绘制目标对象热力图的方法及装置与流程

本发明涉及图像识别领域及计算机技术领域，具体而言，涉及一种绘制目标对象热力图的方法及装置。

背景技术：

目前，很多场所都设置有监控视频，视频监控系统为生产带来方便，例如，在一些较为恶劣的环境下，监控视频可以代替人力进行监视控制，而且不会产生人出现的视觉疲劳等生理缺陷，正常情况下保证成产安全。视频监控给生活带来方便，视频监控可以保证治安问题，将系统安装在超市，可以了解室内情况以及顾客行为。

在实现本发明的过程中，发明人发现现有技术中在监控视频进行分析统计时，一种是通过人力直接基于视频画面中的目标对象进行统计，这种方式浪费人工成本且效率低下，容易出现错位，且统计的结果也不是很准确。一种是统计光流所在的频率，这种方式可以解决大场景问题，但不会考虑透视带来的人物畸变问题，造成对监控视频分析不准确。

因此需要一种绘制目标对象热力图的方法及装置，能够绘制精确的热力图，以基于精确绘制的热力图对目标视频进行分析。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

有鉴于此，本发明提供一种绘制目标对象热力图的方法及装置，能够基于精确绘制的热力图对目标视频进行分析。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的第一方面，提供一种绘制目标对象热力图的方法，其中，所述方法包括：

检测目标视频在一个周期的起始帧内的目标对象；

获取所述目标对象在所述周期内的每一帧的虚拟位置；

将所述虚拟位置映射为实际位置；

根据每一帧的实际位置绘制所述目标对象的热力图。

根据一些实施例，所述检测目标视频在一个周期的起始帧内的目标对象，包括：

基于训练的目标对象检测模型标记所述目标视频在所述周期的起始帧内的至少一个对象框，以获取到每个对象框内的目标对象。

根据一些实施例，所述获取所述目标对象在所述周期内的每一帧的虚拟位置，包括：

基于目标追踪算法计算出所述目标对象在每一帧内的虚拟位置。

根据一些实施例，所述将所述虚拟位置映射为实际位置之前，所述方法还包括：

在所述目标视频的画面中标定区域；

获取所述标定区域在实际场景中的大小；

计算出所述目标视频的画面与实际场景映射的透视变换矩阵；

所述将所述虚拟位置映射为实际位置，包括：

根据所述透视变换矩阵将所述目标对象在每一帧内的虚拟位置映射为实际位置。

根据一些实施例，所述基于目标追踪算法计算出所述目标对象在每一帧内的虚拟位置，包括：

基于关键点检测算法计算出所述目标对象的指定关键点在每一帧内的虚拟位置，将所述指定关键点的虚拟位置作为所述目标对象的虚拟位置。

根据一些实施例，所述根据所述实际轨迹绘制所述目标对象的热力图，包括：

根据所述目标对象在每一帧的虚拟位置对应的实际位置，计算出所述周期内的目标对象密度以及平均速度；

根据所述目标对象密度以及所述平均速度，绘制所述目标对象在所述实际场景的停留热力图。

根据本发明的第二方面，提供一种绘制目标对象热力图的装置，其中，所述装置包括：

检测模块，用于检测目标视频在一个周期的起始帧内的目标对象；

获取模块，用于获取所述目标对象在所述周期内的每一帧的虚拟位置；

映射模块，用于将所述虚拟位置映射为实际位置；

绘制模块，用于根据每一帧的实际位置绘制所述目标对象的热力图。

根据一些实施例，所述检测模块，配置为基于训练的目标对象检测模型标记所述目标视频在所述周期的起始帧内的至少一个对象框，以获取到每个对象框内的目标对象。

根据一些实施例，所述获取模块，配置为基于目标追踪算法计算出所述目标对象在每一帧内的虚拟位置。

根据一些实施例，所述装置还包括：预处理模块，用于在所述目标视频的画面中标定区域，获取所述标定区域在实际场景中的大小，以及计算出所述目标视频的画面与实际场景映射的透视变换矩阵；

所述映射模块，用于根据所述预处理模块计算出的所述透视变换矩阵将所述目标对象在每一帧内的虚拟位置映射为实际位置。

根据一些实施例，所述绘制模块，包括：

计算单元，用于根据所述目标对象在每一帧的虚拟位置及对应的实际位置，计算出所述周期内的目标对象密度以及平均速度；

绘制单元，用于根据所述目标对象密度以及所述平均速度，绘制所述目标对象在所述实际场景的停留热力图。

根据本发明的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如第一方面所述的方法步骤。

根据本发明的第四方面，提供一种电子设备，其中，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面所述的方法步骤。

