本发明涉及智慧社区管控，尤其涉及一种用于智慧社区管控的人流密度统计方法。
背景技术：
1、随着互联网技术及现代信息技术的发展，智能化、智慧化逐渐融入人们的生活，智慧社区通过利用各种智能技术和方式，整合社区现有的各类服务资源，为社区群众提供政务、商务、娱乐、教育、医护及生活互助等多种便捷服务的模式。
2、由于智慧社区越来越完善，给人们提供更加便利的服务，越来越多的人加入智慧社区，导致人们之间交流活动不断密集，区域性的高密度人群流动加剧，人群聚集及人群拥堵现象越来越频繁，拥堵将严重影响人们的出行和生活质量。随着公共监控系统的发展和完善，为人流密度的统计提供了便利，但是当有突发事件发生时，由于监控区域的人流密度是动态变化的，对于每个监控区域的人流密度无法在短时间内人工预估，给疏散工作带来了极大的困难。
技术实现思路
1、针对现有技术的不足，本发明提供了一种用于智慧社区管控的人流密度统计方法，解决了智慧社区人流大，当有突发事件发生时，由于监控区域的人流密度是动态变化的，对于每个监控区域的人流密度无法在短时间内人工预估，给疏散工作带来了极大的困难的技术问题。
2、为解决上述技术问题，本发明提供了如下技术方案：一种用于智慧社区管控的人流密度统计方法，该方法包括以下步骤：
3、s1、获取社区内的任一活动区域的电子数据，并将该区域划分为若干子区域oi，i表示第i个子区域；
4、s2、获取任一子区域oi监控设备的原始视频，并对原始视频中的图像进行运动目标的提取生成目标图像；
5、s3、根据目标图像预测在时间段tn～ti内区域oi中若干运动目标的运动方向，并根据运动方向确定运动目标所要进入的子区域ok，k表示第k个子区域，n表示第n个时刻，i表示第i个时刻；
6、s4、估算子区域ok的人流集中程度，并根据人流集中程度估算ti+1时刻运动目标距离子区域ok的人流密集中心的距离di+1，i+1表示第i+1时刻；
7、s5、根据ti+1时刻运动目标距离子区域ok的人流密集中心的距离di+1是否小于0，预测子区域ok在ti+1时刻是否会处于拥挤状态；
8、若是，则子区域ok在ti+1时刻处于拥挤状态，向监控系统发送预警信息；
9、若否，则子区域ok在ti+1时刻不处于拥挤状态，进入步骤s6；
10、s6、统计子区域ok在ti+1时刻的人流密度。
11、进一步地，在步骤s1中，具体过程包括以下步骤：
12、s11、获取社区内任一活动区域的电子地图；
13、s12、将获取到的区域电子地图划分成栅格单元并生成区域栅格图；
14、s13、获取区域栅格图中的人行道区域，并将人行道区域作为分界线，将区域栅格图划分成若干子区域oi。
15、进一步地，在步骤s2中，具体过程包括以下步骤：
16、s21、任选一个小区域oi，获取该区域oi监控设备的原始视频；
17、s22、对原始视频中的图像采用混合高斯模型进行不包含运动目标的背景建模生成背景图像；
18、s23、对背景图像和原始视频图像做差分运算求绝对值得到前景图像，则前景图像的表达式为：
19、p(x,y)＝|a(x,y)-b(x,y)|
20、上式中，p(x,y)表示进行差分运算之后的前景图像，a(x,y)和b(x,y)分别表示原始视频的图像和背景图像，x,y表示像素点的横纵坐标；
21、s24、将前景图像进行中值滤波去除噪声后，采用canny算法进行边缘检测提取运动目标并生成目标图像。
22、进一步地，在步骤s3中，具体过程包括以下步骤：
23、s31、在tn～ti时间段目标图像中的运动目标上建立封闭区域d；
24、s32、计算tn～ti时间段目标图像中同一运动目标封闭区域d的形心，则形心的计算公式为：
25、
26、
27、上式中，和分别表示形心的横坐标和纵坐标，∫∫dσ表示封闭区域d的面积，∫∫xdσ和∫∫ydσ表示被积函数分别为x和y，积分区域为d的二重积分；
28、s33、根据tn～ti时间段目标图像中同一运动目标的形心，预测运动目标的方向，并根据预测的运动目标的方向确定运动目标所要进入的子区域ok。
29、进一步地，在步骤s31中，具体过程包括以下步骤：
30、s311、任取目标图像中运动目标边缘若干个点,形成点集u＝{p1,p2,p3,p4...pn}；
31、s312、任选点集u中一点为起点任选一个方向顺次连接其他各点，直到与起点重合，形成封闭区域d。
32、进一步地，在步骤s33中，具体过程包括以下步骤：
33、s331、将tn时刻目标图像运动目标的形心坐标记为ti时刻目标图像运动目标的形心坐标记为j表示第j个运动目标的形心坐标，k表示第k个运动目标的形心坐标；
34、s332、以tn时刻目标图像运动目标的形心坐标为起点，以ti时刻图像运动目标的形心坐标为终点，将tn～ti时间段的形心坐标按照时间顺次连接形成方向路径，再以终点为起点做延长线，延长线的方向即为运动目标的预测方向，与延长线相交的区域即为运动目标所要进入的子区域ok。
