本发明涉及数据统计技术领域，特别是涉及一种基于视觉传感器的人流量统计方法、装置及系统。
背景技术
随着大数据时代的到来，通常会对人们的各种信息进行采集以分析人们的喜好，尤其是通过识别分析技术来分析图像中包含的人像数据已经越来越广泛的被应用，目前已在安防、智能家居、以及智能商业上已经有各种各样的方案被实施。人流量作为一个统计数据对商业领域有重要价值，比如店铺在不同时段的进店人数，以及进店人数在店铺内的分布情况，同时结合店铺的销售数据，可以分析出很多有价值的数据，可以为店铺的有效运营和业务成长提供指导。
当前对于人数或人流量的分析普遍存在两个很大的问题：第一，分析识别程序经常会发生错误识别，即，把不是一个人的物体识别成一个人；第二，识别到了一个人，会启动跟踪，但经常会导致某些时刻，跟踪丢失，以至于对同一个人计数多次，进而导致识别结果的不准确。
技术实现要素：
本发明提供了一种基于视觉传感器的人流量统计方法及装置以克服上述问题或者至少部分地解决上述问题。
根据本发明的一个方面，提供了一种基于视觉传感器的人流量统计方法，包括：
利用视觉传感器按特定频率采集指定区域内的图像数据；
对所述图像数据中的各帧图像进行检测，当识别到任一帧图像中包括人像时，为识别出的人像分配识别编号；
基于与所述任一帧图像连续的多帧图像分析所述识别编号的有效性；
对确定为有效的识别编号进行计数，以实现对所述指定区域内的人流量统计。
可选地，所述对所述图像数据中的各帧图像进行检测，当识别到任一帧图像中包括人像时，为识别出人像分配识别编号，包括：
获取所述视觉传感器采集的图像数据，依次对各帧图像进行检测；
当识别到任一帧图像中包括的人像时，为识别出的人像分配识别编号，并将所述识别编号记录至预设的编号统计列表。
可选地，所述为识别出的人像分配识别编号，并将所述识别编号记录至预设的编号统计列表之后，还包括：
读取识别出的各人像的中心像素点坐标和/或对应时间戳，与各人像的识别编号同时记录至所述编号统计列表。
可选地，所述基于与所述任一帧图像连续的多帧图像分析所述识别编号的有效性，包括：
将所述识别编号与所述编号统计列表进行比对；
若所述识别编号与所述编号统计列表中的任一编号匹配，则追踪该识别编号在连续m帧图像中的数据；
基于所述连续m帧图像中的数据分析该识别编号的有效性。
可选地，所述将所述识别编号与所述编号统计列表进行比对之前，还包括：
将所述识别编号与预设的无效编号列表进行比对；
若所述识别编号与所述无效编号列表中的任一编号匹配，则确定该识别编号为无效识别编号；
若所述识别编号与所述无效编号列表中的任一编号不匹配，则与所述编号统计列表进行比对。
可选地，所述基于所述连续m帧图像中的数据分析该识别编号的有效性，包括：
获取所述识别编号在连续出现的m帧图像中的数据，并判断m是否处于指定数值范围内；其中，所述识别编号在连续m帧图像中的数据包括：所述识别编号在连续m帧图像中每一帧图像中人像的中心像素点坐标和/或时间戳；
若m大于预设最小值mmin，且小于预设最大值mmax，则判断所述识别编号为有效编号，将其保留至编号统计列表中。
可选地，所述获取所述识别编号在连续出现的m帧图像中的数据，并判断m是否处于指定数值范围内之后，还包括：
若m小于所述预设最小值mmin，则判断其对应的识别编号为无效编号，将其添加至所述无效统计列表或丢弃；
若m大于所述预设最大值mmax，则获取所述识别编号在连续m帧图像内的中心像素点的移动距离；若该移动距离小于第一指定距离a，则确定该识别编号为无效编号，将其添加至所述无效统计列表或丢弃。
可选地，所述将所述识别编号与所述编号统计列表进行比对之后，还包括：
若所述识别编号与所述编号统计列表中的任一编号不匹配，则记录所述识别编号对应人像的中心像素点坐标和/或当前时间戳；
判断在指定时间间隔内，是否存在已消失人像在出现的最后一帧图像中的中心像素点与所述识别编号对应人像当前中心像素点的距离小于第二指定距离b；
