目标数量统计方法、系统、计算机装置及存储介质与流程

本申请涉及图像处理技术领域，尤其涉及目标数量统计方法、系统、计算机装置及存储介质。

背景技术：

稳定可靠的实时人数统计系统可以在很多领域起着至关重要的作用，比如一些公共场所实时的人流状况可以帮助决策者发现潜在的危险，也可以帮助他们动态的调度一些公共交通资源以方便疏散人群，游乐园的的实时人流状况也可以方便用户去选择自己的游玩顺序。另外，当前电子制造技术的发展使得视频流的获取越来越方便，比如现在人人只需要一台智能设备就可以进行直播了。而在传统的视频监控中，人数统计还是靠人通过查看视频一个一个数，这样的做法不但增加人力成本并且效率低下；此外，在人与人有互相遮挡的情况下，人也很难得到一个准确的结果。

针对以上问题，相关的实时人数统计系统在视频采集上除了rgb视频采集器，还添加了深度相机，rgb视频流被输入到多类分类器以获得检测到的人数，深度信息用于判断是否有遮挡发生而提高人数统计的精准度。

这样的结合确实可以稍微提高技术精确度，但是多类分类器对于在复杂场景中被遮挡的人体的识别准确度本来就不是很高，这从根本上影响系统最后的精准度。

技术实现要素：

鉴于以上所述现有技术的缺点，本申请涉及目的在于提供目标数量统计方法、系统、计算机装置及存储介质，解决现有技术中人数统计方案效率低下等问题。

为实现上述目标及其他相关目标，本申请提供一种目标数量统计方法，包括：获取连续的各帧图像，并对每帧图像依次执行以下处理：在接收到每个当前帧图像时，通过检测器检测该当前帧图像中每个目标；对从该当前帧图像中所检测到的每个目标构建一当前追踪器，形成当前追踪器集合；该当前追踪器具有时间属性，所述时间属性的设定值关联于当前帧图像的获取时间；将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况；根据各当前追踪器的归属情况更新已有追踪器集合，包括：将各已有追踪器的时间属性的设定值更新为归属于同一目标的当前追踪器的时间属性的设定值；以及，将与各个已有追踪器都不属于同一目标的当前追踪器作为新增目标的已有追踪器加入所述已有追踪器集合；通过判断时间属性的设定值是否符合预设时间条件来判定更新后的已有追踪器集合中各追踪器的有效性，并统计判定为有效的各个追踪器的数量以得到目标数量。

于本申请的一实施例中，所述检测器，用于获得每帧图像中各目标的目标特征信息；其中，所述目标特征信息包括：目标所在区域的位置特征信息、目标的骨架特征信息、及所述骨架特征信息的置信度中的一种或多种组合；每个所述追踪器关联于帧图像中的对应目标的所述特征信息。

于本申请的一实施例中，所述将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况，包括：根据当前追踪器和已有追踪器间的目标特征信息的差异来判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况，包括：根据目标所在区域的位置特征信息间的差异、目标的骨架特征信息的差异、及所述骨架特征信息的置信度间的差异中的一种或多种组合，来判断当前追踪器和已有追踪器是否归属于同一目标。

于本申请的一实施例中，所述目标所在区域通过边界框标记；所述目标所在区域的位置特征信息包括：边界框的位置信息；所述目标所在区域的位置特征信息间的差异包括两个边界框之间重叠区域在两个边界框组合区域的占比。

于本申请的一实施例中，所述骨架特征信息包括：骨架关键点的位置信息，所述骨架特征信息的差异包括骨架关键点的位置偏移。

于本申请的一实施例中，所述预设时间条件包括：所述时间属性的设定值与当前时间的差值小于预设阈值。

为实现上述目标及其他相关目标，本申请提供一种目标数量统计系统，包括：接收模块，用于获取连续的各帧图像；处理模块，用于对所获取的每帧图像执行以下处理：在接收到每个当前帧图像时，通过检测器检测该当前帧图像中每个目标；对从该当前帧图像中所检测到的每个目标构建一当前追踪器，形成当前追踪器集合；该当前追踪器具有时间属性，所述时间属性的设定值关联于当前帧图像的获取时间；将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况；根据各当前追踪器的归属情况更新已有追踪器集合，包括：将各已有追踪器的时间属性的设定值更新为归属于同一目标的当前追踪器的时间属性的设定值；以及，将与各个已有追踪器都不属于同一目标的当前追踪器作为新增目标的已有追踪器加入所述已有追踪器集合；通过判断时间属性的设定值是否符合预设时间条件来判定更新后的已有追踪器集合中各追踪器的有效性，并统计判定为有效的各个追踪器的数量以得到目标数量。

