專利名稱:一種基于視頻分析的人群密度估計(jì)方法與人流量統(tǒng)計(jì)方法
技術(shù)領(lǐng)域:
本發(fā)明涉及人群密度及人流量處理的技術(shù)領(lǐng)域,特別涉及一種基于視頻分析的人群密度估計(jì)方法與人流量統(tǒng)計(jì)方法。
背景技術(shù):
隨著城市人口密度急劇增大,許多公共基礎(chǔ)設(shè)施經(jīng)常會(huì)迎來短期的人流高峰,人群的高度擁擠容易引起各種突發(fā)事件。因此對(duì)公共基礎(chǔ)設(shè)施等場(chǎng)合進(jìn)行人群密度估計(jì),進(jìn)而進(jìn)行后續(xù)的管理、協(xié)調(diào)是十分必要的。此外,實(shí)時(shí)可靠的人流量統(tǒng)計(jì)信息在交通控制、商業(yè)分析、節(jié)假日出行人數(shù)統(tǒng)計(jì)等許多領(lǐng)域同樣具有非常重要的意義。而采用人工監(jiān)控的傳統(tǒng)統(tǒng)計(jì)方法,不僅費(fèi)時(shí)費(fèi)力,且無法保證統(tǒng)計(jì)精度。因此,實(shí)現(xiàn)智能化的人群密度估計(jì)和人流量統(tǒng)計(jì)系統(tǒng)具有重要的現(xiàn)實(shí)意義。目前常見的人群密度估計(jì)和人流量統(tǒng)計(jì)方法可分為基于傳統(tǒng)傳感器和基于視頻圖像處理兩大類。然而基于超聲波、紅外、感應(yīng)圈等的傳統(tǒng)方法具有一些缺點(diǎn),例如:成本高、需要專門安裝、移動(dòng)困難、適應(yīng)性差等,更重要的是精度較低且僅適用于稀疏、幾乎無遮擋的人群,且作用的范圍小。而基于視頻圖像處理的方法具有成本低、安裝靈活、精度高、應(yīng)用前景廣闊等優(yōu)點(diǎn),因而成為當(dāng)前的研究開發(fā)熱點(diǎn)。在平安城市建設(shè)的推動(dòng)下,目前很多地方和關(guān)鍵場(chǎng)所都已安裝視頻攝像頭,大多數(shù)情況下只需在后臺(tái)安裝相應(yīng)的軟件系統(tǒng),利用現(xiàn)有攝像頭就可實(shí)現(xiàn)人群密度估計(jì)并進(jìn)行人流量計(jì)數(shù)?,F(xiàn)有基于視頻圖像處理的方法主要可以分為基于個(gè)體跟蹤統(tǒng)計(jì)與基于群體分析兩種。基于個(gè)體跟蹤方法的基本思想是在圖像中把人作為個(gè)體進(jìn)行檢測(cè)跟蹤。這種方法的缺陷是要求檢測(cè)跟蹤精度高,計(jì)算量較大,很難達(dá)到實(shí)時(shí)性要求。而且當(dāng)人群密度較大時(shí),存在遮擋情況,難 以對(duì)個(gè)體進(jìn)行檢測(cè)跟蹤?;谌后w分析的方法是以一個(gè)區(qū)域作為整體進(jìn)行分析,避免了個(gè)體檢測(cè)跟蹤的困難。但現(xiàn)有的方法基本上僅以累加前景像素結(jié)合人流速度作為統(tǒng)計(jì)特征估計(jì)過線人數(shù),對(duì)遮擋問題考慮不足,不適用于人群高度密集、遮擋嚴(yán)重的情況。此外,現(xiàn)有方法一般沒有考慮光照,攝像頭遠(yuǎn)近、角度等問題,魯棒性較差,且將人群密度估計(jì)與人流量統(tǒng)計(jì)分別實(shí)現(xiàn),增加了視頻分析的計(jì)算量。
發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足,提供一種基于視頻分析的人群密度估計(jì)方法。本發(fā)明的另一目的在于,提供一種基于上述人群密度估計(jì)方法的人流量統(tǒng)計(jì)方法。為了達(dá)到上述第一目的,本發(fā)明采用以下技術(shù)方案:本發(fā)明基于視頻分析的人群密度估計(jì)方法,包括下述兩個(gè)階段:
(I)人群密度估計(jì)的離線訓(xùn)練,人工統(tǒng)計(jì)人群密度數(shù)據(jù)并提取圖像的前景、邊緣、紋理等特征,通過回歸函數(shù)訓(xùn)練生成模型參數(shù);(2)人群密度估計(jì)的在線處理,提取與離線訓(xùn)練階段相同的特征,并利用訓(xùn)練好的模型參數(shù)進(jìn)行回歸預(yù)測(cè)。