[發(fā)明專利]一種通過模式識別與機器視覺對人群密度進行實時監(jiān)控的方法

在審

• 申請?zhí)枺?/td>: 201811277215.2
• 申請日: 2018-10-30
• 公開（公告）號: CN109543555A
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計）人: 郟東耀;吳能凱;張兵
• 申請（專利權(quán)）人: 北京交通大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 范盈

本發(fā)明公開了一種通過模式識別與機器視覺對人群密度進行實時監(jiān)控的方法，劃分圖像子塊；確定圖像子塊前景像素占比的選擇閾值R；對圖像子塊的標(biāo)定，圖像子塊的平均前景像素占比r＜R時，采用基于前景像素統(tǒng)計的回歸算法；當(dāng)圖像的平均前景像素占比r＞R時，采用基于紋理特征提取的學(xué)習(xí)分類算法；獲得整幅圖像的人群密度等級。本發(fā)明結(jié)合了兩種人群密度估計算法的混合算法在各個人群密度等級都有較好的分類效果，較好的融合了兩種算法的優(yōu)點，不僅有效的解決了兩種人群密度估計算法的缺點，而且還從整體上簡化了算法的訓(xùn)練過程，同時還提高了平均分類準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及算機數(shù)字圖像處理領(lǐng)域，具體涉及一種通過模式識別與機器視覺對人群密度進行實時監(jiān)控的方法。

背景技術(shù)

伴隨著經(jīng)濟社會的發(fā)展，人群聚集現(xiàn)象越來越普遍，人群管理與決策也愈加復(fù)雜，因此基于視頻實時人群密度檢測有著十分重大的應(yīng)用價值，也逐漸成為數(shù)字圖像處理領(lǐng)域的研究重點。

目前人群密度分類方法主要分為兩大類，分別為基于局部像素的追蹤與統(tǒng)計方法以及基于整體的紋理分析學(xué)習(xí)分類法。對于前者比較有代表性的主要有Davies，Cho，Ma等人的方法，他們認(rèn)為人群密度與前景像素有線性關(guān)系，可以通過線性回歸擬合的方法來預(yù)測人群密度的等級；Marana，Wu，Rahmalan和Chan則認(rèn)為人群密度如圖像的紋理有關(guān)，低密度人群擁有較為粗糙的紋理圖像，反之則有擁有較為細(xì)膩的紋理圖像。因此根據(jù)假設(shè)，可以通過獲取人群圖像的紋理特征，訓(xùn)練支持向量機來獲得人群密度等級信息。

上述兩種方法都有著自己的局限性，僅基于局部像素追蹤與統(tǒng)計的方法估計在監(jiān)測人群較為密集的場景時，由于人群遮擋較為嚴(yán)重，因為當(dāng)人群密度逐漸增加，前景像素占比與人群密度不再具有線性關(guān)系，而采用整個訓(xùn)練樣本集進行回歸擬合反而影響了模型對低密度等級的分類，從而導(dǎo)致估計擬合效果變差甚至出現(xiàn)錯誤；而僅基于整體紋理特征分析的人群密度分類算法在較低的人群密度下容易受到背景噪聲的影響，從而影響分類效果，并且在上述傳統(tǒng)的人群密度估計算法直接使用整個訓(xùn)練樣本集對支持向量機(SupportVector Machine， SVM)分類器進行訓(xùn)練，不僅訓(xùn)練效率較低而且非常容易受到訓(xùn)練集中兩類樣本間的“介類點”以及噪聲污染點的影響，從而導(dǎo)致分類準(zhǔn)確率低，結(jié)構(gòu)風(fēng)險大。具體參加以下文獻(xiàn)：

[1]A.N.Marana，L.F.Costa，R.A.Lotufo，S.A.Velastin.On the efficacy oftexture analysis for crowd monitoring[C].//Computer Graphics，ImageProcessing，and Vision (SIBGRAPI)，Proceedings，International Symposium on.Riode Janeiro：IEEE press，1998： 354-361.

[2]X.Wu，G.Liang，K.K.Lee，Y.Xu.Crowd Density Estimation Using TextureAnalysis and Learning[C].//In Robotics and Biomimetics，IEEE InternationalConference on. Kunming，China：IEEE Press，2006：214-219.

[3]H.Rahmalan，M.S.Nixon，J.N.Carter.On Crowd Density Estimation forSurveillance[C].//In Crime and Security，The Institution of Engineering andTechnology Conference on.London，Britain：IET press，2006：540-545.