收深度/图像数据时，它可以 被特征化以识别和/或提取与深度数据和/或图像数据关联的特征。来自图像和/或深度 数据的帧的特征化可以取决于分类的类型。例如，非人物体的分类可以从深度和/或图像 数据的帧识别和提取特征的不同集合。当识别或提取合适的特征时，它们可以与用正分类 和误报预标记的训练数据集比较。来自图像和/或深度数据的特征的比较可以允许深度数 据分析部件确定提取的特征是否匹配来自经训练的数据集的特征。在正在计数人的实施例 中，比较可以导致人类型评分的生成以帮助分类确定。
[0046] 如果一个以上的人正在进入检测区域，则深度数据分析部件230可以帮助头部跟 踪。在一个实施例中，检测引擎将头部跟踪数据发送到计数推断部件240以通知计数代理。 计数方法可以包括学习场景的背景模型；用预定阈值使用背景减法来检测更接近深度传感 器的前景像素；使用连接部件分析将前景像素标记到断开物体中；或计算物体的尺寸。
[0047] 如果物体的尺寸大于一个人的尺寸，则系统可以应用头部检测以检查是否可以找 到一个以上的头部。在一个实施例中，检测到的（一个或多个）头部可以作为单独的物体 被跟踪。另外，泮线可以被应用以检测是否有任何物体跨越它们。可以记录跨越检测以用 于进入/离开计数。例如，"进入"计数的总和与"离开"计数的总和之间的差值是指定区域 (例如，感兴趣的体积）内的人的数量。附加的运动/视觉传感器可以安装在房间中以便获 得进一步的运动检测精度并且用于防止错误计数。如果室内传感器在预定时间内未检测到 任何运动，则房间的当前计数可以重置为零（自动地或通过人的输入手动地）。
[0048] 视频分析部件225可以包括专用于接收、处理和分析从照相机接收的数据的一个 或多个部件。根据一个实施例，视频分析部件225可以与深度数据分析部件组合使用以增 加检测引擎的精度。取决于检测的类型，深度数据分析部件230可以与视频分析部件225 组合使用以增加基于照相机的检测的精度。
[0049] 深度数据分析部件230包括基于从数据中心和/或深度传感器接收的深度数据检 测场景中的物体的一个或多个部件。深度传感器不会"看见"可以在可见照相机系统中实 现物体分割的阴影和反射。深度传感器可以补充来自热感照相机的热数据，原因是没有实 现深度传感器的运动检测的温度变化。检测引擎205可以将任务分配给深度数据分析部件 和其他部件以帮助计数人。部件集合可以基于深度信息执行与头部检测关联的程序指令。
[0050] 在一个实施例中，深度数据分析部件可以与其他部件（例如，运动检测部件）一起 工作以执行程序指令从而基于深度信息执行头部检测。执行的头部检测可以将数据传输到 计数推断部件以帮助保持场景人口计数。在一个实施例中，可以校准深度数据以测量真实 世界中的物体的物理位置。在校准之后，深度数据可以提供深度传感器和物体之间的距离。 头部检测过程可以组合有效校准头部特征、快速特征提取、高效分类方法以获得实时头部 检测。所提出的（一个或多个）校准特征的一个方面在于可以预先确定场景或视场的估计 头部尺寸。深度数据分析部件可以使用滑动尺度方法来确定被检测物体是否匹配指定参考 模型。例如，滑动尺度方法可以确定检测到的物体或物体特征是否在滑动尺度的界限内。
[0051] 计数推断部件240可以保持场景中的被检测物体的计数。在一个实施例中，服务 器265从检测引擎205接收计数信息244。服务器265然后可以导出最后计数数量的集合， 例如在指定时间在视场中的人的数量，在一段时间内在视场中的人的数量，等等。在一个以 上位置（例如，具有多个入口门厅、楼层、楼梯间等的建筑物）由检测引擎监视的一个实施 例中，服务器可以导出建筑物或与建筑物关联的位置的子集的联合计数。例如，当物体进入 和离开场景时，计数推断部件可以保持场景人口计数。为了寻址在类似时间和在物理接近 位置出现在场景中的个体，计数推断部件240可以从泮线或用于检测运动的红外运动检测 器接收附加数据。计数推断部件可以使场景人口计数数据与被接收或基于来自位置深度传 感器、可见光谱照相机和/或泮线的信息的活动数据相关。
