一种人员拥堵评价方法、装置、计算机设备以及存储介质与流程

1.本发明实施例涉及图像处理技术，尤其涉及一种人员拥堵评价方法、装置、计算机设备以及存储介质。


背景技术：

2.地铁站、火车站以及路口等作为城市交通的重要环节，在上下班高峰期、节假日时，均有可能发生不同情况的人员拥堵。如何对人员拥堵情况进行准确评价，从而分析拥堵原因，进行人员拥堵状况缓解的决策，是目前亟待解决的问题。
3.现有技术中，或是通过检测人员携带的电子设备，将电子设备数量作为评价拥堵程度的指标，或是通过统计摄像机区域内的人数，作为评价拥堵程度的指标。前者的人员拥堵状况评价方式，由于人员携带的电子设备数量不一或者难以检测，因此对实际拥堵状况判定的准确率较低。后者的人员拥堵状况评价方式，当非拥堵状态但存在人员驻留的情况时，存在拥堵误判的问题。


技术实现要素：

4.本发明实施例提供一种人员拥堵评价方法、装置、计算机设备以及存储介质，以实现对人员拥堵程度进行准确评价。
5.第一方面，本发明实施例提供了一种人员拥堵评价方法，该方法包括：
6.根据拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，并根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值；
7.根据拍摄装置的独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值；
8.根据待评价区域内至少两个拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。
9.第二方面，本发明实施例还提供了一种人员拥堵评价装置，该装置包括：
10.拥堵评价值确定模块，用于根据拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，并根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值；
11.综合拥堵评价值确定模块，用于根据拍摄装置的独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值；
12.拥堵程度确定模块，用于根据待评价区域内至少两个拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。
13.第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的人员拥堵评价方法。
14.第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的人员拥堵评价方法。
15.本发明实施例通过拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，通过拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算关联拥堵评价值，根据独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值，根据待评价区域内各拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。解决了现有技术中的人员拥堵状况评价方式，对实际拥堵状况判定的准确率较低，或者容易出现拥堵误判的问题，实现了对人员拥堵程度的准确评价。
附图说明
16.图1是本发明实施例一中的一种人员拥堵评价方法的流程图；
17.图2a是本发明实施例二中的一种人员拥堵评价方法的流程图；
18.图2b是本发明实施例二中的一种拍摄装置视区人员变化的示意图；
19.图2c是本发明实施例二中的一种拍摄装置与关联拍摄装置之间人员流动的示意图；
20.图3是本发明实施例三中的一种人员拥堵评价装置的结构示意图；
21.图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
22.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
23.实施例一
24.图1是本发明实施例一提供的一种人员拥堵评价方法的流程图，本实施例可适用于对地铁站、火车站、路口等区域进行人员拥堵程度评价的情况，该方法可以由人员拥堵评价装置来执行，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中，与设置在待评价区域的拍摄装置配合使用。
25.如图1所示，本发明实施例的技术方案，具体包括如下步骤：
