【技术实现步骤摘要】
识别行人运动的方法、装置和设备
[0001]本专利技术涉及目标检测
，特别是涉及一种识别行人运动的方法、装置和设备。
技术介绍
[0002]客流分析指的是对场所客流数量、身份等信息进行分析。随着数字化运营的崛起，线下商场、门店、公共交通等场所，对于客流分析的需求日益增加。客流分析设备给运营者提供了精准专业的客流数据，帮助运营者对客流进行有科学依据的分析。将分析结论反哺到日常的运营和管理中，使其抉择更加有依据、可量化。
[0003]客流分析设备通过传感器来采集数据，并对所采集的数据进行处理，来识别人物进入/离开预定区域的行为，进而统计得出进入/离开预定区域人次等信息。实践中，客流分析设备具体可以通过热电堆阵列传感器来采集数据。
[0004]在通过热电堆阵列传感器采集数据后，需要通过算法处理从采集到的数据中识别行人运动(我们将这种“从采集到的(热电堆阵列)数据中识别行人运动”的算法称为“识别行人运动的算法”)。
[0005]现有技术中，识别行人运动的算法通常是通过机器学习的方式训练得到的。举例来说，在《Thermal Image-Based CNN
’
s for Ultra-Low Power People Recognition》中采用训练后的卷积神经网络来识别行人运动并跟踪，经实验表明其识别效果“completely error-free detection on 53.7％of the test images and an error bound within>±
1detection in 84.4％of the images(即准确率较低)”；又如，在《Occupancy Estimation Using a Low-Pixel Count Thermal Imager》中也是通过机器学习的方式来得到识别行人运动的算法，经实验表明其识别效果在最好的“machine learning classifier”上“the K*algorithm was found to be the best classifier,with an accuracy of 82.56％and a RMSE of 0.304(即准确率较低)”。
[0006]通过以上2个例子可以看到，现有技术中识别行人运动的算法准确率较低。
[0007]同时，通过机器学习的方式训练得到识别行人运动的算法还存在其它多方面的缺陷，例如训练成本高(训练过程需要耗费大量的算力)、识别及跟踪过程反应速度慢等缺陷。
技术实现思路
[0008]本专利技术解决的技术问题是：如何准确且快速的从采集到的(热电堆阵列)数据中识别行人运动。
[0009]为了解决上述技术问题，本专利技术实施例提供一种识别行人运动的方法，包括：
[0010]得到用于识别行人运动的算法；
[0011]采用所述算法，来从采集到的热电堆阵列数据中识别行人运动；
[0012]其中，所述算法通过以下方式来从采集到的热电堆阵列数据中识别行人运动，包括：
[0013]消除或部分消除热电堆阵列数据的各个帧数据包中的噪点，得到经初步处理后的帧数据包；
[0014]从经初步处理后的帧数据包中确定人物热点；
[0015]分别确定各个人物热点在热电堆阵列数据中的移动轨迹并对移动轨迹进行跟踪；
[0016]当通过对移动轨迹进行跟踪发现某个人物热点从后续的帧数据包中消失时，分析该人物热点的移动轨迹并对该人物热点进行归类。
[0017]可选的，所述消除或部分消除热电堆阵列数据的各个帧数据包中的噪点包括：将热电堆阵列数据的帧数据包中的每一行减去最小值和/或将热电堆阵列数据的帧数据包中的每一列减去最小值。
[0018]可选的，所述从经初步处理后的帧数据包中确定人物热点包括：
[0019]从经初步处理后的帧数据包中寻找候选热点；
[0020]分别对各个候选热点进行分析，以确定其是否为人物热点。
[0021]可选的，所述从经初步处理后的帧数据包中确定人物热点包括：
[0022]通过寻找潜在热点finding potential hot spots和连通区域分析connected components analysis来寻找比所有领边大于或等于的热点，作为候选热点。
[0023]可选的，所述分别对各个候选热点进行分析，以确定其是否为人物热点包括：
[0024]比较横或纵行的中位数高temp Tolerance值的温度，来分别确定各个候选热点是否为人物热点。
[0025]可选的，所述分别对各个候选热点进行分析，以确定其是否为人物热点还包括：
