專利名稱：一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離方法
技術(shù)領(lǐng)域：
本發(fā)明涉及乘客目標(biāo)圖像和背景分離方法，特別涉及一種利用輔助規(guī)則紋 理的乘客目標(biāo)圖像和背景分離方法。
背景技術(shù)：
客運車輛乘客上下門等場所常常需要統(tǒng)計在某一時間點或時間段內(nèi)上車 的乘客數(shù)量和下車的乘客數(shù)量，以此乘客統(tǒng)計數(shù)據(jù)為依據(jù)優(yōu)化運營和提高管理 水平。
統(tǒng)計客運車輛上下乘客的數(shù)量流程中，非常關(guān)鍵的一個步驟是檢測在任意 時間點是否存在乘客，以及每一個乘客在上下車過程中在該時間點所處的位置。
申請?zhí)枮?00710036809.X的發(fā)明專利"運動目標(biāo)跟蹤及數(shù)量統(tǒng)計方法"公 開了一種主要應(yīng)用于客運汽車統(tǒng)計乘客數(shù)量的方法。該發(fā)明在車門上方安裝攝 像機完成圖像數(shù)據(jù)的采集，采用圖像識別的方法，完成乘客目標(biāo)和背景的分離。
武漢科技大學(xué)信息科學(xué)與工程學(xué)院的付曉薇在其碩士學(xué)位論文"一種基于 動態(tài)圖像的多目標(biāo)識別計數(shù)方法"中公布了一種采用幀間差和背景差的方法檢 測圖像中的乘客目標(biāo)區(qū)域，大連海事大學(xué)信號與圖像處理研究所的田京雷在 2005年全國圖象圖形學(xué)學(xué)術(shù)會議上公布了 "基于視頻的客流計數(shù)系統(tǒng)的研究" 論文(《第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集》，作者章毓晉，ISBN: 7302119309)，也采用背景差的方法來檢測圖像中乘客目標(biāo)區(qū)域。
以上采用圖像識別技術(shù)來統(tǒng)計乘客數(shù)量的方法，檢測乘客目標(biāo)并將乘客目 標(biāo)和背景分離是實現(xiàn)高精度乘客計數(shù)的關(guān)鍵。但是，由于攝像機所面臨的外界 工作環(huán)境極其復(fù)雜，人體上下車的行為、姿態(tài)千差萬別并且不可控。如果僅僅 采用上述方法對復(fù)雜情況下拍攝到的乘客上下車圖像進行圖像識別，難以高效 準(zhǔn)確的將乘客目標(biāo)圖像和背景分離開來。

發(fā)明內(nèi)容
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種在外界 工作環(huán)境極其復(fù)雜，人體上下車的行為和姿態(tài)千差萬別等復(fù)雜情況下乘客目標(biāo) 和背景區(qū)域的正確分離的利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離方法。
本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn) 一種利用輔助規(guī)則紋理的乘 客目標(biāo)圖像和背景分離方法，其特征在于，包含以下步驟
(1) 接收一幅新采集的數(shù)字圖像；
(2) 檢測是否接收成功，若檢測結(jié)果為否，則返回步驟(1);
(3) 若步驟(2)中檢測的結(jié)果為是，則進行圖像預(yù)處理；
(4) 檢測是否處理成功，若檢測結(jié)果為否，則返回步驟(1);
(5) 若步驟(4)中檢測的結(jié)果為是，則進行圖像邊緣檢測；
(6) 檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟(1);
(7) 若步驟(6)中檢測的結(jié)果為是，則進行直線檢測；
