技术领域
[0001] 本
申请涉及监控领域，尤其涉及一种人数统计的方法和装置。
背景技术
[0002] 现在的公共场所(如广场、超市、公园等)一般都设置有人数统计的系统，以方便管理人员掌握客流情况，方便管理。
[0003] 现有的人流统计方法，主要通过Latent SVM(Support Vector Machine，
支持向量机)训练的特征库检测行人特征，然后对检测到的行人目标进行
跟踪并计数，但是这种方法对于人员互相遮挡的情况，会存在特征漏检，造成跟踪错误，使得目标跟踪的准确率较低，从而造成人数统计不准确的问题。
发明内容
[0004] 有鉴于此，本申请提供一种人数统计的方法和装置，以解决现有人数统计不准确的技术问题。
[0005] 具体地，本申请是通过如下技术方案实现的：
[0006] 一方面，提供一种人数统计的方法，包括：从当前
帧图像的
检测区域中提取前景图像，获取所述前景图像中运动目标的目标特征并生成目标特征框；对所述运动目标进行目标跟踪得到目标跟踪
位置；确定所述目标跟踪位置和所述目标特征框的距离是否小于或者等于预设距离
阈值；在确定所述目标跟踪位置与所述目标特征框的距离小于或者等于所述预设距离阈值时，将所述当前帧图像中的目标跟踪位置调整为所述目标特征框的位置；根据所述目标跟踪位置进行人数统计。
[0007] 另一方面，提供一种人数统计的装置，包括：获取单元，用于从当前帧图像的检测区域中提取前景图像，获取所述前景图像中运动目标的目标特征并生成目标特征框；跟踪单元，用于对所述运动目标进行目标跟踪得到目标跟踪位置；判断单元，用于确定所述目标跟踪位置和所述目标特征框的距离是否小于或者等于预设距离阈值；调整单元，用于在确定所述目标跟踪位置与所述目标特征框的距离小于或者等于所述预设距离阈值时，将所述当前帧图像中的目标跟踪位置调整为所述目标特征框的位置；统计单元，用于根据所述目标跟踪位置进行人数统计。
[0008] 采用上述方法，从当前帧图像的检测区域中提取前景图像，获取该前景图像中运动目标的目标特征并生成目标特征框；对该运动目标进行目标跟踪得到目标跟踪位置；确定该目标跟踪位置和该目标特征框的距离是否小于或者等于预设距离阈值；在确定该目标跟踪位置与该目标特征框的距离小于或者等于该预设距离阈值时，将该当前帧图像中的目标跟踪位置调整为该目标特征框的位置；根据该目标跟踪位置进行人数统计。这样，通过目标特征框的位置调整目标跟踪位置，从而对目标跟踪位置进行修正，确保了目标跟踪的准确性，从而提高了人数统计的准确率。
附图说明
[0009] 图1是本申请一示例性
实施例示出的一种人数统计方法的流程示意图；
[0010] 图2是本申请一示例性实施例示出的一种摄像机安装方式的示意图；
[0011] 图3是本申请一示例性实施例示出的另一种人数统计方法的流程示意图；
[0012] 图4是本申请一示例性实施例示出的一种检测区域划分的示意图；
[0013] 图5是本申请一示例性实施例示出的一种人数统计装置的结构示意图；
[0014] 图6是本申请一示例性实施例示出的另一种人数统计装置的结构示意图；
[0015] 图7是本申请一示例性实施例示出的第三种人数统计装置的结构示意图；
[0016] 图8是本申请一示例性实施例示出的一种
服务器的
硬件结构示意图。
具体实施方式
[0017] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0018] 在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0019] 应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
[0020] 图1为本发明实施例提供的一种人数统计的方法，如图1所示，该方法包括：
[0021] S101、从当前帧图像的检测区域中提取前景图像，获取该前景图像中运动目标的目标特征并生成目标特征框。
[0022] 其中，可以通过摄像机采集该当前帧图像，在本发明实施例中，为了采集到更大区域的图像，该摄像机的安装可以采用如图2所示的倾斜安装的方式，即摄像机的镜头与
