智能视频分析-视频监控人头检测人数统计

当前位置:首页 > 解决方案
人头数量统计系统视频处理分析是利用计算机视觉、图像处理、模式识别和机器学习等技术对视频图像进行分析和理解。主要表现在能够实时的准确识别统计目标区域人流数量;
现实生活中,为了获得准确的人群流量数据比较困难,传统的是人工记数,后面也有通过在入口处做人流统计,但人群是动态流动的,某一个时间段的人流量并不能代表所有时间的人流量,在时间分布上具有局限性;随着计算机技术和科学统计分析技术的不断发展,宇观科技利用先进的视频监控技术,获得即时、可靠的人群数量信息。

基于视频监控人数统计算法跟据不同的应用场景,分以下三类:
一、基于底层特征拟合的方法
首先提取图像底层统计特征,然后通过函数拟合的方法来计算图像中人的数量。像素的统计特性是最早被采用底层特征,反映图像中要数的分布情况,是基于底层拟合方法中最常用的。通常采用全局特征和内部边缘特征;这种方法虽然简单易用,但难以得到较精确的人数信息,通常用于粗略的人群密度估计。

二、特征点跟踪方法首先在参考帧中选择一组纹理特征在帧间保持不变的特征点,然后通过局部匹配搜索完成跟踪任务。这种是基于光流的方法优点是求解效率比较高,但对纹理变化复杂的情况容易产生误匹配,导致被跟踪点的丢失。而基于模型的方法通常对所有的特征点进行描述性建模,利用此模型从每帧图像中选择具有物理对应关系的相同特征点集合,通过集合之间建立单映射完成跟踪任务,此方法可以有效刻画具有复杂运动的模式,但模型的获取需要繁琐的学习过程,对企业的技术实力有一定的考量;

三、目标检测跟踪的方法采取直接显示的方式对目标进行检测跟踪,精度高,但当人流密度较大时算法的复杂度显著增加,需要做好区域划分处理,才能达到实时处理的效果。

以上是常用的三种监控视频统计人数的方法,宇观科技在实际场景应用中应用较多的是第三种目标检测跟踪的方法,我们会通过背景建模得到前景区域后,采用连通域分析和模板匹配检测方法得到人头目标,然后采用跟踪算法对检测到的人头进行跟踪,最后实现对人数量的统计。

而基于人群密度分析,宇观科技主要选择基于像素特征和基于纹理特征的人群密度分析算法,通过背景减的方法提取前景人群占据的空间大小后,采取边缘检测的方法提取出人群对象的边缘长度。同时结合人头统计算法,得出实时区域的人群密度相对值。

视频监控中的人数统计在不同的场合下发挥的作用:
1. 智能管理领域,管理人员可以合理调度人力、物力,合理配置资源,从而获得最佳的运营效果;
2. 公共交通领域,如汽车站、地铁、火车站等出入通道和重要区域处,实时获得旅游数量及分布的准确数据,为合理的分配服务与管理资源、科学调度、安全保障提供可靠的依据。
3. 大型商业建筑、娱乐、会展、庆典活动等人群密集区域,容易因拥挤导致事故的发生,提前获知人群密度,可有效避免因人群过度拥挤而造成安全隐患;
 
图像识别
>立即查看产品详情