專利名稱：一種基于魚眼相機的判斷人群密度和人數(shù)的方法
一種基于魚眼相機的判斷人群密度和人數(shù)的方法
技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理領(lǐng)域，特別是涉及一種圖像中人群密度和人數(shù)的判斷方法。
背景技術(shù)
近年來，隨著城市人口密度的急劇增大，很多公共場所如地鐵站、商場等常常會迎 來短期的人流高峰。擁擠的人群容易引起各種突發(fā)事件，存在嚴重的安全隱患問題。因此， 人群智能監(jiān)控已經(jīng)成為公共安全領(lǐng)域的一個急需解決的問題。目前，解決人群擁擠問題的 主要途徑是在人群密集的時候執(zhí)行有效的疏散和分流措施。但是如果不管人群密集與否都 安排在崗人員來疏流，就會造成嚴重的人員浪費現(xiàn)象。所以，進行人群管理的時候，對人群 的密度估計和人數(shù)統(tǒng)計是一個極為重要的任務(wù)。
傳統(tǒng)的人群監(jiān)控的方法，全部都是基于普通槍式攝像機的，這種基于槍式攝像機 的方法監(jiān)控范圍小、盲點多。進行大范圍監(jiān)控需要進行選擇拼接或者多處安裝攝像機，這樣 必定造成實時性的降低和成本的增加。在檢測精度方面，現(xiàn)有人群密度估計和人數(shù)統(tǒng)計方 法，往往只能在人群密度較低或者中等的時候才能取得比較理想的效果，而對于高密度人 群時，其檢測效果明顯降低。另外，現(xiàn)有的效果較好的人群監(jiān)控方法，其算法往往比較復雜， 實時性較差，難以應用于實時的系統(tǒng)中。
目前出現(xiàn)了一些技術(shù)，在一定程度上解決了上述問題。中國專利號為CN102044073 A的專利中提出了一種判斷圖像中人群密度的方法及系統(tǒng)，由劃塊分析單元在由圖像采集 裝置采集的視頻圖像樣本中選擇目標區(qū)域，并在所述的目標區(qū)域中進行圖像塊的劃塊分 析，由編碼單元確定二分類器的組合形式，由訓練單元挑選置信訓練樣本并對各二分類器 分別進行訓練，由解碼單元借組信道傳輸模型得到最大化后驗概率的人群密度等級類別。 該技術(shù)可以用于不同場景獲取人群密度等級。但是，在一些實際人群監(jiān)控應用過程中，人群 密度往往較大，人體之間的遮擋比較嚴重，獲取的圖像中人體大小也不一致、圖像有畸變現(xiàn) 象發(fā)生，在這種情況下，采用劃塊分析方法來估計人群密度和人數(shù)基本上是不可能實現(xiàn)的， 同時，該方法計算復雜度高，也在一定程度上影響了該系統(tǒng)的實時性和實用性。
目前，迫切需要一種不僅能解決了圖像中人體大小不一致和圖像的畸變問題，而 且能有效地解決了人群目標的相互遮擋問題，同時具備計算復雜度低、具備有良好的實時 性和實用性的判斷人群密度和人數(shù)的方法。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種不僅能解決了圖像中人體大小不一致和 圖像的畸變問題，而且能有效地解決了人群目標的相互遮擋問題，同時具備計算復雜度低、 具備有良好的實時性和實用性的判斷人群密度和人數(shù)的方法。
