒线；所述基于各所述待检测目标的分类结果确定所述目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人流量统计方法，其特征在于，包括：基于图像传感器获取目标区域的深度图像和振幅图像；其中，所述图像传感器设置于所述目标区域的正上方；基于滑动窗口对所述深度图像中的深度距离进行极值点检测，确定所述深度图像中各个候选头部区域；基于各所述候选头部区域获取所述振幅图像中的各待检测图像，对所述待检测图像进行目标分类，得到所述目标区域的人流量统计结果；其中，所述待检测图像为所述振幅图像中对应的候选头部区域。2.根据权利要求1所述的方法，其特征在于，所述基于滑动窗口对所述深度图像中的深度距离进行极值点检测，确定所述深度图像中各个候选头部区域的步骤，包括：获取所述深度图像中各个像素点对应的深度距离；基于所述图像传感器的内参确定所述滑动窗口的窗口尺寸；根据所述滑动窗口的窗口尺寸及各所述像素点对应的深度距离定位所述深度图像中的各极值区域；其中，所述极值区域为所述深度图像中各像素点对应深度距离的极小值区域；计算各所述极值区域之间的面积交并比，根据所述面积交并比确定各候选头部区域。3.根据权利要求2所述的方法，其特征在于，所述根据所述滑动窗口的窗口尺寸及各所述像素点对应的深度距离定位所述深度图像中的各极值区域的步骤，包括：基于各所述像素点对应的深度距离、所述滑动窗口的窗口尺寸及预设滑步，确定所述各所述滑动窗口中的平均深度距离，得到滑窗均值矩阵；基于所述滑动窗口的窗口尺寸及预设滑步，确定所述深度图像中各所述滑动窗口的中心点坐标，得到所述滑窗均值矩阵对应的坐标索引矩阵；基于所述滑窗均值矩阵及所述坐标索引矩阵确定所述深度图像中的各个极值区域的坐标尺寸；其中，所述坐标尺寸包括所述极值区域的中心点坐标及像素尺寸。4.根据权利要求3所述的方法，其特征在于，所述基于所述滑窗均值矩阵及所述坐标索引矩阵确定所述深度图像中的各个极值区域的坐标尺寸的步骤，包括：确定所述滑窗均值矩阵内的各极小深度距离；其中，所述极小深度距离小于相邻的各个平均深度距离值；从所述坐标索引矩阵内获取各所述极小深度距离所在的滑动窗口对应的中心点坐标，得到各所述极值区域的中心点坐标；基于各所述极小深度距离、所述图像传感器的内参及第一计算算式，得到各所述极值区域的像素长度；其中，所述像素长度为所述极值区域的像素列数，所述第一计算算式为：基于各所述极小深度距离、所述图像传感器的内参及第二计算算式，得到各所述极值区域的像素宽度；其中，所述像素宽度为所述极值区域的像素行数，所述第二计算算式为：
其中，W
i
为第i个极值区域的像素长度，L
i
为第i个极值区域的像素宽度，Head
w
为预设的头部物理长度，Head
l
为预设的头部物理宽度，I
cols
为所述深度图像的像素列数，I
rows
为所述深度图像的像素行数，α为所述图像传感器的水平视场角，β为所述图像传感器的垂直视场角，H
i
为第i个极小深度距离，round为取整运算。5.根据权利要求2所述的方法，其特征在于，所述基于所述图像传感器的内参确定所述滑动窗口的窗口尺寸的步骤，包括：获取预设的头部物理尺寸；其中，所述头部物理尺寸包括头部物理长度和头部物理宽度；基于所述图像传感器的内参及第三计算算式，确定所述头部物理长度对应的像素数量；其中，所述第三计算算式为：基于所述图像传感器的内参及第四计算算式，确定所述头部物理宽度对应的像素数量；其中，所述第四计算算式为：其中，W
pixel...

【专利技术属性】
技术研发人员：罗凤鸣，李勇基，杜晨光，李燕妮，
申请(专利权)人：洛伦兹北京科技有限公司，
类型：发明
国别省市：