[發明專利]一種擁擠區域的確定方法和裝置

有效

• 申請號: 201610010222.0
• 申請日: 2016-01-06
• 公開（公告）號: CN105678333B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 毛敏
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本發明提供一種擁擠區域的確定方法和裝置，該方法包括：針對待測試圖像的每個像素點，生成K個不同尺度的待測試子圖像；針對每個待測試子圖像，按照預設大小在所述待測試子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第一特征向量，并將所述第一特征向量聚類到對應的單詞，并統計聚類到每個單詞的第一特征向量數量；利用聚類到每個單詞的第一特征向量數量計算所述待測試子圖像的第一概率向量；利用K個第一概率向量，確定所述像素點為擁擠區域或者非擁擠區域。通過本發明的技術方案，可以有效估計出待測試圖像中的擁擠區域和非擁擠區域，復雜度較低，適用范圍較大。而且，擁擠區域和非擁擠區域的估計結果準確。

技術領域

本發明涉及視頻技術領域，尤其涉及一種擁擠區域的確定方法和裝置。

背景技術

目前，人群擁擠度分析在執法、城市規劃、交通管理中有著廣泛的應用場景。為了得出某一區域的人群擁擠度，可以采集包含該區域的圖像，對該圖像進行特征提取，并基于提取的特征分析出該區域的人群擁擠度。

為了分析出人群擁擠度，通常采用局部特征分析人群擁擠度，相應的特征提取算法可以如SIFT(Scale Invariant Feature Transform，尺度不變特征轉換)、SURF(SpeededUp Robust Features，加速魯棒特征)等。在這些方法中，需要利用特征點檢測方法，對區域進行特征點檢測，并利用特征點描述算子對特征進行描述，繼而利用描述的特征分析區域的人群擁擠度。

但是，采用局部特征分析人群擁擠度時，復雜度較高，適用范圍較小。

發明內容

本發明提供一種擁擠區域的確定方法，所述方法包括以下步驟：

針對待測試圖像的每個像素點，生成K個不同尺度的待測試子圖像；

針對每個待測試子圖像，按照預設大小在所述待測試子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第一特征向量，并將所述第一特征向量聚類到對應的單詞，并統計聚類到每個單詞的第一特征向量數量；利用聚類到每個單詞的第一特征向量數量計算所述待測試子圖像的第一概率向量；

利用K個第一概率向量，確定所述像素點為擁擠區域或者非擁擠區域。

利用聚類到每個單詞的第一特征向量數量計算所述待測試子圖像的第一概率向量的過程，具體包括：利用如下公式計算所述待測試子圖像的第一概率向量：其中，i的取值為1-N，表示第i個單詞，N為單詞的總數量，k_i表示聚類到第i個單詞的第一特征向量數量，λ_i為常量*待測試子圖像的尺度大小。

所述利用K個第一概率向量，確定所述像素點為擁擠區域或者非擁擠區域的過程，具體包括：利用支持向量機SVM分類器對所述K個第一概率向量進行分類，并利用分類結果確定所述像素點為擁擠區域或者非擁擠區域；

其中，所述SVM分類器的訓練過程，具體包括：針對樣本圖像中的擁擠區域的每個像素點，生成K個不同尺度的擁擠樣本子圖像，針對樣本圖像中的非擁擠區域的每個像素點，生成K個不同尺度的非擁擠樣本子圖像；

利用擁擠樣本子圖像和非擁擠樣本子圖像訓練所述SVM分類器；在所述SVM分類器中，將擁擠樣本子圖像對應的K個第二概率向量分類成擁擠區域，將非擁擠樣本子圖像對應的K個第三概率向量分類成非擁擠區域。

所述利用擁擠樣本子圖像和非擁擠樣本子圖像訓練所述SVM分類器，具體包括：針對每個尺度的擁擠樣本子圖像，按照預設大小在擁擠樣本子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第二特征向量，將第二特征向量聚類到對應的單詞；針對每個尺度的非擁擠樣本子圖像，按照預設大小在非擁擠樣本子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第二特征向量，將第二特征向量聚類到對應的單詞；統計聚類到每個單詞的第二特征向量數量，利用聚類到每個單詞的第二特征向量數量，計算擁擠樣本子圖像對應的第二概率向量，非擁擠樣本子圖像對應的第三概率向量；