多摄像头的行人识别方法及识别系统与流程

本发明涉及数据处理领域，更具体地说，本发明涉及多摄像头的行人识别方法及识别系统。

背景技术：

1、现有的交通枢纽布设了大量摄像头用于行人监控识别。这一系统采用了外围摄像头首先对进出的行人进行识别，并生成识别号，其他摄像头则根据该识别号对相应行人进行持续跟踪监控，以减少重复识别率和资源消耗。然而，传统的行人识别方式并未实时监控外围摄像头的识别状态，导致识别效率和效果明显降低。后续摄像头根据错误的识别号进行监控追踪，可能产生混淆和误判。另外，状态下降的摄像头使用设计标准的识别能力进行识别，但其实际识别能力已远低于初设标准，导致容易识别失败。

2、传统识别方式缺乏自动减小识别压力和转嫁压力到相邻摄像头的机制，缺少动态调整识别压力和灵活性，难以应对不确定的行人流量和识别任务。

3、为了解决上述问题，现提供一种技术方案。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供，采集摄像头的原始信息和异常信息，生成视觉认知系数，并对所有摄像头进行综合分析，生成不同参与度信号，进而便于发现摄像头隐匿的问题并进行针对性的维护；针对处于边缘位置的摄像头生成中参与度信号，并结合视觉认知系数计算综合识别指数，根据状态动态调整识别性能；采集每个重点摄像头拍摄画面内单位时间内的行人数量，并结合综合识别指数得到识别压力指数，根据压力指数生成触发信号和不生成信号；当生成触发信号时，将以缩小画面的方式触发相邻摄像头启动识别功能，直到找到识别压力在阈值范围内的摄像头，自动关闭周围摄像头的行人识别功能；进而可以实现动态调整识别压力，减轻系统负担，提高行人识别效率和效果，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、步骤s100，统计所有可用的摄像头，采集摄像头运用过程的原始信息和异常信息，生成视觉认知系数；

4、步骤s200，依据视觉认知系数对所有摄像头进行综合分析，根据分析结果生成重参与度信号、中参与度信号和低参与度信号；

5、步骤s300，采集处于监控边缘位置且生成中参与度信号的摄像头的识别能力指数，将识别能力指数和视觉认知系数结合得到综合识别指数；

6、步骤s400，采集每个重点摄像头拍摄画面内单位时间内的行人数量，并将其和综合识别指数进行计算得到识别压力指数，对识别压力指数进行综合分析，生成触发信号和不生成信号；

7、步骤s500，针对生成触发信号的情况下，缩小拍摄画面并触发相邻摄像头启动识别功能，若相邻摄像头的识别压力依然不属于识别压力阈值范围，继续缩小拍摄画面并触发与之相邻摄像头，直到有摄像头的识别压力属于识别压力阈值范围、且不需要缩小拍摄画面时，其周围由其触发启动的摄像头自动关闭行人识别功能。

8、在一个优选的实施方式中，步骤s100具体包括以下内容：

9、采集摄像头的原始信息和异常信息，原始信息包括画面均衡指数、异常信息包括异常易变指数。

10、在一个优选的实施方式中，画面均衡指数的获取逻辑为：

11、步骤s101：将通过摄像头拍摄到的画面划分成n个区域，采集每个区域的图像对比度、图像亮度、图像清晰度和噪点数量；

12、步骤s102：计算每块区域的偏离值，计算公式为：，式中，pl为偏离值，a1、a2、a3、a4分别为图像对比度、图像亮度、图像清晰度、噪点数量，b1、b2、b3、b4分别为图像对比度、图像亮度、图像清晰度、噪点数量的标准值，w1、w2、w3、w4分别为的权重系数，且w1、w2、w3、w4均大于0，偏移值用于评估每块拍摄画面偏移标准的程度；

13、步骤s103：统计每块区域的偏离值，计算偏离平均值和画面均衡指数，偏离平均值的计算公式为：，偏离离散值的计算公式为：，式中，ppj为偏离平均值，pps为偏离离散值，i=1、2、3、……、n；