水平方向存在大于0度小于90度的倾斜
角(如图中的γ角)；另外，本发明实施例在获取前景图像时可以采用VIBE(Visual Background Extractor，视觉背景提取)
算法提取前景图像，并在采用VIBE算法提取前景图像时，通过预设的随机数列表代替现有VIBE算法中实时计算的随机数列表进行VIBE计算，从而减少计算时间，提高前景图像的提取效率。
[0023] 在本步骤中，可以采用HOG(Histogram of Oriented Gradient，方向梯度直方图)+SVM算法获取该前景图像中运动目标的目标特征，可选地，从行人样本中挑选出5500正样本，从场景样本中挑出4500个负样本(不包括人体图像)，并将该正样本和负样本归一化到同一个图像大小，并分别计算正样本和负样本的HOG特征，并对HOG特征进行SVM训练得到SVM模型，
[0024] 其中，通过上述SVM模型获取前景图像中运动目标的目标特征并生成目标特征框可以包括以下步骤：
[0025] S1、在该前景图像中确定该运动目标，并获取该运动目标的HOG特征。
[0026] 在本发明实施例一种可能的实现方式中，可以根据预设目标
像素值对该前景图像进行缩放得到缩放图像，并从缩放图像中确定该运动目标，其中，缩放的倍数为该预设目标像素值与该SVM模型对应的像素值的比值。
[0027] 例如，由于一个行人的高的像素范围50-120像素(每个行人的宽高比已定，如宽和高的比为1:3，即当行人的宽为100像素时，高为300像素)，因此可以设置多个预设目标像素值并通过HOG算法得到HOG特征，如分别设置行人的高的像素50、55、60、67、73、80、88、96、105、115这10个预设目标像素值，并分别根据上述预设目标像素值得到的缩放倍数对前景图像进行缩放得到对应上述10个预设目标像素值的缩放图像，分别从这10个缩放图像中确定运动目标，并通过HOG算法获取运动目标的HOG特征。
[0028] S2、获取该HOG特征与预设模型的相似度。
[0029] 在本步骤中，该预设模型即为上述对HOG特征进行SVM训练得到的SVM模型。
[0030] S3、在该相似度大于或者等于预设相似度阈值时，生成目标特征框。
[0031] 在本发明一种可能的实现方式中，如图3所示，在生成目标特征框后，本发明实施例还包括以下步骤：
[0032] S301、确定该目标特征框对应的像素
块。
[0033] 其中，该像素块用于记录该目标特征框的属性值；该属性值包括预设类型和该预设类型对应的像素值。
[0034] 在本步骤中，可以将该目标特征框最靠近左上方的像素点(以下简称为“左上点”)所在的像素块确定为该目标特征框对应的像素块。
[0035] S302、根据该目标特征框的像素值按照预设类型对该检测区域内的运动目标进行分类并确定该运动目标的类型。
[0036] 其中，该检测区域划分为多个检测子区域，该检测子区域包括多个由像素点组成的像素块。例如，如图4所示，以一幅480x270像素的图为例，检测区域为440x200像素，按照从左往右，从上往下的顺序将检测区域划分为9个检测子区域，每一个检测子区域占用大约147x67像素，优先保障左边和上边的检测子区域的大小，剩下的像素点划分到右边和下边的检测子区域。然后在同一个检测子区域划分多个8x8像素的像素块，上述划分只是举例说明，本发明对此不作限定。
[0037] 在本发明实施例中，可以将每个像素块中左上点的属性值作为该像素块的属性值，该左上点的属性值可以包括该像素块的位置、该像素块的当前像素值、预设类型的标识和该预设类型的标识对应的像素值；例如，本步骤中的预设类型可以分为小孩类型、成人类型和巨人类型，该属性值可以包括该像素块的位置、该像素块的当前像素值、小孩类型标识和小孩类型标识对应的像素值、成人类型标识和成人类型标识对应的像素值，巨人类型标识和该巨人类型标识对应的像素值；在生成目标特征框后，若该目标特征框左上点所在的像素块中最靠近左上方的像素点中未记录属性值时，将该目标特征框左上点所在的像素块中最靠近左上方的像素点中的当前像素值记录为该目标特征框的像素值(该像素值用于表示该目标特征框在前景图像中的宽和高)，并将该目标特征框的像素值默认为成人类型标识对应的像素值，并将该目标特征框的像素值记录为该成人类型标识对应的像素值，若该目标特征框左上点所在的像素块中最靠近左上方的像素点中记录有属性值，则根据记录的其中一类的像素值和该目标特征框的像素值通过以下公式1和公式2确定该目标特征框对应的运动目标的类型。
