常住人口获取方法、装置及系统、计算机装置和存储介质

摘要

一种常住人口获取方法，所述方法包括：获取预先设置的摄像机采集到的图像；识别所述图像中人物，得到所述图像中人物的对象标识；从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。本发明还提供一种常住人口获取装置、常住人口获取系统、计算机装置和存储介质。本发明可以提高获取常住人口的便捷性和准确性。

说明书

技术领域

本发明涉及人口统计领域，具体涉及一种常住人口获取方法、装置及系统、计算机装置和存储介质。

背景技术

为了了解某一地区的人口数量、构成以及居住方面的变化，通常会对该地区的常住人口进行统计。

常用的常住人口统计方法通常采取工作人员逐户逐人直接询问进行调查统计，但是这种方法耗时耗力，并且若调查时某一住户不在家，则会对该住户进行遗漏，统计的结果与实际数据存在较大的偏差，统计方法不够便捷。

发明内容

鉴于此，有必要提供一种常住人口获取方法、装置及系统、计算机装置和存储介质，可提高获取常住人口的便捷性和准确性。

本发明一方面提供了一种常住人口获取方法，所述方法包括：

获取预先设置的摄像机采集到的图像；

识别所述图像中人物，得到所述图像中人物的对象标识；

从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；

若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。

在一种可能的实现方式中，所述常住人口获取方法还包括：

若所述出现频次满足所述预设条件，判断所述出现频次的变化状况是否满足频次变化条件；

若所述出现频次的变化满足频次变化条件，则确定所述图像中人物为常住人口。

在一种可能的实现方式中，所述常住人口获取方法还包括：

将确定为常住人口的人物的信息添加至目标数据库；

根据所述目标数据库进行常住人口分析；

将分析结果显示于人机交互界面。

在一种可能的实现方式中，所述根据所述目标数据库进行常住人口分析包括：

根据训练过的机器学习模型对所述目标数据库中常住人口的图像进行分析，得到所述目标数据库中常住人口的身份属性信息，其中，所述身份属性信息包括性别信息和/或年龄信息；

根据所述目标数据库中常住人口的身份属性信息进行常住人口分析。

在一种可能的实现方式中，所述常住人口分析包括以下一项或多项：

常住人口的人口结构分析；

常住人口与非常住人口的数量对比分析；

常住人口趋势变化状况分析。

本发明另一方面还提供了一种常住人口获取装置，所述装置包括：

获取模块，用于获取预先设置的摄像机采集到的图像；

识别模块，用于识别所述图像中人物，得到所述图像中人物的对象标识；

出现频次获取模块，用于从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；

确定模块，用于若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。

在一种可能的实现方式中，所述确定模块还用于：

若所述出现频次满足所述预设条件，判断所述出现频次的变化状况是否满足频次变化条件；

若所述出现频次的变化满足频次变化条件，则确定所述图像中人物为常住人口。

在一种可能的实现方式中，所述常住人口获取装置还包括：

添加模块，用于将确定为常住人口的人物的信息添加至目标数据库；

分析模块，还用于根据所述目标数据库进行常住人口分析；

输出显示模块，用于将分析结果显示于人机交互界面。

在一种可能的实现方式中，所述分析模块具体用于：

根据训练过的机器学习模型对所述目标数据库中常住人口的图像进行分析，得到所述目标数据库中常住人口的身份属性信息，其中，所述身份属性信息包括性别信息和/或年龄信息；

根据所述目标数据库中常住人口的身份属性信息进行常住人口分析。

在一种可能的实现方式中，所述常住人口分析包括以下一项或多项：

常住人口的人口结构分析；

常住人口与非常住人口的数量对比分析；

常住人口趋势变化状况分析。

本发明另一方面还提供一种常住人口获取系统，所述系统包括多个摄像机、服务器端和客户端；

所述多个摄像机，设置在需要进行图像采集的位置以实时采集图像；

所述服务器端，用于获取所述摄像机采集到的图像；识别所述图像中人物，得到所述图像中人物的对象标识；从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；若所述出现频次满足预设条件，则确定所述图像中人物为常住人口；

所述服务器端，还用于将确定为常住人口的人物的信息添加至目标数据库；根据所述目标数据库进行常住人口分析；将分析结果显示于客户端；

所述客户端，用于显示所述服务器端发送的常住人口分析的分析结果；

所述摄像机，服务器端和客户端通过直接或者间接的方式进行连接。

本发明再一方面还提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述常住人口获取方法。

本发明又一方面还提供一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器执行时实现上述常住人口获取方法。