于本申请的一实施例中，所述检测器，用于获得每帧图像中各目标的目标特征信息；其中，所述目标特征信息包括：目标所在区域的位置特征信息、目标的骨架特征信息、及所述骨架特征信息的置信度中的一种或多种组合；每个所述追踪器关联于帧图像中的对应目标的所述特征信息。

于本申请的一实施例中，所述将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况，包括：根据当前追踪器和已有追踪器间的目标特征信息的差异来判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况，包括：根据目标所在区域的位置特征信息间的差异、目标的骨架特征信息的差异、及所述骨架特征信息的置信度间的差异中的一种或多种组合，来判断当前追踪器和已有追踪器是否归属于同一目标。

于本申请的一实施例中，所述目标所在区域通过边界框标记；所述目标所在区域的位置特征信息包括：边界框的位置信息；所述目标所在区域的位置特征信息间的差异包括两个边界框之间重叠区域在两个边界框组合区域的占比。

于本申请的一实施例中，所述骨架特征信息包括：骨架关键点的位置信息，所述骨架特征信息的差异包括骨架关键点的位置偏移。

于本申请的一实施例中，所述预设时间条件包括：所述时间属性的设定值与当前时间的差值小于预设阈值。

为实现上述目标及其他相关目标，本申请提供一种计算机装置，包括：一或多个通信器，其中至少一个与一或多个相机通信，以获取所述一或多个相机采集的连续的图像帧；一或多个存储器，用于存储计算机程序；一或多个处理器，耦合于所述一或多个通信器及存储器，用于运行所述计算机程序以执行任一项所述的目标数量统计方法。

为实现上述目标及其他相关目标，本申请提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被一或多个处理器运行时执行任一项所述的目标数量统计方法。

如上所述，本申请的目标数量统计方法、系统、计算机装置及存储介质，通过获取连续的各帧图像，并对每帧图像依次执行以下处理：在接收到每个当前帧图像时，通过检测器检测该当前帧图像中每个目标；对从该当前帧图像中所检测到的每个目标构建一当前追踪器，形成当前追踪器集合；该当前追踪器具有时间属性，所述时间属性的设定值关联于当前帧图像的获取时间；将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况；根据各当前追踪器的归属情况更新已有追踪器集合，包括：将各已有追踪器的时间属性的设定值更新为归属于同一目标的当前追踪器的时间属性的设定值；以及，将与各个已有追踪器都不属于同一目标的当前追踪器作为新增目标的已有追踪器加入所述已有追踪器集合；通过判断时间属性的设定值是否符合预设时间条件来判定更新后的已有追踪器集合中各追踪器的有效性，并统计判定为有效的各个追踪器的数量以得到目标数量；本申请通过对每帧图像往复检测和追踪，以生成且更新每个目标的对应追踪器，进而根据追踪器数量得到目标数量，由于追踪从原理上比检测的运算量要低很多且在计数结果上带来更加稳定的结果，效率和准确性都有保障。

附图说明

图1显示为本申请实施例中应用场景的结构示意图。

图2显示为本申请实施例中处理装置的电路结构示意图。

图3显示为本申请实施例中的追踪原理示意图。

图4显示为本申请实施例中的目标数量统计方法的流程示意图。

图5显示为本申请实施例中的目标数量统计系统的功能模块示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

下面以附图为参考，针对本申请的实施例进行详细说明，以便本申请所属技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现，并不限定于此处说明的实施例。

为了明确说明本申请，省略与说明无关的部件，对于通篇说明书中相同或类似的构成要素，赋予了相同的参照符号。

在通篇说明书中，当说某部件与另一部件“连接”或“耦接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部件“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素排除在外，而是意味着可以还包括其它构成要素。

当说某部件在另一部件“之上”时，这可以是直接在另一部件之上，但也可以在其之间伴随着其它部件。当对照地说某部件“直接”在另一部件“之上”时，其之间不伴随其它部件。

虽然在一些实例中术语第一、第二等在本文中用来描述各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一接口及第二接口等描述。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“a、b或c”或者“a、b和/或c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a、b和c”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