若存在，则将所述已消失人像对应的识别编号赋值为该识别编号。
可选地，所述若m大于所述预设最大值mmax，则获取所述识别编号在连续m帧内的移动距离之后，还包括：
若判断该移动距离大于所述第一指定距离a，则根据所述编号统计列表判断所述识别编号是否存在赋值记录；
若所述识别编号有赋值记录，则将与该识别编号的相关数据记录至所述编号统计列表；
若所述识别编号没有赋值记录，则将该识别编号作为有效编号保留至所述编号统计列表。
可选地，所述对确定为有效的识别编号进行计数，以实现对所述指定区域内的人流量统计，包括；
对所述编号统计列表中包括的识别编号进行计数，以实现对所述指定区域内的人流量统计。
可选地，对确定为有效的识别编号进行计数，以实现对所述指定区域内的人流量统计之后，还包括：
将统计后的数据按照特定格式输出。
根据本发明的另一个方面，还提供了一种基于视觉传感器的人流量统计装置，包括：
视觉传感器硬件模组，用于按特定频率采集指定区域内的图像数据；
识别组件，用于对所述图像数据中的各帧图像进行检测，当识别到任一帧图像中包括人像时，为识别出的人像分配识别编号；
分析组件，用于基于与所述任一帧图像连续的多帧图像分析所述识别编号的有效性；
统计组件，用于对确定为有效的识别编号进行计数，以实现对所述指定区域内的人流量统计。
可选地，所述识别组件包括：
检测单元，用于获取所述视觉传感器采集的图像数据，依次对各帧图像进行检测；
编号分配单元，用于当识别到任一帧图像中包括人像时，为识别出的人像分配识别编号，并将所述识别编号记录至预设的编号统计列表。
可选地，所述识别组件还包括：
记录单元，用于读取识别出的各人像的中心像素点坐标和/或对应时间戳，与各人像的识别编号同时记录至所述编号统计列表。
可选地，所述分析组件包括：
比对单元，用于将所述识别编号与所述编号统计列表进行比对；
追踪单元，用于当所述识别编号与所述编号统计列表中的任一编号匹配时，追踪该识别编号在连续m帧图像中的数据；
有效性分析单元，用于基于所述连续m帧图像中的数据分析该识别编号的有效性。
可选地，所述比对单元，还用于在与所述编号统计列表进行比对之前，将所述识别编号与预设的无效编号列表进行比对；若所述识别编号与所述无效编号列表中的任一编号匹配，则确定该识别编号为无效识别编号；
若所述识别编号与所述无效编号列表中的任一编号不匹配，则与所述编号统计列表进行比对。
可选地，所述有效性分析单元，还用于获取所述识别编号在连续出现的m帧图像中的数据，并判断m是否处于指定数值范围内；其中，所述识别编号在连续m帧图像中的数据包括：所述识别编号在连续m帧图像中每一帧图像中人像的中心像素点坐标和/或时间戳；
当m大于预设最小值mmin，且小于预设最大值mmax时，判断所述识别编号为有效编号，将其保留至编号统计列表中。
可选地，所述有效性分析单元，还用于当m小于所述预设最小值mmin时，判断其对应的识别编号为无效编号，将其添加至所述无效统计列表或丢弃；
当m大于所述预设最大值mmax时，获取所述识别编号在连续m帧图像内的中心像素点的移动距离；当该移动距离小于第一指定距离a时，确定该识别编号为无效编号，将其添加至所述无效统计列表或丢弃。
可选地，所述分析组件还包括：
赋值单元，用于当所述识别编号与所述编号统计列表中的任一编号不匹配时，记录所述识别编号对应人像的中心像素点坐标和/或当前时间戳；
判断在指定时间间隔内，是否存在已消失人像在出现的最后一帧图像中的中心像素点与所述识别编号对应人像当前中心像素点的距离小于第二指定距离b；
若存在，则将所述已消失人像对应的识别编号赋值为该识别编号。
可选地，所述有效性分析单元，还用于在获取所述识别编号在连续m帧内的移动距离之后，当判断该移动距离大于所述第一指定距离a时，根据所述编号统计列表判断所述识别编号是否存在赋值记录；
若所述识别编号有赋值记录，则将与该识别编号的相关数据记录至所述编号统计列表；