本发明实施例中，通过检测目标视频在一个周期的起始帧内的目标对象；获取所述目标对象在所述周期内的每一帧的虚拟位置；将所述虚拟位置映射为实际位置；根据每一帧的实际位置绘制所述目标对象的热力图，可以自动根据目标视频生成热力图，提升了热力图绘制效率以及热力图的精确度，进而基于热力图对目标视频进行准确分析。

附图说明

通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。

图1是根据一示例性实施例示出的一种绘制目标对象热力图的方法的流程图；

图2是本发明实施例示出的在画面中检测到包含目标对象的对象框的示意图；

图3是将图2中的对象框截取出来后的示意图；

图4是以人双脚之间的中间点作为人的虚拟位置的示意图；

图5为本发明实施例示出的在画面中标定区域的示意图；

图6是根据一示例性实施例示出的一种绘制目标对象热力图的装置的结构示意图；

图7是根据一示例性实施例示出的一种电子设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1是根据一示例性实施例示出的一种绘制目标对象热力图的方法的流程图。

如图1所示，在s110中，检测目标视频在一个周期的起始帧内的目标对象。

根据示例实施例，可以对目标视频进行周期性检测，并检测出该目标视频在每一个周期的起始帧画面内的目标对象。该目标视频可以包括但不限于便利店、小商店等小型场所的监控视频，以及超市、商场以及大型室外场所的监控视频。目标对象可以包括但不限于人。需要指出的是，检测周期可以根据目标对象以及应用场所适应性调整。例如，在商店等场所检测顾客时，由于商店内的顾客随时可能出现变化，比如新来的客人，所以检测周期应该设置较短，例如，每2秒检测一次。

根据示例实施例，在检测起始帧内的目标对象时，可以基于训练的目标对象检测模型标记所述目标视频在所述周期的起始帧内的至少一个对象框，以获取到每个对象框内的目标对象。

需要说明的是，在训练目标对象检测模型时可以通过单镜头检测(singleshotdetection，ssd)方法进行训练。

ssd是一种卷积神经网络，卷积神经网络区别主要在于用卷积代替一般神经网络中的全连接，从而在卷积结果中获得图像中对卷积核特征的响应。卷积响应经过激活函数和池化得到的新的多通道响应图和对微小位移的不变性，可以再次经过卷积激活池化的操作获得更高层次特征的响应图，当层数足够深之后，利用响应图信息经过全连接变换或者直接放入分类器就是分类算法；而利用响应图信息和标注信息进行训练提取出可能出现目标物体的区域的算法就是物体检测算法。

例如，可以通过以下方式获得训练的目标对象模型：

1)将由原图片得到的多个图片和用户标记的区域转换成pascalvoc接受的标准格式。

2)采用ssd进行训练。

3)待模型收敛以后，将得到的模型用来在样本图片上进行预测。

例如，如果样本图片上实际没有目标对象，但是根据该模型能得到对象框，则将该样本作为“容易误检为目标对象”的样本保留。

4)将误识别样本图片作为新的一类加入到原有图片当中，并利用该图片得多个图片，使不同类别的图片达到数量平衡。

5)再次采用ssd进行训练达到稳定的检测效果。

需要指出的是，本发明实施例中仅以ssd方法为例训练目标对象检测模型，训练目标对象检测模型还可以通过其他基于卷积神经网络的方法进行训练。

在s120中，获取上述目标对象在所述周期内的每一帧的虚拟位置。

根据示例实施例，可以基于目标追踪算法计算出所述目标对象在每一帧内的虚拟位置。

目标追踪算法用来在连续的视频帧之间，根据当前帧物体的位置对下一帧的物体进行追踪，目标追踪算法一般分为两大类生成式算法和判别式算法。生成式算法的基本思路是对当前标定的区域进行建模，然后在下一帧中搜索和当前区域最相似的区域。判别式算法的思路则是对当前区域和周边无效区域进行训练，得到分类器，然后下一帧在目标周围搜索并进行判定是否属于目标区域。

