【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 
【使用攻略】【人流量统计】
1 整体说明
每年寒暑假，五一，十一，春运等时候，特定的旅游景点，车站等地区会有大量的人流。而在一个地区，人流密度过大很容易造成踩踏事故。人流量统计可以统计图像中的人体个数和流动趋势，与监控技术结合起来，可以提前预警，进而避免悲剧的发生。针对这一方面我前期曾经写过一个自动告警的方案，这次人流量统计又有了进一步的升级，支持area参数框选多个区域进行局部人数统计，可以对区域进行更加准确的管理。这次对方案进行了升级，形成了人群流量监控，安全管理升级版方案。
2.平台接入
人流量统计动态版接入网址：https://console.bce.baidu.com/ai/?fromai=1#/ai/body/overview/index
具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327
3.调用攻略（Python3）及评测
3.1首先认证授权：
在开始调用任何API之前需要先进行认证授权，具体的说明请参考：
http://ai.baidu.com/docs#/Auth/top
具体Python3代码如下：
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】
#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key
3.2人流量统计分析接口调用：
详细说明请参考：https://ai.baidu.com/docs#/Body-API/1a6628be
接口描述
对于输入的一张图片（可正常解码，且长宽比适宜），识别和统计图像当中的人体个数（静态统计，不支持追踪和去重）。
适用于3米以上的中远距离俯拍，以头部为主要识别目标统计人数，无需正脸、全身照，适应各类人流密集场景（如：机场、车展、景区、广场等）；默认识别整图中的人数，支持指定不规则区域的人数统计，同时可输出渲染图片。
摄像头硬件选型无特殊要求，分辨率建议720p以上，更低分辨率的图片也能识别，只是效果可能有差异。暂不适用夜间红外监控图片，后续会考虑扩展。
注：接口默认返回整张图片中的人数，如需统计特定框选区域的人数，请使用area参数添加识别区域坐标信息。
调用代码如下：
import urllib
import base64
import json
import time
#人流量统计
#filename:原图片名（本地存储包括路径）；dehazedfilename:处理后的文件保存名称
def body_num_v2(filename,area,dehazedfilename):
request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_num"
# 二进制方式打开图片文件
f = open(filename, 'rb')
img = base64.b64encode(f.read())
params = dict()
params['image'] = img
params['show'] = 'true'
#params['area'] = '184,8,4,296,113,374,257,8;290,51,135,371,587,384,438,41'
params['area'] = area
params = urllib.parse.urlencode(params).encode("utf-8")
#params = json.dumps(params).encode('utf-8')
access_token = get_token()
request_url = request_url + "?access_token=" + access_token
request = urllib.request.Request(url=request_url, data=params)
request.add_header('Content-Type', 'application/x-www-form-urlencoded')
response = urllib.request.urlopen(request)
content = response.read()
if content:
#print(content)
content=content.decode('utf-8')
#print (content)
#print(content)
data = json.loads(content)
#print(data)
person_num=data['person_num']
area_counts=data['area_counts']
print ('person_num',person_num)
print ('area_counts',area_counts)
img_str=data['image']
save_base_image(img_str,dehazedfilename)
area='4,89,104,112,166,192,109,330,9,399;3,24,94,8,258,58,452,206,380,386,171,587,10,422,203,250,142,86;515,163,538,310,952,250,757,151'
body_num_v2("../img/crowd2.jpg",area,"../img/crowd2_num.jpg")
4.结果测试：
处理时长:3.51秒
person_num 276
area_counts [110, 158]
处理时长:3.19秒
person_num 901
area_counts [0, 733, 167]
测试结果：人群流量监控支持不规则多边形，可以更好的贴合实际的应用区域。识别效果比较准确。识别的速度为几秒钟，对于一般应用足够了。
5.整体方案
要实现人群监控及预警，除了人流分析外，号需要一下功能，包括：
对监控系统进行管理，对关注区域进行划分。
通过监控系统采集关键区域的照片。
通过百度AI对照片进行分析，判断不同区域人数。
对区域人数进行分析、告警。如果需要，启动应急预案。
通过短信网关，APP，电话，监控大屏等执行应急预案。
整体架构如下图所示：
例如对于案例2：
中，设置的是：区域1一个人也不应该有（因为禁止游泳），区域2报警阈值650，区域3报警阈值200.
那么在分析后就会触发针对区域2的报警，“区域2人员过多，最大650人，现已733人，请启动限流疏散措施”。
6.测试结果和优化建议
人群流量监控支持不规则多边形，可以更好的贴合实际的应用区域。识别效果比较准确。识别的速度为几秒钟，如果能够更快一些就更好了。
建议增加人群密度分布分析选项，可以返回图像人群最密集的区域，或者形成人群热力图并返回。
来源：oschina
链接：https://my.oschina.net/u/4438602/blog/3155150