此处使用的专业术语只用于言及特定实施例，并非意在限定本申请。此处使用的单数形态，只要语句未明确表示出与之相反的意义，那么还包括复数形态。在说明书中使用的“包括”的意义是把特定特性、区域、整数、步骤、作业、要素及/或成份具体化，并非排除其它特性、区域、整数、步骤、作业、要素及/或成份的存在或附加。

表示“下”、“上”等相对空间的术语可以为了更容易地说明在附图中图示的一部件相对于另一部件的关系而使用。这种术语是指，不仅是在附图中所指的意义，还包括使用中的装置的其它意义或作业。例如，如果翻转附图中的装置，曾说明为在其它部件“下”的某部件则说明为在其它部件“上”。因此，所谓“下”的示例性术语，全部包括上与下方。装置可以旋转90°或其它角度，代表相对空间的术语也据此来解释。

虽然未不同地定义，但包括此处使用的技术术语及科学术语，所有术语均具有与本申请所属技术领域的技术人员一般理解的意义相同的意义。普通使用的字典中定义的术语追加解释为具有与相关技术文献和当前提示的内容相符的意义，只要未进行定义，不得过度解释为理想的或非常公式性的意义。

在例如机场、火车站、游乐园等公共场所，需要通过图像处理的方式以实现对行人的识别、追踪、人数统计等；但是，如前所述，现有的方案在效率上非常欠缺，即使配合深度相机的较为先进的技术实现去遮挡的目的，但基于不同行人的图像特征进行区分的多类分类器在准确度上又较为欠缺。

有鉴于此，本申请的技术方案在于提供一种低计算量、高效率且准确的图像处理的方案，从而逐个解决现有技术的各个问题。

如图1所示，显示本申请实施例中应用场景的结构示意图。

在本实施例中，本申请的技术方案的应用场景可以是图1所示的系统，所述系统包括：一或多个相机101、及处理装置102。

其中，所述相机101可以是普通相机、单反相机、摄像机等等；另外，在多个相机101的情况下，所述多个相机101间可以是独立分离的，也可以是集成在同一相机阵列的。

所述处理装置102与所述相机101通信连接，以令相机101能向处理装置102传输图像数据，和/或处理装置102向相机101发送控制指令。

在一些示例中，所述通信连接可以是通过电性线路的有线连接，例如通过对端的usb接口、hdmi接口等进行对应标准线路的连接。

在一些示例中，所述通信连接也可以是无线连接，例如通过对端的无线通信器，如wifi、蓝牙、移动通信模块(2g/3g/4g/5g)等进行连接。

在一些示例中，所述通信连接也可以是网络连接，即通过局域网和/或互联网进行远距离的通信连接。

所述处理装置102具备处理运算能力，以相机101所采集的图像数据(如照片、及视频等中的一或多种)作为输入，进行图像运算处理以输出结果，例如目标追踪结果、目标数量统计结果等。

所述处理装置102可以根据以上各种实施例所应用场景的不同而在其具体实现上发生变化，例如在一些示例中，所述处理装置102可以作为一部件而与所述相机101集成在同一设备中。

或者，在一些示例中，所述处理装置102也可以作为与相机101位于不同设备，所述处理装置102可以是服务器、台式电脑、笔记本电脑、平板电脑、或智能手机等。

在一些实施例中，所述处理装置102也可以接入网络103，从而连接到远端设备104。在一些实施例中，所述网络可以包括任何类型的一个或多个网络，诸如局域网(lan)、广域网(wan)、城域网(man)、电话网，诸如公共交换电话网(pstn)或公共陆地移动网(plmn)、内联网、互联网、存储设备或网络的组合。plmn可以进一步包括分组交换子网，诸如通用分组无线业务(gprs)、蜂窝数字分组数据(cdpd)或移动ip子网。

在一些实施例中，所述远端设备104为具有显示器的电子终端，例如为台式电脑、笔记本电脑、平板电脑或智能手机等。远端设备104可以显示处理装置102处理图像获得的结果，如目标追踪结果、目标数量统计结果等。