26.s110、根据拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，并根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值。
27.其中，拍摄装置是指部署在待评价区域内的、具有人脸识别功能的拍摄装置，可以是智能摄像机等。拍摄装置的视区是指拍摄装置拍摄得到的图像或者视频帧图像中所包括的区域范围，人员属性信息是指拍摄装置视区内人员的标识、数量等信息。关联拍摄装置是指与拍摄装置相邻的拍摄装置，此处的相邻，既可以指地理位置的相邻，也可以指视区的相邻，本实施例对此不进行限制。
28.拍摄装置的独立拥堵评价值是根据拍摄装置视区内的人员属性信息计算得到的，因此独立拥堵评价值可以反映拍摄装置视区内的人员变化情况。
29.具体的，可以通过以下至少两个独立拥堵评价值参考因素，计算独立拥堵评价值：拍摄装置视区内在预设时间段的平均人员数量、人员数量变化、当前人员数量、人数变化率以及人员更新率。示例性的，通过人体识别和目标跟踪对拍摄装置视区内的人员数量进行实时监测，可以根据拍摄装置视区内在预设时间段的人员数量流动情况计算平均人员数量，可以根据预设时间段之前的人员数量以及当前人员数量计算人员数量变化，可以根据人员数量变化的数值与预设时间段之前的人员数量的比值计算人数变化率，可以根据人体识别计算当前时刻相比于预设时间段之前，拍摄装置视区内新增人员的数量，根据新增人员数量与当前人员数量的比值计算人员更新率。
30.同时，根据独立拥堵评价值参考因素计算独立拥堵评价值，可以直接将各独立拥堵评价值参考因素的数值与各独立拥堵评价值参考因素的权重乘积之和，作为独立拥堵评价值。也可以对各独立拥堵评价值参考因素的数值进行处理，例如，可以对各数值进行量化，或者根据各数值所处的区间，确定各数值对应的评价值。将处理后的各数值以及各独立拥堵评价值参考因素的权重乘积之和，作为独立拥堵评价值。本实施例对独立拥堵评价值参考因素的选取，以及根据独立拥堵评价值参考因素计算独立拥堵评价值的方式不进行限制。
31.关联拥堵评价值是根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息共同计算得到的，充分考虑到流动人员在移动的过程中，在拍摄装置视区内和关联拍摄装置视区内的流动性，因此，关联拥堵评价值可以反映拍摄装置视区和关联拍摄装置视区的人员流动情况。
32.具体的，可以通过以下至少两个关联拥堵评价值参考因素，计算关联拥堵评价值：从拍摄装置视区转移至关联拍摄装置视区的流动人员的数量、各流动人员转移所需平均时间、各流动人员的平均速度等。具体的，可以根据人体识别和目标追踪技术，获取预设时间段内离开拍摄装置视区，转移至关联拍摄装置视区的流动人员的数量。可以统计各流动人员离开拍摄装置视区到出现在关联拍摄装置视区的时间，计算各流动人员转移所需平均时间。根据各流动人员离开拍摄装置视区到出现在关联拍摄装置视区的时间，以及拍摄装置视区和关联拍摄装置视区的距离，计算各流动人员的速度，从而计算得到平均速度。
33.同样的，对于一个关联拍摄装置，可以直接将各关联拥堵评价值参考因素的数值与各关联拥堵评价值参考因素的权重乘积之和，作为该关联拍摄装置对应的关联数值。也可以对各关联拥堵评价值参考因素的数值进行处理，例如，可以对各数值进行量化，或者根据各数值所处的区间，确定各数值对应的评价值。将处理后的各数值以及各关联拥堵评价值参考因素的权重乘积之和，作为该关联拍摄装置对应的关联数值。当拍摄装置只对应一个关联拍摄装置时，该关联拍摄装置对应的关联数值即为关联拥堵评价值；当拍摄装置对应多个关联拍摄装置时，还可以对各关联拍摄装置设置权重，根据各关联拍摄装置对应的关联数值以及权重，计算关联拥堵评价值。同样，本实施例对关联拥堵评价值参考因素的选取，以及根据关联拥堵评价值参考因素计算独立拥堵评价值的方式不进行限制。
34.在本发明实施例中，通过拍摄装置进行人员识别，获得拍摄装置视区内的人员属性信息，解决了现有技术中通过检测人员携带的电子设备，将电子设备数量作为评价拥堵程度的指标的方式，由于人员所携带的电子设备数量不一，并且电子设备可能无法被检测到等因素所造成的拥堵程度判断准确率偏低的问题。通过分别计算独立拥堵评价值和关联
拥堵评价值，充分考虑到了拍摄装置视区内的人员变化情况，以及拍摄装置视区和关联拍摄装置视区的人员流动情况，解决了现有技术中通过统计摄像机区域内的人数来评价拥堵程度的方式，在候车等非拥堵状态但是人员聚集的情况下，容易造成拥堵误判的问题。
