一种基于图结构匹配的多相机场景下的人数计算方法技术

本发明专利技术属于图像识别技术领域，公开一种基于图结构匹配的多相机场景下的教室人数计算方法，包括以下步骤：基于场所内多个相机获得的图像，通过座位密度估计算法，获得每张图像的座位密度分布图；根据每张图像的座位密度分布图，获得每张图像的座位分布信息；通过座位图结构匹配算法，获得每个相机下座位分布信息和场所内座位空间分布信息的映射关系；通过计算重叠面积获得图像中每个人的座位位置，将图像中每个人的座位位置映射到相应的二维数组中；累计数组中大于0的位置数即为人数。本发明专利技术的方法能够精确地实现多相机场景下的人群计数，对于在某些场景中，如体育赛事和竞技演出等，参与人数或密度是活动规划和空间设计的重要信息。要信息。要信息。

【技术实现步骤摘要】
一种基于图结构匹配的多相机场景下的人数计算方法


[0001]本专利技术涉及图像识别
，特别涉及一种基于图结构匹配的多相机场景下的人数计算方法。

技术介绍

[0002]人群计数是计算机视觉领域中一个重要且具有实际意义的工作。所述的人群计数即在图像或视频中统计当前状态下画面中所包括的人群密度，并进而计算相应的人员数量。国内外大型活动中容易出现人员踩踏事件，造成重大伤害，因此，人群计数的研究对现实生活应用越来越重要，准确的估计当前场景下的人员密度，并安排相应的安保措施，可以有效的防止踩踏事件的发生。另外，人群计数在视频监控、交通监测、公共安全、城市规划以及建设智能商超等方面有着广泛应用，其提供的人口密度与数量信息可以使得决策更加细致，以达到更好的活动事件结果。
[0003]目前，学校的教室内一般会有多个摄像头，每个摄像头拍摄的区域有限，如何将不同摄像头下的人员进行统计并去除重复的人员然后整合到一张图中进行计数是教室人数计算的关键问题。现有的人群计数方法大都是基于检测的方法，根据检测结果进行统计，这种方法主要应用于稀疏的人员计数；同时，由于不同的人员之间存在着遮挡问题，因此基于检测的方法很大程度上依赖于检测算法水平的效果，因此还提出了基于回归的方法，该方法是学习一种特征到人群数量的映射。但是上述两种方法都没有涉及到多相机场景下的人员重复计数问题。基于此，本专利技术提出了一种基于图结构匹配的多相机场景下的教室人数计算方法。

