[發明專利]一種基于ELM的雙路融合的人群人數統計方法

有效

• 申請號: 201810022606.3
• 申請日: 2018-01-10
• 公開（公告）號: CN108460325B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 張二虎;劉夢琨;段敬紅
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T7/00;G06T7/194;G06T7/62
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 胡燕恒

本發明公開了一種基于ELM的雙路融合的人群人數統計方法，具體為：設計兩路超限學習機ELM1和ELM1分別捕獲人群人數的像素特征和紋理特征與人群人數的關系，并通過第三個超限學習機ELM3實現人群人數的融合，從而了建立基于ELM的雙路融合的人群統計模型；然后利用訓練集圖像分別訓練建立的人群統計模型；最后采用經訓練的人群統計模型對視頻圖像中的人群人數進行統計。采用本發明方法，可以實現人群的像素特征和紋理特征的有機融合，具有特征互補性強、融合自適應的特點，從而可以大大提高人群人數統計模型的準確性。

技術領域

本發明屬于視頻監控技術領域，涉及一種基于ELM的雙路融合的人群人數統計方法。

背景技術

由于人群擁擠導致的群體性事件屢屢發生，于是人們提出了通過視頻監控的方法對公共場所的人群人數進行智能化的統計與管理，以預防由人群擁擠帶來的安全問題。

近年來關于人群人數統計方法的研究取得了一定的進展，然而在實際的大型場景下，存在著人群活動場景復雜、采集的視頻圖像光照變化影響等問題，造成人群人數的統計還存在著較大的誤差。傳統的人群人數估計方法在初期特征提取中主要考慮像素或紋理特征問題，沒有充分考慮特征之間及特征本身的特性，從而沒有充分的挖掘特征信息；在人群人數統計模型方面，現有的多元線性回歸、支持向量回歸、脊回歸等模型，存在著模型預測準確性還不夠高、訓練時間較長等問題。本發明針對這些問題，發明了利用較少的人群特征和雙路融合的ELM模型，達到準確、快速地統計出視頻圖像中的人群人數。

發明內容

本發明的目的是提供一種基于ELM的雙路融合的人群人數統計方法，解決了現有人群人數統計特征難以融合、人群人數統計模型精度不夠高的問題。

本發明所采用的技術方案是，一種基于ELM的雙路融合的人群人數統計方法，具體按以下步驟實施：

步驟1，建立基于ELM的雙路融合的人群統計模型：

設計兩路超限學習機ELM1和ELM2分別捕獲人群人數的像素特征和紋理特征與人群人數的關系，并通過第三個超限學習機ELM3實現人群人數的融合；

步驟2，利用訓練集圖像分別訓練步驟1建立的人群統計模型；

步驟3，采用經步驟2訓練的人群統計模型對視頻圖像中的人群人數進行統計。

本發明的特點還在于，

步驟1中ELM1，有兩個輸入，分別為人群前景目標的周長和面積；一個輸出，為由ELM1估計出的人群人數；一個隱層，節點數為50；

ELM2，有47個輸入，包括32個韋伯特征WLD和15個灰度共生矩陣特征GLCM；一個輸出，為由ELM2估計出的人群人數；一個隱層，節點數為4000；

ELM3，有兩個輸入，分別連接ELM1的輸出和ELM2的輸出；一個隱層，節點數為45；一個輸出作為最后融合后統計出的人群人數。

步驟2中訓練集圖像，包括已采集的人群視頻圖像和視頻圖像中對應的人群人數。

步驟2具體為：

2.1對訓練集圖像，采用基于ViBe方法建立背景模型圖像，運用背景減除法獲得初步的人群前景目標；

2.2提取每幅圖像的人群前景目標的像素特征，作為ELM1的輸入，圖像中的人群人數作為ELM1的輸出，訓練ELM1；提取每幅圖像的紋理特征，作為ELM2的輸入，圖像中的人群人數作為ELM2的輸出，訓練ELM2；

2.3分別將訓練集圖像中人群前景目標的像素特征和紋理特征輸入訓練好的ELM1和ELM2中，將ELM1和ELM2的輸出作為ELM3的輸入，將圖像中的人群人數作為ELM3的輸出，訓練ELM3。