35.s120、根据拍摄装置的独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值。
36.由于综合拥堵评价值是由独立拥堵评价值和关联拥堵评价值计算得到，因此综合拥堵评价值可以全面反映拍摄装置的拥堵情况。
37.在本发明实施例中，可以每隔预设时间段，进行拍摄装置的综合拥堵评价值的计算。根据对同一拍摄装置在不同时刻的综合拥堵评价值的纵向比较，实现对拍摄装置视区的拥堵状况的评价。还可以对于待评价区域内部署的多个拍摄装置，全部计算得到综合拥堵评价值之后，根据同一时刻多个拍摄装置的综合拥堵评价值的横向比较，确定待评价区域的拥堵程度的空间分布情况。
38.s130、根据待评价区域内至少两个拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。
39.待评价区域是部署了多个具有人脸识别功能的拍摄装置的区域，可以是地铁站、火车站或者交通路口等。
40.在本发明实施例中，计算得到拍摄装置的综合拥堵评价值之后，除对单个拍摄装置的拥堵程度进行评价之外，还可以关联待评价区域内的全部拍摄装置，对待评价区域总体的拥堵程度进行评价。
41.示例性的，可以以拍摄装置视区在待评价区域内的位置，生成与待评价区域匹配的区域矩阵，每个矩阵元素的值是不同位置拍摄装置的综合拥堵评价值，表示拍摄装置视区对应区域的通行能力。通过区域矩阵，可以直观地展示待评价区域的拥堵程度的空间分布情况。
42.示例性的，还可以根据各拍摄装置的综合拥堵评价值，计算待评价区域的区域拥堵评价值，通过计算待评价区域在不同时刻的区域拥堵评价值，可以定量的表示待评价区域的拥堵程度。
43.本实施例的技术方案，通过拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，通过拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算关联拥堵评价值，根据独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值，根据待评价区域内各拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。解决了现有技术中的人员拥堵状况评价方式，对实际拥堵状况判定的准确率较低，或者容易出现拥堵误判的问题，实现了对人员拥堵程度的准确评价。
44.实施例二
45.图2a是本发明实施例二提供的一种人员拥堵评价方法的流程图，本发明实施例在上述实施例的基础上，对计算拍摄装置的独立拥堵评价值的过程、计算拍摄装置的关联拥堵评价值的过程、确定拍摄装置的综合拥堵评价值的过程，以及对待评价区域的拥堵程度进行评价的过程进行了进一步的具体化。
46.相应的，如图2a所示，本发明实施例的技术方案，具体包括如下步骤：
47.s210、获取拍摄装置在当前时刻的当前视区人员数量，以及预设时间段之前的历
史视区人员数量。
48.在本发明实施例中，可以设置为每隔预设时间段进行拍摄装置独立拥堵评价值和关联拥堵评价值的计算，从而确定拍摄装置的综合拥堵评价值，以及待评价区域的区域拥堵评价值，实现对拍摄装置和待评价区域拥堵程度的实时监测。也可以设置为在预设时间点或者根据用户的拥堵程度监测指令，进行拍摄装置独立拥堵评价值和关联拥堵评价值的计算，从而确定拍摄装置的综合拥堵评价值，以及待评价区域的区域拥堵评价值，实现对拍摄装置和待评价区域在高峰期和节假日的拥堵程度的重点监测。本实施例对此不进行限制。
49.在本发明实施例中，拍摄装置具有人脸识别功能，示例性的，根据拍摄装置在预设时间段之前拍摄得到的图像，或者预设时间段之前的视频帧图像，可以得到历史视区中的人员数量，以及出现在历史视区中的各人员的人员标识。根据拍摄装置在当前时刻拍摄得到的图像，或者当前视频帧图像，可以得到当前视区中的人员数量，以及出现在当前视区内的各人员的人员标识。
50.s220、根据当前视区人员数量和历史视区人员数量，分别计算拍摄装置的人数变化率和人员更新率。
51.在本发明实施例中，根据当前视区的人员数量和各人员标识，以及历史视区的人员数量和各人员标识，计算得到拍摄装置在预设时间段内的人数变化率和人员更新率，从而反映拍摄装置在预设时间段的人员变动情况。拍摄装置的人员变动越快，拥堵程度越低，相比于现有技术中单纯地根据当前人员数量评价拥堵程度的方式，能更加准确地反映拥堵程度。
52.相应的，s220又可以包括：
53.s221、获取拍摄装置的当前视区新增人员数量。
54.具体的，拍摄装置具有人脸识别功能，为识别到的每个人员都分配一个人员标识，当前视区相比于历史视区中新出现的人员标识的数量，即为当前视区新增人员数量。