本發(fā)明提供一種基于魚眼相機的判斷人群密度和人數(shù)的方法，該方法包括(1)獲取背景圖像當監(jiān)控的興趣區(qū)域中人數(shù)為零的時候，通過魚眼相機、使用混合高斯背景建模的方法創(chuàng)建背景圖像；(2)獲取人群監(jiān)控視頻圖像通過魚眼相機獲取人群監(jiān)控視頻圖像；(3)人群監(jiān)控視頻圖像的預處理對獲取的實時人群監(jiān)控視頻圖像進行分辨率和幀率的調(diào)整、興趣區(qū)域ROI的劃分；(4)前景分割將人群監(jiān)控視頻圖像與背景圖像進行差分運算，再將差分后的圖像進行二值分割即得到前景目標圖像；(5)人群目標特征提取建立魚眼圖像的透視加權(quán)模型，通過加權(quán)計算提取人群目標的下列特征加權(quán)面積、加權(quán)輪廓周長、加權(quán)邊緣點數(shù)、加權(quán)Harris角點數(shù)、加權(quán)切向梯度和加權(quán)面積梯度比；(6)人群密度分級采用AdaBoost分類器作為密度分級分類器，將魚眼圖像的人群密度分為低、中、高三個等級，且依次用阿拉伯數(shù)字1，2，3表示；(7)人數(shù)統(tǒng)計采用多元線性回歸方法建立回歸訓練模型，計算當前人群監(jiān)控視頻圖像中的人數(shù)。
作為優(yōu)選，所述的魚眼相機的安裝位置為監(jiān)控場景中央的頂部，攝像機的主光軸與地面垂直，使得魚眼相機具有垂直180°和水平360°的監(jiān)控范圍，這樣可以有效加大監(jiān)控范圍。
作為優(yōu)選，所述的人群監(jiān)控視頻圖像的預處理中其分辨率的調(diào)整是將輸入的視頻圖像的寬和高各調(diào)整至原來的1/2，即分辨率調(diào)整至原來的1/4，這樣有效地增強了算法的實時性；其幀率的調(diào)整是根據(jù)人群密度和人數(shù)不可能在Is以內(nèi)發(fā)生突變，而將輸入的視頻圖像的幀率調(diào)整至I幀/秒，即Is鐘檢測一次人群的密度和人數(shù)，這樣也有效地增強了算法的實時性；其興趣區(qū)域ROI的劃分依據(jù)的是一種基于半徑約束圓擬合的方法，具體步驟為a)將魚眼圖像二值化；b)填充魚眼圖像的有效區(qū)域；c)用Canny算子提取邊緣；d)采用半徑約束圓擬合的方法求有效區(qū)域的中心點P和半徑；e)以中心點P為圓心，以O(shè).85*7 為半徑來初步限定一個圓形區(qū)域作為人群監(jiān)控的興趣區(qū)域。
其中，所述的Canny算子是John F. Canny于1986年開發(fā)出來的一個多級邊緣檢測算法。
作為優(yōu)選，所述的人群目標特征具體為(I )加權(quán)面積WA
權(quán)利要求
1.一種基于魚眼相機的判斷人群密度和人數(shù)的方法，其特征在于，該方法包括(O獲取背景圖像當監(jiān)控的興趣區(qū)域中人數(shù)為零的時候，通過魚眼相機、使用混合高斯背景建模的方法創(chuàng)建背景圖像；(2)獲取人群監(jiān)控視頻圖像通過魚眼相機獲取人群監(jiān)控視頻圖像；(3)人群監(jiān)控視頻圖像的預處理對獲取的實時人群監(jiān)控視頻圖像進行分辨率和幀率的調(diào)整、興趣區(qū)域ROI的劃分；(4)前景分割將人群監(jiān)控視頻圖像與背景圖像進行差分運算，再將差分后的圖像進行二值分割即得到前景目標圖像；(5)人群目標特征提取建立魚眼圖像的透視加權(quán)模型，通過加權(quán)計算提取人群目標的下列特征加權(quán)面積、加權(quán)輪廓周長、加權(quán)邊緣點數(shù)、加權(quán)Harris角點數(shù)、加權(quán)切向梯度和加權(quán)面積梯度比；(6)人群密度分級采用AdaBoost分類器作為密度分級分類器，將魚眼圖像的人群密度分為低、中、高三個等級，且依次用阿拉伯數(shù)字1，2，3表示；(7)人數(shù)統(tǒng)計采用多元線性回歸方法建立回歸訓練模型，計算當前人群監(jiān)控視頻圖像中的人數(shù)。
