[发明专利]一种基于图像识别的人群聚集识别方法及装置

说明书

本发明公开了一种基于图像识别的人群聚集识别方法及装置，属于图像识别领域。针对现有技术中常用的人群聚集识别算法存在对拍摄装置的安装位置要求较高，在某些场景下无法适用等问题，本发明提供一种基于图像识别的人群聚集识别方法及装置，该方法包括：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。本发明可以实现对平视图像进行人群聚集识别与判断。

技术领域

本发明涉及图像识别领域，更具体的说，涉及一种基于图像识别的人群聚集识别方法及装置。

背景技术

目前无人车巡检在园区安防方面发挥着越来越重要的作用，无人车中也需要集成一些计算机视觉技术，如人群聚集识别算法，当无人车发现有人群聚集的时候，可以进行自动语音提示，和通知相关人员进行处理。

由于现有的大部分人群聚集识别算法主要针对俯视图像进行的识别与优化，此类算法要求拍摄装置需要从俯视角度进行拍摄，而当拍摄图像的视角不佳时，而无人车拍摄的图像角度接近平视，人物被遮挡的概率较高，此时常用的人群聚集识别算法的识别准确率可能会降低。

中国专利申请，申请号CN201910182241.5，公开日2019年7月5日，公开了一种自适应人群分群检测方法，在高斯混合模型的背景去除法得到的前景区域提取KLT特征点，通过分析特征点的运动特性，把特征点间的距离和加速度方向分别作为分层聚类的输入，遍历所有前景中的特征点，实现分群检测。然后通过分析分层结果中的聚类中心所受到的社会力进而得到聚类中心间合力方向的角度来判断是否需要合并聚类中心。该发明能够对公共场所下无序运动密集场景实现无监督地自动地进行人群分群。其不足之处在于，该发明使用人群特征点的运动状态估计人群的运动状态来避免密集人群中严重的遮挡问题，主要针对运动场景，在处理平视图像时提取特征点的效果不佳，且不能对单个静止图像进行识别判断。

发明内容

1.要解决的技术问题

针对现有技术中常用的人群聚集识别算法存在对拍摄装置的安装位置要求较高，在某些场景下无法适用等问题，本发明提供一种基于图像识别的人群聚集识别方法及装置，它可以实现对平视图像进行人群聚集识别与判断。

2.技术方案

本发明的目的通过以下技术方案实现。

一种基于图像识别的人群聚集识别方法，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。

进一步的，人体边框数据包括边框像素坐标和边框概率值，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。

更进一步的，计算图片中识别人物的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，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；