如图2所示，展示本申请实施例中所述处理装置200的结构示意图。

所述处理装置200可以通过计算机系统的架构实现，其包括：一或多个通信器201、存储器202及处理器203。

需说明的是，在本实施例中，图中展示的部件数量仅为例举，并非以此为限。

所述一或多个通信器201，包括：与所述相机通信的第一通信器，其可采用例如有线连接(如usb、hdmi)方式、或无线连接(如wifi、2g/3g/4g/5g)方式进行通信的接口电路实现。可选的，所述一或多个通信器201中还可包括第二通信器，其可采用例如有线通信电路或无线通信电路(如wifi、2g/3g/4g/5g)实现，用于连接通信网络而与网络设备通信。

所述存储器202，用于存储计算机指令；

所述处理器203，耦合所述通信器201和存储器202，用于运行所述计算机指令，以实现所需的图像处理功能，例如目标识别、追踪、及统计。

所述存储器202可能包括但不限于高速随机存取存储器202、非易失性存储器202。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。

所述处理器203可以是通用处理器203，包括中央处理器203(centralprocessingunit，简称cpu)、网络处理器203(networkprocessor，简称np)等；还可以是数字信号处理器203(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(field－programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

如图3所示，展示本申请实施例中目标数量统计方法的流程示意图。可选的，所述方法可以通过图2中的处理器运行计算机指令实现。

所述方法通过对从相机获得的连续帧图像(可以来自于所采集的视频)进行图像运算处理以得到目标数量。

所述方法获取连续的各帧图像，并对每帧图像依次执行以下处理：

步骤s301：在接收到每个当前帧图像时，通过检测器检测该当前帧图像中每个目标。

所述检测器，用于获得每帧图像中各目标的目标特征信息。

在一些实施例中，所述检测器可以是通过深度学习的目标检测算法实现，例如r-cnn、fasterr-cnn、r-fcn、yolo和ssd等。

每帧图像中可能包含一或多个目标，通过检测器检测后，对每个目标可以分配唯一的目标标识，即目标id；并且，还可以确定目标所在区域；例如可以通过如边界框boundingbox来框选标记，或进一步通过语义分割方式在图像中标记。

可选的，为了避免遮挡的问题，所述检测器优选的是可以检测出目标的骨架特征信息，并与目标的id关联，以用于代表目标。骨架特征信息的获取实际就是骨架关键点的估计，所述骨架特征信息包含多个骨架关键点，一般是关节点，如右肩、右肘、右腕、左肩、左肘、左腕、右髋、右膝、右踝、左髋、左膝、左踝、头顶、及脖子中的一或多种，骨架关键点间通过连线即可得到骨架。

人体骨架提取的算法有很多，例如采用eccv(欧洲计算机视觉国际会议)2016、2018年的各种论文中提出的模型，也可以采用lstm网络来实现。

相应的，在一实施例中，所述目标特征信息包括：目标所在区域的位置特征信息、目标的骨架特征信息、及所述骨架特征信息的置信度中的一种或多种组合；每个所述追踪器关联于帧图像中的对应目标的所述特征信息。

可选的，所述目标所在区域的位置特征信息可以通过前述边界框的部分特征信息来表示，例如边界框的中心点位置和尺寸信息。

所述目标的骨架特征信息可以包括目标骨架的各个骨架关键点的位置信息(可以通过坐标表示)，所述置信度即对每个骨架关键点特征信息估计的概率值。

步骤s302：对从该当前帧图像中所检测到的每个目标构建一当前追踪器，形成当前追踪器集合。

在一些实施例中，追踪器可以根据目标所在区域的图像数据中的特征训练生成。

基于目标特征跟踪的算法，一般基于以下几种：

1)点表示的方法：将目标通过一个点来表示，即其中心点来表示。对于比较大的目标可以选择用一组点来表示。

2)几何形状表示法：通过定义椭圆或矩阵框来表示目标区域。

3)骨架表示法：将目标的轮廓经中轴变换后，即可提出物体骨架模型。

4)轮廓表示法：物体的轮廓表示物体的边界。

可选的，可以采用3)的骨架表示法，根据图像数据中的目标上述骨架特征信息训练生成跟踪器。可以根据基于前述骨架提取算法实现的跟踪算法来获得跟踪器。

其中，该当前追踪器具有时间属性，所述时间属性的设定值关联于当前帧图像的获取时间。

如图4所示，本申请的设计思路，在于通过检测器401检测的每帧图像400中的每个目标402建立一追踪器403，并维护有效的追踪器403，则根据追踪器403的数量即可得到所需统计的目标数量。