(8) 檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟(1) ，
(9) 若步驟(8)中檢測的結(jié)果為是，則進行被遮擋的直線段定位；
(10) 檢測是否處理成功，若檢測結(jié)果為否，則返回步驟(1);
(11) 若步驟(10)中檢測的結(jié)果為是，則進行人體圖像區(qū)域提取；
(12) 檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟(1);
(13) 若步驟(12)中檢測的結(jié)果為是，則進行輸出人體圖像區(qū)域。 所述的圖像預(yù)處理包括以下步驟
(1) 圖像色度空間變換，將RGB色度空間中的圖像變換為YUV色度空 間中的圖像；
(2) 圖像濾波，采用3x3大小的模板進行中值濾波，然后采用3x3大小的 模板完成開啟運算，再采用3x3大小的模板完成閉合運算。
所述的圖像邊緣檢測包括以下步驟
(1) 采用Sobel、 Gaussian梯度算子計算圖像的梯度；
(2) 統(tǒng)計圖像的梯度直方(3) 檢測梯度直方圖的最高峰值；
(4) 對任何非峰值點，采用"均值偏移"算法進行運算，找到大于峰值
且第一個不偏移到最高峰值的梯度值，以此梯度值為小閾值LowThreshold,則大 閾值HighThreshold = 2 * LowThreshold;
(5) 提取圖像三值化，規(guī)則為如果G(/，/)〈LowThreshold,T(/，力^，如果 G(/,/)>HighThreshold,T(/,_/) = 2 ，否則T (i， j) = 1;
(6) 對所有T (i， j)的值不是O的點進行非極大值抑制，所有非極大值 抑制成功的像素點,其T(i，j)值重新置0;
(7) 對所有T(i,j)值為2的點,進行連通性分析，消除所有長度短于預(yù)先給 定值Length的邊緣；
(8) 邊緣連接，如果某T(i,j)值為1的點和T(i,j)值為2的邊緣段連通，則 修改T(i,j)的值為2，否則將其值修改為0;
(9) 輸出邊緣檢測結(jié)果。 所述的直線檢測采用哈夫變換方法檢測直線，獲得每一條直線的描述方程
y = k(i)x + b(i)(U0,l,...N)，其中k (i)是第i條直線Li的斜率，b (i)是第i條直線Li的截距。
所述的被遮擋的直線段定位包括以下步驟
(1) 對擬合好的每一條直線Li，求出在圖像空間中的所有坐標(biāo)點，方法 為如果k(i)《1，對所有x，從0開始每次增長1，直到x增長到圖像的寬 度值為止，采用方程y:k①x+b(i)，求出對應(yīng)的y值并取整，否則，對所有y， 從0開始每次增長1，直到y(tǒng)增長到圖像的高度值為止，采用方程
x = y-b(0
k(i)
求出對應(yīng)的x值并取整。
(2) 對直線Li上的每個點Pj(Xk,yk)，在以該點為圓心，以r為半徑的圓 形區(qū)域內(nèi)，査找是否存在圖像邊緣檢測中檢測到的邊緣點，如果查找到邊緣點， 而該點賦予標(biāo)記l，否則賦予標(biāo)記0，其中r是預(yù)先指定的值， 一般取3;
(3) 在給定的直線上，采用長度為5的線結(jié)構(gòu)元素對標(biāo)記1進行形態(tài)學(xué) 閉合運算；
(4) 線標(biāo)記連通性分析。對提取的標(biāo)記為0的所有線連通元，均確定為 被遮擋的直線段。
所述的人體圖像區(qū)域提取包括以下步驟
(1) 連通性分析。將所有相鄰的被遮擋的直線聚類在一起形成一個連通 的區(qū)域；
(2) 計算連通元k的最小外接矩形(k-O， 1， ...,N)。求得的矩形寬度、 高度和面積依次記為W (k) 、 H(k)和A(k);
(3) 連通元寬度高度和面積校驗。對連通元k，如果W (k)《W或者H (k)《H或者A (k)《A，則認(rèn)為此連通元不是候選的人體圖像區(qū)域。其中