55.图2b是本发明实施例二中的一种拍摄装置视区人员变化的示意图，如图2b所示，预设时间段为s秒，s秒之后的当前视区中，虚线框内的新增人员即为当前视区新增人员数量。以图2b为例，若s秒之前的历史视区内的人员标识为r1、r2、r3…r10
，s秒之后的当前视区内的人员标识为r5、r6…r10
、r
11
、r
12
…r16
，则当前视区中新出现的r
11
、r
12
…r16
即为新增人员，新增人员数量为6。
56.s222、将当前视区人员数量和历史视区人员数量的差值，与历史视区人员数量的比值，作为拍摄装置的人数变化率。
57.具体的，可以通过以下公式，计算人数变化率：
[0058][0059]
其中，p表示拍摄装置的人数变化率，t1表示历史视区人员数量，t2表示当前视区人员数量。
[0060]
根据上述公式可知，p的值存在小于0的情况，当p小于0时，即代表当前视区内人员处于减少的状态，通行能力提升，拥堵程度降低。p的最小值为-1，表示当前视区内人员清空，当p的值大于0时，表示人员正在向当前区域汇集，通行能力趋弱，拥堵程度提升。
[0061]
s223、将当前视区新增人员数量与当前视区人员数量的比值，以及当前视区人员数量和历史视区人员数量的差值的绝对值，与历史视区人员数量的比值之和，作为拍摄装置的人员更新率。
[0062]
具体的，可以通过以下公式，计算人员更新率：
[0063][0064]
其中，u表示拍摄装置的人员更新率，c表示当前视区新增人员数量。
[0065]
根据上述公式可知，u的值越大，表示当前视区内人员流动的速度越快，拥堵程度越低，通行能力越强。
[0066]
s230、根据当前视区人员数量、人数变化率和人员更新率，确定拍摄装置的独立拥堵评价值。
[0067]
在本发明实施例中，从当前视区人员数量、人数变化率和人员更新率三方面，综合评价拍摄装置视区的拥堵程度。
[0068]
相应的，s230又可以包括：
[0069]
s231、根据当前视区人员数量、人数变化率和人员更新率所处的区间，分别确定与当前视区人员数量、人数变化率和人员更新率匹配的评分。
[0070]
在本发明实施例中，当前视区人员数量越多，表明当前视区发生拥堵的可能性越高，因此，可以设置为当前视区人员数量越大，与当前视区人员数量匹配的评分越低。
[0071]
具体的，可以通过如下表1，设置不同当前视区人员数量区间与评分的匹配关系：
[0072]
表1
[0073]
当前视区人员数量区间ti＜a1a1＜ti＜a2…ai
＜ti评分sis
i-s
step
…0[0074]
其中，ti表示当前视区人员数量，a1、a2…ai
表示当前视区人员数量区间的边界值，si表示与[0，a1]区间匹配的评分，s
step
为评分的梯度值。
[0075]
根据s222中的公式，可以通过如下表2，设置不同人数变化率区间与评分的匹配关系：
[0076]
表2
[0077]
人数变化率区间pi＝-1
…
0＜pi＜c
i-1
pi＝00＜pi＜c
i 1
…cn
＜pi评分pip
step
0-p
step
…‑
pi[0078]
pi表示人数变化率的数值，c
i-1
、c
i 1
、cn是人数变化率区间的边界值，pi为pi＝-1时的评分，p
step
为人数变化率评分的梯度值。
[0079]
根据表2可知，当人数变化率为负数时，人数变化率评分为正数，人数变化率越小，人数变化率评分越高。当人数变化率为正数时，人数变化率评分为负数，人数变化率越大，人数变化率评分越小。
[0080]
根据s223中的公式，可以通过如下表3，设置不同人员更新率区间与评分的匹配关系：
[0081]
表3
[0082]
人员更新率区间ui＜b1b1＜ui＜b2…bi
＜ui评分11 t
step
…
ti[0083]
ui表示人员更新率的数值，b1、b2…bi
表示人员更新率区间的边界值，ti为ui＞bi时的评分，t
step
为人员更新率评分的梯度值。
[0084]
根据表3可知，人员更新率越大，人员更新率评分越高。
[0085]
s232、根据当前视区人员数量、人数变化率和人员更新率的评分，以及与当前视区人员数量、人数变化率和人员更新率匹配的权重，计算拍摄装置的独立拥堵评价值。
[0086]
获得当前视区人员数量、人数变化率和人员更新率的三个评分之后，可以根据上述三个评分，计算拍摄装置的独立拥堵评价值。
[0087]
具体的，可以通过如下公式，计算拍摄装置的独立拥堵评价值：
[0088]
si＝|s
ti s
ui s
pi
|
·
|k
t k
u k
p
|
t
[0089]
其中，si表示拍摄装置的独立拥堵评价值，s
ti
表示拍摄装置的当前视区人员数量的评分，s
