專利名稱：一種基于視頻的地鐵人群密度檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人群密度檢測，特別涉及一種基于視頻的地鐵人群密度檢測方法。
背景技術(shù)：
現(xiàn)在各大城市地鐵交通在迅速發(fā)展，為人們的生活帶來了很多便利。對人群密度的檢測十分重要。因?yàn)槿肆髅芏冗^大，有很多隱患要發(fā)生。公開號(hào)為CN101431664A的中國專利申請介紹了一種基于視頻圖像的密度客流自動(dòng)檢測方法及系統(tǒng)，采用計(jì)算機(jī)視覺算法對采集到的視頻圖像進(jìn)行處理，在人群密度較低時(shí)，采用像素?cái)?shù)計(jì)算，并應(yīng)用時(shí)間軸的信息進(jìn)行背景生成；在人群密度較高時(shí)應(yīng)用小波包分解來對人群圖像進(jìn)行多角度分析，提取小波包分解系數(shù)矩陣的計(jì)盒維數(shù)作為特征并使用分類器分類，得到人群密度等級。公開號(hào)為US2007/0031005A1的美國專利介紹了一種基于視頻的實(shí)時(shí)人群密度估計(jì)，并使用MRF (Markov Random Field)法檢測交化圖像，然后再利用幾何規(guī)則估計(jì)場景的人群密度。然而上述方法對于高密度人群的場景密度估計(jì)準(zhǔn)確率較差。公開號(hào)為CN102034M3A的中國專利介紹了一種獲取視頻圖像中人群密度圖的方法，該方法利用Harris算法獲取檢測區(qū)域中的角點(diǎn)，接著對每個(gè)角點(diǎn)進(jìn)行密度擴(kuò)散，獲取檢測區(qū)域內(nèi)相應(yīng)于該角點(diǎn)的每個(gè)像素點(diǎn)的密度擴(kuò)散值，然后將每個(gè)像素點(diǎn)的對應(yīng)于不同角點(diǎn)的密度擴(kuò)散值進(jìn)行累加，以獲得該像素點(diǎn)的密度值；最后，根據(jù)像素點(diǎn)的密度值，畫出檢測區(qū)域的人群密度圖。這種方法計(jì)算復(fù)雜度高，沒有考慮到視頻出現(xiàn)黑屏、雪花和移位的現(xiàn)象，整體的人群密度計(jì)算準(zhǔn)確性下降了。因此，在地鐵人群密度檢測方面實(shí)際應(yīng)用意義不大。因此，目前急需解決傳統(tǒng)的人群密度檢測的問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于，為解決上述問題，本發(fā)明提出一種基于視頻的地鐵人群密度檢測方法，實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確的人群密度檢測。為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提出一種基于視頻的地鐵人群密度檢測方法，其特征在于，該方法的具體內(nèi)容包括如下步驟步驟1):基于地鐵不同場合下的地鐵視頻圖像輸入相應(yīng)的四點(diǎn)坐標(biāo)來標(biāo)記出有人活動(dòng)區(qū)域和無人活動(dòng)區(qū)域；步驟2、根據(jù)所述步驟1)獲得的無人活動(dòng)區(qū)域?qū)σ曨l中每一幀是否為錯(cuò)誤幀判斷，如果是，則舍棄錯(cuò)誤的視頻幀；如果不是，則轉(zhuǎn)至步驟3)；步驟；3)對沒有人的視頻抽取一幀幀進(jìn)行背景高斯建模；步驟4)利用所述步驟幻獲得的高斯背景圖像與有人群的視頻幀通過背景差法得出前景；步驟幻根據(jù)所述步驟1)獲得的無人活動(dòng)區(qū)域?qū)λ霾襟E4)獲得的前景圖進(jìn)行標(biāo)記，對無人活動(dòng)區(qū)域的像素值標(biāo)記為0 ；步驟6)對所述步驟幻獲得的圖像進(jìn)行二值化處理，得到的背景為黑色，人為白色；并對獲得的二值化圖像進(jìn)行連通域標(biāo)記；步驟7)判讀i < = N是否成立；如果i < = N成立，則轉(zhuǎn)至步驟幻；如果i < = N成立，則轉(zhuǎn)至步驟10)；其中，N表示連通域個(gè)數(shù)，i表示第幾個(gè)連通域，0 < i < = N，i為正整數(shù)；步驟8)如果連通域i的人群局部密度不成立，則連通域i的像素點(diǎn)個(gè)數(shù)不統(tǒng)
計(jì)到人群整體密度中；否則，則轉(zhuǎn)至步驟9)；其中，
權(quán)利要求