而优选的，在采用能检测及跟踪目标402骨架404的骨架特征信息的检测器401和追踪器403的情况下，能更好地消除目标被遮挡的问题，例如被物体遮挡，或目标间的遮挡等。

步骤s303：将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况。

具体来讲，通过前帧图像中目标的已有追踪器和后帧图像中该目标的当前追踪器进行差异比对，如果归属于同一个目标，则可避免重复计数。

所述比对具体包括：根据目标所在区域的位置特征信息间的差异、目标的骨架特征信息的差异、及所述骨架特征信息的置信度间的差异中的一种或多种组合，来判断当前追踪器和已有追踪器是否归属于同一目标。

举例来说，设每个追踪器i都有它追踪的目标的每个骨架关键点的位置和每个骨架关键点的的置信度和目标的边界框的位置信息aⁱ。

对于追踪器i和追踪器j(例如已有追踪器和当前追踪器)之间的相似程度，可以使用如下的公式进行计算：

其中，α，β，和γ为正数，分别控制每一部分所占权重。上述公式中第一部分代表两个追踪器追踪的目标的对应关键点之间的位置偏移情况，第二部分表示对应关键点网络的预测出来的置信度差异，第三部分为人体的边界框的重叠区域所占比例。

当然，上述公式仅为一种举例的方式，在实际情况下其构成、计算参数等皆可以加以变化，并非以此为限。

通过上述原理所计算的相似程度(反之即差异度)即可判断两个追踪器之间的差异，也就能判断出当前帧图像中当前追踪器和之前图像帧的已有追踪器的相似程度，相似则说明两者属于同一目标。

步骤s304：根据各当前追踪器的归属情况更新已有追踪器集合，包括：将各已有追踪器的时间属性的设定值更新为归属于同一目标的当前追踪器的时间属性的设定值；以及，将与各个已有追踪器都不属于同一目标的当前追踪器作为新增目标的已有追踪器加入所述已有追踪器集合。

具体来说，对于判断为同一目标的已有追踪器和当前追踪器，可以将两者合一，即将当前追踪器的时间属性的设定值赋予同一目标的已有追踪器。例如，当前追踪器a的时间属性设定值为a，经比对后发现a与已有追踪器b属于同一目标，已有追踪器b的时间属性设定值为较旧的b，则将b的b更新为a。

而对于判断没有属于同一目标的已有追踪器的当前追踪器出现，则说明该当前追踪器是归属于当前帧图像的新增目标的，则将该当前追踪器加入至已有追踪器集合。

步骤s305：通过判断时间属性的设定值是否符合预设时间条件来判定更新后的已有追踪器集合中各追踪器的有效性。

在一些实施例中，所述预设时间条件包括：所述时间属性的设定值与当前时间的差值小于预设阈值。

具体来讲，若某个已有追踪器的时间属性的设定值与当前时间的差值大于预设阈值，则说明该已有追踪器未得到更新，也就是说该已有追踪器的对应目标可能已消失，则可判定为无效的追踪器。

步骤s306：统计判定为有效的各个追踪器的数量以得到目标数量。

通过更新后的已有追踪器集合进行其中有效的追踪器的计数，即可得到所需统计的目标数量。

之后，可以重复步骤s301～s306以依次处理连续的各帧图像，从而得到最终统计的目标数量。

需特别说明的是，在基于目标骨架特征进行目标检测的情况下，这种基于骨架检测器的目标数量统计有一个很好的作用是，在遮挡很严重的情况下，骨架信息也可以很好的被检测出来。

另外，基于上述方法法采用的是对各帧图像进行“检测-追踪”往复进行的策略，而非纯检测的方法，这样做可以带来两方面的提升：一个是效率上的提升，因为追踪从原理上比检测的运算量要低很多。二是在计数结果上带来更加稳定的结果，因为在一些情况下，比如光照环境不是很稳定的情况下，追踪器能够取得很好的追踪效果，而检测器在这种情况下会给出跳变严重的结果。