ui
表示拍摄装置的人员更新率的评分，s
pi
表示拍摄装置的人数变化率的评分。k
t
表示当前视区人员数量的权重，ku表示人员更新率的权重，k
p
表示人数变化率的权重，t为转置符号。
[0090]
s240、获取从拍摄装置视区转移至关联拍摄装置视区的流动人员的数量，并计算流动人员的速度平均值。
[0091]
在本发明实施例中，获得单个拍摄装置视区的拥堵程度之外，还会考虑拍摄装置之间的关联性，对待评价区域内的总体人员拥堵情况进行评价。
[0092]
图2c是本发明实施例二中的一种拍摄装置与关联拍摄装置之间人员流动的示意图，如图2c所示，cam1为当前拍摄装置，cam2和cam3是与当前拍摄装置相邻的关联拍摄装置，在预设时间段内，通常会存在人员在相邻拍摄装置视区之间流动的情况。
[0093]
在本发明实施例中，可以采用追踪算法，确定出现在拍摄装置与关联拍摄装置中的人员为同一人，本实施例对此不进行限制。在某一人员离开当前拍摄装置视区时，记录离开时间t1，当确定出现在某一关联拍摄装置中的人员与该人员为同一人时，记录出现时间t2，并更新流动人员数量。由于相邻拍摄装置的视区之间的距离是固定的，因此通过计算流动时间t
2-t1，即可得到该人员的流动速度。
[0094]
由于在预设时间段内，在拍摄装置与关联拍摄装置之间流动的人员可能会有多个，因此，根据该多个流动人员的流动速度，计算速度平均值。
[0095]
以图2c为例，即分别有人员从cam1视区流动至cam2和cam3视区，则流动人员数量为2。获取人员1从cam1视区离开时的t
11
，以及出现在cam2时的时间t
12
，并获得cam1至cam2的距离l1，则人员1的速度为l1/(t
12-t
11
)。获取人员2从cam1视区离开时的t
21
，以及出现在cam3时的时间t
22
，并获得cam1至cam3的距离l2，则人员2的速度为l2/(t
22-t
21
)。根据人员1的速度和人员2的速度，计算流动人员的速度平均值。
[0096]
s250、根据流动人员的数量和速度平均值，确定拍摄装置与关联拍摄装置之间的拥堵程度评分。
[0097]
当流动人员的数量越大，表明在拍摄装置之间流动的人员越多，流动速度越快，通行能力强，拥堵程度越低。当流动人员的速度平均值越大，表明在拍摄装置之间的流动速度越快，拥堵程度越低。
[0098]
具体的，可以通过以下公式，计算拍摄装置与关联拍摄装置之间的拥堵程度：
[0099][0100]
其中，w
ij
表示拍摄装置cami与关联拍摄装置camj之间的拥堵程度，n
ij
表示预设时间段内，拍摄装置cami转移至关联拍摄装置camj的流动人员数量，v
ij
表示各流动人员速度的平均值。
[0101]
在本发明实施例中，w
ij
的数值越大，拥堵程度越低。
[0102]
s260、根据拍摄装置与关联拍摄装置之间的拥堵程度评分，以及关联拍摄装置的权重，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值。
[0103]
具体的，可以通过以下公式，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值：
[0104][0105]
其中，ri表示拍摄装置cami的关联拥堵评价值，k
ij
表示拍摄装置cami与关联拍摄装置camj的权重，n表示关联拍摄装置camj的数量。
[0106]
在本发明实施例中，拍摄装置与关联拍摄装置之间的权重，可以根据关联拍摄装置的重要程度，以及拍摄装置与关联拍摄装置之间的关联程度进行确定，但本实施例对拍摄装置与关联拍摄装置之间权重的设置方式不进行限制。
[0107]
s270、根据独立拥堵评价值和关联拥堵评价值，以及独立拥堵评价值和关联拥堵评价值各自的权重，计算拍摄装置的综合拥堵评价值。
[0108]
具体的，可以根据以下公式，计算拍摄装置的综合拥堵评价值：
[0109][0110]
其中，表示拍摄装置cami的综合拥堵评价值，si表示拍摄装置cami的独立拥堵评价值，ri表示拍摄装置cami的关联拥堵评价值，a、b分别是综合拥堵评价值和关联拥堵评价值的权重。
[0111]
s280、根据至少两个拍摄装置的综合拥堵评价值，以及各拍摄装置的权重，计算待评价区域的区域拥堵评价值，并根据区域拥堵评价值，确定待评价区域的拥堵程度。
[0112]
具体的，可以根据以下公式，计算待评价区域的区域拥堵评价值：
[0113][0114]
其中，s
station
表示待评价区域的区域拥堵评价值，k
cami
为拍摄装置cami的权重。
[0115]
