[發(fā)明專利]一種雙像機(jī)的人群人數(shù)統(tǒng)計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510363524.1
• 申請(qǐng)日: 2015-06-25
• 公開（公告）號(hào): CN104933418B
• 公開（公告）日: 2018-11-06
• 發(fā)明（設(shè)計(jì)）人: 張二虎;王海強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 李娜

本發(fā)明公開了一種雙像機(jī)的人群人數(shù)統(tǒng)計(jì)方法，在監(jiān)控場(chǎng)景中設(shè)定目標(biāo)像機(jī)A和輔助像機(jī)B，分別計(jì)算這兩個(gè)像機(jī)視頻幀中的人群塊數(shù)據(jù)集的特征；使用遷移學(xué)習(xí)算法從輔助人群數(shù)據(jù)集中提取與目標(biāo)人群數(shù)據(jù)集特征接近的樣本數(shù)據(jù)作為遷移人群數(shù)據(jù)集；合并遷移人群數(shù)據(jù)集和目標(biāo)人群數(shù)據(jù)集為新的人群數(shù)據(jù)集；根據(jù)新的人群數(shù)據(jù)集中遮擋人群塊真實(shí)人數(shù)與預(yù)測(cè)人數(shù)差值融合人群數(shù)據(jù)集的像素特征和紋理特征；根據(jù)融合特征訓(xùn)練一個(gè)人群人數(shù)統(tǒng)計(jì)模型；使用訓(xùn)練好的人群人數(shù)統(tǒng)計(jì)模型預(yù)測(cè)新輸入人群圖像的人數(shù)。本發(fā)明通過(guò)遷移學(xué)習(xí)解決了大量人群數(shù)據(jù)標(biāo)定、人群數(shù)據(jù)分布不均衡和數(shù)據(jù)缺失問題，通過(guò)特征融合充分發(fā)揮了不同類型特征的特點(diǎn)，提高了人群統(tǒng)計(jì)模型的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于智能安防監(jiān)控技術(shù)領(lǐng)域，具體涉及一種雙像機(jī)的人群人數(shù)統(tǒng)計(jì)方法。

背景技術(shù)

在人群人數(shù)統(tǒng)計(jì)過(guò)程中，傳統(tǒng)機(jī)器學(xué)習(xí)的任務(wù)是在給定充分訓(xùn)練數(shù)據(jù)的基礎(chǔ)上來(lái)學(xué)習(xí)一個(gè)模型，然后利用該模型預(yù)測(cè)人數(shù)。然而，傳統(tǒng)機(jī)器學(xué)習(xí)需要標(biāo)定大量訓(xùn)練數(shù)據(jù)，并且標(biāo)定的數(shù)據(jù)可能存在數(shù)據(jù)分布不均衡和數(shù)據(jù)缺失現(xiàn)象。因此，本發(fā)明利用遷移學(xué)習(xí)方法從其它像機(jī)提取與目標(biāo)像機(jī)有關(guān)聯(lián)的已標(biāo)定的輔助人群數(shù)據(jù)來(lái)解決上述問題。

在人數(shù)統(tǒng)計(jì)過(guò)程中，像素特征能有效描述低密度人群特征，紋理特征能有效表達(dá)高密度人群特征，因此有效融合像素特征和紋理特征能提高人數(shù)統(tǒng)計(jì)準(zhǔn)確率。因此，本發(fā)明將遮擋塊真實(shí)人數(shù)與預(yù)測(cè)人數(shù)的差值作為衡量目標(biāo)塊中人群遮擋嚴(yán)重程度的依據(jù)來(lái)融合像素特征和紋理特征。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種雙像機(jī)的人群人數(shù)統(tǒng)計(jì)方法，解決了現(xiàn)有人數(shù)統(tǒng)計(jì)算法不能準(zhǔn)確融合像素特征和紋理特征的問題。

本發(fā)明所采用的技術(shù)方案是，一種雙像機(jī)的人群人數(shù)統(tǒng)計(jì)方法，監(jiān)控場(chǎng)景中有目標(biāo)像機(jī)A和輔助像機(jī)B，利用目標(biāo)像機(jī)A視頻幀統(tǒng)計(jì)人群人數(shù)，利用輔助像機(jī)B中的視頻幀數(shù)據(jù)輔助A中數(shù)據(jù)進(jìn)行訓(xùn)練，目標(biāo)人群數(shù)據(jù)集D_A為統(tǒng)計(jì)目標(biāo)像機(jī)A視頻幀中人群塊的像素特征和紋理特征以及目標(biāo)塊實(shí)際人數(shù)；輔助人群數(shù)據(jù)集D_B為統(tǒng)計(jì)輔助像機(jī)B視頻幀中人群塊的像素特征和紋理特征以及目標(biāo)塊實(shí)際人數(shù)；遷移人群數(shù)據(jù)集D_R為從輔助人群數(shù)據(jù)集D_B中遷移與目標(biāo)人群數(shù)據(jù)集D_A中樣本特征相近的人群數(shù)據(jù)樣本；

具體包括以下方法步驟：

步驟1、合并遷移人群數(shù)據(jù)集D_R和目標(biāo)人群數(shù)據(jù)集D_A為人群數(shù)據(jù)集D；

步驟2、根據(jù)人群數(shù)據(jù)集D中遮擋人群塊實(shí)際人數(shù)與預(yù)測(cè)人數(shù)的差值來(lái)融合人群數(shù)據(jù)集D中的像素特征和紋理特征；

步驟3、以步驟2中獲取的各人群塊的融合人群數(shù)據(jù)集D中的像素特征和紋理特征作為輸入，相應(yīng)各人群塊的實(shí)際人數(shù)為輸出，訓(xùn)練第一支持向量回歸模型；

步驟4、輸入一幅新的人群圖像，提取像素特征和紋理特征，根據(jù)步驟3訓(xùn)練好的第一支持向量回歸模型預(yù)測(cè)輸入的人群圖像中的人群人數(shù)。

本發(fā)明的特點(diǎn)還在于：

紋理特征包括韋伯特征和局部二值模式。

像素特征包括前景面積、前景邊緣像素?cái)?shù)和前景周長(zhǎng)。

步驟2的具體方法為：

步驟2.1、對(duì)人群數(shù)據(jù)集D，使用線性擬合方法，分別擬合人群數(shù)據(jù)集D中未遮擋人群塊實(shí)際人數(shù)y_pix＝y(tǒng)_edge＝y(tǒng)_contour與未遮擋人群塊的前景面積x_pix、前景邊緣像素?cái)?shù)x_edge和前景周長(zhǎng)x_edge這三種像素特征之間的線性關(guān)系，如式(1)所示：

其中，a～f為需要擬合的參數(shù)，利用最小二乘法求取這些擬合參數(shù)；