若所述识别编号没有赋值记录，则将该识别编号作为有效编号保留至所述编号统计列表。
可选地，所述统计组件，还用于对所述编号统计列表中包括的识别编号进行计数，以实现对所述指定区域内的人流量统计。
可选地，所述视觉传感器模组包括：
镜头，用于对所述指定区域进行成像，并收集光线至所述视觉传感器上。
可选地，上述装置还包括：主处理器，与所述视觉传感器、识别组件、分析组件和统计组件连接，用于对视觉传感器、识别组件、分析组件和统计组件的管理和/或数据的分析。
可选地，上述装置还包括：输出组件，用于将统计后的数据按照特定格式输出。
根据本发明的另一个方面，还提供了一种基于视觉传感器的人流量统计系统，用于对具备多个子区域的待检测区域进行人流量统计，其中，各所述子区域设置有上述任一项所述的基于视觉传感器的人流量统计装置。
可选地，上述系统还包括：云服务器，用于接收和存储所述各子区域传输的统计数据，统计所述待检测区域的人流量。
可选地，还包括：访问终端，用于获取和查看所述云服务器存储的各子区域的人流量统计数据；其中，所述访问终端包括：终端客户端程序。
本发明提供了一种基于视觉传感器的人流量统计方法、装置及系统，在利用视觉传感器获取到指定区域内的图像数据后，可对各帧图像进行识别，当识别到其中包括人像时，可对各人像分配识别编号。除此之外，本发明提供的人流量统计方法在识别出人像之后还加入了分析步骤，以对各识别编号进行进一步有效分析，通过对有效识别编号进行计数实现对人流量的统计，从而极大的提高了人流量统计的准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是根据本发明实施例的基于视觉传感器的人流量统计方法的流程示意图；
图2是根据本发明实施例的人像的中心点坐标的定义示意图；
图3是根据本发明实施例的分析识别编号有效性的方法的流程示意图；
图4是根据本发明优选实施例的基于视觉传感器的人流量统计方法的流程示意图；
图5是根据本发明实施例的基于视觉传感器的人流量统计装置结构示意图；
图6是根据本发明优选实施例的基于视觉传感器的人流量统计装置结构示意图；
图7是根据本发明实施例的基于视觉传感器的人流量统计系统结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是根据本发明实施例的基于视觉传感器的人流量统计方法流程示意图，如图1所示，根据本发明实施例的基于视觉传感器的人流量统计方法可以包括：
步骤s102，利用视觉传感器按特定频率采集指定区域内的图像数据；
步骤s104，对上述图像数据中的各帧图像进行检测，当识别到任一帧图像中包括人像时，为识别出人像分配识别编号；
步骤s106，基于与任一帧图像连续的多帧图像分析识别编号的有效性；
步骤s108，对确定为有效的识别编号进行计数，以实现对指定区域内的人流量统计。
本发明实施例提供了一种基于视觉传感器的人流量统计方法，在利用视觉传感器获取到指定区域内的图像数据后，可对各帧图像进行识别，当识别到其中包括人像时，可对各人像分配识别编号。除此之外，本实施例提供的人流量统计方法在识别出人像之后还加入了分析步骤，以对各识别编号进行进一步有效分析，通过对有效识别编号进行计数实现对人流量的统计，从而极大的提高了人流量统计的准确性。
在本实施例中，视觉传感器采集图像数据时，可按照特定频率采集，如连续不间断地采集指定区域的图像数据或是视频数据，或每隔1秒进行周期性采集，对此，本发明不做限定。
优选地，采集到图像数据之后，上述步骤s104可进一步包括：首先，获取视觉传感器所采集的图像数据，依次对图像数据中的各帧图像进行检测，识别各帧图像中包括的人像；再为识别出的人像分配识别编号，并将识别编号记录至预设的编号统计列表。分配识别编号时，可以从1开始，以自然数的方式进行依次分配，也可以按照其他规则进行分配，本发明不做限定。而依次对图像数据中的各帧数据进行检测时，可以从所采集的图像数据的第一帧开始检测，也可以是根据用户需求从其中任意一帧开始检测。由于视觉传感器采集图像数据时是按特定频率进行采集的，因此，在确定需要检测的初始帧图像后，即可一直对后续的图像帧进行检测识别，或由用户确定识别检测结束的时间点或图像帧。