在本发明实施例中，拍摄装置的权重可以根据拍摄装置所在区域在待评价区域内的重要程度进行确定。示例性的，当待评价区域为地铁站时，可以对检票口、进出站安检、候车区域等地的拍摄装置，设置较高的权重。但是，本实施例对拍摄装置权重的设置方式不进行限制。
[0116]
在本发明实施例中，计算得到待评价区域的区域拥堵评价值，即可实现对待评价区域的拥堵程度的定量评价。
[0117]
本实施例的技术方案，通过拍摄装置视区内在当前时刻和预设时间段之前的人员数量，计算拍摄装置的人数变化率和人员更新率，并根据当前视区人员数量、人数变化率和
人员更新率，计算拍摄装置的独立拥堵评价值，通过从拍摄装置视区转移至关联拍摄装置视区的流动人员的数量和速度平均值，确定拍摄装置与关联拍摄装置之间的拥堵程度评分，从而计算拍摄装置与关联拍摄装置之间的关联拥堵评价值，根据独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值，根据待评价区域内各拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。解决了现有技术中的人员拥堵状况评价方式，对实际拥堵状况判定的准确率较低，或者容易出现拥堵误判的问题，充分考虑了拍摄装置视区内的人员变动情况，以及拍摄装置和关联拍摄装置视区之间人员流动情况对拥堵状况的影响，实现了对人员拥堵程度的准确评价。
[0118]
实施例三
[0119]
图3是本发明实施例三提供的一种人员拥堵评价装置的结构示意图，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中，与设置在待评价区域的至少两个拍摄装置配合使用。该装置包括拥堵评价值确定模块310、综合拥堵评价值确定模块320以及拥堵程度确定模块330。其中：
[0120]
拥堵评价值确定模块310，用于根据拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，并根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值；
[0121]
综合拥堵评价值确定模块320，用于根据拍摄装置的独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值；
[0122]
拥堵程度确定模块330，用于根据待评价区域内至少两个拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。
[0123]
本实施例的技术方案，通过拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，通过拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算关联拥堵评价值，根据独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值，根据待评价区域内各拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。解决了现有技术中的人员拥堵状况评价方式，对实际拥堵状况判定的准确率较低，或者容易出现拥堵误判的问题，实现了对人员拥堵程度的准确评价。
[0124]
在上述实施例的基础上，拥堵评价值确定模块310，包括：
[0125]
人员数量获取单元，用于获取拍摄装置在当前时刻的当前视区人员数量，以及预设时间段之前的历史视区人员数量；
[0126]
人数变化率和人员更新率计算单元，用于根据当前视区人员数量和历史视区人员数量，分别计算拍摄装置的人数变化率和人员更新率；
[0127]
独立拥堵评价值单元，用于根据当前视区人员数量、人数变化率和人员更新率，确定拍摄装置的独立拥堵评价值。
[0128]
在上述实施例的基础上，人数变化率和人员更新率计算单元，具体用于：
[0129]
获取拍摄装置的当前视区新增人员数量；
[0130]
将当前视区人员数量和历史视区人员数量的差值，与历史视区人员数量的比值，作为拍摄装置的人数变化率；
[0131]
将当前视区新增人员数量与当前视区人员数量的比值，以及当前视区人员数量和历史视区人员数量的差值的绝对值，与历史视区人员数量的比值之和，作为拍摄装置的人
员更新率。
[0132]
在上述实施例的基础上，独立拥堵评价值单元，具体用于：
[0133]
根据当前视区人员数量、人数变化率和人员更新率所处的区间，分别确定与当前视区人员数量、人数变化率和人员更新率匹配的评分；
[0134]
根据当前视区人员数量、人数变化率和人员更新率的评分，以及与当前视区人员数量、人数变化率和人员更新率匹配的权重，计算拍摄装置的独立拥堵评价值。
