一種排隊狀態信息檢測方法及其系統的制作方法
【技術領域】
[0001] 本公開涉及一種排隊狀態信息檢測方法及系統，結合多個攝像頭的跟蹤識別技術 獲取當前排隊狀態。
【背景技術】
[0002] 目前非基于人臉技術的排隊時間檢測系統中，通常使用RFID或NFC等無線傳輸方 式來確定人員進出隊列的時間。通過時間戳比較，此類方法雖然能夠測量隊列的等待時間， 但是對于需要綁定人員信息的應用場合，此類方法無法在獲取人員進入或退出時刻進行人 體標定和識別，只能做統計意義上的數據采集。實際問題中，例如在有優先級排列的應用要 求下，如醫院和銀行，只有在時間檢測與人員標定信息綁定的情況下，才能夠較好提供決策 信息，以便進一步的調整和優化排隊處理過程。
[0003] 另外一些基于人臉技術的排隊系統，側重于依據人臉來代替傳統的打卡方式。此 類系統通常使用單個攝像頭獲取打卡時刻的信息，因此無法用于估計排隊時間。雖然可以 獲取人員鑒定相關信息，但此類信息屬于出隊后的歷史信息，無法立即反饋給當前其他系 統，用于決策調整和優化。另外一些基于人臉的系統通過使用多組攝像頭，比較出入口處采 集的人臉圖像，估算排隊等待時長。此類系統只能估算排隊時間，并不能獲取隊列其它信息 (例如性別、年齡、人種等）。此類系統由于并沒有考慮排隊中間插隊和離隊等特殊情況，不 僅無法檢測此類特殊情況，而且無法準確統計排隊時間。此外由于光照、遮擋等多種原因， 現有的人臉檢測和識別算法無法達到完全準確，進一步導致目前只基于人臉的排隊系統無 法準確的得到排隊時間。

【發明內容】

[0004] 針對上述部分問題，本公開提供了一種排隊狀態信息檢測方法和系統，特別適用 于在有優先級排列的應用要求下，比如醫院和銀行，通過人體特征冗余匹配，進而結合匹配 結果的時間戳，能夠較高精度的統計平均排隊時長、預估新入隊人員的排隊時長、甚至能夠 判斷人員離隊和插隊情況，有效地為管理者的決策提供數據支持，以便進一步的調整和優 化排隊處理過程。
[0005] 首先，本公開提供了一種排隊狀態信息檢測方法，所述方法包括下述步驟：
[0006] S100、至少使用2個攝像頭分別拍攝同一隊列的隊首和隊尾，并獲取每個攝像頭 的圖像；
[0007] S200、檢測每個攝像頭圖像中的人體特征；所述人體特征包括主要特征、輔助特 征；
[0008] S300、提取每個攝像頭圖像中的人體特征；
[0009] S400、將隊尾攝像頭圖像中提取的人體特征按照其所屬人員的先后順序添加到隊 尾特征集合中；將隊首攝像頭圖像中提取的人體特征按照其所屬人員的先后順序添加到隊 首特征集合中；
[0010] S500、依次從隊首特征集合中獲取一個欲匹配的人體特征，再將每個欲匹配的人 體特征依次和隊尾特征集合中未匹配的人體特征進行匹配判斷；
[0011] S600、根據匹配結果獲得隊列的排隊狀態信息；所述排隊狀態信息包括排隊人員 的屬性信息和排隊信息；所述屬性信息包括性別信息、年齡信息以及人種信息；所述排隊 狀態信息包括隊列平均排隊時長、新入隊人員的排隊時長、離隊人員和插隊人員，以及每個 排隊人員的平均業務受理時長。
[0012] 基于所述方法，提供了一種排隊狀態信息檢測系統，所述系統至少包括下述模 塊：
[0013] M100、獲取圖像模塊：至少使用2個攝像頭分別拍攝同一隊列的隊首和隊尾并獲 取每個攝像頭的圖像；
[0014] M200、檢測模塊：檢測每個攝像頭圖像中的人體特征；所述人體特征包括主要特 征、輔助特征；
[0015] M300、提取特征模塊：提取每個攝像頭圖像中的人體特征；
[0016] M400、添加特征模塊：將隊尾攝像頭圖像中提取的人體特征按照其所屬人員的先 后順序添加到隊尾特征集合中；將隊首攝像頭圖像中提取的人體特征按照其所屬人員的先 后順序添加到隊首特征集合中；
[0017] M500、匹配特征模塊：依次從隊首特征集合中獲取一個欲匹配的人體特征，再將每 個欲匹配的人體特征和隊尾特征集合中未匹配的人體特征依次進行匹配判斷；
[0018] M600、獲得排隊狀態模塊：根據匹配結果獲得隊列的排隊狀態信息；所述排隊狀 態信息包括排隊人員的屬性信息和排隊信息；所述屬性信息包括性別信息、年齡信息以及 人種信息；所述排隊狀態信息包括隊列平均排隊時長、新入隊人員的排隊時長、離隊人員和 插隊人員，以及每個排隊人員的平均業務受理時長。
