[发明专利]基于机器视觉的活动目标计数方法和设备

权利要求书

1.一种基于机器视觉的活动目标计数方法，其特征在于，该方法应用于电子设备，包括：

获取至少一帧图像，所述至少一帧图像中包括在指定区域内活动的至少一个活动目标；

将获取的图像输入至已训练的深度学习模型以得到所述深度学习模型输出的至少一个活动目标的参数信息；所述深度学习模型用于从输入的图像中识别活动目标并输出活动目标的参数信息；所述参数信息至少包括：活动目标所处的图像区域信息和所述图像区域信息对应的种类标签，所述种类标签用于指示活动目标所属的种类；各不同活动目标的参数信息中的图像区域信息和种类标签用于统计所述指定区域内至少一个种类下活动目标的数量。

2.根据权利要求1所述的方法，其特征在于，所述指定区域为指定封闭区域；

所述获取至少一帧图像，包括：

获取已采集的所述指定封闭区域的区域图像，所述区域图像中包括在所述指定封闭区域内活动的活动目标；或者，

获取已采集的所述指定封闭区域的视频流，所述视频流中包括在所述指定封闭区域内活动的活动目标，从所述视频流中获取至少一帧视频图像。

3.根据权利要求1所述的方法，其特征在于，所述指定区域为指定通道区域；

所述获取至少一帧图像，包括：

获取已采集的所述指定通道区域的视频流；所述视频流中包括在所述指定通道区域活动的至少一个活动目标；

从所述视频流中获取至少一帧视频图像。

4.根据权利要求3所述的方法，其特征在于，所述参数信息还包括：活动目标的活动方向，所述活动方向用于指示从所述指定通道区域进入所述指定通道区域连接的指定封闭区域，或者用于指示从所述指定封闭区域出来进入所述指定通道区域；

所述活动方向通过与图像区域信息和图像区域信息对应的种类标签结合，用于统计至少一个种类下具有同一活动方向的活动目标的数量。

5.根据权利要求1至4任一所述的方法，其特征在于，所述活动目标所处的图像区域信息为旋转四边形框信息；所述旋转四边形框信息至少包括：旋转四边形框的中心坐标信息、旋转四边形框的尺寸、旋转四边形框的旋转角度。

6.根据权利要求1所述的方法，其特征在于，当所述深度学习模型识别出活动目标属于指定的第一类危险目标时，所述深度学习模型输出的该活动目标的参数信息进一步包括：第一危险级别；所述第一危险级别，用于指示报警；

当所述深度学习模型识别出活动目标属于指定的第二类危险目标时，所述深度学习模型输出的该活动目标的参数信息进一步包括：第二危险级别和活动目标逗留在所述指定区域的逗留时长；所述第二危险级别小于所述第一危险级别，当活动目标的参数信息中包括第二危险级别和逗留时长、且所述逗留时长大于设定时长时，用于指示报警。

7.一种基于机器视觉的活动目标计数方法，其特征在于，该方法应用于电子设备，包括：

获取经由深度学习模型输出的在指定区域内活动的至少一个活动目标的参数信息；所述深度学习模型用于从输入的图像中识别活动目标并输出活动目标的参数信息；所述参数信息至少包括：活动目标所处的图像区域信息和所述图像区域信息对应的种类标签，所述种类标签用于指示活动目标所属的种类；

依据各不同活动目标的参数信息中的图像区域信息和种类标签统计所述指定区域内至少一个种类下活动目标的数量。

8.根据权利要求7所述的方法，其特征在于，所述参数信息还包括：活动目标的活动方向，所述活动方向用于指示从指定通道区域进入所述指定通道区域连接的指定封闭区域，或者用于指示从所述指定封闭区域出来进入所述指定通道区域；

该方法进一步包括：依据各不同活动目标的参数信息中的活动方向、图像区域信息和图像区域信息对应的种类标签，统计至少一个种类下具有同一活动方向的活动目标的数量。