[0052] 在一个实施例中，数据中心可以存储与检测引擎关联的一个或多个部件，接收和 存储图像和/或深度数据，以及分配与检测引擎关联的处理任务。在一个实施例中，数据中 心从一个或多个数据存储装置接收图像和/或深度数据。数据中心可以包括负责从接收的 数据识别和提取特征的检测引擎服务器。其他分布式部件也可以与检测引擎通信从而当分 类时帮助确定从（一个或多个）传感器和/或（一个或多个）照相机接收的特征是否落在 一个或多个类别中。
[0053] 图3示出根据一个实施例的基于传感器计数人的方法的流程图。如图3中所示， 方法300包括从安装成提供场景的俯视图的深度传感器获得深度数据。场景的俯视图可以 是从上方的直接竖直（90° )视图。俯视图也可以是从上方的大致90° (允许误差30° ) 的视图。方法也可以在深度数据内从背景物体310辨别前景物体315。一种或多种背景减 法技术也可以用于从背景物体辨别前景物体。在一个实施例中，方法可以从前景物体中确 定指定前景物体315,基于深度传感器数据匹配头部参考模型。
[0054] 图4是流程图，示出根据一个实施例的基于深度传感器和可见光谱照相机计数的 方法400。用于计数的方法可以从深度传感器获得深度数据并且从可见光谱照相机获得可 见图像405。在一个实施例中，方法可以从可见光谱照相机获得包括运动、时间属性、位置和 特征的信息409。用于计数人的方法可以包括将元数据传送到数据中心409。例如，元数据 可以包括关于照相机的位置、时间戳、关联物理地址（例如，建筑物名称）的信息。方法可 以从深度数据和可见图像内从背景物体辨别前景物体411。在一个实施例中，计数人可以 从前景物体中确定前景，基于深度数据匹配目标物体的参考模型，其中目标物体是人头部 413。计数人的方法可以从前景物体确定场景人口计数415。在一个实施例中，方法可以包 括使用深度传感器成像场景417并且报告人的数量、统计结果或补充数据419。
[0055] 例如，统计结果可以包括关于物体在场景中出现的频率或物体在场景中出现的平 均时间的信息。补充数据可以包括关于场景中的未检测物体的信息。例如，关于场景中的 未检测物体的信息可以包括描述位于场景中的零售商所提供的产品的信息。补充数据可以 包括特定位置的指定产品是否吸引人的注意的确定。指定产品是否吸引注意的确定可以包 括行为检测，例如，人停留预定时间段以观看未检测物体。
[0056] 用于计数的方法400可以检查运动。例如，附加的运动/视觉传感器可以安装在 房间中以便获得进一步的运动检测精度并且用于防止错误计数。如果室内传感器在预定时 间内未检测到任何运动，则房间的当前计数可以重置为零423(自动地或通过人的输入手 动地）。如果检测到运动，则方法400可以继续获得深度数据和可见图像。
[0057] 图5包括深度数据的样本帧。如图5中所示，第一帧505示出根据一个实施例的 背景模型。样本帧505示出一些白色像素，其中深度信息可能不可用并且可以由检测引擎 减去。
[0058] 在图5中也示出样本输入帧510。输入帧510是移动物体如何可以由深度数据表 示的一个例子。帧510的中心示出什么可以是或不是人，例如，人眼睛可以推断图像的中心 的物体具有类似于两个肩部和人头部的顶部的外观。帧510中的深度数据还未经历背景减 法，其中帧中的非移动物体至少部分地从帧去除。帧520示出背景减法之后检测到的移动 物体。如图5中所示，与帧505和510中的物体相比，在帧520中检测到的移动物体具有与 背景的更鲜明对比。如样本帧520中所示，在图像的中心的潜在目标的左边的物体可以由 人眼睛推断为动物或宠物。
[0059] 在一个实施例中，从背景减法检测移动物体，如上所述。量的空间变化可以由斜坡 表示。梯度表示该斜坡的陡度和方向。在一个实施例中，定向深度梯度的直方图（HODG)通 过（一个或多个）深度梯度方向的分布描述深度图像内的局部物体外观和形状。可以通过 将图像分成被称为单元的小连接区域并且对于每个单元编译单元内的像素的梯度方向的 直方图而获得该实施例。这些直方图的组合然后表示描述符。梯度计算可以在水平和竖直 方向两者上应用I-D定心、点离散微分模板。具体地，用以下滤波核滤波图像的深度数据： [-1，0, 1]和[-1，0, 1]τ。
[0060] 直方图部件可以产生单元直方图。例如，单元内的每个像