[0038] Ha≥1.4*Hb —公式1
[0039] Hc≥1.18*Hd —公式2
[0040] 其中，Ha和Hb中的一个为该目标特征框的像素值，另一个为记录的其中一类的像素值，同样地，Hc和Hd中的一个为该目标特征框的像素值，另一个为记录的其中一类的像素值；在该目标特征框左上点所在的像素块中最靠近左上方的像素点中记录有属性值时，将该目标特征框的像素值与记录的其中一类的像素值代入上述公式1，若满足公式1，则确定Hb对应的类型为小孩类型，并将Ha对应的类型(可能为成人类型或者巨人类型)默认为成人类型；若不满足公式1，则将该目标特征框的像素值与记录的其中一类的像素值代入上述公式2，若满足公式2，则确定Hc对应的类型为巨人类型，Hd对应的类型为成人类型，若不满足公式2，则确定该目标特征框的像素值对应的类型与记录的其中一类的像素值对应的类型为同一类型。
[0041] S303、确定该像素块是否记录有该运动目标的类型对应的历史像素值。
[0042] 其中，该历史像素值为在确定该目标特征框对应的像素块前，该像素块已经记录的像素值。
[0043] S304、在确定该像素块未记录该运动目标的类型对应的历史像素值时，将该目标特征框的属性值设置为该像素块中的属性值。
[0044] S305、在确定该像素块记录有该运动目标的类型对应的历史像素值时，计算得出该目标框的像素值和该历史像素值的平均值，并将该平均值设置为该像素块中该运动目标的类型对应的像素值。
[0045] 例如，以该目标特征框对应的运动目标的类型为成人类型为例进行说明，若该像素块还未记录成人类型对应的像素值，则将该目标特征框的像素值设置为该像素块中成人类型对应的像素值，若该像素块已经记录有成人类型对应的像素值，则计算该目标特征框的像素值与该像素块中已经记录的成人类型对应的像素值的平均值，并将该平均值设置为该像素块中成人类型对应的像素值。上述只是以成人类型为例进行的说明，对于小孩类型和巨人类型更新该像素块中记录的属性值的过程可以参考上述描述，此处不再赘述。
[0046] 可选地，在本发明实施例中，对于每一帧图像都可以更新像素块中的像素值，则基于上一帧图像的像素块记录的像素值对上述步骤S1的另一种实现方式进行说明，该方式包括以下步骤：
[0047] S10、在确定上一帧图像满足预设条件时，根据该上一帧图像的像素块中记录的属性值统计该上一帧图像的前景图像内全部像素块中记录的同一类型的像素值，并计算得到该上一帧图像的前景图像中同一类型的像素值的平均值，并将该平均值作为对应类型的像素均值。
[0048] 在本步骤中，统计上一帧图像的前景图像中每一类型的像素值，并根据统计的像素值计算每一个类型的像素值的平均值，并将该平均值作为对应类型的像素均值。
[0049] 例如，统计上一帧图像的前景图像中小孩类型的全部像素值，并计算平均值得到小孩类型的像素均值，同样地，可以得到成人类型的全部像素值和巨人类型的像素均值。
[0050] S11、分别根据该预设分类对应的像素均值按照缩放倍数对该当前帧图像的前景图像进行缩放得到缩放图像，并在该缩放图像中确定该运动目标，其中，该缩放倍数为该上一帧图像中该预设分类对应的像素均值与该预设模型对应的像素值的比值。
[0051] S12、在确定运动目标后，根据该像素块记录的属性值分别对该检测子区域内的像素块的属性值按照预设类型进行线性拟合，得到该检测子区域中全部像素块在每个该预设类型下的属性值。
