[發明專利]一種人群聚集區域檢測方法和裝置

有效

• 申請號: 201410508575.4
• 申請日: 2014-09-28
• 公開（公告）號: CN104268528A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 葉必錠;吳金勇;王軍
• 申請（專利權）人: 深圳市科松電子有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣東廣和律師事務所 44298
• 代理人: 章小燕

技術領域

本發明涉及安防領域，尤其涉及一種人群聚集區域檢測方法和裝置。

背景技術

隨著社會經濟的高速發展，我國的城市化進程不斷推進，城市的人口數量越來越多，城市的公共交通、生活設施等區域經常會迎來短期的人流高峰，人群的高度擁擠帶來了一些安全隱患，若不能得到及時有效疏散，容易造成重大事故，例如踐踏等危險事故。同時，人口數量的急劇增長，也容易導致一些群體事件發生，例如聚眾鬧事，群毆打架等，對城市的治安造成較大的威脅。

為了及時發現突發的人群聚集事件，引入了視頻監控系統。但是，傳統的視頻監控系統由人工輪崗來監視，由于監控點比較多，工作人員較少，使得很多人群聚集事件沒有被及時發現。同時，人眼在長時間盯著監控屏幕后極容易導致視覺疲勞，使注意力下降。隨著計算機視覺技術的不斷發展和應用，已經可以利用計算機技術代替人眼和人腦，來自動分析人群聚集事件。

目前，利用計算機視覺技術的人群聚集區域檢測方法有兩種：(1)基于人群像素統計的方法，該方法通過背景相減的方法來提取運動的前景人群，并統計人群占據的像素數目來判斷是否發生聚集事件，該方法的優點是方法簡單、處理速度快，但是在人群擁擠時，存在非常嚴重的重疊現象，導致行人計數存在較大誤差；并且，由于外面因素的干擾，要想獲取一個穩定的背景非常困難，這直接影響到前景的精確提取；同時，如果場景中的人群沒有運動，這直接導致背景獲取失敗，不能檢測到人群聚集。(2)基于人群紋理信息的方法，該方法將人群分為低、中、高密度，低密度人群在紋理上表現為粗模式，高密度人群在紋理上表現為細模式，該方法在背景比較單一場景下效果較好，但在場景復雜、人群比較稀疏的情況下，誤報較多，容易將其判為人群密集的情況。

此外，上述兩種檢測方法都需要人工在監控畫面中設置固定區域來檢測人群聚集，而不能自動檢測人群聚集的位置。

發明內容

有鑒于此，本發明要解決的技術問題是提供一種人群聚集區域檢測方法和裝置，以解決需要人工在監控畫面中設置固定區域、且誤報較多的技術問題。

本發明解決上述技術問題所采用的技術方案如下：

根據本發明的一個方面，提供的一種人群聚集區域檢測方法包括：

采樣輸入的視頻圖像并進行預處理，得到灰度圖；

利用預設的多尺度矩形窗口遍歷灰度圖，并采用分類器粗定位人群密集區域；

當存在人群密集區域時，根據人群密度對人群密集區域進行精細定位人群聚集區域。

優選地，利用預設的多尺度矩形窗口遍歷灰度圖，并采用分類器粗定位人群密集區域進一步包括：

針對每一個預設尺度的矩形窗口，將其在灰度圖上滑動，獲取被矩形窗口覆蓋的子圖像的集合；

提取每個子圖像的HOG特征；

采用Adaboost級聯分類器對每個子圖像的HOG特征進行分類，得到人群密集候選區域；

將人群密集候選區域進行融合，得到人群密集區域。

優選地，提取每個子圖像的HOG特征進一步包括：

利用梯度算子提取子圖像的水平方向和垂直方向的梯度；

計算每個像素的梯度大小和梯度方向；

將子圖像分成至少兩個單元格，在每個單元格內建立梯度方向直方圖；

將相鄰的單元格組成一個塊，將一個塊內所有單元格的特征向量串聯起來，并進行歸一化處理，得到該塊的特征；

將該子圖像的所有塊的特征串聯，得到該子圖像的HOG特征。

優選地，根據人群密度對粗定位的人群密集區域進行精細定位人群聚集區域進一步包括：

根據人群密集區域的位置，從輸入的彩色圖像中截取對應的人群密集區圖像；

將人群密集區圖像縮放到預設的大小，并轉換為灰度圖像，得到人群密集區灰度圖；

利用傅里葉變換將人群密集區灰度圖轉換到頻率域，得到人群密集區傅立葉頻譜圖；

計算人群密集區傅立葉頻譜圖的傅立葉頻譜特征，并采用分類器進行人群密度等級分類；

記錄人群密度分類結果為高密度的區域位置，輸出人群聚集區域。

優選地，計算人群密集區傅立葉頻譜圖的傅立葉頻譜特征，并采用分類器進行人群密度等級分類進一步包括：

計算人群密集區傅立葉頻譜圖的熵特征、能量特征和極坐標傅立葉頻譜特征描述子；

采用BP神經網絡分類器對熵特征、能量特征和極坐標傅立葉頻譜特征描述子進行人群密度等級分類。

優選地，計算極坐標傅立葉頻譜特征描述子包括以下維度：