W、 H和A為預(yù)先設(shè)定的值。其中W、 H和A為預(yù)先設(shè)定的值，根據(jù)攝像機距 離汽車踏步高度的不同， 一般取W為圖像寬度的
&~1， H為圖像高度的4 備，A為圖像面積的l ^; 12 4 8 3 128 16
(4) 將通過寬度、高度和面積驗證的連通元最小外接矩形的寬和高全部 歸一化，并計算歸一化的連通元圖像；
(5) 計算歸一化矩形中人體區(qū)域與標(biāo)準(zhǔn)人體模板區(qū)域之間的相關(guān)系數(shù)C;
(6) 如果相關(guān)系數(shù)C大于Threshold,則認(rèn)為是人體區(qū)域，否則不是人體 區(qū)域。其中Threshold是預(yù)先指定的值， 一般取為0.7。
與現(xiàn)有技術(shù)相比，本發(fā)明方法在外界工作環(huán)境極其復(fù)雜，人體上下車的行 為和姿態(tài)千差萬別等復(fù)雜情況下，較好的解決了人體目標(biāo)圖像和背景圖象的分 離問題。


圖1是本發(fā)明利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離方法的流程
圖2是本發(fā)明輔助規(guī)則紋理之一的示意圖； 圖3是本發(fā)明輔助規(guī)則紋理之二的示意圖； 圖4是本發(fā)明輔助規(guī)則紋理之三的示意圖； 圖5是本發(fā)明輔助規(guī)則紋理之四的示意圖6是本發(fā)明利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離系統(tǒng)的主要結(jié) 構(gòu)示意圖。
具體實施例方式
如圖1所示， 一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離方法，步 驟l為起始步驟，接收一幅新采集的數(shù)字圖像；在步驟2中，檢測是否接收成 功，若檢測結(jié)果為否，則返回步驟1;若步驟2中檢測的結(jié)果為是，則在步驟 3中，進行圖像預(yù)處理；在步驟4中，檢測是否處理成功，若檢測結(jié)果為否， 則返回步驟l;若步驟4中檢測的結(jié)果為是，則在步驟5中，進行圖像邊緣檢 測；在步驟6中，檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟1;若步 驟6中檢測的結(jié)果為是，則在步驟7中，進行直線檢測；在步驟8中，檢測是 否檢測成功，若檢測結(jié)果為否，則返回步驟1;若步驟8中檢測的結(jié)果為是， 則在步驟9中，進行被遮擋的直線段定位；在步驟10中，檢測是否處理成功， 若檢測結(jié)果為否，則返回步驟1;若步驟10中檢測的結(jié)果為是，則在步驟11 中，進行人體圖像區(qū)域提??；在步驟12中，檢測是否檢測成功，若檢測結(jié)果 為否，則返回步驟l;若步驟12中檢測的結(jié)果為是，則在步驟13中，進行輸 出人體圖像區(qū)域。
所述的圖像預(yù)處理包括以下步驟
(1) 圖像色度空間變換，將RGB色度空間中的圖像變換為YUV色度空 間中的圖像；
(2) 圖像濾波，采用3x3大小的模板進行中值濾波，然后采用3x3大小的 模板完成開啟運算，再采用3x3大小的模板完成閉合運算。
所述的圖像邊緣檢測包括以下步驟
(1) 采用Sobel、 Gaussian梯度算子計算圖像的梯度；
(2) 統(tǒng)計圖像的梯度直方(3) 檢測梯度直方圖的最高峰值；
(4) 對任何非峰值點，采用"均值偏移"算法進行運算，找到大于峰值 且第一個不偏移到最高峰值的梯度值，以此梯度值為小閾值LowThreshold,則大 閾值HighThreshold = 2 * LowThreshold;
(5) 提取圖像三值化，規(guī)則為如果G(!'J)〈LowThreshold,T(!》')-0，如果 G(/，y)>HighThreshold,T(/,/) = 2 ，否則T (i， j) =1;