[0052] 其中，可以设置拟合窗口进行线性拟合，该拟合窗口可以是矩形框(见图4)，例如，在预设类型为小孩类型、成人类型和巨人类型的情况下，以成人类型下的线性拟合为例进行说明：生成拟合窗口，该拟合窗口可以从检测子区域的左上点所在的像素块开始根据拟合窗口中记录有成人类型的标记对应的像素值的像素块对未知像素块进行线性拟合，其中，该未知像素块为未记录成人类型的标记对应的像素值的像素块，在拟合窗口中出现三个不在同一条直线上且记录有成人类型的标记对应的像素值的像素块时，将该拟合窗口向右且向下扩张预设个数(如8个)的像素，并再次进行拟合，从而得到该检测子区域内全部像素块在成人类型下的属性值，同样地，可以得到该检测子区域内全部像素块在小孩类型和巨人类型下的属性值。采用上述方式，相对于上述设置10个预设目标像素值并分别采用10个预设目标像素值通过10次HOG算法提取HOG特征的方式，本发明实施例的实现方式只需要进行3次HOG算法的计算即可获得HOG特征(即分别采用小孩类型的像素均值、成人类型的像素均值和巨人类型的像素均值通过HOG算法提取HOG特征)，从而提高了HOG特征提取的速度。
[0053] S13、分别根据该全部像素块在每个该预设类型下的属性值获取该运动目标的HOG特征。
[0054] 其中，在对每个检测子区域进行拟合后得到整个检测区域内像素块的属性值，并根据整个检测区域内像素块的属性值获取该运动目标的HOG特征。
[0055] 可选地，上述预设条件包括：在全部检测子区域中，有第一预设数量的检测子区域均有至少第二预设数量记录有属性值的像素块；和/或，统计的人数数量达到预设人数。
[0056] 即在上一帧图像满足上述预设条件时，对于当前帧图像不再采用预设目标像素值进行HOG特征的提取，而采用预设类型对应的像素均值进行HOG特征的提取。
[0057] 例如，在5个以上检测子区域中(总共有9个检测子区域)，每个检测子区域的记录有属性值的像素块达到20％以上(如若检测子区域有153个像素块，则有31个以上的像素块记录属性值)；或者，统计的人数的数量达到1000人时。
[0058] 需要说明的是，在本发明实施例中，每个检测子区域都记录有在该检测子区域内每个类型的运动目标的数量，在当前帧图像中生成目标特征框后，对该目标特征框对应的运动目标进行分类确定该运动目标的类型(如小孩类型、成人类型或者巨人类型)，并将该检测子区域该类型的运动目标的数量加1，将其他类型的运动目标的数量减1，统计该检测子区域内运动目标数量最多的类型，并在提取下一帧图像的HOG特征时，在该检测子区域内，设置该运动目标数量最多的类型对应的HOG算法的滑动窗口步长，以使得该滑动窗口步长小于其他类型的对应的HOG算法的滑动窗口步长，从而简化在其他类型下HOG特征的计算，提高HOG特征的提取效率。
[0059] 另外，当任一个运动目标的类型的数量为0时，则在后续帧不进行该类型对应的HOG计算，直至在再次检测到该类型的运动目标时，将该类型的运动目标的数量加1。
[0060] S102、对该运动目标进行目标跟踪得到目标跟踪位置。
[0061] 其中，本步骤S102可以包括以下步骤：
[0062] S1021、获取上一帧图像中该运动目标的目标特征框的中心点。
[0063] S1022、根据该中心点通过meanshift
迭代得到该当前帧图像的目标跟踪点。
[0064] 在本步骤中，以该中心点为中心生成一矩形框，该矩形框的像素值小于或者等于目标特征框，并获取该矩形框的RGB图，并用该RGB图求出该中心点对应的特征值，并使用特征值构建直方图，然后通过以下公式进行Meanshift迭代得到目标跟踪点。
[0065] 其中，该公式为：
[0066]
[0067] 其中，y1为该目标跟踪点，xi目标特征框内的像素点集，i＝1、2……n，Wi为权重值且
[0068] 其中，u为预设特征值由且u＝1、2……m，b(xi)为该中心点对应的特征值，δ(x)是Delta函数，δ[b(xi)-u]的作用是判断目标特征框的区域中像素点xi在特征空间量化的对应值b(xi)是否为u，若相等则δ[b(xi)-u]的值为1，否则为0，y0为该中心点，qu为特征值u在上一帧图像中该运动目标的目标模型出现的概率，且 其中，C是标准化常量系数， pu为特征值u在当前帧图像中该运动目标的目标模型出现的概率，
[0069] 其中， y为当前帧图像中该目标特征框的中心点，h为中心点y与xi之间的距离。