[0135]
在上述实施例的基础上，拥堵评价值确定模块310，包括：
[0136]
流动人员数据计算单元，用于获取从拍摄装置视区转移至关联拍摄装置视区的流动人员的数量，并计算流动人员的速度平均值；
[0137]
拥堵程度确定单元，用于根据流动人员的数量和速度平均值评分，确定拍摄装置与关联拍摄装置之间的拥堵程度；
[0138]
关联拥堵评价值计算单元，用于根据拍摄装置与关联拍摄装置之间的拥堵程度评分，以及关联拍摄装置的权重，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值。
[0139]
在上述实施例的基础上，综合拥堵评价值确定模块320，具体用于：
[0140]
根据独立拥堵评价值和关联拥堵评价值，以及独立拥堵评价值和关联拥堵评价值各自的权重，计算拍摄装置的综合拥堵评价值。
[0141]
在上述实施例的基础上，拥堵程度确定模块330，具体用于：
[0142]
根据至少两个拍摄装置的综合拥堵评价值，以及各拍摄装置的权重，计算待评价区域的区域拥堵评价值，并根据区域拥堵评价值，确定待评价区域的拥堵程度。
[0143]
本发明实施例所提供的人员拥堵评价装置可执行本发明任意实施例所提供的人员拥堵评价方法，具备执行方法相应的功能模块和有益效果。
[0144]
实施例四
[0145]
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器70、存储器71、输入装置72和输出装置73；计算机设备中处理器70的数量可以是一个或多个，图4中以一个处理器70为例；计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图4中以通过总线连接为例。
[0146]
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的人员拥堵评价方法对应的模块(例如，人员拥堵评价装置中的拥堵评价值确定模块310、综合拥堵评价值确定模块320以及拥堵程度确定模块330)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的人员拥堵评价方法。该方法包括：
[0147]
根据拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，并根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值；
[0148]
根据拍摄装置的独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值；
[0149]
根据待评价区域内至少两个拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。
[0150]
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系
统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0151]
输入装置72可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
[0152]
实施例五
[0153]
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种人员拥堵评价方法，该方法包括：
[0154]
根据拍摄装置视区内的人员属性信息，计算拍摄装置的独立拥堵评价值，并根据拍摄装置视区内和关联拍摄装置视区内的人员属性信息，计算拍摄装置与关联拍摄装置之间的关联拥堵评价值；
[0155]
根据拍摄装置的独立拥堵评价值和关联拥堵评价值，确定拍摄装置的综合拥堵评价值；
[0156]
根据待评价区域内至少两个拍摄装置的综合拥堵评价值，确定待评价区域的拥堵程度。
[0157]
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的人员拥堵评价方法中的相关操作。
[0158]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0159]
值得注意的是，上述人员拥堵评价装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0160]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。