(6) 對所有T (i， j)的值不是O的點進行非極大值抑制，所有非極大值 抑制成功的像素點,其T (i， j)值重新置0;
(7) 對所有T (i， j)值為2的點,進行連通性分析，消除所有長度短于預(yù)
先給定值Length的邊緣；
(8) 邊緣連接，如果某T (i， j)值為1的點和T (i， j)值為2的邊緣段 連通，則修改T (i， j)的值為2，否則將其值修改為0;
(9) 輸出邊緣檢測結(jié)果。 所述的直線檢測采用哈夫變換方法檢測直線，獲得每一條直線的描述方程
y = k(i)x + b(i)(i = 0,l,』)，其中k (i)是第i條直線Li的斜率，b (i)是第i條 直線Li的截距。
所述的被遮擋的直線段定位包括以下步驟
(1) 對擬合好的每一條直線Li，求出在圖像空間中的所有坐標(biāo)點，方法
為如果k(O《1，對所有X，從0開始每次增長1，直到X增長到圖像的寬
度值為止，采用方程y-k①x + b(i)，求出對應(yīng)的y值并取整，否則，對所有y， 從0開始每次增長1，直到y(tǒng)增長到圖像的高度值為止，采用方程
x = y-b(i) k(i)
求出對應(yīng)的x值并取整。
(2) 對直線Li上的每個點Pj(Xk，yk)，在以該點為圓心，以r為半徑的圓 形區(qū)域內(nèi)，査找是否存在圖像邊緣檢測中檢測到的邊緣點，如果查找到邊緣點， 而該點賦予標(biāo)記l，否則賦予標(biāo)記0，其中r是預(yù)先指定的值， 一般取3;
(3) 在給定的直線上，采用長度為5的線結(jié)構(gòu)元素對標(biāo)記1進行形態(tài)學(xué) 閉合運算；
(4) 線標(biāo)記連通性分析。對提取的標(biāo)記為0的所有線連通元，均確定為 被遮擋的直線段。
所述的人體圖像區(qū)域提取包括以下步驟
(1) 連通性分析。將所有相鄰的被遮擋的直線聚類在一起形成一個連通 的區(qū)域；
(2) 計算連通元k的最小外接矩形(k=0， 1， ...，N)。求得的矩形寬度、 高度和面積依次記為W (k) 、 H(k)和A(k);
(3) 連通元寬度高度和面積校驗。對連通元k，如果W (k)《W或者H (k)《H或者A (k)《A，則認(rèn)為此連通元不是候選的人體圖像區(qū)域。其中
W、 H和A為預(yù)先設(shè)定的值。其中W、 H和A為預(yù)先設(shè)定的值，根據(jù)攝像機距
離汽車踏步高度的不同， 一般取w為圖像寬度的
A~i， H為圖像高度的i 4， A為圖像面積的4^ ^; 12 4 8 3 128 16
(4) 將通過寬度、高度和面積驗證的連通元最小外接矩形的寬和高全部 歸一化，并計算歸一化的連通元圖像；
(5) 計算歸一化矩形中人體區(qū)域與標(biāo)準(zhǔn)人體模板區(qū)域之間的相關(guān)系數(shù)C;
(6) 如果相關(guān)系數(shù)C大于Threshold,則認(rèn)為是人體區(qū)域，否則不是人體 區(qū)域。其中Threshold是預(yù)先指定的值， 一般取為0.7。
如圖2至5所示，輔助規(guī)則紋理裝飾物可以是任何不影響乘客通行且具有 相當(dāng)抗壓抗磨抗腐蝕的人造規(guī)則圖案物，如毛地毯、地板革、木踏板等等。對 規(guī)則紋理的一般要求是該規(guī)則紋理分布相對密集。規(guī)則紋理可以是圖2至5中 的某種圖案方式，但不限于圖2至5的紋理圖案，任何其它規(guī)則的紋理圖案均 可。
