[發明專利]一種結合圖像特征和流體力學特征的人群計數方法

在審

• 申請號: 201810195310.1
• 申請日: 2018-03-09
• 公開（公告）號: CN108363988A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 張旭光;楊羚;胡碩
• 申請（專利權）人: 燕山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/18
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

本發明公開了一種結合圖像特征和流體力學特征的人群計數方法，首先獲取實驗視頻圖像，利用混合高斯建模法獲取前景運動目標，提取運動前景的圖像特征；進一步的將視頻運動像素點視為粒子，根據光流法處理基礎上求取粒子速度信息，建立粒子切應力模型；通過切應力模型求取運動粒子切應力，對粒子切應力加和來表征人群粒子的流體力學特征；進一步的結合的圖像和流體特征構建特征向量，將其作為輸入向量完成回歸模型訓練，進一步實現對場景中人群數目的估計，實現對視頻監控智能檢測分析。本發明具有設計合理、應用廣泛、預測準確等優點。

技術領域

本文涉及智能監控人群分析技術領域，更具體的，涉及一種結合圖像特征和流體力學特征的人群計數方法。

背景技術

近幾年來，在公共場合傷亡事件的頻發不斷的危害著人們的財產及生命安全，諸如上海外灘踩踏事件，北京密云縣擁擠踩踏事件等，這不僅引起了許多傷亡也對人們生活產生過許多不良影響，因此人群聚集事件的發生引起更多公眾對公共安全的關注。由于在早期監控安防領域，視頻監控完全依賴于人力，該做法的缺陷在于不僅在事故發生時，導致無法及時調動人力的問題，同時資源上也造成了一定的浪費，除此之外通過人工完成高密度人群人數統計更是一項較大的工程。因此視頻安全監控領域中，基于對人群的動態進行整體建模和分析研究智能分析顯的更加重要和緊迫。

目前，人群計數方法大致分為兩大類，一、個體行人分析，將人群中每個行人視為獨立的個體，因此需要檢測和跟蹤視頻監控中的個體或通過聚類標記行人，來進行統計人群數目，但是缺陷在于當眾多人群受到遮擋時，難以在場景中精準定位標記個體目標。二、回歸模型分析，將人群視為整體，提取視頻中整體人群目標的的圖像特征，利用人群目標特征訓練回歸模型，從而通過回歸模型預測行人數目。

從研究現狀來看，由于單個行人檢測受遮擋因素影響，獨立個體行人檢測誤差可能會較大，同時回歸模型分析中圖像特征的提取種類較為單一，在回歸模型訓練上可能會無法得到較好的擬合，從而可能會導致在人群預測上面引起一些不必要的誤差。

發明內容

本發明目的在于提供一種設計合理，準確度好的結合圖像特征和流體力學特征的人群計數方法。

為實現上述目的，采用了以下技術方案：本發明所述方法步驟如下：

步驟1、獲取視頻幀圖像，根據混合高斯法獲取圖像的運動前景目標，根據運動前景目標提取運動人群的圖像特征；

步驟2、將圖像像素點視為運動粒子，構建粒子切應力模型；

步驟3、根據粒子切應力模型求取粒子切應力，通過對粒子切應力進行加和來表征目標人群的流體力學特征；

步驟4、構建人群的特征向量，將目標人群的圖像特征與流體力學特征結合構建目標人群的特征向量，利用回歸模型完成目標人群的數目預測。回歸模型可以為神經網絡回歸模型，也可以是支持向量機回歸模型。

進一步，所述步驟2中，構建粒子切應力模型具體包括：

首先，利用光流法求取人群粒子速度，定義粒子水平方向速度為u和豎直方向速度為v，uv代表粒子水平和垂直方向的合速度；

然后，根據流體力學中的粘滯定律構建粒子切應力模型：

式中，μ為粘滯系數恒為正值，為粒子流速梯度，ds為粒子接觸面積，由于將粒子視為質點，因此接觸面積可忽略不計，ds值為1。

進一步的，(x，y)點的粒子流速梯度計算如下：

式中，r為粒子間歐式距離；

在進行流速梯度計算過程中，將人群粒子劃分為處在圖像邊緣的粒子和處在非邊緣的粒子兩種情況進行計算，圖像中非邊緣粒子流速梯度計算如下：