[發明專利]俯視行人視頻監控中的客流計數與事件分析方法

有效

• 申請號: 201310459104.4
• 申請日: 2013-10-07
• 公開（公告）號: CN103559478B
• 公開（公告）日: 2018-12-04
• 發明（設計）人: 唐春暉;黃影平
• 申請（專利權）人: 唐春暉
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種俯視行人視頻監控中的客流計數和事件分析的方法：對俯視行人的檢測是以檢測俯視行人的人頭特征為基礎，俯視行人的人頭特征包括矩形分塊對稱與不對稱特征、梯形特征、梯度變化特征、顏色穩定特征和圓弧段特征，這些特征是以級聯分類器的方式組合在一起，每一級分類器代表一個特征判別，只有滿足該級分類器特征條件的候選目標才能進入下一級分類器判斷；人體頭部在俯視角度下是一個邊緣類似圓形、內部顏色均勻的團塊，為提升檢測效率，用梯形計算來近似，有兩種方法；一種方法運用矩形分塊特征中的梯形特征判斷；另一種方法是將圖像預處理、二值化、形態學運算之后，將圖中頭部區域以全白色表示，對目標窗口的每一行按像素點進行遍歷，獲得水平方向上的白色線段長度，按一行中間連續為“1”的像素點組成的線段表示頭部在該行的長度，由于頭部輪廓總體呈圓弧狀，要求越靠近目標窗口邊框的線段長度越短，越靠近目標中心的線段較長，這樣的線段并在一起才會具有輪廓呈圓弧的效果；將圖像人頭目標分別分成上下和左右兩半，即上半、下半、左半、右半，這四部分中只要有一個部分滿足就符合目標梯形特性的要求。

2.根據權利要求1所述的方法，所述目標人頭的矩形分塊對稱與不對稱特征，其特征是以目標局部矩形塊之間差值為基礎的，即目標外觀的特征可以用各矩形分塊像素的灰度累加值，簡稱矩形值，運用“積分圖”計算而得的差值來判斷；矩形分塊之間的差值反映了兩塊矩形外觀的差異，如果設定好偏差的閾值，就可以根據不同矩形塊之間偏差的大小，判定該目標整體和局部的對稱特征；將目標視作矩形，目標特征根據該矩形內的矩形分塊相互關系和分布特點決定；人頭目標在矩形特征中，矩形特征具體描述是檢測目標矩形框是否左右對稱，即左右兩個子矩形塊相差是否不大；檢測目標矩形框上下是否近似，即上下兩個子矩形塊相差是否不大，但必須要有一定的差別；檢測目標矩形框是否左中右結構，即中間的子矩形塊與兩邊的子矩形塊滿足一定的差異要求；檢測目標矩形框是否具有團塊特征，即四個角的子矩形塊中至少有三個不同于中間子矩形塊的值。

3.根據權利要求1所述的方法，所述的人頭的顏色穩定性特征，其特征在于：人頭部顏色是矩形中心一個相對穩定的團塊，所以計算矩形中心像素點灰度值的方差，如果方差在閾值之下，視作該目標矩形塊顏色穩定，符合人頭的特征，否則就不符合。

4.根據權利要求1所述的方法，目標的梯度變化特征是頭部區域總體顏色與背景顏色應有較大的差別；將旋轉軸上采樣的背景點的平均值與目標人頭的平均值進行比較，只有超過一定閾值的結果才符合目標的要求。

5.根據權利要求1所述的方法，當目標在指定區域被檢測以后，就進行目標的跟蹤，跟蹤特征選擇矩形框的灰度直方圖特性；本發明采用連續自適應均值移位（CAMShift）算法進行跟蹤，跟蹤目標自動獲取，且能多目標實時跟蹤，算法步驟如下：①選擇搜索窗口的初始位置，計算搜索窗顏色概率分布，初始位置由上述檢測方法檢測出的目標確定，目標用矩形框框定；② 用修正的方法設置新窗口位置，執行均值移位（Mean Shift）跟蹤；③ 保存零階矩；④ 根據零階距設置搜索窗口的大小；⑤ 重復步驟② 、④直至收斂。

6.根據權利要求1所述的方法，客流計數和事件分析是：①客流計數：在圖像中設定范圍，當目標移入就會被檢測，并跟蹤該目標，直到移出設定范圍就停止跟蹤，計數加1或減1；②人員排隊：多目標持續在檢測范圍內，并緩慢移動；③人員擁堵：密集的多目標持續一段時間在檢測范圍內沒有離開；④遺留物：保留原始背景，當運動檢測沒有變化，而此時背景持續不同就判定現場有遺留物； ⑤兩人打斗：兩目標持續在檢測范圍內移動。