在起始帧检测到目标对象检测后，可以基于关键点检测算法计算出所述目标对象的指定关键点在每一帧内的虚拟位置，将所述指定关键点的虚拟位置作为所述目标对象的虚拟位置。

需要说明的是，由于该目标对象为一有体积的对象，因此可以指定一关键点的位置作为该目标对象的虚拟位置。例如，当目标对象为人时，以人双脚之间的中间点作为人的虚拟位置。

关节点检测算法用来关节点检测算法用来判断目标区域中的目标对象各个关键点在区域中的位置，如以目标对象为人为例，关键点可以是脖子、肩、膝等。关键点检测算法一般分为两个步骤。第一步：对当前区域图像进行特征提取与表征，如sift特征，hog特征，harris角点等；第二步：对特征进行模式识别与理解，从而确定关节点位置，有模版匹配、动态规划、机器学习等方法。也有神经网络方法可将两步结合起来。利用该算法可以在任意透视情况下拍摄到的包括目标对象的图像中判断出关键点所处位置。例如，利用该算法可以在任意透视情况下拍摄到的人物区域中判断出人物脚所处位置，进一步，将同一个人的两脚之间的中间点作为人在当前帧的虚拟位置。

在s130中，将所述虚拟位置映射为实际位置。

在获取到一个周期内的每一帧的虚拟位置后，将每一帧的虚拟位置映射为实际位置。

根据示例实施例，在将所述虚拟位置映射为实际位置之前，可以在所述目标视频的画面中标定区域，获取所述标定区域在实际场景中的大小，计算出所述目标视频的画面与实际场景映射的透视变换矩阵。从而根据该透视变换矩阵将所述目标对象在每一帧内的虚拟位置映射为实际位置。

需要指出的是，该标定区域可是任意大小以及任意形状。

在s140中，根据每一帧的实际位置绘制所述目标对象的热力图。

根据示例实施例，根据目标对象在每一帧的虚拟位置对应的实际位置，计算出所述周期内的目标对象密度以及平均速度，进而绘制所述目标对象在所述实际场景的停留热力图。

例如，以实际场景为商店，目标检测对象为顾客为例，可以将实际场景划分为多个单位区域，如果当前帧的一个单位区域检测到了目标对象，则顾客计数+1。从而可以计算一个周期内的所有帧中该单位区域出现的顾客的总数，进而实际场景的该单位区域在一个周期内的人均密度：

总数/帧数/单位区域面积

在计算平均速度时，可以根据目标对象在该单位区域内相邻两帧之间的实际位移除以此两帧的时间差，得到这两帧的平均速度，进而可以计算出目标对象在该单位区域内的每相邻两帧的平均速度(考虑到目标对象可能会在一个区域反复移动，所以本实施例中以每相邻两帧的平均速度求得目标对象的平均速度)，对这些平均速度求和后再求平均，可以得到该目标对象在该单位区域内的平均速度，将该单位区域内检测到的所有目标对象的平均速度求和再平均，可以得到该单位区域内在所述周期内的所有目标对象的平均速度：

总速度/出现顾客计数

进一步，可以设定一个最大速度为vmax，剔除掉实际速度大于该最大速度的人(可以理解为该人只是经过商店)，用vmax减去平均速度，然后乘以人均密度，得到停留热力的指标。

进而将得到的结果进行可视化，然后通过透视变换矩阵的逆矩阵进行透视变换，得到单纯的热力图，将该热力图和原始监控画面进行加权叠加，得到停留热力图。

上述实施例中，综合考虑目标对象密度和平均速度这两个指标，丰富了绘制热力图的指标，利用这两个指标绘制停留热力图，使得绘制的热力图更加精确。

本发明实施例中，通过检测目标视频在一个周期的起始帧内的目标对象；获取所述目标对象在所述周期内的每一帧的虚拟位置；将所述虚拟位置映射为实际位置；根据每一帧的实际位置绘制所述目标对象的热力图，可以自动根据目标视频生成热力图，提升了热力图绘制效率以及热力图的精确度，进而基于热力图对目标视频进行准确分析。

例如，在商店等场景中，可以根据热力图分析客流密度，进而促进改进，寻找店内热门区域(人多且速度慢)，在该热门区域旁的货架上摆放需要促销的商品。寻找店内人口密度低但是速度慢的区域，大概率为布局不合理导致拥堵区域，基于热力图结果进行改进改善顾客逛店体验。并且非店铺场景同样可以应用，在公共区域，尤其是涉及安防的比如地铁站台，机场候机厅等区域的高热区域查找，有针对性加强安全力量，防止暴恐事件的发生。