35、进一步地，在步骤s4中，具体过程包括以下步骤：
36、s41、估算区域ok的人流集中程度，则人流集中程度的函数表达式为：
37、
38、其中，
39、
40、上式中，g(x)表示区域ok内运动目标位置为x的人流集中程度的估计值，α表示空间维数，σ表示距离衰减阈值，n表示区域ok内与运动目标位置xi的距离小于或者等于σ的运动目标的个数，t函数表示权重函数；
41、s42、获取ti时刻运动方向上与运动方向一致的首个运动目标的位置，记为p1；
42、s43、根据人流集中程度获取ti时刻区域ok人流聚集中心的位置，记为p2；
43、s44、根据运动目标的位置p1和区域ok人流聚集中心的位置p2，估算在ti时刻运动方向上的运动目标与区域ok人流聚集中心的距离di；
44、s45、获取tn～ti时间段运动方向上的运动目标的平均移动速度v，则运动目标的平均移动速度的计算公式为：
45、
46、上式中，v表示平均移动速度，l表示tn～ti时间段运动目标的移动距离，t表示t1～ti时间段运动目标的运动时间；
47、s46、通过平均移动速度v，估算ti～ti+1时间段的运动目标的移动距离l'；
48、s47、通过ti时刻运动方向上的运动目标与区域ok人流聚集中心的距离di和ti～ti+1时间段的运动目标的移动距离l，估算ti+1时刻运动目标距离子区域ok的人流密集中心的距离di+1，则di+1的计算公式为：
49、di+1＝di-l'
50、上式中，di+1表示ti+1时刻运动目标距离子区域ok的人流密集中心的距离，di表示ti时刻运动方向上的运动目标与区域ok人流聚集中心的距离，l'表示ti～ti+1时间段的运动目标的移动距离。
51、进一步地，在步骤s6中，具体过程包括以下步骤：
52、s61、计算ti时刻子区域ok中运动目标的总数n，则计算公式为：
53、
54、上式中，qi表示第i个运动目标边缘像素大小；
55、s62、根据ti时刻子区域ok中运动目标的总数n，计算ti时刻子区域ok的人流密度ρ，则计算公式为：
56、
57、上式中，ρ表示ti时刻子区域ok的人流密度，n表示ti时刻子区域ok中的运动目标总数，r*c表示子区域ok的面积大小，r表示子区域ok的横列像素点数，c表示子区域ok的纵列像素点数；
58、s63、根据运动方向计算ti时刻当前方向上的运动目标像素总和n'；
59、s64、根据运动方向预测ti+1时刻区域ok加入运动目标的人流密度ρ'的计算公式为：
60、
61、上式中，ρ'表示ti+1时刻子区域ok的预测人流密度，ρ表示ti时刻子区域ok的人流密度，n'表示ti时刻前往区域ok运动目标的边缘像素总和，r*c表示子区域ok的面积大小，r表示子区域ok的横列像素点数，c表示子区域ok的纵列像素点数。
62、借由上述技术方案，本发明提供了一种用于智慧社区管控的人流密度统计方法，至少具备以下有益效果：
63、1、本发明通过计算ti时刻子区域ok的人流密度，可得到ti+1时刻区域ok预测人流密度，将ti时刻区域ok的人流密度加上ti时刻的运动目标加入区域ok的人流密度即为所预测的ti+1时刻区域ok人流密度，通过提前预测ti+1时刻的人流密度方便社区管理人员在社区突发情况发生时，有足够的时间疏散人群。
64、2、本发明通过将区域ok人流聚集中心的位置p2设置在人流聚集中心的边缘上，不仅方便计算，还能在提前预测的时间基础上给社区管理人员更多的空间疏散人群。
65、3、本发明通过计算各个运动目标的形心，之后对于运动目标的走向只需要关注形心的运动走向即可，形心的位置也可代表运动目标的位置，方便观察运动目标的移动趋势，也防止运动目标在移动过程中的由于部分重叠导致重复分析，影响计算。
1.一种用于智慧社区管控的人流密度统计方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的人流密度统计方法，其特征在于，在步骤s1中，具体过程包括以下步骤：
3.根据权利要求1所述的人流密度统计方法，其特征在于，在步骤s2中，具体过程包括以下步骤：
4.根据权利要求1所述的人流密度统计方法，其特征在于，在步骤s3中，具体过程包括以下步骤：
5.根据权利要求4所述的人流密度统计方法，其特征在于，在步骤s31中，具体过程包括以下步骤：
6.根据权利要求4所述的人流密度统计方法，其特征在于，在步骤s33中，预测运动目标的方向，具体过程包括以下步骤：
7.根据权利要求1所述的人流密度统计方法，其特征在于，在步骤s4中，具体过程包括以下步骤：
8.根据权利要求1所述的人流密度统计方法，其特征在于，在步骤s6中，具体过程包括以下步骤：
