[发明专利]人群拥挤度检测方法、装置及系统

权利要求书

1.一种人群拥挤度检测方法，其特征在于，包括：

获取待检测区域的多个第一图像；所述多个第一图像包括：安装于所述待检测区域的多个拍摄装置所采集的多个图像；所述多个图像为所述多个拍摄装置从不同角度对所述待检测区域进行拍摄得到的；

以所述待检测区域中的标志物为分界点，将所述多个第一图像所覆盖的区域划分为多个目标区域；

根据所述多个目标区域，对所述多个第一图像中的重叠部分进行处理，得到多个待识别图像；

提取每个所述待识别图像中的第一人群拥挤特征；所述第一人群拥挤特征包括：所述第一图像中的人头特征和/或背景特征；

将每个所述第一人群拥挤特征输入到预先训练好的拥挤度检测分类器中，得到多个所述待识别图像的人群拥挤度分类结果；

其中，所述拥挤度检测分类器通过对数量达到一定阈值的训练样本数据进行分类训练得到；所述训练样本数据包括多种应用场景下所采集的图像；

根据多个所述待识别图像的人群拥挤度分类结果，计算得到所述待检测区域的拥挤度；

所述根据多个所述待识别图像的人群拥挤度分类结果，计算得到所述待检测区域的拥挤度，具体包括：

获取每个所述待识别图像所对应的区域面积与所述待检测区域的总面积的比值，作为每个所述待识别图像的人群拥挤度分类结果所对应的权重；

根据所述权重，计算多个所述待识别图像的人群拥挤度分类结果的加权和，得到所述待检测区域的拥挤度。

2.根据权利要求1所述的方法，其特征在于，在所述获取待检测区域的多个第一图像之前，还包括：

获取待训练的第二图像；所述第二图像包括数量达到一定阈值的多种应用场景下所采集的图像；

提取所述第二图像中的第二人群拥挤特征；所述第二人群拥挤特征包括：所述第二图像的背景特征和/或人头特征；

将所述第二人群拥挤特征，整合为训练样本数据和验证样本数据；

通过机器学习算法对所述训练样本数据进行训练，得到所述拥挤度检测分类器。

3.根据权利要求2所述的方法，其特征在于，在得到所述拥挤度检测分类器之后，还包括：

获取第一分类结果和所述拥挤度检测分类器的模型参数，所述第一分类结果为将所述训练样本数据输入至所述拥挤度检测分类器之后得到的输出结果；

将所述验证样本数据输入所述拥挤度检测分类器中，得到第二识别结果；

判断所述第二识别结果是否与所述第一分类结果相一致；

如果否，则对所述模型参数进行调整。

4.根据权利要求2所述的方法，其特征在于，在所述提取所述第二图像中的第二人群拥挤特征之前，还包括：

对所述第二图像进行归一化预处理；

判断所述归一化预处理后的第二图像是否存在预设缺陷；所述预设缺陷包括：图像遮蔽、数据错误、图像模糊中至少一项；

如果是，则重新获取图像，并将所述重新获取的图像作为所述第二图像。

5.根据权利要求1所述的方法，其特征在于，所述将每个所述第一人群拥挤特征输入到预先训练好的拥挤度检测分类器中，得到多个所述待识别图像的人群拥挤度分类结果，具体包括：

确定所述拥挤度检测分类器对应的数据格式；

如果所述数据格式包括二进制数据格式，将每个所述第一人群拥挤特征转换为二进制数据格式后输入所述拥挤度检测分类器，以生成多个对应所述待识别图像的分类结果。

6.根据权利要求1-5任一项所述的方法，其特征在于，在得到多个所述待识别图像的人群拥挤度分类结果之后，还包括：

将所述多个待识别图像及其对应的人群拥挤度分类结果，作为新的训练样本数据保存在训练样本数据库中。