本发明获取预先设置的摄像机采集到的图像；识别所述图像中人物，得到所述图像中人物的对象标识；从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。通过获取摄像机采集到的图像再进而分析是否存在常住人口，无需通过上门逐户逐人统计的方法进行常住人口统计，提高了获取常住人口的便捷性，且避免了因住户不在家导致的统计遗漏，提高了获取常住人口的准确性。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种常住人口获取方法的流程图；

图2是本发明实施例中摄像机在某一小区几栋住宅楼之间设置摄像机的示意图；

图3是本发明实施例提供的一种常住人口获取系统的示意图；

图4是本发明实施例提供的一种常住人口获取装置的功能模块图；

图5是本发明实施例提供的一种计算机装置的示意图。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

实施例

图1为本发明实施例提供的常住人口获取方法的示意流程图。如图1所示，常住人口获取方法可包括以下步骤：

S101：获取预先设置的摄像机采集到的图像。

从所述方法的应用载体来看，所述常住人口获取方法可应用于台式电脑、笔记本电脑、服务器等电子设备。

从所述方法应用的网络架构来看，所述常住人口获取方法可应用于服务器端，也可应用于客户端。所述服务器端也称为server端，可进行大量的数据处理；所述客户端也称为client端，可用于通过图形用户界面程序显示信息。通常在客户端服务器网络架构下，客户端向服务器端发送获取数据的请求指令，服务器端根据所述请求指令向客户端返回数据，同时，服务器端也可主动向客户端发送消息，以使客户端接收并显示。

当本发明所述的方法应用于服务器端时，可以在服务器端进行数据处理，在客户端进行数据显示；当本发明所述的方法应用于客户端时，可以在客户端进行数据处理与数据显示。

上述预先设置的摄像机用于采集图像。具体的，上述摄像机可以为数字摄像机或者是模拟摄像机；上述摄像机也可以为可见光摄像机或者是红外线摄像机；上述摄像机还可以是红外线和可见光两用的摄像机，红外线摄像机可方便在夜晚进行图像采集。上述摄像机在采集图像时，可以仅对采集到的人物或者是采集到的人物的脸部进行图像保存，还可以对采集到的每一帧完整图像进行保存。

同时，上述预先设置的摄像机的设置位置可以根据需要进行设置，具体的因采集地点而异。上述预先设置的摄像机数量可以为一个或者是多个。

如图2所示，图2是摄像机在某一小区几栋住宅楼之间设置摄像机的示意图。在图2中摄像机可以实时采集图像或每隔预设时间进行图像的采集，通过设置的摄像机1至摄像机8可以实时获取到每个楼栋单元进出的人，以及小区内没有进出楼栋的人。

具体的，摄像机1可以安装在小区一单元进出口处，通过摄像机1可以采集到进出小区一单元的人；摄像机2可以安装在小区一单元与小区二单元之间的道路上，通过摄像机2可以采集到小区一单元与小区二单元之间经过的人；摄像机8可以安装在小区二单元与小区三单元之间的道路上，通过摄像机8可以采集到小区一单元与小区四单元之间经过的人。

摄像机1至摄像机8采集到的图像可通过网络上传至服务器端，使得服务器可根据获取到的图像进行进一步分析处理。

上述获取预先设置的摄像机采集到的图像可以是获取预先设置的摄像机实时采集到的全部图像，也可以是获取摄像机采集到的全部图像中的一部分。例如获取预先设置的摄像机在上午7点至10点采集到的图像，以及预先设置的摄像机在同样天数中下午5点至8点采集到的图像，由于前述时间段是上下学和上下班高峰时间，是人们出行的高峰时间，此段时间内人流量较大，因此可以尽可能获取较为全面的数据。获取部分时间段采集到的图像可以避免过多的数据冗余，以及避免因数据冗余造成的运算效率降低的问题；或者获取多个预先设置的摄像机中不同摄像机在不同时间段采集到的图像，由于多个摄像机的预先设置的位置可能不同，因此可以根据摄像机的设置位置而异选取不同的时间段采集得到的图像；还可以是摄像机采集到的图像中仅包括人物的图像。

S102：识别所述图像中人物，得到所述图像中人物的对象标识。

在获取到摄像机采集到的图像后，识别图像中人物。当获取到的图像不包括人物时，可不对此图像进行分析。上述图像中人物可以为一个人或者是多个人，可分别识别每个图像中人物的对象标识。

