專利名稱：基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法
技術(shù)領域：
本發(fā)明屬于視頻圖像處理技術(shù)領域，具體指的是基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法。
背景技術(shù)：
當今的商業(yè)訊息萬變，需要管理者能夠在短時間內(nèi)對市場的變化做出快速、準確的反應，并且要最大限度的節(jié)約運作成本。對于零售業(yè)、文化娛樂等公共場所業(yè)，客流信息的精準統(tǒng)計分析，是必不可少的，它可以幫助實現(xiàn)如通過統(tǒng)計各出入口的客流及客流進出的方向，判斷各出入口設置的合理性；通過統(tǒng)計一天內(nèi)各個時段的客流、一年內(nèi)不同時期的客流，更加合理有效的對物業(yè)管理、維護安保、科學促銷等進行調(diào)整；針對客流過多的時段，尤其注重安全維護，防止不必要的意外發(fā)生等。當前市場上，已經(jīng)有各種各樣的客流統(tǒng)計系統(tǒng)，以滿足不同使用群體的需求，主要包括紅外傳感器掃描計數(shù)，壓力踏板式自動計數(shù)，這兩種客流統(tǒng)計方式在各自的應用環(huán)境能夠基本滿足客流統(tǒng)計分析的要求，但也各自存在著一定的缺點，共同的缺點是不能辨別行人的行進方向，且在客流大時的計數(shù)準確度不高。目前基于視頻分析的人頭檢測及計數(shù)方法是客流統(tǒng)計領域的研究熱點，其基本原理是，在單目俯視圖像中，利用人頭的圓形特征、發(fā)色統(tǒng)計模型等，進行人頭檢測。已有的基于多源信息融合和在線學習的人頭計數(shù)方法，主要運用的是機器學習方法，通過大量的訓練，才能在應用時進行識別。該方法對訓練樣本的要求高、量大且需要包含各種可能出現(xiàn)的情況，同時這也導致計算量、需求的存儲空間大。此外，也沒有發(fā)現(xiàn)該方法能解決行人行進方向的辨別問題。

發(fā)明內(nèi)容
為了解決上述問題，提供了基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，所述方法能夠解決行人行進方向的辨別問題。為達到上述目的，本發(fā)明采用的技術(shù)方案是基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，其特征在于，所述方法以數(shù)字攝像機作為視頻采集的工具，并用視頻轉(zhuǎn)換平臺將視頻轉(zhuǎn)換成連續(xù)幀圖像，對圖像進行分析，從而完成人頭跟蹤及計數(shù)；所述方法包括以下步驟步驟A，利用所述數(shù)字攝像機垂直向下連續(xù)拍攝一定區(qū)域，采集該區(qū)域內(nèi)行人的數(shù)字視頻；步驟B，所述數(shù)字視頻通過視頻轉(zhuǎn)換，轉(zhuǎn)化成連續(xù)幀圖像；步驟C，對所述連續(xù)幀圖像設定感興趣區(qū)域；步驟D，應用均值漂移分割方法和形態(tài)學方法對所述感興趣區(qū)域圖像進行預處理；所述形態(tài)學方法包括禮帽變換和黑帽變換；步驟E，運用背景差分方法處理所述預處理過的圖像開始的圖像幀用于建立背景圖像，用后續(xù)的幀圖像減去背景圖像，提取出人前景，同時實現(xiàn)背景更新；
步驟F，運用霍夫變換，對所述人前景進行人頭識別，并將識別出的人頭作為最終的人體對象；步驟G，對所述人頭進行跟蹤和計數(shù)，判斷該人頭是否為新進場人頭，若是，則與已存在的人頭不匹配，計數(shù)加I;若不是，則與已存在的人頭相匹配，計數(shù)不加I;并將統(tǒng)計的數(shù)量作為最后的結(jié)果；本發(fā)明的有益效果是基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，所述方法首先需要進行視頻采集，采集得到的視頻依次經(jīng)過圖像預處理、背景差分、霍夫變換和跟蹤，最終得到計數(shù)結(jié)果。所述方法結(jié)合了顏色和形狀特征，通過圖像預處理和背景差分的方法將人頭與人身及其他目標分割開來，再通過霍夫變換圈定人頭；為了不重復計數(shù)，并標記行人的前進方向，需要對圈定的人頭目標進行跟蹤；同時，為了適應環(huán)境中光線等條件的變幻，進行了背景的實時更新，提高了環(huán)境適應能力。


