System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种基于图像处理的高精度人流疏散系统与方法。
技术介绍
1、在安防越来越受到重视的大背景下,对敏感区域人流量的管控也成为新时代一个重要的课题。鉴于人群管理不善,导致诸如景区人群拥挤甚至节假日的大规模恶性踩踏事件的时有发生,对使用来自监控摄像机的视频馈送分析高密度人群的计算模型的需求日益增加。人流密度检测,可以预防特定地区人群骚乱、踩踏现象的发生,对非预期的人员汇聚进行预警等,加强对敏感区域的治安管理。在实际如旅游景点、交通枢纽等人流比较密集的场所,人流监控意义重大。人群计数是该种自动化人群分析系统的关键组成部分。这涉及估计人群中的人数,以及人群密度在整个聚集区域的分布。识别人群密度高于安全限度的区域,可以帮助发出事先警告且可防止潜在的人群挤压。此外,估算人群数量还有助于量化事件的重要性,并有助于更好地处理物流和基础设施。
2、因此,当前亟待出现一种基于图像处理的高精度人流疏散系统或方法。
技术实现思路
1、为了克服现有技术中相关产品的不足,本专利技术提出一种基于图像处理的高精度人流疏散系统与方法。
2、本专利技术提供了一种基于图像处理的高精度人流疏散系统,包括:
3、数据采集模块,用于采集待检测区域人口密度的图像数据;
4、视频图像处理模块,用于对所采集到的图像数据进行图像处理操作,所述图像处理操作包括灰度化、二值化以及清洗噪点;
5、人流密度动态显示模块,建立感兴趣区域对象检测框架,对图像
6、预警模块,用于对人流密度处理后的结果进行判定,并对特定高危区域生成相应的预警信息进行反馈;
7、路径规划模块,用于根据人工鱼群法模拟鱼群觅食、聚群以及追尾行为寻找和规划出最优路径。
8、在本专利技术的某些实施方式中,所述视频图像处理模块具体用于:
9、根据权重转换法对图像数据采用灰度转换进行灰度化处理;
10、在对图像数据进行灰度化处理之后进行图像的二值化处理,再将图像数据中的各个像素点的灰度值和预设值进行比较,根据比较的结果将图像数据分别划分成大于预设值的像素区域和小于预设值的像素区域;
11、以及在图像转换成灰度图像后通过线性滤波法进行去噪处理以清洗噪点。
12、在本专利技术的某些实施方式中,所述人流密度动态显示模块具体用于:
13、使用卷积神经网络作为主干,对图像处理操作后的图像数据进行多层卷积和最大池化处理,生成卷积特征图,对于每一个感兴趣区域,利用感兴趣区域池化层从整幅图像的卷积特征图中提取一个固定长度的特征向量;
14、将每一个特征向量加入一系列全连接层,生成两个输出层,包括softmax概率以及目标的包围框;
15、采用模板匹配方法跟踪疑似人员目标,把图像数据中所检测到的人员目标作为匹配模板,并与前一帧图像数据中所检测到的人员目标模板进行绝对误差和准则匹配,重复该步骤,直到处理完图像数据序列中的最后一帧图像。
16、在本专利技术的某些实施方式中,所述预警模块用于:对人流密度处理后的结果进行判定,当判定结果为人流密度超过预设警戒值时,确认当前为特定高危区域,并生成相应的预警信息同步反馈至服务终端触发预警。
17、在本专利技术的某些实施方式中,所述路径规划模块用于:根据预设目标构建拥挤人流疏散多目标函数,所述预设目标包括疏散时间最短、疏散风险最小和拥挤度最低。
18、本专利技术还提供了一种基于图像处理的高精度人流疏散方法,包括如下步骤:
19、s1、采集待检测区域人口密度的图像数据;
20、s2、对所采集到的图像数据进行图像处理操作,所述图像处理操作包括灰度化、二值化以及清洗噪点;
21、s3、建立感兴趣区域对象检测框架,对图像处理操作后的图像数据采用区域生长算法对疑似人员的目标区域进行精确提取,提取结果包含每个疑似人员目标的精确位置以及目标所占像素总数;
22、s4、对人流密度处理后的结果进行判定,并对特定高危区域生成相应的预警信息进行反馈;
23、s5、根据人工鱼群法模拟鱼群觅食、聚群以及追尾行为寻找和规划出最优路径。
24、在本专利技术的某些实施方式中,步骤s2具体包括:
25、根据权重转换法对图像数据采用灰度转换进行灰度化处理;
26、在对图像数据进行灰度化处理之后进行图像的二值化处理,再将图像数据中的各个像素点的灰度值和预设值进行比较,根据比较的结果将图像数据分别划分成大于预设值的像素区域和小于预设值的像素区域;
27、以及在图像转换成灰度图像后通过线性滤波法进行去噪处理以清洗噪点。