1.一種基于視頻的地鐵人群密度檢測方法，其特征在于，該方法的具體內(nèi)容包括如下步驟步驟1)基于地鐵不同場合下的地鐵視頻圖像輸入相應(yīng)的四點(diǎn)坐標(biāo)來標(biāo)記出有人活動(dòng)區(qū)域和無人活動(dòng)區(qū)域；步驟幻根據(jù)所述步驟1)獲得的無人活動(dòng)區(qū)域?qū)σ曨l中每一幀是否為錯(cuò)誤幀判斷，如果是，則舍棄錯(cuò)誤的視頻幀；如果不是，則轉(zhuǎn)至步驟3)；步驟幻對沒有人的視頻抽取一幀幀進(jìn)行背景高斯建模；步驟4)利用所述步驟幻獲得的高斯背景圖像與有人群的視頻幀通過背景差法得出前景；步驟幻根據(jù)所述步驟1)獲得的無人活動(dòng)區(qū)域?qū)λ霾襟E4)獲得的前景圖進(jìn)行標(biāo)記，對無人活動(dòng)區(qū)域的像素值標(biāo)記為0 ；步驟6)對所述步驟幻獲得的圖像進(jìn)行二值化處理，得到的背景為黑色，人為白色；并對獲得的二值化圖像進(jìn)行連通域標(biāo)記；步驟7)判讀i < = N是否成立；如果i < = N成立，則轉(zhuǎn)至步驟8)；如果i < = N成立，則轉(zhuǎn)至步驟10)；其中，N表示連通域個(gè)數(shù)，i表示第幾個(gè)連通域，0 < i <= N，i為正整數(shù)；步驟8)如果連通域i的人群局部密度不成立，則連通域i的像素點(diǎn)個(gè)數(shù)不統(tǒng)計(jì)到人群整體密度中；否則，則轉(zhuǎn)至步驟9)；其中，mmmmmmi%=M^n-obM，Num 0bj(j)Numjmm為判斷為人群的第i個(gè)連通域的像素點(diǎn)個(gè)數(shù)，Numjiiem為該連通域最小外接矩形包含的像素點(diǎn)個(gè)數(shù)；步驟9)將連通域i的像素點(diǎn)個(gè)數(shù)統(tǒng)計(jì)到人群整體密度中，然后i自動(dòng)加1，重復(fù)所述步驟7)、所述步驟8)和所述步驟9直至i = N結(jié)束；步驟10)根據(jù)式(1)對一幀圖像的人群整體密度進(jìn)行計(jì)算；N^ Num — obj(f)每一幀視頻圖像中的人群整體密度=——~—-—-Height 氺 Width - Num — labelN其中，Num_obj(j)為判斷為人群的第i個(gè)連通域的像素點(diǎn)個(gè)數(shù)，—峋⑴為所有i=l判讀為人群的連通域的像素點(diǎn)總和；Height*Width是一幀圖像的像素點(diǎn)總和；Num_label 為根據(jù)四點(diǎn)坐標(biāo)標(biāo)記的無人活動(dòng)區(qū)域的像素點(diǎn)總數(shù)。
2.根據(jù)權(quán)利要求1所述的基于視頻的地鐵人群密度檢測方法，其特征在于，所述步驟 2)中的錯(cuò)誤幀包括黑屏、雪花和移位。
3.根據(jù)權(quán)利要求2所述的基于視頻的地鐵人群密度檢測方法，其特征在于，所述黑屏檢測的方法包括對視頻幀灰度化后，對四點(diǎn)標(biāo)記出的無人域求均值和方差，如果均值小于閾值th，且方差小于閾值zh，則判讀為黑屏。
4.根據(jù)權(quán)利要求3所述的基于視頻的地鐵人群密度檢測方法，其特征在于，所述閾值 th取60 ；所述閾值zh取100。
5.根據(jù)權(quán)利要求2所述的基于視頻的地鐵人群密度檢測方法，其特征在于，所述雪花和移位檢測方法包括對視頻幀灰度化后，對四點(diǎn)標(biāo)記出的無人域的像素點(diǎn)值與該無人域的背景像素點(diǎn)值相減，計(jì)算該區(qū)域相減后的像素差的平方和，如果平方和值大于閾值ch，則判讀為攝像機(jī)移位或雪花。
6.根據(jù)權(quán)利要求5所述的基于視頻的地鐵人群密度檢測方法，其特征在于，所述閾值 ch 取 100。
全文摘要
本發(fā)明涉及一種基于視頻的地鐵人群密度檢測方法，該方法首先基于地鐵不同場合下的地鐵視頻圖像輸入相應(yīng)的四點(diǎn)坐標(biāo)來標(biāo)記出有人活動(dòng)區(qū)域和無人活動(dòng)區(qū)域；對視頻中每一幀是否為錯(cuò)誤幀判斷，如果是，則舍棄錯(cuò)誤的視頻幀；如果不是，則對沒有人的視頻抽取一幀幀進(jìn)行背景高斯建模；利用獲得的高斯背景圖像與有人群的視頻幀通過背景差法得出前景；對所述步驟4)獲得的前景圖進(jìn)行標(biāo)記，對無人活動(dòng)區(qū)域的像素值標(biāo)記為0；對獲得的圖像進(jìn)行二值化處理，得到的背景為黑色，人為白色；并對獲得的二值化圖像進(jìn)行連通域標(biāo)記；根據(jù)人群整體密度和局部密度來檢查地鐵人群密度。
文檔編號(hào)G06K9/00GK102289805SQ201110156270
公開日2011年12月21日 申請日期2011年6月10日 優(yōu)先權(quán)日2011年6月10日
發(fā)明者蔚曉明 申請人:北京云加速信息技術(shù)有限公司