上述图像中人物的对象标识是用于标记人物是谁的标识。在第一次获取到某一人物时，若此人物为初次出现，可以新创建名称或者是新创建编号等方式对该人物进行唯一标识，并记录该人物的出现信息(人物的出现时间、地点、次数等)，其中，该标识即为该人物的对象标识。若此人物再次出现，则可以通过对象标识获取该人物的出现信息，并对该人物的出现次数进行更新。

进一步地，在本发明另一实施例中，步骤S102可包括：

获取所述图像中人物的特征信息；对所述图像中人物的特征信息进行聚类分析，得到所述图像中人物的对象标识。

上述图像中人物的特征信息具体可以包括人物脸部的特征信息，例如人物的脸形、人物的眼睛、人物的耳朵、人物的嘴巴、人物的鼻子、人物的眉毛以及他们的组合等。

具体的提取人物的特征信息的方法可以从现有的特征提取算法中选择使用。例如，可以采用主成分分析(Principal Component Analysis)算法，由于主成分分析算法在现有技术中可以获取，因此这里不做赘述。

在获取图像中人物的特征信息后，对所述特征信息进行聚类分析。具体的，可以采用现有的聚类分析算法进行聚类分析，聚类分析可以根据人物的特征信息确定出人物的对象标识。若特征信息为至少两个人的特征信息，可以通过聚类分析来得到每个特征信息对应的对象标识，从而识别图像中的人物的数量，以及每个人物分别是谁。

S103：从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次。

上述历史采集数据是本次获取摄像机采集的图像之前通过摄像机采集到的数据，记录了当前时间之前采集到的人物的信息，在具体实现时，摄像机持续的采集数据。若当前为摄像机初次进行数据采集，则历史采集数据为空。若某一人物为初次采集到，则该人物的历史采集信息为空，可为该人物创建与该人物对应的对象标识，并通过对象标识记录该人物的历史采集信息。

上述出现频次可以包括出现频率和/或出现次数。具体的可以是一段时间或多个时间段内的出现次数和/或出现频率。

由于历史采集数据是之前摄像机采集到的图像信息，因此历史采集数据中记录了过往出现过的人物的信息，也可以从历史采集数据中获取对象标识的历史采集信息。

上述步骤S101至步骤S103可以根据需要在一段时间内多次使用。例如，根据步骤S101至步骤S103的方法在一个月或者是三个月内进行统计，则每个人物的出现频次会根据实际结果进行不断更新，从而得到的统计结果更加精确。并且，此种方法无需人工多次上门统计，节省了人力成本和时间成本。

S104：若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。

上述预设条件可以为图像中的人物在一段时间内的出现次数大于等于第一预设次数。例如，判断图像中的人物在一个月内的出现次数是否大于60次，若图像中的任一人物在一个月内的出现次数大于60次，则确定图像中人物为常住人口。

上述预设条件还可以是在某些时间段的出现次数之和大于第二预设次数，上述第一预设次数和第二预设次数可以相同或不同，具体值可根据需要设定。例如，上述第二预设次数为50次，判断图像中的人物在一个月内的上午7点至10点的出现次数与下午4点至9点的出现次数之和是否大于50次，若图像中的任一人物在一个月内上午7点至10点的出现次数与下午4点至9点的出现次数之和大于50次，则确定图像中人物为常住人口。

同时，具体的预设条件可以根据需要设定，且对于不同的人物的出现频次可以选取不同的预设条件进行判断。

若图像中人物的出现频次满足预设条件，则确定图像中人物为常住人口。同时，若图像中人物的出现频次不满足上述预设条件，可以将图像中人物确定为非常住人口。

进一步地，在本发明另一个实施例中，所述常住人口获取方法还包括：

若所述出现频次满足所述预设条件，判断所述出现频次的变化状况是否满足频次变化条件；若所述出现频次的变化状况满足频次变化条件，则确定所述图像中人物为常住人口。

在出现频次满足预设条件时，对出现频次的变化状况进行判断，具体可以是对出现频率的变化状况和/或出现次数的变化状况进行判断。

上述频次变化条件可以根据需要设定。例如，上述出现频次的变化状况为图像中的人物在一段时间内的出现频率的变化状况，具体的，出现频率是一段时间内的出现次数与时间的比值。在7月至8月，图像中的某人物在某小区的出现频率为3次/天，但其他月份，并没有获取到该人物的图像，出现频率为0，则可能图像中的该人物由于暑期到该地旅游，虽然在这段时间内，该人物的出现频率可能较高，但可确定该人物不为常住人口。

