[發明專利]一種群體密度檢測方法

無效

• 申請號: 201110051225.6
• 申請日: 2011-03-03
• 公開（公告）號: CN102136060A
• 公開（公告）日: 2011-07-27
• 發明（設計）人: 趙春水
• 申請（專利權）人: 蘇州市慧視通訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

技術領域

本發明屬于群體密度檢測方法，尤其是基于視頻分析的群體密度檢測方法。

背景技術

群體(車輛/人群)密度預警，包括車輛擁堵預警和人群聚集預警等，在公共交通暢通和公共安全防范領域有非常重要的意義。依靠人工估計的方法無法支持規模化應用，應用視頻分析實現群體密度的在線智能檢測成為當前的研究熱點。目前基于視頻智能分析檢測群體密度的方法，主要包括目標特征分析法和群體密度估計法。

目標特征分析法基于個體的精確檢測基礎上進行統計。首先檢測、跟蹤視頻序列圖像中的目標特征，識別出存在的目標，然后進行統計。這類方法對目標較稀疏的場景檢測效果較好，但是對于如道路交叉口或者地鐵站點等車流密集或人群密集的場景，由于遮擋等問題難以精確分析出目標，因此無法對目標進行統計。

群體密度估計法并不對個體進行識別統計，而是對整體進行分析，著眼群體的密集程度，而不精確統計群體的個體具體數量。目前基于視頻分析的群體密度估計方法有：基于“前景像素總數/密度”回歸關系、“灰度共生矩陣/密度”回歸關系、以及加入一些輔助手段進行擴展分析的技術，包括小波變換技術等。基于像素進行分析，由于角度等問題，像素個數與目標并不存在線性關系，近景目標像素統計數較多，遠景目標像素統計數較少，因此分析結果往往由于角度不同或者群體密度不同而導致了較大誤差。并且，光照不穩定對基于像素級別的密度分析影響也較大。

綜上所述，現有基于視頻分析的密度檢測方法存在的問題是抵抗角度差異、群體密集程度以及光照變化等方面能力較差。

發明內容

本發明提供了一種解決上述問題的方案，提供一種基于視頻分析的群體密度檢測方法。

本發明的技術方案是提供一種群體密度檢測方法，該方法是在數字攝像機作為傳感器以及數字信號處理芯片的支持下實現的，其特征在于：該方法包括以下步驟：

1)采用數字攝像機作為傳感器，連續采集定點區域形成數字視頻；

2)提取1)中所述數字視頻圖像幀的角點特征；

3)提取1)中所述數字視頻圖像幀的紋理特征；

4)應用2)中所得到的所述角點特征及3)中所得到的所述紋理特征的特征組合與群體密度之間的回歸關系估算1)所述定點區域的群體密度。

優選的，其中步驟2)中基于梯度方法提取所述數字視頻圖像幀的角點特征。

優選的，其中步驟3)中基于縮放不變局部三元特征SILTP提取所述數字視頻圖像幀的紋理特征。。

優選的，所述回歸關系是通過支持向量回歸算法SVR學習大量樣本得到的。

優選的，步驟4)中估算所述定點區域的群體密度時，依據所述數字視頻的距離的遠近采用不同的回歸關系響應函數。

本發明的群體密度檢測方法有效地解決了現有基于視頻分析的密度檢測方法存在由于角度差異、群體過密以及光照變化等帶來的密度估計誤差的問題。具有精度高、魯棒性強等優點。

附圖說明

圖1是本發明的算法原理框圖。

具體實施方式

下面對本發明的具體實施方式作進一步詳細的描述。

如圖1所示，本發明的群體密度檢測方法首先進行視頻采集，采集到的視頻信息依次經過角點特征提取、邊緣紋理特征提取、支持向量回歸SVR算法估算，最終得出檢測結果。

本發明所采用的方案是在數字攝像機作為傳感器的支持下實現的，依據紋理粗糙度和群體(車輛/人群)密度之間的回歸關系進行估算。以下結合附圖1所示的算法原理圖，詳細說明本方法的具體實施方式。

①采用數字攝像機作為傳感器連續采集各種群體聚集場景形成數字視頻流作為信號源，數字攝像機采用CCD或者CMOS等A/D芯片；

②人工選取步驟①所述各種群體聚集場景數字視頻中具有典型意義的視頻圖像幀作為訓練樣本并相應標記該樣本的群體密度值參數；

③首先是基于梯度方法提取樣本的角點特征。

角點是二維圖像亮度變化劇烈的點或圖像邊緣曲線上曲率極大值的點。角點在保留圖像圖形重要特征的同時，可以有效地減少信息的數據量，使其信息的含量很高，有效地提高了計算的速度，在三維場景重建、運動估計、目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領域起著非常重要的作用。基于梯度的方法是通過計算邊緣的曲率來判斷角點的存在性，角點計算數值的大小不僅與邊緣強度有關，而且與邊緣方向的變化率有關。步驟如下：

(1)計算圖像像素點在水平和垂直方向上的梯度，以及兩者的乘積，得到M中4個元素的值；