上文提及，为识别出的人像分配识别编号后，可将其记录至编号统计列表中。本实施例中的编号统计列表中各识别编号是对所识别出的人像对应的，当初始识别出一个人像，即可将其对应的识别编号添加至编号统计列表中。也就是说，本实施例中对所有分配的识别编号默认为有效编号，由于后续才对其有效性进行进一步判断，因此，当对该指定区域人流量进行统计时，直接对该编号统计列表中的识别编号计数即可，不会造成人数的重复统计。
编号统计列表中除了记录各识别编号之外，还可以读取识别出的各人像的中心像素点坐标和/或对应时间戳，与各人像的识别编号同时记录至编号统计列表中，以便在后面有效性分析过程中提供参考条件。其中，如图2所示，中心像素点坐标可以是利用人像识别算法识别到图像中存在人像后，将所识别到的人像上标定的方框的对角线焦点在整个图像中的坐标作为该人像的中心像素点坐标，对应的时间戳则可以是人像所在图像帧的时间戳。中心像素点坐标可用(x，y)的形式表示，其中，x代表在横坐标的像素点坐标，y代表纵向的像素点坐标，假设图像像素为640×480，则x的取值范围是0～640，y的取值范围是0～480。时间戳可以用t表示。上述只是示意性地列举了对中心像素点坐标和时间戳的记录形式，实际应用中还可以采用其他方式进行记录，本发明不做限定。
为了保证对人数的有效统计，本发明实施例提供的方案在为识别出的人像分配识别编号后，还会基于与各帧图像连续的多张图像分析各识别编号的有效性。图3是根据本发明实施例的分析识别编号有效性的方法的流程示意图，如图3所示，在本实施例中对编号的有效性进行识别时可以包括：
步骤s302，将识别编号与编号统计列表进行比对；
步骤s304，若该识别编号与编号统计列表中的任一编号匹配，则追踪该识别编号在连续m帧图像中的数据；
步骤s306，基于上述连续m帧图像中的数据分析该识别编号的有效性。
由于在对识别出的人像分配识别编号后，会先将该识别编号记录至编号统计列表，因此，在对任一识别编号的有效性进行判断时，可以先将其与编号统计列表中的编号进行匹配。需要说明的是，因为本实施例是基于连续的图像对识别编号进行分析，所以，如果在某一帧识别到一个人像而分配识别编号后，在连续的多帧图像中检测识别到同一个人像时，相当于是对该人像以同一识别编号进行追踪，而不会对其的识别编号进行重复分配。例如，初次为识别出的人像分配了识别编号1，此时，在后续对该识别编号1进行追踪过程中需要结合识别编号对该人像在不同时刻进行区分的话，可以对后续该人像出现的时刻采用1-1,1-2...1-n的编号方式。因此，若一识别编号与编号统计列表中的任一编号匹配，则说明已经追踪到该识别编号，此时可继续追踪后续连续的m帧图像中该识别编号的数据，进而基于连续m帧图像中的数据分析该识别编号的有效性。
对于图像的识别过程中可能经常会发生错误识别，通常情况下，错误识别的对象通常为静态的物体，这样，识别到一个物体后，通过分析识别物体的前后动作特征(如在指定时间段内无位移)，从而判断是否是错误识别。对于此类识别物体可能在检测识别过程中可能会被分配识别编号，而这些识别编号在后续过程中是没有位移的，此时便可将上述识别编号统一管理，创建无效编号列表统一管理。
优选地，如图3所示，在上述步骤s302之前，还可以包括：
步骤s308，将识别编号与预设的无效编号列表进行比对；
步骤s310，若该识别编号与无效编号列表中的任一编号匹配，则确定该识别编号为无效识别编号；
步骤s312，若该识别编号与无效编号列表中的任一编号不匹配，则执行步骤s302与编号统计列表进行比对。