由于以上步骤可以针对一个时间段或者是多个时间段持续进行获取信息和分析判断，因此某一个人在某地确定为常住人口之后，可能由于其出现频次的变化再次将其确定为该地区的非常住人口，或者是某一人在某地确定为非常住人口之后，由于其出现频次的变化将其确定为该地的常住人口。由于人口具有流动性，因此通过此方法进行常住人口的获取更便捷，且准确性更高，从而进一步提升了常住人口的获取效率。

在本发明的另一实施例中，所述常住人口获取方法还可包括：

将确定为常住人口的人物的信息添加至目标数据库；

根据所述目标数据库进行常住人口分析；

将分析结果显示于人机交互界面。

在确定图像中的人物为常住人口之后，将该人物添加至目标数据库。上述目标数据库是用于保存常住人口的信息的数据库。

由于该目标数据库中保存了确定为常住人口的信息，因此可以根据该目标数据库进行常住人口分析，例如，常住人口中青少年、成年人与老年人的比例。

上述人机交互界面通常是作为客户端，若本方法应用于服务器端，服务器端将分析结果通过网络发送至客户端，以使客户端显示该分析结果；若本方法应用于客户端，直接在本地获取分析结果并显示。具体的，可以在接收到分析结果查看指令时，在人机交互界面进行显示。具体的显示形式可以有折线图、柱形图、饼状图等。

本发明在人机交互界面显示常住人口分析的分析结果可以使用户直观了解常住人口的状况。

进一步地，在本发明的另一实施例中，所述根据所述目标数据库进行常住人口分析可包括：

根据训练过的机器学习模型对所述目标数据库中常住人口的图像进行分析，得到所述目标数据库中常住人口的身份属性信息，其中，所述身份属性信息包括性别信息和/或年龄信息；根据所述目标数据库中常住人口的身份属性信息进行常住人口分析。

上述训练过的机器学习模型是运用机器学习的方法训练得到的模型。利用训练过的机器学习模型对目标数据库中常住人口的图像进行分析的具体方法是，将目标数据库中常住人口的任一图像输入至该训练过的机器学习模型，输出图像所中常住人口的身份属性信息。

上述身份属性信息可以包括但不限于性别信息和/或年龄信息。具体的还可以得到哪些身份属性信息因训练过的机器学习模型而异。

上述训练过的机器学习模型可以通过以下方法预先建立：

(1)预先获取大量图像建立训练集，上述训练集可以是大量图像的特征信息，以及该特征信息对应的身份属性信息(如图像中人物的性别信息，图像中人物的年龄信息)。

(2)确定机器学习模型，机器学习模型是预先设置的函数模型，该函数模型包含未知参数。

(3)根据训练集中的特征信息与身份属性对该包含未知参数的函数模型进行训练，得到该未知参数的值，则包括该未知参数的值的函数模型即为训练过的机器学习模型。

通过以上方法得到了训练过的机器学习模型之后，若再得到新的图像中人物的特征信息后，将新的图像中的人物的特征信息输入至训练过的机器学习模型，该机器学习模型可以根据之前的训练输出该图像中人物的身份属性信息，例如，图像中人物的性别以及图像中人物的年龄。

因此在本发明中，可以根据该训练过的机器学习模型来获取目标数据库中常住人口的身份属性信息，然后根据得到的常住人口的身份属性信息进行常驻人口分析，例如，分析常住人口的男女比例、常住人口的年龄结构等。

进一步地，在另一实施例中，上述常住人口分析可包括以下一项或多项：

常住人口的人口结构分析；

常住人口与非常住人口的数量对比分析；

常住人口趋势变化状况分析。

上述常住人口的人口结构分析可以包括常住人口的性别结构。在人机交互界面中，可以根据时间或地点显示常住人口的性别结构。例如显示某一时间常住人口的性别比例，其中，常住人口的性别比例可以以饼状图的形式显示。

上述常住人口的人口结构分析还可以包括常住人口的年龄结构。则在人机交互界面中，可以根据时间或地点显示常住人口的年龄结构。例如，显示某一时间常住人口的小孩、年轻人、中年人、老年人的人口构成，其中，常住人口的年龄结构可以以柱状图的形式呈现，不同年龄人群可以以相同或不同颜色标识。

将常住人口以外的人口与常住人口的数量进行对比，即可得到常住人口与非常住人口的数量对比。可以以饼状图显示某一位置当前时间段的常住人口与非常住人口的比例。具体的，还可以显示人口总数，常住人口总数与非常住人口总数。

上述常住人口趋势变化状况是计算不同时间点的人口总数，从而得到人口总数的变化状况。例如，使用折线图显示六个月内某一位置常住人口数量变化状况图，从而可以反映该地常住人口数量的变化趋势是增加、减少还是不变。