[0070] 需要说明的是，在确定该中心点与得到的y1之间的距离大于预设距离时，则将得到的y1作为y0，并继续通过本步骤中的meanshift迭代公式进行计算，直至该中心点与得到的y1之间的距离小于或者等于预设距离。
[0071] S1023、确定该中心点与该当前帧图像的目标跟踪点之间的距离是否小于或者等于第二预设距离阈值。
[0072] S1024、在确定该中心点与该当前帧图像的目标跟踪点之间的距离小于或者等于第二预设距离阈值时，确定该目标跟踪点的位置为该运动目标的目标跟踪位置。
[0073] 其中，该目标跟踪位置可以是以目标跟踪点为中心形成的目标跟踪框。
[0074] S103、以该目标跟踪点为中心点生成目标跟踪框，并确定该目标跟踪框与上一帧图像生成的目标跟踪框的相似度是否大于或者等于第二预设相似度阈值。
[0075] S104、在确定该目标跟踪框与上一帧图像生成的目标跟踪框的相似度大于或者等于第二预设相似度阈值时，确定该目标跟踪框的位置为该运动目标的目标跟踪位置。
[0076] 其中，在确定该目标跟踪位置与该目标特征框的距离大于该预设距离阈值时，在后续帧图像中分别对该目标特征框和该目标跟踪位置进行该目标跟踪；在连续预设帧数的帧图像中该目标跟踪位置未发生变更时，停止对该目标跟踪位置的目标跟踪。
[0077] S105、根据该目标跟踪位置进行人数统计。
[0078] 在本步骤中，根据该目标特征框和该目标跟踪位置确定该运动目标在该检测区域中的当前位置，并获取该运动目标在该检测区域中首次出现的起始位置，在确定该当前位置与预设的边界触发线的位置的距离小于或等于第三预设距离阈值时，确定该起始位置至该当前位置的矢量，统计该矢量与预设方向一致的运动目标的数量和该矢量与该预设方向不一致的运动目标的数量。
[0079] 例如，可以认为该矢量与预设方向一致的运动目标的数量为进计数，该矢量与预设方向相反的运动目标的数量为出计数，如果一致，则将该进计数加1；若方向相反，则将出计数加1。其中，两个矢量的夹角小于180度，则为方向一致，夹角大于180度，则为方向相反。
[0080] 需要说明的是，当起始位置和当前位置均与预设的边界触发线的位置的距离小于或等于第三预设距离阈值时，认为当前行人的进出无效，则不计数。
[0081] 采用上述方法，通过目标特征框的位置调整目标跟踪位置，从而对目标跟踪位置进行修正，确保了目标跟踪的准确性，从而提高了人数统计的准确率。
[0082] 图5为本发明实施例提供的一种人数统计的装置，如图5所示，该装置包括：
[0083] 获取单元501，用于从当前帧图像的检测区域中提取前景图像，获取该前景图像中运动目标的目标特征并生成目标特征框；
[0084] 跟踪单元502，用于对该运动目标进行目标跟踪得到目标跟踪位置；
[0085] 判断单元503，用于确定该目标跟踪位置和该目标特征框的距离是否小于或者等于预设距离阈值；
[0086] 调整单元504，用于在确定该目标跟踪位置与该目标特征框的距离小于或者等于该预设距离阈值时，将该当前帧图像中的目标跟踪位置调整为该目标特征框的位置；
[0087] 统计单元505，用于根据该目标跟踪位置进行人数统计。
[0088] 可选地，该获取单元501用于通过以下步骤执行获取该前景图像中运动目标的目标特征并生成目标特征框：在该前景图像中确定该运动目标，并获取该运动目标的HOG特征；获取该HOG特征与预设模型的相似度；在该相似度大于或者等于第一预设相似度阈值时，并生成目标特征框。
[0089] 可选地，如图6所示，该装置还包括：
[0090] 确定单元506，用于在该生成目标特征框后，确定该目标特征框对应的像素块；其中，该像素块用于记录该目标特征框的属性值；该属性值包括预设类型和该预设类型对应的像素值；
[0091] 分类单元507，用于根据该目标特征框的像素值按照预设类型对该检测区域内的运动目标进行分类并确定该运动目标的类型；其中，该检测区域划分为多个检测子区域，该检测子区域包括多个由像素点组成的像素块；
