[發(fā)明專利]一種基于多特征融合的密集人數(shù)估計(jì)方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410756921.0
• 申請(qǐng)日: 2014-12-10
• 公開（公告）號(hào): CN104504394B
• 公開（公告）日: 2018-09-25
• 發(fā)明（設(shè)計(jì)）人: 徐勇;匡慈維
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)深圳研究生院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/02
• 代理公司: 深圳市科吉華烽知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 胡玉

1.一種基于多特征融合的密集人數(shù)估計(jì)方法，其特征在于，所述方法包括以下步驟：

步驟1：輸入視頻圖像，將圖像分成N個(gè)相等的子圖像塊，賦予不同的權(quán)重，并利用圖像中行人目標(biāo)的身高大小與其所在位置作為基準(zhǔn)，計(jì)算圖像透視校正后的歸一化投影系數(shù)；

步驟2：用基于中心對(duì)稱局部二值模式CSLBP直方圖紋理描述和混合高斯背景建模的方法和所述歸一化投影系數(shù)，對(duì)輸入圖像進(jìn)行分層次背景建模，提取各圖像塊經(jīng)透視校正后的前景面積，并計(jì)算出各圖像塊的前景像素密度，再結(jié)合改進(jìn)的Sobel邊緣檢測(cè)算子檢測(cè)計(jì)算出各圖像塊的前景邊緣密度；此外還結(jié)合中心對(duì)稱局部二元模式和灰度共生矩陣提取描述圖像紋理特征的四個(gè)不同方向的重要紋理特征向量；其中，所述步驟2中用基于中心對(duì)稱局部二值模式CSLBP直方圖紋理描述和混合高斯背景建模的方法和所述歸一化投影系數(shù)，對(duì)輸入圖像進(jìn)行分層次背景建模，提取各圖像塊的前景面積具體為：利用K個(gè)加權(quán)的CSLBP直方圖度量視頻當(dāng)前幀與背景幀的相似度，提取出粗劣的前景區(qū)域；在已確定的粗劣前景區(qū)域上，將當(dāng)前前景區(qū)域中的每一個(gè)像素值與所建立的混合高斯模型進(jìn)行匹配，確定出精確的前景目標(biāo)區(qū)域，并利用投影系數(shù)修正前景面積；

所述改進(jìn)的Sobel邊緣檢測(cè)算子包括水平方向和垂直方向檢測(cè)的模板，還包括檢測(cè)45°梯度方向的模板和135°梯度方向的模板，這樣可以得到4個(gè)方向的梯度，不容易丟失邊緣；

步驟3：通過主成分分析對(duì)所述步驟2提取到的前景分割特征向量和紋理特征向量進(jìn)行降維處理，所述前景分割特征包括前景像素密度和前景邊緣密度；

步驟4：將降維后的特征向量輸入到神經(jīng)網(wǎng)絡(luò)模型的輸入層，由其輸出層得到各圖像塊的估計(jì)人數(shù)值；

步驟5：將N個(gè)子圖像塊的人數(shù)相加得出整個(gè)圖像的人數(shù)。

2.根據(jù)權(quán)利要求1所述的密集人數(shù)估計(jì)方法，其特征在于：所述步驟2中結(jié)合中心對(duì)稱局部二元模式和灰度共生矩陣提取描述圖像紋理特征的四個(gè)不同方向的重要紋理特征向量具體為：考慮圖像空間域上灰度變化的問題，對(duì)灰度圖像先進(jìn)行CSLBP變換，確保圖像空間局部鄰域內(nèi)的灰度性和計(jì)算效率不變；再壓縮圖像的灰度等級(jí)，利用灰度共生矩陣提取出完整有效的紋理特征向量。

3.一種的基于多特征融合的密集人數(shù)估計(jì)系統(tǒng)，其特征在于：所述系統(tǒng)包括計(jì)算機(jī)和攝像頭，所述攝像頭采集視頻圖像傳送到所述計(jì)算機(jī)進(jìn)行處理，所述計(jì)算機(jī)執(zhí)行如權(quán)利要求1-2任一項(xiàng)所述的密集人數(shù)估計(jì)方法。