如圖6所示，該圖6是本發(fā)明利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分 離系統(tǒng)的主要結(jié)構(gòu)示意圖，其結(jié)構(gòu)包含工業(yè)攝像機14、補光光源15、圖像采 集裝置17、運算處理器18、信號傳輸電纜16和輔助規(guī)則紋理裝飾物19。工業(yè) 攝像機14和補光光源15固定垂直或略微向車門內(nèi)或車門外傾斜一個小角度安 裝在車門正上方的車輛頂棚上，并且確保補光光源15的光照射主軸方向和工 業(yè)攝像機14鏡頭拍攝圖像的主軸方向同軸。圖像采集裝置17和運算處理器18 組成運算主機，安裝在車體內(nèi)任何隱蔽的位置。工業(yè)攝像機14通過信號傳輸 電纜16和圖像采集裝置17相連，圖像采集裝置17和運算處理器18的數(shù)據(jù)總 線相連。輔助規(guī)則紋理裝飾物19平整的鋪設(shè)在車門上下車臺階通道上。
權(quán)利要求
1. 一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離方法，其特征在于，包含以下步驟(1)接收一幅新采集的數(shù)字圖像；(2)檢測是否接收成功，若檢測結(jié)果為否，則返回步驟(1)；(3)若步驟(2)中檢測的結(jié)果為是，則進行圖像預(yù)處理；(4)檢測是否處理成功，若檢測結(jié)果為否，則返回步驟(1)；(5)若步驟(4)中檢測的結(jié)果為是，則進行圖像邊緣檢測；(6)檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟(1)；(7)若步驟(6)中檢測的結(jié)果為是，則進行直線檢測；(8)檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟(1)；(9)若步驟(8)中檢測的結(jié)果為是，則進行被遮擋的直線段定位；(10)檢測是否處理成功，若檢測結(jié)果為否，則返回步驟(1)；(11)若步驟(10)中檢測的結(jié)果為是，則進行人體圖像區(qū)域提?。?12)檢測是否檢測成功，若檢測結(jié)果為否，則返回步驟(1)；(13)若步驟(12)中檢測的結(jié)果為是，則進行輸出人體圖像區(qū)域。
2. 根據(jù)權(quán)利要求1所述的一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的圖像預(yù)處理包括以下步驟(1) 圖像色度空間變換，將RGB色度空間中的圖像變換為YUV色度空 間中的圖像；(2) 圖像濾波，采用3x3大小的模板進行中值濾波，然后采用3x3大小的 模板完成開啟運算，再采用3x3大小的模板完成閉合運算。
3. 根據(jù)權(quán)利要求1所述的一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的圖像邊緣檢測包括以下步驟(1) 采用Sobel、 Gaussian梯度算子計算圖像的梯度；(2) 統(tǒng)計圖像的梯度直方圖；(3) 檢測梯度直方圖的最高峰值；(4) 對任何非峰值點，采用"均值偏移"算法進行運算，找到大于峰值 且第一個不偏移到最高峰值的梯度值，以此梯度值為小閾值LowThreshold,則大 閾值HighThreshold = 2 * LowThreshold;(5) 提取圖像三值化，規(guī)則為如果G(,',力〈LowThreshold，T(/J)^，如果 G(/，/) > HighThreshold,T(/,/) = 2 ，否則T (i， j ) = 1;(6) 對所有T (i， j)的值不是O的點進行非極大值抑制，所有非極大值 抑制成功的像素點,其T(i,j)值重新置0;(7) 對所有T(i,j)值為2的點,進行連通性分析，消除所有長度短于預(yù)先給 定值Length的邊緣；(8) 邊緣連接，如果某T(i,j)值為1的點和T(i,j)值為2的邊緣段連通，則 修改T(i,j)的值為2，否則將其值修改為0;(9) 輸出邊緣檢測結(jié)果。
4. 根據(jù)權(quán)利要求1所述的一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的直線檢測采用哈夫變換方法檢測直線，獲得每 —條直線的描述方程7 = 1<^ + 15(恥=0,1,..^)，其中k(i)是第i條直線Li的斜 率，b (i)是第i條直線Li的截距。