其中，无效编号列表中的编号可以是在一定时间段内静止且没有位移的编号。即，如果分配了识别编号给一静止人像(如商店的模特模型等)，则通过后续连续的多帧图像判断该人像一直处于静止状态，则说明对于该人像的识别为错误识别，将其所赋予的识别编号添加至无效统计列表中，当后续再次识别到该静止人像并分配识别编号时，只需先将其与无效编号列表进行比对，若与无效编号列表中的任一识别编号匹配，则将其直接丢弃，从而提高分析识别的准确性。
进一步地，上述步骤s306提及，会根据连续m帧图像中的数据分析识别编号的有效性。优选地，可以包括：
获取识别编号在连续出现的m帧图像中的数据，并判断m是否处于指定数值范围内；其中，识别编号在连续m帧图像中的数据包括：识别编号在连续m帧图像中每一帧中人像的中心像素点坐标和/或时间戳；优选地，像素点坐标可以包括x、y两个方向上的像素点坐标；其中，识别编号在连续m帧图像中的数据可以理解为该识别编号连续出现在的m帧图像，如果识别编号出现m帧数太少，则说明该识别编号对应的可能不是人像，如果识别编号出现m帧数太多，则说明所该识别编号对应为静止物像，需要进一步判断。因此，可以对所获取的m的范围可进行判断，以进一步确定识别编号的有效性。
对于m与指定数值范围的判断可以分为以下三种情况：
一、mmin＞m＞mmax
若m大于预设最小值mmin，且小于预设最大值mmax，则判断该识别编号为有效编号，将其保留至编号统计列表中。
也就是说，在对一个识别编号x的有效性进行分析时，如果在mmin～mmax这一范围内追踪到该识别编号x对应的人像，则说明该识别编号x为有效编号，则可保留在编号统计列表中。
二、m＜mmin
如果m小于预设最小值mmin，则可以判断其对应的识别编号为无效编号，将其添加至无效统计列表或丢弃，说明该识别编号x不属于统计范围内，此时做无效处理。
三、m＞mmax
如果m大于预设最大值mmax，则获取该识别编号在连续m帧图像内的中心像素点的移动距离，对其移动距离进行判断。上文介绍，记录识别编号在连续m帧图像中的数据时，可以记录该识别编号在x、y方向上的像素点坐标，因此，在计算移动距离时，可以通过计算在x、y上移动的距离计算识别编号的移动距离。在x、y上移动的距离可分别采用以下公式进行计算：xnm-xn0的绝对值，或ynm-yn0的绝对值。
1.若判断该移动距离小于第一指定距离a，说明其可能是静止人像，则判断该识别编号为无效编号，将其添加至无效统计列表或丢弃。
2.若判断该移动距离大于第一指定距离a，则根据编号统计列表判断该识别编号是否存在赋值记录；若该识别编号有赋值记录，则将该识别编号的最新相关数据记录在编号统计列表中；若该识别编号没有赋值记录，则将该识别编号作为有效编号保留至编号统计列表。
在人像识别过程中，一般是拍到一帧图像后，会按人脸特征进行识别，对于一个特征会分配同一个id号(即识别编号)，当在该帧图片的后续帧图片中再次识别到相同的特征时，会再次匹配这个id。但是，但是人在运动中，对于同一个人来讲，可能会进行脸部转动等动作而导致所检测到的特征值不同，此时，系统对这个人可能会分配新的id。这时，就需要将该人像的id重新赋值，即当一个id消失、新的id出现时，两者时间上和/或位置上都小于一个定值，那么可以判断为是两个id对应同一个人像。
举例来说，在对识别出的人像进行识别编号分配时，先分配到一个识别编号id1，但是在下一帧图像中并未跟踪到相同的特征值，而在下一帧或多帧图像之后，对于同一人像特征值可能就会作为新的人像而分配识别编号id2并进行记录。但实际上，id1和id2对应的是同一个人像，此时，则可以对id1和id2的时间和/或位置进行判断，当时间差和/或位置差在一定数值范围内，可认为id1和id2对应的是同一个人像，这样，则将该人像的id号赋值为id2，即id2＝id1，以该id2记录为id1对应人像的识别编号，将id2替换id1以更新编号统计列表。