圖1是本發(fā)明基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法的算法原理框圖。
具體實施例方式為了更加詳細的描述本發(fā)明提出的基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，結(jié)合附圖，舉例說明如下本發(fā)明的基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，是在數(shù)字攝像機作為視頻采集工具的支持下實現(xiàn)的，人頭檢測的原理主要用到了物體顏色特征和人頭的形狀特征等特性進行的分析。以下結(jié)合附圖1所示的算法原理圖，詳細說明本方法的具體實施方式
。步驟A，首先用數(shù)字攝像機對定點區(qū)域內(nèi)的圖像進行采集，形成實時的視頻流。數(shù)字攝像機可以采用?？祷蛘叽笕A的現(xiàn)成產(chǎn)品。攝像機垂直安裝在待檢測的定點區(qū)域的正上方，根據(jù)區(qū)域范圍的大小，可調(diào)整安裝的高度，室內(nèi)一般為2. 5米飛米之間；步驟B，將步驟A中采集到的實時視頻流通過專用的視頻轉(zhuǎn)換平臺，轉(zhuǎn)換成連續(xù)幀的數(shù)字圖像；步驟C，對步驟B中數(shù)字幀圖像進行圖像預處理，使得人頭與人身及其他目標分割開來，圖像預處理包括均值漂移分割和禮帽變換、黑帽變換；均值漂移分割是一種基于顏色的均值漂移聚類的相似算法。均值漂移MeanShift能夠沿時間軸找出顏色空間的峰值分布，所以均值漂移分割能夠找到在空間上顏色分布的峰值。通過給出一組多維數(shù)據(jù)點，其維數(shù)是(X，y，藍，綠，紅)，均值漂移可以用一個窗口掃描空間來找到數(shù)據(jù)密度最高的聚塊，需要注意的是，由于空間變量(x，y)的變化范圍與顏色變化范圍有極大的不同，所以，均值漂移對不同的維數(shù)要用不同的窗口半徑。在這種情況下，我們要根據(jù)空間變量設定一個空間半徑，根據(jù)顏色變量設定一個顏色半徑。當均值漂移窗口移動時，經(jīng)過窗口變換后收斂到數(shù)據(jù)峰值的所有點都會連通起來，并且屬于該峰值。這種所屬關系，是從密集的尖峰輻射，形成了圖像的分割。
禮帽變換和黑帽變換是形態(tài)學方法，用于分離比鄰近的點亮或者暗的一些斑塊。經(jīng)過均值漂移分割的圖像仍是彩色圖像，將其轉(zhuǎn)換為灰度圖像src后，再用禮帽變換和黑帽變換組合起來進行處理，就能將人頭與人身及其他目標物體很好的分割開來。常見的形態(tài)學方法是開運算和閉運算，在此不對兩者進行贅述，而禮帽變換TopHat (src)和黑帽變換 BlackHat (src)就是建立在開 open (src)、閉運算 close (src)基礎上的；相互之間的關系為TopHat (src) =src - open (src),突出明亮區(qū)域；BlackHat (src) =close (src)-src,突出黑暗區(qū)域；最后進行如下運算src+TopHat (src) -BlackHat (src),就完成了圖像預處理。步驟D，經(jīng)過步驟C處理的圖像，包括人前景和背景，用背景差分的方法提取出人前景。背景差分方法，需要先建立背景，故而視頻流轉(zhuǎn)換成的連續(xù)幀圖像中的前面幾十幀用于建立背景，具體過程是建立一個與灰度圖像src—樣大的背景掩膜，初始化為I ;連續(xù)兩幀圖像相減得一差分圖，遍歷該差分圖的每個像素值，如果大于設定的閾值Tl則背景掩膜中對應位置的值保持為1，小于設定的閾值Tl則背景掩膜中對應位置的值設為O ;統(tǒng)計掩膜中O的個數(shù)，如果O的個數(shù)大于設定的閾值T2，則背景建立完成，如若小于T2，則更新差分圖，循環(huán)前面步驟。