14、步骤s104： 计算画面偏离指数，计算公式为：，式中，cv为画面均衡指数。

15、在一个优选的实施方式中，异常易变指数的获取逻辑为：

16、步骤s111：采集摄像头运行过程中发生影响识别的次数和持续时间，统计摄像头运行时每个单位时间内的异常累计时间，在历史运行时间内，按照采集异常累计时间的时间顺序生成排序表一；按照异常累计时间的大小生成排序表二，对于排序表二，若相邻采集时间的两个有异常时间的差值小于比较阈值，则仍按照采集时间顺序排序；

17、步骤s112：计算排序表一和排序表二之间的逆序对数量，计算方法如下：1.遍历排序表二中的每个样本；2.对于当前样本的异常累计时间，在排序表二中寻找与之对应的样本，并计算它们的异常累计时间的差值；3.如果差值小于比较阈值，并且在排序表一中对应样本的索引小于当前样本的索引，则认为存在一个逆序对；

18、步骤s113：计算排序表一和排序表二之间的故障易变性，计算公式为：，式中，kt为故障易变性，m为排序表中的样本数量，sion为逆序对个数。

19、在一个优选的实施方式中，将画面均衡指数和异常异变指数经过综合计算得到视觉认知系数，计算公式为：，式中，vci为视觉认知系数，cv、kt分别为画面均衡指数和异常异变指数，且分别为画面均衡指数、异常异变指数的预设比例系数，且均大于0。

20、在一个优选的实施方式中，步骤s200具体包括以下内容：

21、将视觉认知系数和判断阈值一、判断阈值二进行比较；

22、若视觉认知系数大于等于判断阈值二，表示摄像头参与行人识别工作的参与度高，产生重与度信号；

23、若视觉认知系数大于等于判断阈值一且小于判断阈值二，表示表示摄像头参与行人识别工作的参与度适中，生成中参与度信号；

24、若视觉认知系数小于判断阈值一，表示需要进行维护，生成低参与度信号，发出预警信号。

25、在一个优选的实施方式中，步骤s300具体包括以下内容：

26、统计所有摄像头，按照摄像头安装位置统计处于监控边缘位置且生成中参与度信号的摄像头标记为重点摄像头，采集重点摄像头的识别能力指数，即单位时间内能稳定识别最多人数，将识别能力指数和视觉认知系数、判断阈值一、判断阈值二结合得到综合识别指数，计算公式为：，式中，sr、rci分别为识别能力指数、综合识别指数，综合识别指数用于替换识别能力指数，vci、at1、at2分别为视觉认知系数、判断阈值一、判断阈值二。

27、在一个优选的实施方式中，步骤s400具体包括以下内容：

28、采集每个重点摄像头拍摄画面内单位时间内的行人数量并标记为实际数量，将实际数量和综合识别指数经过计算得到识别压力指数，计算公式为：，式中，pr为识别压力，sr、an分别为综合识别指数、实际数量；

29、将识别压力和识别压力阈值范围进行比较；

30、若识别压力属于识别压力阈值范围，表示摄像头的拍摄画面内的实际数量小于综合识别能力，不生成信号；

31、若识别压力不属于识别压力阈值范围内，表示摄像头的拍摄画面内的实际数量大于综合识别能力，生成触发信号。

32、在一个优选的实施方式中，步骤s500具体包括以下内容：

33、当识别压力不属于识别压力阈值范围内时，摄像头将以拍摄画面中心为基点等比例缩小拍摄画面，作为新的识别画面，然后，摄像头触发与其相邻的摄像头启动行人识别功能，若相邻摄像头的识别压力依然不属于识别压力阈值范围，同样地，以拍摄画面中心为基点等比例缩小拍摄画面，再次触发与之相邻的摄像头启动行人识别功能，直到启动后的摄像头的识别压力属于识别压力阈值范围为止，在摄像头的识别压力属于识别压力阈值范围、且识别画面和拍摄画面等大时，其周围由其触发启动的摄像头自动关闭行人识别功能。