因此，如图3所示，在上述步骤s302，将各识别编号与编号统计列表进行比对之后，还可以包括：
步骤s314，若该识别编号与编号统计列表中的任一编号不匹配，则记录该识别编号对应人像的中心像素点坐标和/或当前时间戳；
步骤s316，判断在判断在指定时间间隔内，是否存在已消失人像在出现的最后一帧图像中的中心像素点与该识别编号对应人像当前中心像素点的距离小于第二指定距离b；
步骤s318，若存在，则将上述已消失人像对应的识别编号赋值为该识别编号；
步骤s320，若不存在，则继续分析下一帧图像。
上述过程详细介绍了编号重新赋值的条件及过程，在一定的时间间隔内，如果有已消失人像与新识别人像的位置的变化处于一定范围内，则可以判断该位置的变化为同一个人像所产生的距离变化，此时，可以认为新识别人像与该已消失人像为同一个人，接下来可进行编号重新赋值。
经过上述介绍可知，编号统计列表中所记录的编号均为有效编号，因此，对指定区域内的人流量统计时，对编号统计列表中包括的识别编号进行计算即可。进一步地，对指定区域的人流量统计之后，还可以将统计后的数据按照特定格式输出，以供用户随时进行查看。
下面通过一个优选实施例对上述实施例进行详细说明。如图4所示，本优选实施例的基于视觉传感器的人流量统计方法可以包括：
步骤s401，开始工作后，视觉传感器采集的视觉传感器捕捉图像或视频数据，然后对上述数据进行人体检测和跟踪；
步骤s402，识别上述图像数据的初始帧图像中是否有人存在；
步骤s403，如果检测到有人存在，则分配一个id号给检测到的人，例如id＝01，接下来执行步骤s404，对此id进行分析和跟踪处理，并继续对下一帧图像进行检测；如果没有检测到人，则继续对下一帧图像进行检测；
步骤s404，与预先创建的无效id列表对比，判断是否与其中任一id匹配；若匹配，则执行步骤s405；若不匹配，则执行步骤s406；
步骤s405，将该id丢弃；
步骤s406，与id统计列表比对；若与idn匹配上，则开始执行步骤s407，追踪后续idn的移动，并记录每一帧的时间点和位置；若不匹配，则执行步骤s419；
步骤s407，追踪后续idn的移动，赋予idn_0；
步骤s408，记录idn_0的位置，x、y方向的像素点坐标：(xn0，yn0)和时间戳tn0；
步骤s409，继续追踪下一帧图像中idn的移动，赋予idn_1；
步骤s410，记录idn_1的位置，x、y方向的像素点坐标：(xn1，yn1)和时间戳tn1；
步骤s411，追踪到idn连续出现的第m帧数据，赋予idn_m；该m可以根据不同的应用场景进行调整，本发明不做限定；
步骤s412，记录idn_m的位置，x、y方向的像素点坐标：(xnm，ynm)和时间戳tnm；
步骤s413，获取到idn连续出现的m帧的数据后，判断idn的有效性；在本实施例中，首先判断m是否小于10；若是，则执行步骤s414；若否，则执行步骤s416；
步骤s414，判断m是否大于3；若是，则认为idn有效，执行步骤s415；若否，则说明该idn为无效id，添加至无效id列表或丢弃；
步骤s415，输出idn为有效id，即保留在id统计列表中；
步骤s416，若m＞10，则进入有关位置的判断和分析以判断idn是否有效；判断idn在m帧范围内的移动距离是否大于10pix；移动距离的判断可以利用第10帧的x或y的坐标判断其移动位置，如：xn9-xn0的绝对值大于10pix，或yn9-yn0的绝对值大于10pix；
若是，则执行步骤s417；若否，则说明该idn为无效id，添加至无效id列表或丢弃；
步骤s417，判断是否存在id赋值记录；若是，则执行步骤s418，若否，则执行步骤s415；
步骤s418，将该识别编号的最新数据记录在id统计列表中；
