[發明專利]一種實時高精度人流計數方法

在審

• 申請號: 201410490095.X
• 申請日: 2014-09-24
• 公開（公告）號: CN104318263A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 陳泳瑾;孫寧;李曉飛
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵

技術領域

本發明屬于圖像處理技術領域，特別涉及一種實時高精度人流計數方法。

背景技術

在現代社會，安防是一個非常重要的領域，而視頻監控技術正是安防技術的核心組成部分之一，視頻監控的應用范圍很廣，包括運動檢測、目標跟蹤、人臉識別、車輛識別、遺留物/移走物檢測、異常行為檢測及識別、人數統計、人群密度估計、公共場所的人流控制、交通路口車輛流量控制等。

由于在理論研究與實際應用都具備重要研究意義的課題，行人流量計數一直吸引著大量研究者的興趣。在應用層面上，人流統計在不同的應用場合可以發揮不同的作用，可為商場獲取商場內部按不同時段分布的人數統計、人群流動方向等信息；商場外人行道上的人群流動量統計信息，有利于評估商場選址是否適當。在技術層面上，為了實現人流計數，要涉及運動檢測與跟蹤、目標識別等內容，它們代表了計算機視覺領域的前沿研究方向；同時，由于運動檢測、目標跟蹤、識別等的研究具有相當的難度，相應的研究具有重要的學術意義。

最近十年來，有很多人流計數方法被提出來，其中大多數方法都是基于前景檢測及圖像分塊來進行計數的，還有基于“AdaBoost+Haar”用于行人檢測和“方向梯度直方圖（HOG）+支持向量機（SVM）”等主流方法。其中引發出了很多難題，如前景檢測不穩定，出現鬼影、分塊、漏檢等問題，這些主要是由環境中光照、陰影等因素導致；所謂鬼影就是將前幾幀運動物體所覆蓋的區域錯誤的檢測為運動目標。而在人群擁擠出現個體遮擋的情況下，“HOG+SVM”等方法則存在漏檢的問題。同時，人員出現量大的場景，如地鐵站、汽車站、火車站等，計算度成量級上升的情況下，需要保證實時性的問題。

發明內容

本發明所要解決的技術問題在于克服現有技術的不足，針對因環境和人為因素干擾造成目標識別率低和目標檢測實時性差而導致的人流計數精度不高的問題，提供一種實時高精度人流計數方法。

為解決上述技術問題，本發明所采用的技術方案是：

一種實時高精度人流計數方法，具體步驟如下：

步驟?1：采集實時視頻序列；

步驟?2：訓練行人可變形部件模型；?

步驟?3：運動目標前景提取：對每幀視頻圖像進行處理，采用ViBe背景建模方法，提取出每幀圖像的前景圖像，得到該前景圖像的最小外接矩形；

步驟?4：前景區域行人檢測：取出步驟3中前景圖像的最小外接矩形所對應的視頻圖像幀中的圖像區域，對該區域進行行人檢測，使用已經訓練好的行人可變形部件模型進行匹配，獲得該區域中行人的數量和位置坐標；

步驟?5：使用卡爾曼濾波方法對步驟4檢測得到的行人結果進行跟蹤，判斷行人是否存在穿越卡口的行為，獲取人流進出卡口的人數；

步驟?6：對人流進出卡口的數據進行輸出。

步驟2中，所述訓練行人可變形部件模型，采用Latent?SVM方法，采用的訓練數據包含PASCAL行人圖像數據庫、INRIA行人圖像數據庫。

所述訓練數據包含9000張正樣本和5000張負樣本，所述正樣本包含行人圖像數據庫中的9000張行人圖像，所述負樣本包含行人圖像數據庫中的5000張不含行人的圖片。

步驟4中，所述前景區域行人檢測，其具體步驟如下：

步驟4-1，計算前景區域圖像的HOG特征圖，建立10個尺度的圖像特征金字塔；

步驟4-2，分別用訓練好的三個方向的可變形部件模型掃描特征圖像，獲得不同尺度下的得分；

步驟4-3，將圖像不同尺度下的得分相加得到模型匹配的分數，當三個模型得分最大值大于檢測閾值時，判斷為行人，進而得到行人的準確位置。

步驟5中，所述獲取人流進出卡口的人數，其具體步驟是：分別設定進計數器和出計數器，若前后兩幀目標位移相比較為進的方向，則進計數器加1；否則出計數器加1；一直到目標離開卡口監控區域時，根據進計數器和出計數器的值，統計人流進出卡口的人數。

本發明的有益效果：