5. 根據(jù)權(quán)利要求1所述的一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的被遮擋的直線段定位包括以下步驟(1) 對擬合好的每一條直線Li，求出在圖像空間中的所有坐標(biāo)點，方法為如果k(i)《1，對所有x，從0開始每次增長1，直到x增長到圖像的寬度值為止，采用方程y^k①x+b①，求出對應(yīng)的y值并取整，否則，對所有y，從0開始每次增長1，直到y(tǒng)增長到圖像的高度值為止，采用方程x = y-b(i) k(i)求出對應(yīng)的x值并取整。(2) 對直線Li上的每個點Pi(Xk,yk)，在以該點為圓心，以r為半徑的圓 形區(qū)域內(nèi)，查找是否存在圖像邊緣檢測中檢測到的邊緣點，如果査找到邊緣點， 而該點賦予標(biāo)記l，否則賦予標(biāo)記0，其中r是預(yù)先指定的值， 一般取3;(3) 在給定的直線上，采用長度為5的線結(jié)構(gòu)元素對標(biāo)記1進行形態(tài)學(xué) 閉合運算；(4) 線標(biāo)記連通性分析。對提取的標(biāo)記為0的所有線連通元，均確定為被遮擋的直線段。
6.根據(jù)權(quán)利要求1所述的一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的人體圖像區(qū)域提取包括以下步驟(1) 連通性分析。將所有相鄰的被遮擋的直線聚類在一起形成一個連通 的區(qū)域；(2) 計算連通元k的最小外接矩形(k-0， 1， ...,N)。求得的矩形寬度、 高度和面積依次記為W (k) 、 H(k)和A(k);(3) 連通元寬度高度和面積校驗。對連通元k，如果W (k)《W或者H (k)《H或者A (k)《A，則認(rèn)為此連通元不是候選的人體圖像區(qū)域。其中W、 H和A為預(yù)先設(shè)定的值。其中W、 H和A為預(yù)先設(shè)定的值，根據(jù)攝像機距 離汽車踏步高度的不同， 一般取W為圖像寬度的丄~丄，H為圖像高度的) i， A為圖像面積的丄 ^; 12 4 8 3 128 16(4) 將通過寬度、高度和面積驗證的連通元最小外接矩形的寬和高全部 歸一化，并計算歸一化的連通元圖像；(5) 計算歸一化矩形中人體區(qū)域與標(biāo)準(zhǔn)人體模板區(qū)域之間的相關(guān)系數(shù)C;(6) 如果相關(guān)系數(shù)C大于Threshold,則認(rèn)為是人體區(qū)域，否則不是人體 區(qū)域。其中Threshold是預(yù)先指定的值， 一般取為0.7。
全文摘要
本發(fā)明涉及一種利用輔助規(guī)則紋理的乘客目標(biāo)圖像和背景分離方法，包含以下步驟接收一幅新采集的數(shù)字圖像；檢測是否接收成功，若為是，則進行圖像預(yù)處理；檢測是否處理成功，若為是，則進行圖像邊緣檢測；檢測是否檢測成功，若為是，則進行直線檢測；檢測是否檢測成功，若為是，則進行被遮擋的直線段定位；檢測是否處理成功，若為是，則進行人體圖像區(qū)域提??；檢測是否檢測成功，若為是，則進行輸出人體圖像區(qū)域。與現(xiàn)有技術(shù)相比，本發(fā)明方法在外界工作環(huán)境極其復(fù)雜，人體上下車的行為和姿態(tài)千差萬別等復(fù)雜情況下，較好的解決了人體目標(biāo)圖像和背景圖象的分離問題。
文檔編號G06T5/00GK101383005SQ200710045689
公開日2009年3月11日 申請日期2007年9月6日 優(yōu)先權(quán)日2007年9月6日
發(fā)明者萬長明, 薇 姚 申請人:上海遙薇實業(yè)有限公司