背景建立完成后，只需將預處理后的當前幀減去背景圖，就會得到人前景。同時，需要用當前幀去更新背景，以適應光線等環(huán)境的變換。步驟E，對步驟D中得到的經(jīng)過分割的人前景，運用霍夫變換，就能很輕松的得到人頭。步驟F，對步驟E中得到的人頭對象進行跟蹤，完成人頭的計數(shù)和人行進方向的統(tǒng)計。人頭對象跟蹤的具體過程是用矩形框外接圈定的人頭，然后對前后兩幀中人頭外接矩形框進行匹配，匹配的基準是前后兩幀相近矩形框的重疊面積是否超過設定的閾值T3，如果大于T3，則認為這是同一個人頭在前后兩幀中移動的效果，此時計數(shù)不變，但記錄其軌跡。如果小于T3，則認為是新出場的人頭目標，此時計數(shù)加I。同時，要對人頭目標進行出場情況判定，當一個人頭目標接近測定區(qū)域的邊緣時，判斷該目標出場，此時，根據(jù)目標的軌跡信息，判斷行人的行進方向。到此，一個人頭計數(shù)器已經(jīng)實現(xiàn)。本方法融合了包括顏色、亮度和人頭圓形等信息，采用了圖像預處理，背景差分，霍夫變換和跟蹤的操作，達到了計數(shù)和記錄行人行進方向的目的，并通過背景更新，提高環(huán)境適應能力。以上實施例僅為本發(fā)明其中的一種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發(fā)明專利范圍的限制。應當指出的是，對于本領域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。
權(quán)利要求
1.基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，其特征在于，所述方法以數(shù)字攝像機作為視頻采集的工具，并用視頻轉(zhuǎn)換平臺將視頻轉(zhuǎn)換成連續(xù)幀圖像，對圖像進行分析，從而完成人頭跟蹤及計數(shù)；所述方法包括以下步驟 步驟A，利用所述數(shù)字攝像機垂直向下連續(xù)拍攝一定區(qū)域，采集該區(qū)域內(nèi)行人的數(shù)字視頻； 步驟B，所述數(shù)字視頻通過視頻轉(zhuǎn)換，轉(zhuǎn)化成連續(xù)幀圖像； 步驟C，對所述連續(xù)幀圖像設定感興趣區(qū)域； 步驟D，應用均值漂移分割方法和形態(tài)學方法對所述感興趣區(qū)域圖像進行預處理； 步驟E，運用背景差分方法處理所述預處理過的圖像開始的圖像幀用于建立背景圖像，用后續(xù)的幀圖像減去背景圖像，提取出人前景，同時實現(xiàn)背景更新； 步驟F，運用霍夫變換，對所述人前景進行人頭識別，并將識別出的人頭作為最終的人體對象； 步驟G，對所述人頭進行跟蹤和計數(shù)，判斷該人頭是否為新進場人頭，若是，則與已存在的人頭不匹配，計數(shù)加I ;若不是，則與已存在的人頭相匹配，計數(shù)不加I ;并將統(tǒng)計的數(shù)量作為最后的結(jié)果。
2.根據(jù)權(quán)利要求1所述基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，其特征在于，所述的形態(tài)學方法包括禮帽變換和黑帽變換。
全文摘要
本發(fā)明提出的基于圖像預處理和背景差分的人頭跟蹤及計數(shù)方法，所述方法首先需要進行視頻采集，采集得到的視頻依次經(jīng)過圖像預處理、背景差分、霍夫變換和跟蹤，最終得到計數(shù)結(jié)果。所述方法結(jié)合了顏色和形狀特征，通過圖像預處理和背景差分的方法將人頭與人身及其他目標分割開來，再通過霍夫變換圈定人頭；為了不重復計數(shù)，并標記行人的前進方向，需要對圈定的人頭目標進行跟蹤；同時，為了適應環(huán)境中光線等條件的變幻，進行了背景的實時更新,提高了環(huán)境適應能力。
文檔編號G06K9/46GK103065123SQ20121056291
公開日2013年4月24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)明者韓光, 李曉飛, 楊召君, 王鵬, 費凡, 王美芹 申請人:南京郵電大學