28、在本专利技术的某些实施方式中,步骤s3具体包括:
29、使用卷积神经网络作为主干,对图像处理操作后的图像数据进行多层卷积和最大池化处理,生成卷积特征图,对于每一个感兴趣区域,利用感兴趣区域池化层从整幅图像的卷积特征图中提取一个固定长度的特征向量;
30、将每一个特征向量加入一系列全连接层,生成两个输出层,包括softmax概率以及目标的包围框;
31、采用模板匹配方法跟踪疑似人员目标,把图像数据中所检测到的人员目标作为匹配模板,并与前一帧图像数据中所检测到的人员目标模板进行绝对误差和准则匹配,重复该步骤,直到处理完图像数据序列中的最后一帧图像。
32、在本专利技术的某些实施方式中,步骤s4包括:对人流密度处理后的结果进行判定,当判定结果为人流密度超过预设警戒值时,确认当前为特定高危区域,并生成相应的预警信息同步反馈至服务终端触发预警。
33、在本专利技术的某些实施方式中,步骤s5还包括:根据预设目标构建拥挤人流疏散多目标函数,所述预设目标包括疏散时间最短、疏散风险最小和拥挤度最低。
34、与现有技术相比,本专利技术有以下优点:
35、本专利技术所述基于图像处理的高精度人流疏散系统通过采集待检测区域的图像数据,并对采集的图像数据进行图像处理,利用人工鱼群法模拟鱼群觅食、聚群以及追尾等行为实现最优路径的寻找,以达到疏散时间最短、疏散风险最小和拥挤度最低的目标,不仅提高了疏散效率,还降低了疏散风险和拥堵度。
本文档来自技高网...【技术保护点】
1.一种基于图像处理的高精度人流疏散系统,其特征在于,包括:
2.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述视频图像处理模块具体用于:
3.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述人流密度动态显示模块具体用于:
4.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述预警模块用于:对人流密度处理后的结果进行判定,当判定结果为人流密度超过预设警戒值时,确认当前为特定高危区域,并生成相应的预警信息同步反馈至服务终端触发预警。
5.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述路径规划模块用于:根据预设目标构建拥挤人流疏散多目标函数,所述预设目标包括疏散时间最短、疏散风险最小和拥挤度最低。
6.一种基于图像处理的高精度人流疏散方法,其特征在于,包括如下步骤:
7.根据权利要求6所述的基于图像处理的高精度人流疏散方法,其特征在于,步骤S2具体包括:
8.根据权利要求6所述的基于图像处理的高精度人流疏散方法,
9.根据权利要求6所述的基于图像处理的高精度人流疏散方法,其特征在于,步骤S4包括:对人流密度处理后的结果进行判定,当判定结果为人流密度超过预设警戒值时,确认当前为特定高危区域,并生成相应的预警信息同步反馈至服务终端触发预警。
10.根据权利要求6所述的基于图像处理的高精度人流疏散方法,其特征在于,步骤S5还包括:根据预设目标构建拥挤人流疏散多目标函数,所述预设目标包括疏散时间最短、疏散风险最小和拥挤度最低。
...【技术特征摘要】
1.一种基于图像处理的高精度人流疏散系统,其特征在于,包括:
2.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述视频图像处理模块具体用于:
3.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述人流密度动态显示模块具体用于:
4.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述预警模块用于:对人流密度处理后的结果进行判定,当判定结果为人流密度超过预设警戒值时,确认当前为特定高危区域,并生成相应的预警信息同步反馈至服务终端触发预警。
5.根据权利要求1所述的基于图像处理的高精度人流疏散系统,其特征在于,所述路径规划模块用于:根据预设目标构建拥挤人流疏散多目标函数,所述预设目标包括疏散时间最短、疏散风险最小和拥挤度...
【专利技术属性】
技术研发人员:夏明灿,周水琴,梁慧敏,张铁忠,周慧平,
申请(专利权)人:湖北公众信息产业有限责任公司,
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。