[发明专利]基于视频图像的人数统计方法、装置、设备及存储介质

说明书

本发明提出一种基于视频图像的人数统计方法和装置，其中，方法包括：获取摄像装置在拍摄场景中的设置参数；根据设置参数，获取人体在拍摄场景中成像时的成像权重矩阵；获取拍摄场景的图像掩模的像素矩阵；根据图像掩模的像素矩阵与成像权重矩阵，获取拍摄场景的当前加权像素值；根据当前加权像素值和预设的加权像素值与人数之间的映射关系，获取拍摄场景的统计人数。能够有效提升该方法的适用性。此外，能够避免特征检测所导致的运算复杂度，降低系统资源需求，从而提升系统的实时性。

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种基于视频图像的人数统计方法和装置。

背景技术

随着视频图像处理技术的不断发展，可以通过视频监控对超市、银行、地铁等场所进行实时的人数统计，从而获取客流分布、拥挤程度等统计信息，给公共区域管理、资源调度等工作提供有效的参考资料。

现有技术中，通过在摄像装置拍摄的图像中提取行人的特征，来进行人数统计，例如可以提取头肩形状特征、人脸特征、行人方向梯度直方图(Histogram of OrientedGradient，简称HOG)特征等特征。具体地，可以通过机器学习方法来实现特征的提取以及行人定位，比如可以使用卷积神经网络训练行人像检测器，而后将摄像装置采集的图像输入到训练好的行人像检测器中，即可得到行人所在的位置，从而可以统计人数。

但是，在不同拍摄场景下，通过机器学习方法所选的特征差异较大，可能导致无法识别人像，比如，基于人脸特征的检测算法，当行人戴上口罩，或者衣帽遮住脸部的关键特征时，就可能发生漏检的情况。因此，当拍摄场景变化时，需要重新提取样本、重新训练行人像检测器，从而使得系统能够在新的拍摄场景下正常工作，进而导致工作量较大。此外，特征检测的计算复杂度较大，需要提取感兴趣区域(Region of Interest，简称ROI)、运行特征提取算法和分类算法，对计算资源的需求大，从而难以达到实时性要求。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于视频图像的人数统计方法，以实现在不同的拍摄场景下，只需知道摄像装置的安装高度，安装倾斜角以及摄像装置的视场角，就能计算得到新的成像权重矩阵，从而适应于新的场景，进而避免了重新取样以及重新训练检测器等额外工作，在降低工作量的同时，还可以有效提升该方法的适用性。进一步地，通过对当前拍摄场景的图像掩模加权求和，获取拍摄场景的当前加权像素值，而后将通过将当前加权像素值，查询预先建立的预设的加权像素值与人数之间的映射关系，获取拍摄场景的统计人数，操作简单，避免特征检测所导致的运算复杂度，降低系统资源需求，从而提升系统的实时性。

本发明的第二个目的在于提出一种基于视频图像的人数统计装置。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种基于视频图像的人数统计方法，包括：

获取摄像装置在拍摄场景中的设置参数；其中所述设置参数包括：所述摄像装置的安装高度、安装倾斜角和所述摄像装置的视场角；

根据所述设置参数，获取人体在所述拍摄场景中成像时的成像权重矩阵；其中，所述成像权重矩阵中的元素与所成图像中的像素点一一对应，所述元素的取值为所述像素点的成像权重；

获取所述拍摄场景的图像掩模的像素矩阵；其中，所述第一像素矩阵中元素与所述图像中像素点一一对应，所述元素的取值为所述像素点的像素值；

根据所述图像掩模的像素矩阵与所述成像权重矩阵，获取所述拍摄场景的当前加权像素值；