技术实现思路

[0004]为解决上述现有技术中存在的不足，本专利技术实施例提供了一种基于图结构匹配的多相机场景下的教室人数计算方法。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0005]根据本专利技术实施例的第一方面，提供了一种基于图结构匹配的多相机场景下的人数计算方法。
[0006]在一个实施例中，基于图结构匹配的多相机场景下的人数计算方法，包括：
[0007]步骤(1)，基于场所内多个相机获得的图像，通过座位密度估计算法，获得每张图像的座位密度分布图；
[0008]步骤(2)，根据每张图像的座位密度分布图，通过聚类算法获得每张图像的座位分布信息；
[0009]步骤(3)，通过座位图结构匹配算法，获得每个相机下座位分布信息和场所内座位空间分布信息的映射关系；
[0010]步骤(4)，通过计算重叠面积获得图像中每个人的座位位置，依据步骤(3)得到的映射关系，将图像中每个人的座位位置映射到相应的二维数组中；
[0011]步骤(5)，累计数组中大于0的位置数即为人数。
[0012]可选地，所述步骤(1)中，座位密度估计算法使用基于几何适应的高斯核卷积函数对图像进行计算求解。
[0013]可选地，所述座位密度估计算法使用几何适应的高斯核卷积函数，基于每张图像中的座位点，得到相同大小的密度分布图；再然后，通过几何适应的高斯核卷积函数计算每个点的信息；最后得到每张图像的座位密度分布图。
[0014]可选地，所述座位密度估计算法还包括：根据相机对应的座位密度分布图，估计该相机所在场内空间中的空间位置信息。
[0015]可选地，所述座位密度分布图的函数表达式为：
[0016][0017]式中，δ为冲击函数，x
i
表示座位在像素中的位置，δ(x
‑
x
i
)表示图像中座位的冲击响应函数，N为图像中座位总数；表示高斯核，σ
i
为高斯和标准差，为距离x
i
座位最近m个座位与该座位的平均距离，β是一个定值。
[0018]可选地，所述步骤(2)中，先验信息是场所内的座位位置分布信息和每个相机的空间位置信息；针对每个相机下的座位密度分布图，通过求解中心点获得每个座位的中心点分布图，使用聚类算法获得每张图像的座位分布信息。
[0019]可选地，所述步骤(2)包括：针对每个相机下的座位密度分布图，使用k均值聚类算法获得每个相机下的座位的空间分布；接着，通过滑动平均算法对座位按行划分，使用滑动平均算法进行分类，选择区域中某一点，通过计算和相邻点之间的平均值，决定下一个点的位置，若在平均值之内则加入数据图，否则不选取；加入下一个点，然后再计算平均值，以此迭代，直到当前位置判断完成，然后再计算下一行；将座位分布按行分类完成，得到座位分布信息。
[0020]可选地，所述步骤(3)，通过座位图结构匹配算法，获得每个相机下座位分布信息和场所内座位空间分布信息的映射关系的步骤，包括：根据每个相机下的座位分布信息，每个位置都映射到相应的二维数组中，如下式所示：
[0021]f:G
→
P
[0022]G指数据图，包含每个相机下的座位分布信息；P指模式图，包含座位空间分布信息，通过二维数组表示。
[0023]可选地，所述步骤(4)具体包括：
[0024]首先，对场所内的每个人员进行标注，再计算人员和座位的重合面积，来确定人和座位的匹配关系；
[0025]然后，根据座位分布信息和场所内座位空间分布信息的映射关系，将人员一一映射到相应的二维数组中。
[0026]根据本专利技术实施例的第二方面，提供了一种计算机设备。
[0027]在一些实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算
机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0028]本专利技术实施例提供的技术方案可以包括以下有益效果：
[0029]精确地实现多相机场景下的人群计数，对于在某些场景中，如体育赛事和竞技演出等，参与人数或密度是活动规划和空间设计的重要信息。对于本方法提出的教室室内场景，人群计数对于教室出勤率统计、自习空教室选择以及室内人员聚集安全等也有重要的参考价值，同时，学校管理者可以依靠人群的估计来规范化人员管理，并依次规划灾难应急事件的处理措施，从而为人群计数在实际场景中的应用提供了指导。
[0030]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0031]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0032]图1是根据一示例性实施例示出的一种基于图结构匹配的多相机场景下的人数计算方法的流程图；
[0033]图2是根据一示例性实施例示出的计算机设备的结构示意图。
具体实施方式
[0034]以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图结构匹配的多相机场景下的人数计算方法，其特征在于，包括以下步骤：步骤(1)，基于场所内多个相机获得的图像，通过座位密度估计算法，获得每张图像的座位密度分布图；步骤(2)，根据每张图像的座位密度分布图，通过聚类算法获得每张图像的座位分布信息；步骤(3)，通过座位图结构匹配算法，获得每个相机下座位分布信息和场所内座位空间分布信息的映射关系；步骤(4)，通过计算重叠面积获得图像中每个人的座位位置，依据步骤(3)得到的映射关系，将图像中每个人的座位位置映射到相应的二维数组中；步骤(5)，累计数组中大于0的位置数即为人数。2.如权利要求1所述的一种基于图结构匹配的多相机场景下的人数计算方法，其特征在于，所述步骤(1)中，座位密度估计算法使用基于几何适应的高斯核卷积函数对图像进行计算求解。3.如权利要求2所述的一种基于图结构匹配的多相机场景下的人数计算方法，其特征在于，所述座位密度估计算法使用几何适应的高斯核卷积函数，基于每张图像中的座位点，得到相同大小的密度分布图；再然后，通过几何适应的高斯核卷积函数计算每个点的信息；最后得到每张图像的座位密度分布图。4.如权利要求3所述的一种基于图结构匹配的多相机场景下的人数计算方法，其特征在于，所述座位密度估计算法还包括：根据相机对应的座位密度分布图，估计该相机所在场内空间中的空间位置信息。5.如权利要求3所述的一种基于图结构匹配的多相机场景下的人数计算方法，其特征在于，所述座位密度分布图的函数表达式为：式中，δ为冲击函数，x
i
表示座位在像素中的位置，δ(x
‑
x
i
)表示图像中座位的冲击响应函数，N为图像中座位总数；表示高斯核，σ
i
为高斯和标准差，为距离x
i
座位最近m个座位与该座位的平均距离，β是一个定值。6.如权...

【专利技术属性】
技术研发人员：胥志伟，王胜科，丁来辉，李兴隆，
申请(专利权)人：山东巍然智能科技有限公司，
类型：发明
国别省市：