[發(fā)明專利]一種列車車廂異常人群密度的檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410094075.0
• 申請(qǐng)日: 2014-03-14
• 公開（公告）號(hào): CN103839085B
• 公開（公告）日: 2018-06-19
• 發(fā)明（設(shè)計(jì)）人: 張文生;匡秋明;樊嘉峰;謝源
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院自動(dòng)化研究所
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 宋焰琴

1.一種列車車廂異常人群密度的檢測(cè)方法，其特征在于，該方法包括以下步驟：

步驟1、采集和存儲(chǔ)具有不同人群密度等級(jí)的多幅列車車廂樣本圖像，并為所述樣本圖像標(biāo)記相應(yīng)的人群密度等級(jí)；

步驟2、提取所述樣本圖像各自的紋理特征，Surf、Fast、Harris特征點(diǎn)特征，前景圖像面積比特征和光流密度特征；

步驟3、融合提取得到的某一樣本圖像的紋理特征，Surf、Fast、Harris特征點(diǎn)特征，前景圖像面積比特征和光流密度特征，采用依次組合紋理特征向量、特征點(diǎn)特征向量、前景圖像面積比特征向量和光流密度特征向量的方法，或增加/減少各特征向量的維度，或增加/減少各特征向量的權(quán)重來得到多模態(tài)融合特征；

步驟4、根據(jù)所述多幅樣本圖像的多模態(tài)融合特征，訓(xùn)練得到人群密度分類器；

步驟5、從列車車廂的監(jiān)控視頻中截取待檢測(cè)圖像，依次提取所述待檢測(cè)圖像的紋理特征，Surf、Fast、Harris特征點(diǎn)特征，前景圖像面積比特征和光流密度特征，并對(duì)這些特征進(jìn)行融合，得到所述待檢測(cè)圖像的多模態(tài)融合特征；

步驟6、將所述待檢測(cè)圖像的多模態(tài)融合特征輸入至所述人群密度分類器，得到所述待檢測(cè)圖像對(duì)應(yīng)車廂的人群密度等級(jí)；

步驟7、根據(jù)所述步驟6得到的該車廂的人群密度等級(jí)判斷該車廂的人群密度是否異常；

步驟8、自動(dòng)記錄人群密度異常車廂的人群密度異常信息；

其中，所述光流密度特征的提取包括以下步驟：

取當(dāng)前圖像與存儲(chǔ)的上一幀圖像；

對(duì)于之前提取到的surf特征點(diǎn)，使用KLT算法計(jì)算得到發(fā)生位移變化的surf特征點(diǎn)的數(shù)量；

將該數(shù)量進(jìn)行歸一化處理，得到所述光流密度特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述人群密度等級(jí)包括低人群密度、中等人群密度、高人群密度和超高人群密度。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述紋理特征為LBP紋理特征或歸一化為一定維度的特征向量的灰度共生矩陣特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，當(dāng)所述紋理特征為LBP紋理特征時(shí)，提取所述LBP紋理特征的步驟包括以下步驟：

步驟211、將所述圖像劃分為多個(gè)n×n的子區(qū)域；

步驟212、對(duì)于每個(gè)子區(qū)域中的某一個(gè)像素點(diǎn)，將其像素值分別與其3×3鄰域內(nèi)的8個(gè)像素點(diǎn)的像素值進(jìn)行比較，若周圍像素點(diǎn)的像素值大于該像素點(diǎn)的像素值，則該像素點(diǎn)的位置被標(biāo)記為1，否則標(biāo)記為0，經(jīng)過與3×3鄰域內(nèi)的8個(gè)點(diǎn)比較后，得到與該像素點(diǎn)對(duì)應(yīng)的一個(gè)8位的二進(jìn)制數(shù)，即該像素點(diǎn)對(duì)應(yīng)的LBP值；

步驟213、根據(jù)每個(gè)子區(qū)域像素點(diǎn)的LBP值計(jì)算得到相應(yīng)子區(qū)域的統(tǒng)計(jì)直方圖，并對(duì)得到的統(tǒng)計(jì)直方圖進(jìn)行歸一化處理；

步驟214、將每個(gè)子區(qū)域的歸一化后的統(tǒng)計(jì)直方圖進(jìn)行連接，得到所述圖像的LBP紋理特征；

步驟215、根據(jù)所述LBP紋理特征向量中的最大值和最小值，將所述LBP紋理特征向量等分為p個(gè)區(qū)間，統(tǒng)計(jì)所述LBP紋理特征向量中的每個(gè)元素落在每個(gè)區(qū)間的頻數(shù)，得到一個(gè)p維的特征向量，將其進(jìn)行歸一化，得到p維的LBP紋理特征。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2中，所述前景圖像面積比特征的提取包括以下步驟：

步驟221、存儲(chǔ)每個(gè)列車車廂的空車廂圖像作為背景圖像；

步驟222、將當(dāng)前圖像減去背景圖像，得到對(duì)應(yīng)的前景圖像；

步驟223、對(duì)所述前景圖像經(jīng)過高斯濾波，得到所述前景圖像聯(lián)通區(qū)域外接矩形面積之和，將其除以所述當(dāng)前圖像的總像素，得到所述前景圖像面積比特征。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4中采用隨機(jī)森林學(xué)習(xí)算法或支持向量機(jī)學(xué)習(xí)算法來訓(xùn)練得到所述人群密度分類器。