[0092] 更新单元508，用于确定该像素块是否记录有该运动目标的类型对应的历史像素值；在确定该像素块未记录该运动目标的类型对应的历史像素值时，将该目标特征框的属性值设置为该像素块中的属性值；在确定该像素块记录有该运动目标的类型对应的历史像素值时，计算得出该目标框的像素值和该历史像素值的平均值，并将该平均值设置为该像素块中该运动目标的类型对应的像素值。
[0093] 可选地，该获取单元501用于通过以下步骤执行在该前景图像中确定该运动目标，并获取该运动目标的HOG特征：在确定上一帧图像满足预设条件时，根据该上一帧图像的像素块中记录的属性值统计该上一帧图像的前景图像内全部像素块中记录的同一类型的像素值；计算得到该上一帧图像的前景图像中同一类型的像素值的平均值，并将该平均值作为对应类型的像素均值；分别根据该预设分类对应的像素均值按照缩放倍数对该当前帧图像的前景图像进行缩放得到缩放图像，其中，该缩放倍数为该上一帧图像中该预设分类对应的像素均值与该预设模型对应的像素值的比值，并在该缩放图像中确定该运动目标；分别对该检测子区域内的像素块的属性值按照预设类型进行线性拟合，得到该检测子区域中全部像素块在每个该预设类型下的属性值；分别根据该全部像素块在每个该预设类型下的属性值获取该运动目标的HOG特征。
[0094] 其中，该预设条件包括：在全部检测子区域中，有第一预设数量的检测子区域均有至少第二预设数量记录有属性值的像素块；和/或，统计的人数数量达到预设人数。
[0095] 可选地，该跟踪单元502用于通过以下步骤执行对该运动目标进行目标跟踪得到目标跟踪位置：获取上一帧图像中该运动目标的目标特征框的中心点；
[0096] 根据该中心点通过meanshift迭代得到该当前帧图像的目标跟踪点；以该目标跟踪点为中心点生成目标跟踪框，并确定该目标跟踪框与上一帧图像生成的目标跟踪框的相似度是否大于或者等于第二预设相似度阈值；在确定该目标跟踪框与上一帧图像生成的目标跟踪框的相似度大于或者等于第二预设相似度阈值时，确定该目标跟踪框的位置为该运动目标的目标跟踪位置。
[0097] 可选地，如图7所示，该装置还包括：跟踪处理单元509，用于在确定该目标跟踪位置与该目标特征框的距离大于该预设距离阈值时，在后续帧图像中分别对该目标特征框和该目标跟踪位置进行该目标跟踪，并在连续预设帧数的帧图像中该目标跟踪位置未发生变更时，停止对该目标跟踪位置的目标跟踪。
[0098] 可选地，该统计单元505用于通过以下步骤执行根据该目标跟踪位置进行人数统计：根据该目标特征框和该目标跟踪位置确定该运动目标在该检测区域中的当前位置，并获取该运动目标在该检测区域中首次出现的起始位置；在确定该当前位置与预设的边界触发线的位置的距离小于或等于第三预设距离阈值时，确定该起始位置至该当前位置的矢量；统计该矢量与预设方向一致的运动目标的数量和该矢量与该预设方向不一致的运动目标的数量。
[0099] 通过采用上述装置，通过目标特征框的位置调整目标跟踪位置，从而对目标跟踪位置进行修正，确保了目标跟踪的准确性，从而提高了人数统计的准确率。
[0100] 需要说明的是，上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
[0101] 本申请的人数统计的装置的实施例可以应用在服务器上。装置实施例可以通过
软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在服务器的处理器将非易失性
存储器中对应的
计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图8所示，为本
申请人数统计的装置所在服务器的一种硬件结构图，除了图8所示的处理器、内存、网络
接口、以及
非易失性存储器之外，还可以包括其他硬件，对此不再赘述。
[0102] 对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0103] 以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何
修改、等同替换、改进等，均应包含在本申请保护的范围之内。
