[发明专利]一种基于图像识别的人群聚集识别方法及装置

权利要求书

1.一种基于图像识别的人群聚集识别方法，其特征在于，包括：

获取待识别图片，对待识别图片进行人体识别，得到人体边框数据；

对人体边框数据进行筛选，得到符合筛选条件的人体边框数据；

根据筛选后的人体边框数据计算人体重心点像素坐标和身高像素估算值；

对人体重心点像素坐标进行第一人群聚集识别，得到疑似人群聚集分组；

对疑似人群聚集分组进行第二人群聚集识别，判断是否发生人群聚集。

2.根据权利要求1所述的一种基于图像识别的人群聚集识别方法，其特征在于，所述人体边框数据包括边框像素坐标和边框概率值，所述对人体边框数据进行筛选，得到符合筛选条件的人体边框数据，包括：

判断人体边框数据的边框概率值是否小于第一预设阈值，若小于，则丢弃该人体边框数据，否则保留该人体边框数据；

判断保留的人体边框数据的数量是否大于第二预设阈值，若大于，则判定符合筛选条件。

3.根据权利要求1所述的一种基于图像识别的人群聚集识别方法，其特征在于，所述根据筛选后的人体边框数据计算人体重心点像素坐标和身高像素估算值，包括：

根据人体边框数据，获取人体重心点像素坐标和人体关键点数据，所述人体关键点数据包括关键点名称、关键点像素坐标和关键点概率值，所述人体重心点像素坐标包括横坐标和纵坐标；

设定人体关键点身高比，所述人体关键点身高比包括部位名称和占身高比；

筛选出关键点概率值大于第一预设阈值的人体关键点；

根据人体关键点身高比的部位名称，选取对应的人体关键点进行组合，计算人体关键点组合的概率值；

选取概率值最大的人体关键点组合，根据人体关键点组合中关键点像素坐标的欧式距离，计算出人体关键点组合的像素距离；

根据人体关键点身高比和人体关键点组合的像素距离，计算出人体身高像素估算值。

4.根据权利要求1所述的一种基于图像识别的人群聚集识别方法，其特征在于，所述对人体重心点像素坐标进行第一人群聚集识别，得到疑似人群聚集分组，包括：

将人体重心点像素横坐标与纵坐标组合成数组，对数组进行数据标准化；

对标准化后的数据进行第一密度聚类，得到若干个分组；

对若干个分组进行筛选，判断分组中的数据是否大于第三预设阈值，若大于，则判定该分组为疑似人群聚集分组。

5.根据权利要求1所述的一种基于图像识别的人群聚集识别方法，其特征在于，所述对疑似人群聚集分组进行第二人群聚集识别，判断是否发生人群聚集，包括：

将疑似人群聚集分组中的人体重心点横坐标、纵坐标及其人体身高像素估算值组合成数组，对数据进行数据标准化；

对标准化后的数据进行第二密度聚类，得到若干个分组；

判断第二密度聚类得到分组的数据是否大于第四预设阈值，若大于，则判定发生人群聚集，否则判定未发生人群聚集。

6.一种基于图像识别的人群聚集识别装置，其特征在于，用于执行如权利要求1-5中任意一项所述的人群聚集识别方法，包括：

人体识别单元，用于获取待识别图片，对待识别图片进行人体识别，得到人体边框数据；

人体边框筛选单元，用于对人体边框数据进行筛选，得到符合筛选条件的人体边框数据；

人体边框数据计算单元，用于根据筛选后的人体边框数据计算人体重心点像素坐标和身高像素估算值；

第一人群聚集识别单元，用于对人体关键点识别后的图片进行人群聚集识别，得到疑似人群聚集分组；

第二人群聚集识别单元，用于对疑似人群聚集分组进行第二人群聚集识别，判断是否发生人群聚集。

7.根据权利要求6所述的一种基于图像识别的人群聚集识别装置，其特征在于，所述人体边框筛选单元，包括：

第一判断模块，用于判断人体边框数据的边框概率值是否小于第一预设阈值，若小于，则丢弃该人体边框数据，否则保留该人体数据；

第二判断模块，用于判断保留的人体边框数据的数量是否大于第二预设阈值，若大于，则判定符合筛选条件。