優(yōu)選的,所述人群密度的離線訓(xùn)練具體包括下述步驟:(1-1)通過人工統(tǒng)計(jì)的方法對(duì)視頻圖像選定的一些區(qū)域進(jìn)行人數(shù)統(tǒng)計(jì),獲取一定數(shù)量的區(qū)域人群密度數(shù)據(jù);(1-2)利用基于低通濾波和Retinex理論的光照補(bǔ)償去除光照變化的影響,獲取亮度穩(wěn)定的灰度圖;(1-3)對(duì)去除光照變化影響的灰度圖進(jìn)行基于混合高斯背景建模的背景檢測(cè)獲取背景圖和前景圖,并對(duì)前景圖進(jìn)行陰影檢測(cè)去除,采用Canny算子獲取邊緣圖;(1-4)把圖像分割成若干小區(qū)域,通過灰度圖與高斯核的卷積去除噪聲;(1-5)使用前景圖對(duì)邊緣圖與灰度圖進(jìn)行掩模處理,并對(duì)處理后的前景圖、邊緣圖、灰度圖提取特征;(1-6)使用所提取的特征與人工統(tǒng)計(jì)的人群密度通過支持向量機(jī)進(jìn)行回歸訓(xùn)練,生成模型參數(shù)。優(yōu)選的,步驟(1-2)中,去除光照變化影響的方法為:將一幅給定的圖像S(X,y)分解成兩幅不同的圖像:反射物體圖像R(x,y)和入射光圖像L(x, y),即S(x, y) =R(x, y)L(x, y),其中L(x, y)通常對(duì)應(yīng)圖像的低頻部分。兩邊取對(duì)數(shù)可得log(S) =1g(R)+log(L),可通過低通濾波獲取1g(L),去除1g(L)部分并取指數(shù)即可得到不受光照變化影響的圖像R(x,y)。優(yōu)選的,對(duì)去除光照變化影響的圖像R(x,y),采用基于歸一化互相關(guān)函數(shù)與亮度比值的陰影檢測(cè)去除前景圖中的陰影,具體算法如下:像素點(diǎn)(X,y)處歸一化的互相關(guān)函數(shù)為:
權(quán)利要求
1.一種基于視頻分析的人群密度估計(jì)方法,其特征在于,包括下述兩個(gè)階段: (1)人群密度估計(jì)的離線訓(xùn)練,人工統(tǒng)計(jì)人群密度數(shù)據(jù)并提取圖像的前景、邊緣、紋理特征,通過回歸函數(shù)訓(xùn)練生成模型參數(shù); (2)人群密度估計(jì)的在線處理,提取與離線訓(xùn)練階段相同的特征,并利用訓(xùn)練好的模型參數(shù)進(jìn)行回歸預(yù)測(cè)。
2.根據(jù)權(quán)利要求1所述的基于視頻分析的人群密度估計(jì)方法,其特征在于,所述人群密度估計(jì)的離線訓(xùn)練具體包括下述步驟: (1-1)通過人工統(tǒng)計(jì)的方法對(duì)視頻圖像選定的一些區(qū)域進(jìn)行人數(shù)統(tǒng)計(jì),獲取一定數(shù)量的區(qū)域人群密度數(shù)據(jù); (1-2)利用基于低通濾波和Retinex理論的光照補(bǔ)償去除光照變化的影響,獲取亮度穩(wěn)定的灰度圖; (1-3)對(duì)去除光照影響的灰度圖進(jìn)行基于混合高斯背景建模的背景檢測(cè)獲取背景圖和前景圖,并對(duì)前景圖進(jìn)行陰影檢測(cè)去除,采用Canny算子獲取邊緣圖; (1-4)把圖像分割成若干小區(qū)域,通過灰度圖與高斯核的卷積去除噪聲; (1-5)使用前景圖對(duì)邊緣圖與灰度圖進(jìn)行掩模處理,并對(duì)處理后的前景圖、邊緣圖、灰度圖提取特征; (1-6)使用所提取的特征與人工統(tǒng)計(jì)的人群密度數(shù)據(jù)通過支持向量機(jī)進(jìn)行回歸訓(xùn)練,生成模型參數(shù)。
3.根據(jù)權(quán)利要求2所述的基于視頻分析的人群密度估計(jì)方法,其特征在于,步驟(1-2)中,去除光照變化影響的方法為: 將一幅給定的圖像S(x,y)分解成兩幅不同的圖像:反射物體圖像R(x,y)和入射光圖像L(x, y),即S(x, y) =R(x, y)L(x, y),其中L(x, y)對(duì)應(yīng)圖像的低頻部分,兩邊取對(duì)數(shù)可得log (S) =1g (R) +log (L),通過低通濾波獲取log (L),去除log (L)部分并取指數(shù)即可得到不受光照變化影響的圖像R(x,y)。
4.根據(jù)權(quán)利要求2所述的基于視頻分析的人群密度估計(jì)方法,其特征在于,步驟(1-3)中,對(duì)去除光照影響的圖像RU,y),采用基于歸一化互相關(guān)函數(shù)與亮度比值的陰影檢測(cè)去除前景圖中的陰影,具體算法如下: 像素點(diǎn)(X,y)處歸一化的互相關(guān)函數(shù)為:
5.根據(jù)權(quán)利要求4所述的基于視頻分析的人群密度估計(jì)方法,其特征在于,W設(shè)置為3,Tncc 為 0.923,Ts 為 0.52 和 Th 為 0.95。
