1.一種基于改進(jìn)的LBP算子的人群計(jì)數(shù)方法,其特征在于,包括以下步驟:
S1:采集用于回歸模型訓(xùn)練的訓(xùn)練圖像集;
S2:提取訓(xùn)練圖像集中每幅圖像的ASLBP特征向量,提取的步驟包括:
(1)對圖像采用基于攝像頭透視關(guān)系的場景自適應(yīng)分塊處理,將場景劃分成子圖像塊;
(2)用灰度變化度確定圓形區(qū)域的自適應(yīng)半徑,根據(jù)半徑確定采樣像素點(diǎn)數(shù)目;
(3)對于每個子圖像塊,采用自適應(yīng)尺度的旋轉(zhuǎn)不變等價(jià)模式的ASLBP特征算子提取場景信息,形成ASLBP特征直方圖;
(4)對于每個子圖像塊的ASLBP特征直方圖采用歸一化處理;
(5)對歸一化后特征描述符,聯(lián)合特征袋模型的BOF,形成特征描述向量Flbp;
S3:回歸模型的訓(xùn)練:對于訓(xùn)練圖像集,視每一幅圖像得到的特征描述向量Flbp為一個訓(xùn)練樣本數(shù)據(jù)Xi,相應(yīng)場景的實(shí)際人數(shù)為當(dāng)前標(biāo)簽yi,構(gòu)建樣本數(shù)據(jù)庫并獲得回歸模型SVRmodel;
S4:回歸模型的估計(jì):對于待估計(jì)的圖像,提取其場景特征描述向量Flbp,采用SVRmodel進(jìn)行估計(jì),得到當(dāng)前場景的人數(shù)npeople。
2.根據(jù)權(quán)利要求1所述的基于改進(jìn)的LBP算子的人群計(jì)數(shù)方法,其特征在于,步驟S2中,對圖像采用基于攝像頭透視關(guān)系的場景自適應(yīng)分塊處理的具體過程為:
計(jì)算透視歸一化圖,得到整個場景的權(quán)重差diff_w=wH-w1,其中w1是深度為1時(shí)的圖像加權(quán)值,wH為深度是H時(shí)的像素加權(quán)值;
將權(quán)重差diff_w等分為N份來得到自適應(yīng)的尺度,N為正整數(shù),從深度為1開始,權(quán)重值每增加diff_w/N為一層,并設(shè)定相應(yīng)所增加的深度為此層子圖像塊的高度,每層子圖像的高與寬是一樣的,將整個場景劃分為五層子圖像塊;
對于每個層次最后剩余的不完整的子圖像塊,做如下的判定:
其中Sres表示每層中劃分完整的子圖像塊后剩余的子圖像的面積,Spatch為每層完整的子圖像塊的面積,當(dāng)在每層中剩余的子圖像的面積超過一個完整的子圖像的面積的一半時(shí),S取值為1,此時(shí)最后剩余的子圖像塊向前獲取相應(yīng)的面積形成完整的子圖像塊;當(dāng)在每層中剩余的子圖像塊的面積不足一個完整子圖像塊面積的一半時(shí),S取值為0,放棄這一個不完整的子圖像塊。
3.根據(jù)權(quán)利要求1所述的基于改進(jìn)的LBP算子的人群計(jì)數(shù)方法,其特征在于,步驟S2中,用灰度變化度確定圓形區(qū)域的自適應(yīng)半徑,根據(jù)半徑確定采樣像素點(diǎn)數(shù)目,具體過程為:
對于自適應(yīng)半徑設(shè)定一個最大閾值R≤4,且R為實(shí)數(shù),若圖像用二維離散函數(shù)來表示,則圖像像素灰度的變化情況為:
其中I(i,j)表示圖像中(i,j)位置上的灰度值,d(i,j)表示圖像(i,j)位置的灰度變化情況,則在半徑R的鄰域內(nèi)的灰度平均變化度為:
則當(dāng)R的取值使得{f(R)-f(R-1)},R=1,...,4達(dá)到最大值時(shí),此R為最佳半徑,也就是該圓形區(qū)域中心像素點(diǎn)的自適應(yīng)半徑大小。
4.根據(jù)權(quán)利要求1所述的基于改進(jìn)的LBP算子的人群計(jì)數(shù)方法,其特征在于,步驟S2中,采用下面的公式來確定采樣像素點(diǎn)的數(shù)目:
其中,P表示采樣像素點(diǎn)數(shù)目,R表示自適應(yīng)半徑。
5.根據(jù)權(quán)利要求1所述的基于改進(jìn)的LBP算子的人群計(jì)數(shù)方法,其特征在于,步驟S3中,求解優(yōu)化公式問題得到最佳回歸面,進(jìn)而獲得回歸模型SVRmodel。