如图5所示，展示本申请实施例中目标数量统计系统的功能模块示意图。

需说明的是，本实施例与之前方法实施例的原理基本相同，方法实施例中的各技术特征可以应用到本实施例中，因此以下不作重复赘述。

所述目标数量统计系统，包括：

接收模块501，用于获取连续的各帧图像；

处理模块502，用于对所获取的每帧图像执行以下处理：在接收到每个当前帧图像时，通过检测器检测该当前帧图像中每个目标；对从该当前帧图像中所检测到的每个目标构建一当前追踪器，形成当前追踪器集合；该当前追踪器具有时间属性，所述时间属性的设定值关联于当前帧图像的获取时间；将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况；根据各当前追踪器的归属情况更新已有追踪器集合，包括：将各已有追踪器的时间属性的设定值更新为归属于同一目标的当前追踪器的时间属性的设定值；以及，将与各个已有追踪器都不属于同一目标的当前追踪器作为新增目标的已有追踪器加入所述已有追踪器集合；通过判断时间属性的设定值是否符合预设时间条件来判定更新后的已有追踪器集合中各追踪器的有效性，并统计判定为有效的各个追踪器的数量以得到目标数量。

于本申请的一实施例中，所述检测器，用于获得每帧图像中各目标的目标特征信息；其中，所述目标特征信息包括：目标所在区域的位置特征信息、目标的骨架特征信息、及所述骨架特征信息的置信度中的一种或多种组合；每个所述追踪器关联于帧图像中的对应目标的所述特征信息。

于本申请的一实施例中，所述将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况，包括：根据当前追踪器和已有追踪器间的目标特征信息的差异来判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况，包括：根据目标所在区域的位置特征信息间的差异、目标的骨架特征信息的差异、及所述骨架特征信息的置信度间的差异中的一种或多种组合，来判断当前追踪器和已有追踪器是否归属于同一目标。

于本申请的一实施例中，所述目标所在区域通过边界框标记；所述目标所在区域的位置特征信息包括：边界框的位置信息；所述目标所在区域的位置特征信息间的差异包括两个边界框之间重叠区域在两个边界框组合区域的占比。

于本申请的一实施例中，所述骨架特征信息包括：骨架关键点的位置信息，所述骨架特征信息的差异包括骨架关键点的位置偏移。

于本申请的一实施例中，所述预设时间条件包括：所述时间属性的设定值与当前时间的差值小于预设阈值。

需要说明的是，应理解以上图5系统实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，简称asic)，或，一个或多个微处理器(digitalsignalprocessor，简称dsp)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称soc)的形式实现。

另外，图3方法实施例中所涉及的各种计算机指令可以装载在计算机可读存储介质中，所述计算机可读存储介质可包括，但不限于，软盘、光盘、cd-rom(紧致盘-只读存储器)、磁光盘、rom(只读存储器)、ram(随机存取存储器)、eprom(可擦除可编程只读存储器)、eeprom(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他物品属性的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品，也可以是已接入计算机设备使用的部件。

在具体实现上，所述计算机程序为执行特定任务或实现特定抽象数据物品属性的例程、程序、对象、组件、数据结构等等。

综上所述，本申请的目标数量统计方法、系统、计算机装置及存储介质，通过获取连续的各帧图像，并对每帧图像依次执行以下处理：在接收到每个当前帧图像时，通过检测器检测该当前帧图像中每个目标；对从该当前帧图像中所检测到的每个目标构建一当前追踪器，形成当前追踪器集合；该当前追踪器具有时间属性，所述时间属性的设定值关联于当前帧图像的获取时间；将构建的当前追踪器集合中各所述当前追踪器和根据前帧图像的已有追踪器集合中各已有追踪器进行比对，以判断每个当前追踪器与各个已有追踪器是否存在归属同一目标的情况；根据各当前追踪器的归属情况更新已有追踪器集合，包括：将各已有追踪器的时间属性的设定值更新为归属于同一目标的当前追踪器的时间属性的设定值；以及，将与各个已有追踪器都不属于同一目标的当前追踪器作为新增目标的已有追踪器加入所述已有追踪器集合；通过判断时间属性的设定值是否符合预设时间条件来判定更新后的已有追踪器集合中各追踪器的有效性，并统计判定为有效的各个追踪器的数量以得到目标数量；本申请通过对每帧图像往复检测和追踪，以生成且更新每个目标的对应追踪器，进而根据追踪器数量得到目标数量，由于追踪从原理上比检测的运算量要低很多且在计数结果上带来更加稳定的结果，效率和准确性都有保障。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。