6.根據(jù)權(quán)利要求2所述的基于視頻分析的人群密度估計(jì)方法,其特征在于,步驟(1-5)中,提取的特征包括經(jīng)過高斯平滑的灰度圖的灰度共生矩陣特征、前景圖的像素點(diǎn)數(shù)目、前景圖團(tuán)塊大小直方圖、邊緣圖的像素點(diǎn)數(shù)目、以及邊緣圖的閔可夫斯基維數(shù)特征。
7.根據(jù)權(quán)利要求1所述的基于視頻分析的人群密度估計(jì)方法,其特征在于,人群密度估計(jì)的在線處理具體包括下述步驟: (2-1)對(duì)圖像中少量代表性人體大小進(jìn)行人工標(biāo)注,與訓(xùn)練階段的標(biāo)準(zhǔn)庫進(jìn)行對(duì)比,得到尺度因子; (2-2)采用訓(xùn)練階段的步驟(1-2)至(1-5)提取特征值,并采用尺度因子對(duì)特征向量進(jìn)行規(guī)范化處理; (2-3)利用支持向量機(jī)回歸算法與離線訓(xùn)練階段得到的模型參數(shù)對(duì)所提取的特征進(jìn)行回歸預(yù)測(cè),獲取區(qū)域的人群密度估計(jì),再對(duì)前后相鄰幾幀的估計(jì)結(jié)果進(jìn)行平滑濾波,得到最終的區(qū)域人群密度估計(jì)值。
8.基于權(quán)利要求2所述的人群密度估計(jì)方法的人流量統(tǒng)計(jì)方法,其特征在于,包括下述步驟: (3-1)在圖像上需要計(jì)算人群通過流量的位置畫出虛擬線,并將虛擬線兩側(cè)鄰域劃分為若干區(qū)域,根據(jù)人群密度估計(jì)方法得到各區(qū)域i的人群估計(jì)密度; (3-2)各區(qū)域i的估計(jì)人數(shù)Cli除以該區(qū)域內(nèi)的前景點(diǎn)數(shù)量fi;得到該區(qū)域內(nèi)每前景像素對(duì)應(yīng)的平均人數(shù)P i ; (3-3)把每個(gè)區(qū)域又劃分成垂直于虛擬線的若干個(gè)子區(qū)域,并利用Lucas-Kanade光流算法計(jì)算出在一個(gè)小的時(shí)間段At內(nèi)每個(gè)子區(qū)域垂直于虛擬線的人流速度; (3-4)利用步驟(3-3)獲得的人流速度,計(jì)算該時(shí)間段At內(nèi)每個(gè)子區(qū)域j穿過虛擬線的人群長(zhǎng)度,并統(tǒng)計(jì)每個(gè)子區(qū)域j在該長(zhǎng)度內(nèi)的前景點(diǎn)像素個(gè)數(shù)gp計(jì)算P igj即可得到該子區(qū)域過虛擬線人數(shù); (3-5)對(duì)一個(gè)區(qū)域中的每個(gè)子區(qū)域分別按步驟(3-4)的方法統(tǒng)計(jì)人數(shù)再累加,得到該區(qū)域的過線人數(shù)。
9.根據(jù)權(quán)利要求8所述的人流量統(tǒng)計(jì)方法,其特征在于,步驟(3-5)中,進(jìn)一步包括:將每個(gè)區(qū)域的過線人數(shù)累加得到過虛擬線的總?cè)藬?shù),At內(nèi)人流量S,t計(jì)算公式如下:
全文摘要
本發(fā)明公開了一種基于視頻分析的人群密度估計(jì)方法與人流量統(tǒng)計(jì)方法。人群密度估計(jì)方法包括下述步驟(1)離線訓(xùn)練人工統(tǒng)計(jì)人群密度數(shù)據(jù)并提取特征進(jìn)行訓(xùn)練;(2)在線估計(jì)提取特征并利用訓(xùn)練后的模型參數(shù)進(jìn)行回歸預(yù)測(cè)。人流量統(tǒng)計(jì)的方法是通過結(jié)合人群密度與小區(qū)域人流速度建立過線前景點(diǎn)與過線人數(shù)的魯棒關(guān)系。本發(fā)明基于區(qū)域整體提取前景、邊緣、灰度共生矩陣等特征進(jìn)行人群密度估計(jì),融合這些特征能較好地解決人群密集和遮擋等問題,實(shí)現(xiàn)了實(shí)時(shí)的人群密度估計(jì);另外,在區(qū)域人群密度估計(jì)的基礎(chǔ)上結(jié)合基于光流的人流速度進(jìn)行人流量統(tǒng)計(jì),避免了對(duì)復(fù)雜環(huán)境下大量個(gè)體的檢測(cè)跟蹤,實(shí)現(xiàn)了密集人群下精確魯棒的雙向人流量計(jì)數(shù)。
文檔編號(hào)G06T5/00GK103218816SQ20131013657
公開日2013年7月24日 申請(qǐng)日期2013年4月18日 優(yōu)先權(quán)日2013年4月18日
發(fā)明者鄭慧誠, 吳澤瑜 申請(qǐng)人:中山大學(xué)