[发明专利]基于图像采集功能实现人流密集区域行为分析判断的工作方法

摘要

本发明提出了一种基于图像采集功能实现人流密集区域行为分析判断的工作方法，包括如下步骤：S1，通过图像采集模块对密集人群中人体特征图像和人脸特征图像分别进行采集，建立初始判筛选断模型，从而提炼出进入人流密集区域的人员属性；S2，根据初始筛选判断模型对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行再次匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端。

主权项

1.一种基于图像采集功能实现人流密集区域行为分析判断的工作方法，其特征在于，包括如下步骤：S1，通过图像采集模块对密集人群中人体特征图像和人脸特征图像分别进行采集，建立初步筛选模型，从而提炼出进入人流密集区域的人员属性；所述S1包括：S1‑1，假设同一用户进入人流密集区域都为新用户，其中如果包括服务人员或者频繁进出的人员，在这个模型中并不考虑，因为采集足够多的样本之后，服务人员或者频繁进出的人员的数量可以忽略不计，从人流密集区域离开则设定为相应人员认证结束，通过获取图像采集模块的图像信息对图像中的人体特征图像和人脸特征图像进行判断，设置图像数据信息坐标(x,y)进行图像获取，将坐标(x,y)作为图像的基础点，根据坐标(x,y)为原点分别设置扫描权重其中p为图像中的人数获取因子，对(x,y)坐标的四个方位进行开平方运算，n为正整数，nvalid为获取的有效人数判定阈值，h(i，j)为一个方位中获取的人体特征图像i和人脸特征图像j的个数，S1‑2，设一个方位中所获取的人体特征图像权值向量为bi＝A(c‑w)×(cw)，A是人体基础特征c和手带物品特征w的出现概率值，cw为人体基础特征和手带物品特征共同出现的定义值；获取一个方位人脸特征图像权值向量为fj＝B×(C·T)，B是获取人脸特征概率值，C为人脸表情特征集合，T为人脸识别成功的单位区域的统计系数；其中C＝{smile,openmouth,downhead,uphead,weeping,halfface}S1‑3，保证获取信息的稳定性，根据b_i和f_j的向量值选取多区域的样本进行计算，然后通过初步筛选公式对图像进行初步筛选，其中，λ₄为图像中全方位第i个人体特征图像的第j个人脸表情集合的计算参数，β₄为图像中全方位第i个人体特征图像的第j个人脸表情集合的匹配参数，L_i,j为图像中的人员总体出现次数，Q_i,j为图像中初步筛选过程中的人流密集区域的条件概率值，σ²(i,j)为人流密集区域人员密集程度的判断极值参数，P_i,j为人流密集区域的历史人员统计数值；S1‑4，通过上述初步筛选之后，对图像特征进行归类判断，将不同人脸表情特征集合C的图像数据进行模型判断；提取有效人体特征图像的直方图，构造纹理信息，获取人脸表情特征集合中每个属性值，微笑属性值Csmile＝∑jj·δxj·δyj，其中δxj和δyj分别为X轴微笑特征因子和Y轴特征因子；张嘴属性值Copenmouth＝∑jj·τxjτyj，其中τxj和τyj分别为X轴张嘴特征因子和Y轴张嘴特征因子；低头属性值Cdownhead＝∑jj·βxjβyj，其中βxj和βyj分别为X轴低头特征因子和Y轴低头特征因子；抬头属性值Cuphead＝∑jj·εxj·εyj，其中εxj和δyjε分别为X轴抬头特征因子和Y轴抬头特征因子；哭泣属性值其中和分别为X轴哭泣特征因子和Y轴哭泣特征因子；侧脸属性值Chalfface＝∑jj·μxj·μyj，其中μxj和μyj分别为X轴侧脸特征因子和Y轴侧脸特征因子；对初步筛选重复执行，直到产生的重复率上升后，结束S1‑1至S1‑3的步骤；S2，根据初步筛选模型对人体特征图像和人脸特征图像进行判断后，将离开人流密集区域的人员进行再次匹配采集，通过分类器区分出相应密集人群所到达的区域或者离开的相应节点，从而推送给终端。