【附圖說明】
[0019] 圖1本公開的一個實施例中的人體特征結構示意圖；
[0020] 圖2本公開的一個實施例中的特征匹配流程圖；
[0021] 圖3本公開的一個實施例中的一種排隊狀態信息檢測方法示意圖；
[0022] 圖4本公開的一個實施例中的離隊人員判定示意圖；
[0023] 圖5本公開的一個實施例中的系統示意圖。
【具體實施方式】
[0024] 首先，在一個基礎的實施例中，提供了一種排隊狀態信息檢測方法，所述方法包括 下述步驟：
[0025] S100、至少使用2個攝像頭分別拍攝同一隊列的隊首和隊尾，并獲取每個攝像頭 的圖像；
[0026] S200、檢測每個攝像頭圖像中的人體特征；所述人體特征包括主要特征、輔助特 征；
[0027] S300、提取每個攝像頭圖像中的人體特征；
[0028] S400、將隊尾攝像頭圖像中提取的人體特征按照其所屬人員的先后順序添加到隊 尾特征集合中；將隊首攝像頭圖像中提取的人體特征按照其所屬人員的先后順序添加到隊 首特征集合中；
[0029] S500、依次從隊首特征集合中獲取一個欲匹配的人體特征，再將每個欲匹配的人 體特征依次和隊尾特征集合中未匹配的人體特征進行匹配判斷；
[0030] S600、根據匹配結果獲得隊列的排隊狀態信息；所述排隊狀態信息包括排隊人員 的屬性信息和排隊信息；所述屬性信息包括性別信息、年齡信息以及人種信息；所述排隊 狀態信息包括隊列平均排隊時長、新入隊人員的排隊時長、離隊人員和插隊人員，以及每個 排隊人員的平均業務受理時長。
[0031] 在本實施例中，采用基于多個攝像頭的跟蹤識別技術，能夠有效的精確檢測排隊 狀態。所述多個攝像頭至少為兩個，將兩個攝像頭布置于不同的空間位置，分別實時采集兩 個攝像頭之間的隊列的頭部和尾部的圖像，通過匹配從圖像中提取隊列的頭部和尾部人體 特征，計算進出隊列的時間差，進而可得到該隊列的平均排隊時長和該隊列新入隊人員的 排隊時長。
[0032] 在進行兩個攝像頭之間的隊列的頭部和尾部的圖像的匹配比較過程中，通過匹配 結果，還可以檢測判定當前隊列離隊和插隊情況。若在入隊集合中存在，無法在出隊集合中 匹配，這說明該人員在排隊過程中已經離隊；若入隊集合中檢測到，但入隊中無法匹配，這 說明該人員中間插隊進入。所述入隊集合相當于隊尾特征集合，所述出隊集合相當于隊首 特征集合。
[0033] 基于檢測到的人體特征，包括主要特征、輔助特征。在一個實施例中，主要特征包 括人臉，輔助特征包括頭部特征、肩部特征、服飾特征。在另一個實施例中，主要特征包括人 臉和頭部特征，輔助特征包括肩部特征和服飾特征。不論如何劃分主要特征和輔助特征，都 會將包括常見的人員性別、年齡和人種信息歸為人員屬性信息。基于隊列中人員的性別信 息，可以得到一段時間上的該隊列中的男女人數；統計隊列中一段時間上的不同年齡段上 的人數，和人種信息，能夠得到整個隊列的年齡分布和人種情況。這些屬性信息可以用于調 整和優化排隊處理過程。例如，通過人臉識別技術獲得當前隊列的年齡分布情況，根據此信 息，可以統計得到兒童以及老年人等特殊群體，針對這類特殊群體，可以通過及時開放相關 的特殊通道，從而提供更加人性化的服務，以滿足特殊化及差異化服務的需求。而為了方便 統計計算，在一個實施例中，所述人體特征還包括時間戳。所述時間戳，可以方便統計計算 業務受理或排隊中各種時長，比如每個排隊人員的實際業務受理時長，每個排隊人員的實 際等待時長等等，為改善服務提供數據支持。
[0034] 在一個實施例中，詳細提供了步驟S500中的人體特征匹配是如何進行的，即：所 述步驟S500至少包括：
[0035] S501、判斷隊首特征集合中是否存在欲匹配人體特征；若存在，則執行步驟S502 ; 否則，退出匹配判斷；
[0036] S502、判斷隊尾特征集合中是否存在未匹配的人體特征；若存在，則執行步驟 S503 ;否則，執行步驟S501 ;
[0037] S503;獲取欲匹配人體特征的主要特征A1，從隊尾特征集合中獲取一個用于匹配 的人體特征的主要特征Bl ;
[0038] S504、判斷Al與Bl是否匹配；若不匹配，則執行步驟S505