[發(fā)明專利]一種實時多向行人計數(shù)、跟蹤方法

在審

• 申請?zhí)枺?/td>: 201410563299.1
• 申請日: 2014-10-21
• 公開（公告）號: CN104361607A
• 公開（公告）日: 2015-02-18
• 發(fā)明（設(shè)計）人: 馬華東;傅慧源
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06M11/00
• 代理公司: 北京東正專利代理事務(wù)所(普通合伙) 11312
• 代理人: 劉瑜冬

技術(shù)領(lǐng)域

本發(fā)明屬于計算機視覺領(lǐng)域，特別涉及一種實時多向行人計數(shù)、跟蹤方法。

背景技術(shù)

在智能視頻監(jiān)控技術(shù)領(lǐng)域中，對于行人計數(shù)的研究一直是本領(lǐng)域技術(shù)人員關(guān)注的核心。這是因為，通過對場景中的行人計數(shù)，出現(xiàn)突發(fā)事件時，可以有效地根據(jù)場景中人數(shù)的分布而合適地分散、疏散人流，最大程度地降低突發(fā)事件所帶來的危害。

目前，行人計數(shù)的方法主要有以下兩種：

1)OpenCV中提供的運動團塊跟蹤；

該方法主要由四個模塊組成：前景檢測、團塊檢測、團塊跟蹤和軌跡處理。通過使用運動目標檢測得到運動團塊，并提供了不同的跟蹤方法對這些運動圖塊進行跟蹤及優(yōu)化，最后生成團塊的運動軌跡。

該方法依賴于團塊檢測，后面的軌跡處理只是對出現(xiàn)檢測失誤的情況下的一種彌補措施。這種運動檢測的實時性較好，適用于行人計數(shù)等實時系統(tǒng)。但是這種方法有其致命的缺點：a、對背景模型的建立及前景目標的提取依賴性比較強，當場景中的背景變化較快時，無法表現(xiàn)出很好的性能；b、若運動目標在背景中停留時間相對較長，則該運動目標就會被納入到背景模型中去；c、特別是當選用檢測精度比較高的算法時，該方法的實時性無法符合要求，更無法實現(xiàn)跟蹤和計數(shù)了。

2)僅使用光流的方法

其基本的原理是：給圖像中的每一個像素點賦予一個速度矢量，這就形成了一個圖像運動場，在運動的一個特定時刻，圖像上的點與三維物體上的點一一對應(yīng)，這種對應(yīng)關(guān)系可由投影關(guān)系得到，根據(jù)各個像素點的速度矢量特征，可以對圖像進行動態(tài)分析。

光流的方法對運動物體整體不敏感，可實現(xiàn)對不明物體的跟蹤。但是，實際應(yīng)用中，僅使用光流的方法無法克服遮擋性、多光源、透明性和噪聲等不利條件的影響，因此光流場基本方程的灰度守恒假設(shè)條件無法得到滿足，無法求出正確的光流場，而且光流的計算方法非常復(fù)雜，大量的計算根本不能滿足實時性的要求，無法實現(xiàn)實時的多向行人計數(shù)方法。

所以，獲得一種準確、快速、實時的多向行人計數(shù)方法成為了本領(lǐng)域技術(shù)人員一直追求的目標。

發(fā)明內(nèi)容

單獨使用OpenCV中提供的運動團塊跟蹤或者僅使用光流的方法都無法很好地實現(xiàn)實時多向行人計數(shù)、跟蹤的問題，本發(fā)明提供了一種新的實時多向行人計數(shù)、跟蹤方法，將上述兩種方法有效地結(jié)合使用，彌補了現(xiàn)有技術(shù)的不足，達到了對實時多向行人計數(shù)、跟蹤的目的。

為實現(xiàn)上述目的，本發(fā)明提供了如下的技術(shù)方案：

一種實時多向行人計數(shù)、跟蹤方法，其特征在于：該方法包括如下步驟：

S1：使用深度攝像機獲取深度圖像和彩色圖像；

S2：從深度圖像中提取運動團塊；

S3：從彩色圖像上提取Harris角點；

S4：通過前后的兩幀圖像中的相互匹配的Harris角點計算光流向量組；

S5：將光流向量組聚類成一個行人位置點。

S6：計算行人位置點光流向量。

通過在運動團塊基礎(chǔ)上進行計算Harris角點，這樣就避免了背景區(qū)域的計算，而在很多情況下，背景的區(qū)域在整幅圖中占據(jù)相當大的部分，所以極大地減少了計算量。特別當圖像的分辨率比較高時，Harris角點的計算量將非常的大，常規(guī)方法根本無法滿足實時性的要求，在團塊的區(qū)域上獲得Harris角點的方式避免了這個問題。

對于S4步驟，前后的兩幀圖像之間相互間隔一幀圖像。通過相互間隔一幀圖像的兩幀圖像計算光流向量組，行人位置點為中間幀行人位置點，其準確度更高。

進一步地，對于S2步驟，提取運動團塊時，根據(jù)人的頭部與地板的深度值相差較大的特點對場景進行建模，分辨出地板和行人，獲得行人的運動團塊。

通過深度攝像機獲取的深度圖像中很容易獲得圖像內(nèi)某個部分的深度值，容易區(qū)分出地板和行人，這種方式簡單、實用、執(zhí)行效率高。

進一步地，對于S2步驟，提取運動團塊時，通過置地板的像素為0的方式獲得所有的行人區(qū)域，然后對行人區(qū)域分割，獲得所有的單人的運動團塊。

這種方式能夠一步到位地將地板的區(qū)域從圖像中劃分出去，并且采用分割的方式獲取行人團塊個數(shù)的準確性較高。

進一步地，對于S3步驟，提取Harris角點的個數(shù)為20個。

20個Harris角點能夠完整地描述行人團塊，其帶來的計算量也是在可接受的范圍之內(nèi)的，是經(jīng)過多次實驗獲得的參數(shù)。

進一步地，提取Harris角點之后，人為添加一個固定的點，該點選取為團塊的中心點。

增加一個固定點，能夠增加描述運動團塊的準確性。