人数统计系统答案

【问题标题】：People Counting System人数统计系统
【发布时间】：2011-10-24 01:06:26
【问题描述】：

我想使用 OpenCV（或 Emgu CV）开发一个“人数统计系统”。

请指导我如何实施或引导我了解一些示例或开源项目。

（我做了一些工作：提取差异然后阈值以删除背景，使用运动历史等；仍然没有好的结果。）

编辑 1：我正在计算一个高人流（其中一打可能同时通过）。

编辑 2：必须至少 80% 准确。人们正穿过一扇近 5 米宽的门。问题是我无法控制相机的位置或角度。摄像机在 2.5m 的高度从 10m 的距离喊出这个地方。

谢谢

【问题讨论】：

您可能需要指定一些要点：系统必须有多准确？什么是“高人流”？是10个人宽，还是1m大的拱门，很多人经过？
感谢您的评论。我更新了我的问题。
你还没有描述“人流”的程度。我们在谈论多少人？是否经常多人同时进入？你说你的系统“仍然没有好的结果”，尽管与背景不同。您能描述一下您所看到的结果类型以及它们存在问题的原因吗？

标签： c# opencv video-processing emgucv

【解决方案1】：

如果您将人数统计系统称为计算房间内人数的系统，那么我建议您使用带有 2 个激光（普通激光玩具工作）和 2 个光敏电阻的微控制器来实现硬件。对于微控制器，我建议您使用Arduino。然后创建一个具有 SerialPort 对象并读取 arduino 通过 USB 发送的数据的 C# 应用程序。arduino 将发送 1 表示“有人进入房间”，发送 0 表示“有人离开房间”。然后在 C# 中可以轻松完成日志记录和统计。

Arduiono 网站：here

1 美元的光敏电阻：here

与使用质量相当好的相机相比，此解决方案更便宜且更易于实施。

希望我能帮到你。

【讨论】：

谢谢；但我计算的是高密度的人流。
密度无关紧要，激光始终反应灵敏。更具体地向我描述你的项目。你是在计算从门进出房间的人数还是其他原因？
顺便说一句，我给你的想法是我会做的，因为我也在开发一个人数统计系统。但是对于一个只有一扇门的商店，人们几乎总是一个接一个地去。如果你有任何进展或解决方案请与我分享。 :)
不幸的是，在我的情况下人们没有穿过门，这使得它变得更加复杂:(
那么您将使用摄像头和人员运动识别系统来实现它？

【解决方案2】：

查看最新版本的 OpenCV (>= 2.2) 附带的 HOG 行人检测器。

请参阅 OpenCV 源代码中的 modules/objdetect/src/hog.cpp 和 samples/cpp/peopledetect.cpp。不幸的是，还没有关于它的官方文档。

【讨论】：

谢谢；我已经检查过HOG。它不适合拥挤的人流，而且非常难以预测。

【解决方案3】：

这将帮助您计算包括人在内的移动物体：Motion Detection project on CodeProject

【讨论】：

【解决方案4】：

人是场景中唯一的“实体”吗？如果不是这种情况，你是否关心考虑一个人在场景中移动的其他类型的东西？因为如果是这样的话，你可以只计算进出场景的斑点。这听起来可能有点幼稚，但我会拍摄某种运动图像，按距离将运动像素分组。您的距离度量可能会考虑一些限制，例如人们会“经常”站立，因此集群中的像素应该围绕某种回归线分组（如果相机与地板对齐，则为直线）。不必在场景中跟踪他们，只需注意他们何时进入或离开，尽管您会遇到一些问题，例如，人们在场景中自己进入并成对或成组离开。 ..祝你好运:)

【讨论】：

【解决方案5】：

我认为，如果您的人群密集且有很多遮挡，您必须使用一些机器学习算法，例如您可以使用隐式形状模型来获取特征。

【讨论】：

【解决方案6】：

这真的取决于相机的位置。假设您可以获得图像中人物的正面轮廓：

这个问题基本上是人脸检测和识别。

有很多方法可以找到面孔，但这是我比较熟悉的方法。

对于人脸检测，您需要对肤色进行图像分割。这将提取皮肤区域。 [手臂、胸部（对于那些穿着 V 型上衣的人）、脸、腿等] 然后你需要将皮肤区域的轮廓与你训练过的脸的轮廓对齐。

[您需要使用 Eigenfaces 来创建面部外观的通用配置文件]

如果皮肤区域排列整齐并且与轮廓的偏离不太远，则将其视为一张脸。确认面部后，将其添加到 eigenfaces 数据存储中 [用于识别]。为了节省处理，如果您正在寻找以前的面孔，您可能需要考虑限制搜索区域。 [给定帧率，以及上次看到此人的时间]

如果您指的是“人群流动”，我认为您只是指人群中面孔的密度。

现在您已确认视频中的移动物体是人。现在您只需要注意这一点，然后确保您不再将他们视为新人。

这种方法：实际上取决于您检测面部区域的能力。如果视频中的人向下看，不符合训练数据的轮廓等，这可能不起作用。如果一个人在视频中戴上太阳镜，也可能会受到影响。 [可能会被视为“新面孔”]

【讨论】：