2.如權(quán)利要求1所述的一種基于魚眼相機的判斷人群密度和人數(shù)的方法，其特征在于所述的魚眼相機的安裝位置為監(jiān)控場景中央的頂部。
3.如權(quán)利要求1所述的一種基于魚眼相機的判斷人群密度和人數(shù)的方法，其特征在于所述的人群監(jiān)控視頻圖像的預處理中其分辨率的調(diào)整是將輸入的視頻圖像的寬和高各調(diào)整至原來的1/2 ；其幀率的調(diào)整是根據(jù)人群密度和人數(shù)不可能在I秒以內(nèi)發(fā)生突變，而將輸入的視頻圖像的幀率調(diào)整至I幀/秒，即I秒鐘檢測一次人群的密度和人數(shù)；其興趣區(qū)域ROI的劃分依據(jù)的是一種基于半徑約束圓擬合的方法，具體步驟為a)將魚眼圖像二值化；b)填充魚眼圖像的有效區(qū)域；c)用Canny算子提取邊緣；d)采用半徑約束圓擬合的方法求有效區(qū)域的中心點P和半徑；e)以中心點P為圓心，以O(shè).85蝴為半徑來初步限定一個圓形區(qū)域作為人群監(jiān)控的興趣區(qū)域。
4.如權(quán)利要求1所述的一種基于魚眼相機的判斷人群密度和人數(shù)的方法，其特征在于所述的人群目標特征具體為(I )加權(quán)面積WAWA= 2 w,. (U)其中，wr，y)為魚眼相機透視加權(quán)模型中坐標為Cx，y)的像素點的加權(quán)值，Z7為ROI內(nèi)的前景圖像區(qū)域；(II)加權(quán)輪廓周長WCP
5.如權(quán)利要求1所述的ー種基于魚眼相機的判斷人群密度和人數(shù)的方法，其特征在干所述的人數(shù)統(tǒng)計中，采用多元線性回歸方法建立回歸訓練模型并根據(jù)下式進行人數(shù)統(tǒng)計
6.如權(quán)利要求5所述的ー種基于魚眼相機的判斷人群密度和人數(shù)的方法，其特征在干 所述的人數(shù)統(tǒng)計中，回歸參數(shù)的估計量ゑ ゑ是按照下述方式得出的 根據(jù)回歸模型的數(shù)學表達式進行回歸方程訓練，對于每ー個樣本圖像，分別計算6個特征作為自變量，并且人工判讀出每一個樣本圖像中人數(shù)作為因變量，依據(jù)最小二乗法則，求出每ー個回歸參數(shù)的估計量I其中回歸模型的數(shù)學表達式為
全文摘要
本發(fā)明提供了一種基于魚眼相機的判斷人群密度和人數(shù)的方法，該方法包括(1)獲取背景圖像；(2)獲取人群監(jiān)控視頻圖像；(3)人群監(jiān)控視頻圖像的預處理；(4)前景分割；(5)人群目標特征提?。?6)人群密度分級；(7)人數(shù)統(tǒng)計；本發(fā)明不僅為了擴大監(jiān)控的范圍，而且解決傳統(tǒng)人群監(jiān)控方法中人體尺寸不一致的問題以及高密度人群中人體相互遮擋的問題，并且本發(fā)明實時性良好，能夠應用于實時的人群監(jiān)控系統(tǒng)中。
文檔編號G06K9/66GK103049765SQ20121055919
公開日2013年4月17日 申請日期2012年12月21日 優(yōu)先權(quán)日2012年12月21日
發(fā)明者鄭宏, 胡學敏 申請人:武漢經(jīng)緯視通科技有限公司