进一步地，人机交互界面还可以显示某一常住人口的历史采集信息并显示。例如，若接收到查询某一常住人口的查询指令，在人机交互界面以时间轴的形式显示每次采集到该常住人口的时间以及图像。

同时，本发明在人机交互界面显示的信息不限于以上提到的一些，在采集到常住人口的图像并保存后，可以以任何图表形式展现常住人口分析的分析结果。

本发明实施例获取预先设置的摄像机采集到的图像；识别所述图像中人物，得到所述图像中人物的对象标识；从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。通过获取摄像机采集到的图像再进而分析是否存在常住人口，无需通过上门逐户逐人统计的方法进行常住人口统计，提高了获取常住人口的便捷性，且避免了因住户不在家导致的统计遗漏，提高了获取常住人口的准确性。

以上是对本发明所提供的方法进行的详细描述。根据不同的需求，所示流程图中方框的执行顺序可以改变，某些方框可以省略，常住人口的获取方法也可以在上述常住人口获取方法中选择性的组合使用，或者与其他上述未提及的常住人口获取方法组合使用。

实施例

图3为本发明提供的常住人口获取系统的示意图，如图3所示，常住人口系统可以包括：多个摄像机、服务器端和客户端。

所述多个摄像机被设置在需要采集图像的位置以实时采集图像，比如如图2所示的某个小区的每个楼栋单元进出口，或者小区的各个出入口，或者医院的各个大门口，或者景区的各个出入口，或者火车站、港口的各个出入口等。

所述摄像机将采集的图像通过网络直接或间接传输到服务器端。比如在本实施例中，所述摄像机可以通过交换机将采集的图像传输给所述服务器端。

所述服务器端是具有海量数据处理的计算机装置，包括处理器和存储器。所述服务器端在接收到所述摄像机采集到的图像后，进行运算，识别所述图像中的人物，得到所述图像中人物的对象标识；并从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次。

同时，所述服务器端还用于将确定为常住人口的人物的信息添加至目标数据库；根据所述目标数据库进行常住人口分析；将分析结果显示于客户端。

所述客户端用于显示所述服务器端发送的常住人口分析的分析结果。

在常住人口获取系统中，摄像机用于采集图像，摄像机的数量可以为一个或多个，通常为了常住人口获取的准确性，设置多个摄像机，图3中的摄像机的数量仅为一种可能的示例，不代表实际中仅为2个，摄像机的实际数量可以为任意数量。

本发明实施例通过服务器端获取预先设置的摄像机采集到的图像；识别所述图像中人物，得到所述图像中人物的对象标识；从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。本发明无需通过上门逐户逐人统计的方法进行常住人口统计，提高了获取常住人口的便捷性，且避免了因住户不在家导致的统计遗漏，提高了获取常住人口的准确性。并且采用服务器客户端的架构方式可以便捷的在多个客户端上进行数据显示，且由于服务端硬件配置通常较高，因此数据处理能力更强，处理速度更快，效率更高，可以更快速准确的获取常住人口。

实施例

图4为本发明实施例提供的常住人口获取装置的结构图，如图4所示，常住人口获取装置可以包括：获取模块210、识别模块220、出现频次获取模块230和确定模块240。

获取模块210，用于获取预先设置的摄像机采集到的图像。

从所述装置的应用载体来看，所述常住人口获取装置可应用于台式电脑、笔记本电脑、服务器等电子设备。

从所述装置应用的网络架构来看，所述常住人口获取装置可应用于服务器端，也可应用于客户端。所述服务器端也称为server端，可进行大量的数据处理；所述客户端也称为client端，可用于通过图形用户界面程序显示信息。通常在客户端服务器网络架构下，客户端向服务器端发送获取数据的请求指令，服务器端根据所述请求指令向客户端返回数据，同时，服务器端也可主动向客户端发送消息，以使客户端接收并显示。

当本发明所述的装置应用于服务器端时，可以在服务器端进行数据处理，在客户端进行数据显示；当本发明所述的装置应用于客户端时，可以在客户端进行数据处理与数据显示。

上述预先设置的摄像机用于采集图像。具体的，上述摄像机可以为数字摄像机或者是模拟摄像机；上述摄像机也可以为可见光摄像机或者是红外线摄像机；上述摄像机还可以是红外线和可见光两用的摄像机，红外线射线机可方便在夜晚进行图像采集。上述摄像机在采集图像时，可以仅对采集到的人物或者是采集到的人物的脸部进行图像保存，还可以对采集到的每一帧完整图像进行保存。