步骤s419，以上是针对idn在识别程序识别到id后，并继续跟踪idn的情况下所需要进行的数据处理，某些情况下，识别到idn后，识别程序在下一帧图像中并未跟踪到idn，则会判断idn对应的人像消失，同时记录idn最后在图像中的位置(xn，yn)以及时间戳tn。此时当前图像帧中识别到新的人像出现，则为人像分配新的idm，这样接下来需进入id赋值判断程序；
步骤s420，记录idm在图像中的位置(xm，ym)以及时间戳tm；
步骤s421，利用tm-tn＜2秒作为示例，来判断位置的变化是否满足赋值条件；若是，则执行步骤s422判断位置的变化是否满足赋值条件；若否，则说明无需赋值，此时继续跟踪即可；
步骤s422，判断是否满足条件：xm-xn<b或ym-yn<b,如b＝10pixel；若满足，则执行步骤s423；若不满足，则执行步骤s424；
步骤s423，若满足赋值条件，则将idn对应人像的识别编号记录为idm，即，在id统计列表中记录idm＝idn，将idm记录为idn对应人像的id；
步骤s424，若不满足赋值条件，则进入读取下一帧图像进行判断分析流程。
基于本发明优选实施例提供的方法，在识别出图像中的人像之后，会为识别出的人像分配id。进一步地，根据后续的图像对id的有效性进行判断，以确定最终的有效id进行统计。在本优选实施例中，不仅可以对错误识别的id做无效处理，还可以消除针对识别的一个人存在的多个id的情况，以进一步提升人流量统计的准确性。
基于同一发明构思，本发明实施例还提供了一种基于视觉传感器的人流量统计装置100，如图5所示，本发明实施例的基于视觉传感器的人流量统计装置可以包括：
视觉传感器10，用于按特定频率采集指定区域内的图像数据；
识别组件20，用于对图像数据中的各帧图像进行检测，当识别到任一帧图像中包括人像时，为识别出的人像分配识别编号；该识别组件20可采用图像识别算法对图像数据中的各帧图像进行检测，以识别出图像中是否存在人像；
分析组件30，用于基于与任一帧图像连续的多帧图像分析该识别编号的有效性；
统计组件40，用于对确定为有效的识别编号进行计数，以实现对指定区域内的人流量统计。可选地，分析组件30可以在对编号的有效性进行分析后直接进行统计，而无需单独设置统计组件40。
在本发明一优选实施例中，如图6所示，识别组件20可以包括：
检测单元21，用于获取视觉传感器采集的图像数据，依次对各帧图像进行检测；
编号分配单元22，用于用于当识别到任一帧图像中包括人像时，为识别出的人像分配识别编号，并将该识别编号记录至预设的编号统计列表。
记录单元23，用于读取识别出的各人像的中心像素点坐标和/或对应时间戳，与各人像的识别编号同时记录至编号统计列表。
继续参见图6，本发明一优选实施例中，分析组件30可以包括：
比对单元31，用于将该识别编号与编号统计列表进行比对；
追踪单元32，用于当该识别编号与编号统计列表中的任一编号匹配时，追踪该识别编号在连续m帧图像中的数据；
有效性分析单元33，用于基于连续m帧图像中的数据分析该识别编号的有效性。
可选地，比对单元31，还用于在与编号统计列表进行比对之前，将该识别编号与预设的无效编号列表进行比对；若该识别编号与无效编号列表中的任一编号匹配，则确定该识别编号为无效识别编号；若该识别编号与无效编号列表中的任一编号不匹配，则与编号统计列表进行比对。
有效性分析单元33，还用于获取该识别编号在连续出现的m帧图像中的数据，并判断m是否处于指定数值范围内；其中，识别编号在连续m帧图像中的数据包括：识别编号在连续m帧图像中每一帧图像中人像的中心像素点坐标和/或时间戳；当m大于预设最小值mmin，且小于预设最大值mmax时，判断该识别编号为有效编号，将其保留至编号统计列表中。
有效性分析单元33，还用于当m小于预设最小值mmin时，判断其对应的识别编号为无效编号，将其添加至无效统计列表或丢弃；当m大于预设最大值mmax时，获取该识别编号在连续m帧图像内的中心像素点的移动距离；当该移动距离小于第一指定距离a时，确定该识别编号为无效编号，将其添加至无效统计列表或丢弃。