[0026]通过连通区域connected components和特征提取feature extraction来对各个人物热点进行分析，以进一步确定其是否是人物热点。
[0027]可选的，所述分别确定各个人物热点在热电堆阵列数据中的移动轨迹包括：根据人物热点在热电堆阵列数据的各个帧数据包中的位置，来确定该人物热点在热电堆阵列数据中的移动轨迹。
[0028]可选的，所述分别确定各个人物热点在热电堆阵列数据中的移动轨迹还包括：分别将各个人物热点在热电堆阵列数据中的移动轨迹与各个已跟踪的人物热点的移动轨迹进行匹配；若匹配成功，则将该移动轨迹加入到与其匹配的已跟踪的人物热点的移动轨迹中；若未能匹配成功，则新建一个已跟踪的人物热点，并以该移动轨迹作为该新建的已跟踪的人物热点的移动轨迹。
[0029]可选的，所述分析该人物热点的移动轨迹并对该人物热点进行归类至少分为以下几类：进入预定区域、离开预定区域和异常移动轨迹。
[0030]可选的，所述分析该人物热点的移动轨迹并对该人物热点进行归类包括：根据移动轨迹的轨迹长度、轨迹上不同位置的数量、最老和最新位置差、反方向移动距离与正方向移动距离之间的比例、一次跳两格或两格以上的情况的出现次数、最远和最近的位置距离大小，来确定是否为异常移动轨迹。
[0031]为了解决上述技术问题，本专利技术实施例还提供一种识别行人运动的装置，包括：
[0032]处理器，适于加载并执行软件程序的指令；
[0033]存储器，适于存储软件程序，所述软件程序包括用于执行以下步骤的指令：
[0034]得到用于识别行人运动的算法；
[0035]采用所述算法，来从采集到的热电堆阵列数据中识别行人运动；
[0036]其中，所述算法通过以下方式来从采集到的热电堆阵列数据中识别行人运动，包括：
[0037]消除或部分消除热电堆阵列数据的各个帧数据包中的噪点，得到经初步处理后的帧数据包；
[0038]从经初步处理后的帧数据包中确定人物热点；
[0039]分别确定各个人物热点在热电堆阵列数据中的移动轨迹并对移动轨迹进行跟踪；
[0040]当通过对移动轨迹进行跟踪发现某个人物热点从后续的帧数据包中消失时，分析该人物热本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种识别行人运动的方法，其特征在于，包括：得到用于识别行人运动的算法；采用所述算法，来从采集到的热电堆阵列数据中识别行人运动；其中，所述算法通过以下方式来从采集到的热电堆阵列数据中识别行人运动，包括：消除或部分消除热电堆阵列数据的各个帧数据包中的噪点，得到经初步处理后的帧数据包；从经初步处理后的帧数据包中确定人物热点；分别确定各个人物热点在热电堆阵列数据中的移动轨迹并对移动轨迹进行跟踪；当通过对移动轨迹进行跟踪发现某个人物热点从后续的帧数据包中消失时，分析该人物热点的移动轨迹并对该人物热点进行归类。2.如权利要求1所述的识别行人运动的方法，其特征在于，所述消除或部分消除热电堆阵列数据的各个帧数据包中的噪点包括：将热电堆阵列数据的帧数据包中的每一行减去最小值和/或将热电堆阵列数据的帧数据包中的每一列减去最小值。3.如权利要求1所述的识别行人运动的方法，其特征在于，所述从经初步处理后的帧数据包中确定人物热点包括：从经初步处理后的帧数据包中寻找候选热点；分别对各个候选热点进行分析，以确定其是否为人物热点。4.如权利要求3所述的识别行人运动的方法，其特征在于，所述从经初步处理后的帧数据包中确定人物热点包括：通过寻找潜在热点finding potential hot spots和连通区域分析connected components analysis来寻找比所有领边大于或等于的热点，作为候选热点。5.如权利要求3所述的识别行人运动的方法，其特征在于，所述分别对各个候选热点进行分析，以确定其是否为人物热点包括：比较横或纵行的中位数高temp Tolerance值的温度，来分别确定各个候选热点是否为人物热点。6.如权利要求5所述的识别行人运动的方法，其特征在于，所述分别对各个候选热点进行分析，以确定其是否为人物热点还包括：通过连通区域connected components和特征提取feature extraction来对各个人物热点进行分析，以进一步确定其是否是人物热点。7.如权利要求1所述的识别行人运动的方法，其特征在于，所述分别确定各个...
【专利技术属性】
技术研发人员：姚生意，刘经济，朱文鲁，张程，
申请(专利权)人：上海迈外迪网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。