同时，上述预先设置的摄像机的设置位置可以根据需要进行设置，具体的因采集地点而异。上述预先设置的摄像机数量可以为一个或者是多个。

如图2所示，图2是摄像机在某一小区几栋住宅楼之间设置摄像机的示意图。在图2中摄像机可以实时采集图像或每隔预设时间进行图像的采集，通过设置的摄像机1至摄像机8可以实时获取到每个楼栋单元进出的人，以及小区内没有进出楼栋的人。

具体的，摄像机1可以安装在小区一单元进出口处，通过摄像机1可以采集到进出小区一单元的人；摄像机2可以安装在小区一单元与小区二单元之间的道路上，通过摄像机2可以采集到小区一单元与小区二单元之间经过的人；摄像机8可以安装在小区二单元与小区三单元之间的道路上，通过摄像机8可以采集到小区一单元与小区四单元之间经过的人。

摄像机1至摄像机8采集到的图像可通过网络上传至服务器端，使得服务器可根据获取到的图像进行进一步分析处理。

上述获取预先设置的摄像机采集到的图像可以是获取预先设置的摄像机实时采集到的全部图像，也可以是获取摄像机采集到的全部图像中的一部分。例如获取预先设置的摄像机在上午7点至10点采集到的图像，以及预先设置的摄像机在同样天数中下午5点至8点采集到的图像，由于前述时间段是上下学和上下班高峰时间，是人们出行的高峰时间，此段时间内人流量较大，因此可以尽可能获取较为全面的数据。获取部分时间段采集到的图像可以避免过多的数据冗余，以及避免因数据冗余造成的运算效率降低的问题；或者获取多个预先设置的摄像机中不同摄像机在不同时间段采集到的图像，由于多个摄像机的预先设置的位置可能不同，因此可以根据摄像机的设置位置而异选取不同的时间段采集得到的图像；还可以是摄像机采集到的图像中仅包括人物的图像。

识别模块220，用于识别所述图像中人物，得到所述图像中人物的对象标识。

获取模块210获取到摄像机采集到的图像后，识别模块220识别图像中人物。当获取到的图像不包括人物时，可不对此图像进行分析。上述图像中人物可以为一个人或者是多个人，可分别识别每个图像中人物的对象标识。

上述图像中人物的对象标识是用于标记人物是谁的标识。在第一次获取到某一人物时，若此人物为初次出现，可以新创建名称或者是新创建编号等方式对该人物进行唯一标识，并记录该人物的出现信息(人物的出现时间、地点、次数等)。若此人物再次出现，则可以通过对象标识获取该人物的出现信息，并对该用户的出现次数进行更新。

进一步地，在本发明另一实施例中，识别模块220具体用于：

获取所述图像中人物的特征信息；对所述图像中人物的特征信息进行聚类分析，得到所述图像中人物的对象标识。

上述图像中人物的特征信息具体可以包括人物脸部的特征信息，例如人物的脸形、人物的眼睛、人物的耳朵、人物的嘴巴、人物的鼻子、人物的眉毛以及他们的组合等。

具体的提取人物的特征信息的方法可以从现有的特征提取算法中选择使用。例如，可以采用主成分分析(Principal Component Analysis)算法，由于主成分分析算法在现有技术中可以获取，因此这里不做赘述。

在获取图像中人物的特征信息后，对所述特征信息进行聚类分析。具体的，可以采用现有的聚类分析算法进行聚类分析，聚类分析可以根据人物的特征信息确定出人物的对象标识。若特征信息为至少两个人的特征信息，可以通过聚类分析来得到每个特征信息对应的对象标识，从而识别图像中的人物的数量，以及每个人物分别是谁。

出现频次获取模块230，用于从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次。

上述历史采集数据是本次获取摄像机采集的图像之前通过摄像机采集到的数据，记录了当前时间之前采集到的人物的信息，在具体实现时，摄像机持续的采集数据。若当前为摄像机初次进行数据采集，则历史采集数据为空。若某一人物为初次采集到，则该人物的历史采集信息为空，可为该人物创建与该人物对应的对象标识，并通过对象标识记录该人物的历史采集信息。

上述出现频次可以包括出现频率和/或出现次数。具体的可以是一段时间或多个时间段内的出现次数和/或出现频率。

由于历史采集数据是之前摄像机采集到的图像信息，因此历史采集数据中记录了过往出现过的人的信息，也可以从历史采集数据中获取对象标识的历史采集信息。

上述获取模块210、识别模块220和出现频次模块230可以根据需要在一段时间内多次执行。例如，在一个月或者是三个月内进行统计，则每个人物的出现频次会根据实际结果进行不断更新，从而得到的统计结果更加精确。并且，此种方法无需人工多次上门统计，节省了人力成本和时间成本。