34、一种多摄像头的行人识别系统，包括初始采集单元、初步判断单元、综合分析单元、压力认知单元、压力分配单元；

35、初始采集单元用于统计所有可用的摄像头，采集摄像头运用过程的原始信息和异常信息，生成视觉认知系数，生成视觉认知系数信号发送至初步判断单元；

36、初步判断单元用于依据视觉认知系数对所有摄像头进行综合分析，根据分析结果生成重参与度信号、中参与度信号和低参与度信号，生成重参与度信号、中参与度信号和低参与度信号发送至综合分析单元；

37、综合分析单元采集处于监控边缘位置且生成中参与度信号的摄像头的识别能力指数，将识别能力指数和视觉认知系数结合得到综合识别指数，生成总额和识别指数信号发送至压力认知单元；

38、压力认知单元用于采集每个重点摄像头拍摄画面内单位时间内的行人数量，并将其和综合识别指数进行计算得到识别压力指数，对识别压力指数进行综合分析，生成触发信号和不生成信号，生成触发信号发送至压力分配单元；

39、压力分配单元针对生成触发信号的情况下，缩小拍摄画面并触发相邻摄像头启动识别功能，若相邻摄像头的识别压力依然不属于识别压力阈值范围，继续缩小拍摄画面并触发与之相邻摄像头，直到有摄像头的识别压力属于识别压力阈值范围、且不需要缩小拍摄画面时，其周围由其触发启动的摄像头自动关闭行人识别功能。

40、本发明多摄像头的行人识别方法及识别系统的技术效果和优点：

41、1.通过采集摄像头运行过程中的画面均衡指数和异常异变指数，综合计算得到视觉认知系数，用于评估摄像头识别行人的效果。视觉认知系数反映了摄像头画面质量和稳定性，对于行人识别任务的贡献度。进一步，将视觉认知系数与设定的视觉认知阈值进行比较，通过比较结果生成重参与度信号和低参与度信号，有助于自动判断摄像头的识别能力是否达到预期水平，如果识别效果优秀，则生成重参与度信号，表明该摄像头适合在高质量的行人识别任务中发挥重要作用，而如果识别效果较差，则生成低参与度信号，表明该摄像头适合在低质量或非关键行人识别任务中使用，需要进行调整和优化。通过这种方式，可以更有效地利用摄像头资源，提高行人识别系统的整体性能和可靠性；

42、2.针对处于监控边缘位置且生成中参与度信号的摄像头，采集其识别能力指数，并将识别能力指数和视觉认知系数、判断阈值一、判断阈值二结合得到综合识别指数，能够在摄像头识别能力欠佳的情况下，主动减小其识别能力，可以根据综合识别指数对摄像头的识别能力进行动态调整。当摄像头处于监控边缘位置且识别能力欠佳时，通过减小其识别能力，可以避免浪费资源在低效的识别过程中，从而提高系统的整体性能和效率；

43、3.通过将实际数量和综合识别指数经过计算得到识别压力指数，通过比较识别压力与设定的识别压力阈值范围，可以判断摄像头的实际识别能力和压力，若识别压力属于阈值范围内，表示摄像头可以正常识别行人且压力较小，不需要生成信号，维持原有的识别画面大小，若识别压力不在阈值范围内，说明摄像头的识别能力受限且压力较大，此时会触发自适应的识别画面缩小策略，并将未识别的行人交由相邻摄像头进行识别，直到识别压力恢复在阈值范围内，进而有益于实现摄像头资源的高效利用。当摄像头能够正常识别行人且压力较小时，保持原有的画面范围，减少资源浪费。而当摄像头的识别能力受限且压力较大时，通过自动缩小画面范围并利用相邻摄像头协助识别，可以有效减轻系统负担，提高整体识别效率，保障行人识别的准确性和连续性。这种动态调整机制能够让摄像头在不同的场景和负载下保持较好的性能表现，从而优化系统资源的利用和行人识别的效果。