[發明專利]一種基于多特征融合的密集人數估計方法和系統

有效

• 申請號: 201410756921.0
• 申請日: 2014-12-10
• 公開（公告）號: CN104504394B
• 公開（公告）日: 2018-09-25
• 發明（設計）人: 徐勇;匡慈維
• 申請（專利權）人: 哈爾濱工業大學深圳研究生院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 胡玉

本發明提出了一種基于多特征融合的密集人數估計方法與系統。首先，將圖像分成N個相等的子塊；然后，用基于CSLBP直方圖紋理模型和混合高斯背景建模的方法，對圖像進行分層次背景建模，提取各子塊經透視校正后的前景面積，并結合改進的Sobel邊緣檢測算子檢測出各子塊邊緣密度，還結合CSLBP變換和灰度共生矩陣提取描述圖像紋理特征的四個不同方向的重要紋理特征向量；再通過主成分分析對提取到的人群前景分割特征向量和紋理特征向量進行降維處理；將降維后的特征向量輸入到神經網絡模型的輸入層，由其輸出層得到各子塊的人數估計；最后，相加得到總人數。其具有較高的準確性和較好的魯棒性，在對地鐵站臺監控視頻的人數統計實驗中取得了較好效果。

技術領域

本發明屬于視頻分析處理領域，尤其涉及一種密集人數估計方法和系統。

背景技術

隨著世界人口的不斷增加和社會經濟的快速發展，群體性事件與日俱增，從而人群安全問題已經成為人們關注的熱點問題。視頻監控技術的高速發展是對群體性事件控制的重要技術保障，而人群的人數統計是對群體性事件進行有效管理的重要依據。

傳統的視覺監視應用是基于閉路電視系統(Closed Circuit Television,CCTV)的模擬系統。該系統的視頻監控完全是以人工監視為主，而且人工的方法需要巨大的監視工作量，隨著監視時間的增長，監視人員的注意力會下降，很容易遺漏場景中發生的問題。而事后對存儲數據的查找、分析，即使發現問題也為時已晚。隨著我國綜合國力的不斷增強，大規模群體性活動變得日益頻繁，比如體育賽事、明星演唱會、宗教儀式等。人群的安全是一個十分重要的問題，關系到社會治安的穩定，所以有關部門對群體性事件高度重視。而群體性事件的發生將會帶來巨大的損失，而我們國家的人口眾多，極易發生群體性事件，所以對人群的人數統計設計顯得尤其重要。而人群的人數估計可以對某一監控場景給出人群的密度等級，這有助于管理者調度人力去預防群體性事件的發生，因而人群的人數統計是群體監控的一項主要參考指標。

目前，針對人數統計問題的研究主要分為兩類。一類是基于行人檢測的方法，通過提取人體或頭部局部區域的輪廓、紋理、色彩等特征來檢測行人個體，并據此計算場景人數。此類方法能夠定位出場景中行人的具體位置，對于一些畫面清晰，人數較少的簡單場景有一定的效果。然而，現實監控場景中更多的是一些畫面模糊，人數多且互相遮擋嚴重的復雜場景，此類方法對這樣的實際監控場景并不適用。另一類是基于全局特征統計人數的方法，通過提取場景中的前景區域特征，如面積、邊緣長度、紋理特征等，再利用回歸算法來統計場景中的人數。這類方法雖不能準確定位每個行人的具體位置，但能更好地統計出復雜場景中的人數。Conde C通過提取灰度差分矩陣(GLDM)特征對廣場大廳類的監控場景實現了人數統計，然而該方法中需要提取的特征值較多，計算步驟過于復雜。Moctezuma D和Martin D采用了灰度共生矩陣(GLCM)特征進行人數統計，并通過主成分分析(PCA)簡化了最終的特征指標，在不影響精確度的情況下，降低了計算量，但該方法未能很好地考慮透視效應的因素，即圖像中人所占的像素數隨著與攝像頭距離的增大而減小，對于復雜場景的實際檢測效果一般。Albiol A和Hajer F通過提取場景中運動區域的角點信息統計人數，可以在無需提取場景前景的情況下統計場景中的人數，然而該算法僅能檢測出運動狀態的行人，無法檢測出靜止狀態的行人。

發明內容

為了解決現有技術中問題，本發明提出了一種基于多特征融合的密集人數估計方法和系統。

本發明通過如下技術方案實現：

一種基于多特征融合的密集人數估計方法包括以下步驟：

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