确定模块240，用于若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。

上述预设条件可以为图像中的人物在一段时间内的出现次数大于等于第一预设次数。例如，判断图像中的人物在一个月内的出现次数是否大于60次，若图像中的任一人物在一个月内的出现次数大于60次，则确定图像中人物为常住人口。

上述预设条件还可以是在某些时间段的出现次数之和大于第二预设次数，上述第一预设次数和第二预设次数可以相同或不同，具体值可根据需要设定。例如，上述第二预设次数为50次，判断图像中的人物在一个月内的上午7点至10点的出现次数与下午4点至9点的出现次数之和是否大于50次，若图像中的任一人物在一个月内上午7点至10点的出现次数与下午4点至9点的出现次数之和大于50次，则确定图像中人物为常住人口。

同时，具体的预设条件可以根据需要设定，且对于不同的人物的出现频次可以选取不同的预设条件进行判断。

若图像中人物的出现频次满足预设条件，则确定模块240确定图像中人物为常住人口。同时，若图像中人物的出现频次不满足上述预设条件，可以将图像中人物确定为非常住人口。

进一步地，在本发明另一个实施例中，所述确定模块还用于：

若所述出现频次满足所述预设条件，判断所述出现频次的变化状况是否满足频次变化条件；若所述出现频次的变化状况满足频次变化条件，则确定所述图像中人物为常住人口。

在出现频次满足预设条件时，对出现频次的变化状况进行判断，具体可以是对出现频率的变化状况和/或出现次数的变化状况进行判断。

上述频次变化条件可以根据需要设定。例如，上述出现频次的变化状况为图像中的人物在一段时间内的出现频率的变化状况，具体的，出现频率是一段时间内的出现次数与时间的比值。在7月至8月，图像中的某人物在某小区的出现频率为3次/天，但其他月份，并没有获取到该人物的图像，出现频率为0，则可能图像中的该人物由于暑期到该地旅游，虽然在这段时间内，该人物的出现频率可能较高，但可确定该人物不为常住人口。

由于以上模块可以针对一个时间段或者是多个时间段持续进行获取信息和分析判断，因此某一个人在某地确定为常住人口之后，可能由于其出现频次的变化再次将其确定为该地区的非常住人口，或者是某一人在某地确定为非常住人口之后，由于其出现频次的变化将其确定为该地的常住人口。由于人口具有流动性，因此通过此方法进行常住人口的获取更便捷，且准确性更高，从而进一步提升了常住人口的获取效率。

在本发明的另一实施例中，所述常住人口获取装置还可包括：

添加模块，用于将确定为常住人口的人物的信息添加至目标数据库；

分析模块，用于根据所述目标数据库进行常住人口分析；

输出显示模块，用于将分析结果显示于人机交互界面。

在确定图像中的人物为常住人口之后，将该人物添加至目标数据库。上述目标数据库是用于保存常住人口的信息的数据库。

由于该目标数据库中保存了确定为常住人口的信息，因此可以根据该目标数据库进行常住人口分析，例如，常住人口中青少年、成年人与老年人的比例。

上述人机交互界面通常是作为客户端，若本装置应用于服务器端，服务器端将分析结果通过网络发送至客户端，以使客户端显示该分析结果；若本方法应用于客户端，直接在本地获取分析结果并显示。具体的，可以在接收到分析结果查看指令时，在人机交互界面进行显示。具体的显示形式可以有折线图、柱形图、饼状图等。

本发明在人机交互界面显示常住人口分析的分析结果可以使用户直观了解常住人口的状况。

进一步地，在本发明的另一实施例中，所述分析模块具体用于：

根据训练过的机器学习模型对所述目标数据库中常住人口的图像进行分析，得到所述目标数据库中常住人口的身份属性信息，其中，所述身份属性信息包括性别信息和/或年龄信息；根据所述目标数据库中常住人口的身份属性信息进行常住人口分析。

上述训练过的机器学习模型是运用机器学习的方法训练得到的模型。利用训练过的机器学习模型对目标数据库中常住人口的图像进行分析的具体方法是，将目标数据库中常住人口的任一图像输入至该训练过的机器学习模型，输出图像所中常住人口的身份属性信息。