继续参见图6，分析组件30还可以包括：赋值单元34，用于当该识别编号与编号统计列表中的任一编号不匹配时，记录该识别编号对应人像的中心像素点坐标和/或当前时间戳；判断在指定时间间隔内，是否存在已消失人像在出现的最后一帧图像中的中心像素点与该识别编号对应人像当前中心像素点的距离小于第二指定距离b；若存在，则将上述已消失人像对应的识别编号赋值为该识别编号。
有效性分析单元33，还用于在获取该识别编号在连续m帧内的移动距离之后，当判断该移动距离大于第一指定距离a时，根据编号统计列表判断该识别编号是否存在赋值记录；若该识别编号有赋值记录，则将与该识别编号的相关数据记录至编号统计列表；若该识别编号没有赋值记录，则将该识别编号作为有效编号保留至编号统计列表。
统计组件40，还用于对编号统计列表中包括的识别编号进行计数，以实现对指定区域内的人流量统计。
另外，如图6所示，本发明实施例提供的人流量统计装置还可以包括：
镜头50，用于对指定区域进行成像，并收集光线至视觉传感器上。
主处理器60，与视觉传感器10、识别组件20、分析组件30和统计组件40连接，用于对视觉传感器10、识别组件20、分析组件30和统计组件40的管理和/或数据的分析。
可选地，本实施例提供的人流量统计装置还可以包括输出组件70，用于将统计后的数据按照特定格式输出，以供用户随时进行查看。
本发明实施例还提供了一种基于视觉传感器的人流量统计系统，用于对具备多个子区域的待检测区域进行人流量统计，其中，各子区域设置有上述实施例所提供的基于视觉传感器的人流量统计装置。在本实施例中，镜头50，视觉传感器10，主处理器60以及输出组件70可构成本实施例人流量统计装置中的视觉传感器硬件模组。
上述统计系统还可以包括云服务器，用于接收和存储各子区域传输的统计数据，统计所述待检测区域的人流量。
优选地，本实施例提供的基于视觉传感器的人流量统计系统还可以包括：访问终端，用于获取和查看云服务器存储的各子区域的人流量统计数据；其中，所述访问终端包括：终端客户端程序。如电脑客户端程序、手机应用程序或是其他访问终端中的程序，本发明不做限定。
图7示出了根据本发明实施例的基于视觉传感器的人流量统计系统，如图7所示。待检测区域可分为节点1、节点2、节点3...节点n上述n各分析节点，每个子节点代表一个子区域，由此可组织一个网络来获取整个区域内各节点的数据，进而准确出统计出待检测区域内各分区的人流量。
在各个节点获取相应子区域的人流量之后，可通过路由器将各自的人流量发送至云服务器，进而由访问终端通过外网对所统计的人流量数据随时读取。
本发明实施例提供了一种更加有效的人流量统计方法，可以针对检测识别过程经常发生的错误识别，通过分析识别物体的前后动作特征，从而判断是否是错误识别，如果是错误识别，将其所赋予的识别编号去除，从而提高输出数据的准确性；还可以针对检测识别程序对一个人赋予多个识别编号的情况，可通过特定条件的判断进行识别编号的重新赋值，从而消除针对识别的一个人存在的多个识别编号的情况，来提高分析准确度。
所属领域的技术人员可以清楚地了解到，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
另外，在本发明各个实施例中的各功能单元可以物理上相互独立，也可以两个或两个以上功能单元集成在一起，还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现，也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解：所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)，磁碟或者光盘等各种可以存储程序代码的介质。
或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。