下面结合具体的应用场景对本发明实施例中的一种绘制目标对象热力图的方法进行详细的说明。该实施例中以实际场景为商店，目标检测对象为人为例。

图2是本发明实施例示出的在画面中检测到包含目标对象的对象框的示意图。需要指出的是，本实施例中的目标对象为顾客，该画面中还包括其他目标对象，图2仅以一个对象框为例。在检测到目标对象的对象框后，为了便于对该对象框内的目标对象的虚拟位置的计算，可以将对象框截取出来，如图3所示，为将图2中的对象框截取出来后的示意图。对对象框中的目标对象执行关键点监测算法，本实施例中以人双脚之间的中间点作为人的虚拟位置，如图4所示，其为以人双脚之间的中间点作为人的虚拟位置的示意图。

图5为本发明实施例示出的在画面中标定区域的示意图。该标定区域为矩形，获取所述标定区域的在实际场景中的大小，比如可以获取该矩形中任意两条互相垂直的边的实际长度，并在该标定区域标定。进而可以通过畸变校正算法，利用标定区域以及该标定区域的实际大小，计算出目标视频的画面与实际场景映射的透视变换矩阵。其中变换后真实空间中的区域规定四个角的坐标按照逆时针依次为(0,0)，(w,0)，(w,h)，(0,h)，得到透视变换矩阵m。

根据透视变换矩阵m计算出的每一帧中人两脚之间的中间点所对应的实际位置，计算出所述周期内的目标对象密度以及平均速度，进而根据所述目标对象密度以及所述平均速度，绘制所述目标对象在所述实际场景的热力图。

应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施例。

下述为本发明装置实施例，可以用于执行本发明方法实施例。在下文对装置的描述中，与前述方法相同的部分，将不再赘述。

图6是根据一示例性实施例示出的一种绘制目标对象热力图的装置的结构示意图。如图6所示，所述装置600包括：

检测模块610，用于检测目标视频在一个周期的起始帧内的目标对象；

获取模块620，用于获取所述目标对象在所述周期内的每一帧的虚拟位置；

映射模块630，用于将所述虚拟位置映射为实际位置；

绘制模块640，用于根据每一帧的实际位置绘制所述目标对象的热力图。

根据一些实施例，所述检测模块610，配置为基于训练的目标对象检测模型标记所述目标视频在所述周期的起始帧内的至少一个对象框，以获取到每个对象框内的目标对象。

根据一些实施例，所述获取模块620，配置为基于目标追踪算法计算出所述目标对象在每一帧内的虚拟位置。

根据一些实施例，所述装置600还包括：预处理模块650，用于在所述目标视频的画面中标定区域，获取所述标定区域的在实际场景中的大小，以及计算出所述目标视频的画面与实际场景映射的透视变换矩阵。

所述映射模块630，用于根据所述预处理模块650计算出的所述透视变换矩阵将所述目标对象在每一帧内的虚拟位置映射为实际位置。

根据一些实施例，所述绘制模块640，包括：

计算单元642，用于根据所述目标对象在每一帧的虚拟位置及对应的实际位置，计算出所述周期内的目标对象密度以及平均速度；

绘制单元644，用于根据所述目标对象密度以及所述平均速度，绘制所述目标对象在所述实际场景的停留热力图。

本发明实施例中，通过检测目标视频在一个周期的起始帧内的目标对象；获取所述目标对象在所述周期内的每一帧的虚拟位置；将所述虚拟位置映射为实际位置；根据每一帧的实际位置绘制所述目标对象的热力图，可以自动根据目标视频生成热力图，提升了热力图绘制效率以及热力图的精确度，进而基于热力图对目标视频进行准确分析。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备可以执行：检测目标视频在一个周期的起始帧内的目标对象；获取所述目标对象在所述周期内的每一帧的虚拟位置；将所述虚拟位置映射为实际位置；根据每一帧的实际位置绘制所述目标对象的热力图。

图7是根据一示例性实施例示出的一种电子设备的结构示意图。需要说明的是，图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的终端中限定的上述功能。

需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括检测模块、获取模块、映射模块和绘制模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

以上具体示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。