上述身份属性信息可以包括但不限于性别信息和/或年龄信息。具体的还可以得到哪些身份属性信息因训练过的机器学习模型而异。

上述训练过的机器学习模型可以通过以下方法预先建立：

(1)预先获取大量图像建立训练集，上述训练集可以是大量图像的特征信息，以及该特征信息对应的身份属性信息(如图像中人物的性别信息，图像中人物的年龄信息)。

(2)确定机器学习模型，机器学习模型是预先设置的函数模型，该函数模型包含未知参数。

(3)根据训练集中的特征信息与身份属性对该包含未知参数的函数模型进行训练，得到该未知参数的值，则包括该未知参数的值的函数模型即为训练过的机器学习模型。

通过以上方法得到了训练过的机器学习模型之后，若再得到新的图像中人物的特征信息后，将新的图像中的人物的特征信息输入至训练过的机器学习模型，该机器学习模型可以根据之前的训练输出该图像中人物的身份属性信息，例如，图像中人物的性别以及图像中人物的年龄。

因此在本发明中，可以根据该训练过的机器学习模型来获取目标数据库中常住人口的身份属性信息，然后根据得到的常住人口的身份属性信息进行常驻人口分析，例如，分析常住人口的男女比例、常住人口的年龄结构等。

进一步地，在另一实施例中，上述常住人口分析可包括以下一项或多项：

常住人口的人口结构分析；

常住人口与非常住人口的数量对比分析；

常住人口趋势变化状况分析。

上述常住人口的人口结构分析可以包括常住人口的性别结构。在人机交互界面中，可以根据时间或地点显示常住人口的性别结构。例如显示某一时间常住人口的性别比例，其中，常住人口的性别比例可以以饼状图的形式显示。

上述常住人口的人口结构分析还可以包括常住人口的年龄结构。则在人机交互界面中，可以根据时间或地点显示常住人口的年龄结构。例如，显示某一时间常住人口的小孩、年轻人、中年人、老年人的人口构成，其中，常住人口的年龄结构可以以柱状图的形式呈现，不同年龄人群可以以相同或不同颜色标识。

将常住人口以外的人口与常住人口的数量进行对比，即可得到常住人口与非常住人口的数量对比。可以以饼状图显示某一地点当前时间段的常住人口与非常住人口的比例。具体的，还可以显示人口总数，常住人口总数与非常住人口总数。

上述常住人口趋势变化状况是计算不同时间点的人口总数，从而得到人口总数的变化状况。例如，使用折线图显示六个月内某一位置常住人口数量变化状况图，从而可以反映该地常住人口数量的变化趋势是增加、减少还是不变。

进一步地，人机交互界面还可以显示某一常住人口的历史采集信息并显示。例如，若接收到查询某一常住人口的查询指令，在人机交互界面以时间轴的形式显示该常住人口每次采集到的时间以及图片。

同时，本发明在人机交互界面显示的信息不限于以上提到的一些，在采集到常住人口的图像并保存后，可以以任何图表形式展现常住人口分析的分析结果。

本发明实施例获取预先设置的摄像机采集到的图像；识别所述图像中人物，得到所述图像中人物的对象标识；从历史采集数据中获取所述对象标识的历史采集信息，根据所述历史采集信息得到所述图像中人物的出现频次；若所述出现频次满足预设条件，则确定所述图像中人物为常住人口。通过获取摄像机采集到的图像再进而分析是否存在常住人口，无需通过上门逐户逐人统计的方法进行常住人口统计，提高了获取常住人口的便捷性，且避免了因住户不在家导致的统计遗漏，提高了获取常住人口的准确性。

请参照图5，图5是本发明实施例提供的计算机装置11的示意图。所述计算机装置11包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如常住人口获取程序。所述处理器30执行所述计算机程序40时实现上述常住人口获取方法实施例中的步骤，例如图1所示的步骤S101～S104。或者，所述处理器30执行所述计算机程序40时实现上述装置实施例中各模块/单元的功能，例如模块210～240。

示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序40在所述计算机装置11中的执行过程。例如，所述计算机程序40可以被分割成图4中的获取模块210、识别模块220、出现频次获取模块230和确定模块240，各模块具体功能参见前述实施例。

所述计算机装置11可以是桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算机设备。本领域技术人员可以理解，所述示意图5仅仅是计算机装置11的示例，并不构成对计算机装置11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置11还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置11的控制中心，利用各种接口和线路连接整个计算机装置11的各个部分。

所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置11的各种功能。所述存储器20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装置、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置11的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述计算机装置11集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在本发明所提供的几个实施例中，应该理解到，所揭露的方法和装置，也可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。