本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，尤其涉及其中的機(jī)器學(xué)習(xí)和模式識(shí)別。

2.

背景技術(shù)：

人流量檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域最熱門(mén)也是最具挑戰(zhàn)性的研究方向之一，有著廣泛的應(yīng)用前景，如安防、交通、娛樂(lè)等領(lǐng)域?，F(xiàn)有的人流量檢測(cè)系統(tǒng)，通常是通過(guò)攝像頭采集圖像，傳遞到后臺(tái)進(jìn)行處理，處理過(guò)程較為復(fù)雜，檢測(cè)速度較慢，而且精度不高，通常不能有效的解決人流量檢測(cè)的問(wèn)題。

近年來(lái)公共場(chǎng)所安全問(wèn)題受到越來(lái)越多的重視，監(jiān)控系統(tǒng)廣泛應(yīng)用在各個(gè)公共場(chǎng)所。在計(jì)算機(jī)視覺(jué)領(lǐng)域，人體檢測(cè)是保證人流量檢測(cè)精度的根本，那么如何解決在視頻中實(shí)現(xiàn)較高可靠性的人體檢測(cè)成為研究熱點(diǎn)。人體檢測(cè)中最重要的兩個(gè)環(huán)節(jié)是特征提取和分類器的設(shè)計(jì)。本發(fā)明提出自己的研究思路，以期提供一種新的方法以提高人流量檢測(cè)的精度，尤其是根據(jù)SVM來(lái)訓(xùn)練人體模型建立人體特征分類器，利用DPM方法把人體分成各個(gè)部分，進(jìn)行特征識(shí)別，減少誤識(shí)別率。本方法可以減少對(duì)干擾物的錯(cuò)誤識(shí)別，提高識(shí)別的精度。

3.

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是根據(jù)上述思路設(shè)計(jì)的一種基于SVM的公共場(chǎng)合人流量檢測(cè)方法。

本發(fā)明的技術(shù)方案是提供一種基于SVM的公共場(chǎng)合人流量檢測(cè)方法，其特征包括以下步驟：

(1)將視頻圖像存儲(chǔ)于原始視頻數(shù)據(jù)庫(kù)，視頻圖像包括視頻文件和文件屬性；

(2)利用背景差分法和幀間差分法對(duì)圖像中的運(yùn)動(dòng)目標(biāo)進(jìn)行提取；

(3)利用DPM方法提取運(yùn)動(dòng)目標(biāo)特征；

(4)將運(yùn)動(dòng)目標(biāo)特征與利用SVM建立的人體特征模型庫(kù)進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果判斷運(yùn)動(dòng)目標(biāo)是否為人體，人流量計(jì)數(shù)器是否加減；

(5)在人體遮擋面積過(guò)大時(shí)，則采用面積分割法估算人流量。

在所述步驟(1)之前還包括以下步驟：

(a)收集人體標(biāo)準(zhǔn)特征的圖像并存儲(chǔ)于標(biāo)準(zhǔn)模型庫(kù)；

(b)根據(jù)標(biāo)準(zhǔn)模型庫(kù)，根據(jù)DPM方法識(shí)別的人體特征，利用SVM方法對(duì)人體各個(gè)部分特征值進(jìn)行學(xué)習(xí)訓(xùn)練模型，形成人體特征模型庫(kù)。

所述步驟(2)包括以下步驟：

(2.1)圖像分幀，對(duì)要處理的視頻圖像進(jìn)行分幀處理；

(2.2)圖像預(yù)處理，對(duì)要處理的視頻圖像進(jìn)行二值化、縮放、濾波等處理。

本發(fā)明提出了基于SVM的公共場(chǎng)合人流量檢測(cè)方法，主要包括以下內(nèi)容：

(1)人體特征提取

本方法利用DPM方法，對(duì)圖像中運(yùn)動(dòng)目標(biāo)所在區(qū)域進(jìn)行局部特征分析及提取，采取從部件到整體的途徑，將人體分為頭、四肢、軀干等部件，然后分別訓(xùn)練各個(gè)部件樣本，根據(jù)部件之間的幾何約束來(lái)檢測(cè)整個(gè)人體。通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)提取后再利用DPM進(jìn)行特征提取，并與提前訓(xùn)練好的特征模型庫(kù)內(nèi)人體特征進(jìn)行對(duì)比，提高人流量檢測(cè)的精度。

(2)人體特征模型庫(kù)建立

人體特征模型庫(kù)即分類器的建立，在根據(jù)傳統(tǒng)SVM訓(xùn)練模型方法的基礎(chǔ)上，通過(guò)DPM特征提取方法，把整個(gè)人體分為幾個(gè)部分，例如頭部、四肢以及身體，分別建立其特征庫(kù)，進(jìn)而形成SVM分類器，構(gòu)造一個(gè)人體檢測(cè)器。SVM分類器具有對(duì)樣本多變性的良好容錯(cuò)能力及較強(qiáng)的學(xué)習(xí)能力，針對(duì)不同的樣本具有較好的識(shí)別率和較低的誤識(shí)率，并且計(jì)算速度快，可以快速進(jìn)行大量的視頻圖像檢測(cè)，可用于人口密集的公共場(chǎng)合人流量檢測(cè)系統(tǒng)。

4.附圖說(shuō)明

圖1是應(yīng)用本發(fā)明的系統(tǒng)的結(jié)構(gòu)框圖。

5.具體實(shí)施方式

下面對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)的描述。

如圖1所示，本發(fā)明提出一種基于SVM的人流量檢測(cè)方法，對(duì)應(yīng)的系統(tǒng)包括：圖像預(yù)處理，運(yùn)動(dòng)目標(biāo)提取，DPM特征提取，人體特模型庫(kù)建立，面積估算人流量。

圖像預(yù)處理包括對(duì)視頻圖像進(jìn)行分幀處理，對(duì)單幀圖片進(jìn)行二值化、除躁等處理；

運(yùn)動(dòng)目標(biāo)提取是利用幀間差分法把運(yùn)動(dòng)目標(biāo)所在區(qū)域提取出來(lái)，然后再利用背景差分法把運(yùn)動(dòng)目標(biāo)檢測(cè)出來(lái)；

DPM特征提取是利用DPM方法提取運(yùn)動(dòng)目標(biāo)的特征；

人體特征模型庫(kù)建立是利用SVM方法訓(xùn)練人體各個(gè)部分模型并形成特征庫(kù)，在SVM訓(xùn)練學(xué)習(xí)的基礎(chǔ)上添加通過(guò)DPM方法，把整個(gè)人體分為幾個(gè)部分，如頭部、四肢以及身體，分別建立特征庫(kù)，進(jìn)而形成SVM人體特征分類器，建立人體特征模型庫(kù)；

通過(guò)檢測(cè)到的運(yùn)動(dòng)目標(biāo)特征與人體特征模型庫(kù)的對(duì)比，判定檢測(cè)到的運(yùn)動(dòng)目標(biāo)是否為人體，從而使人流量計(jì)數(shù)器計(jì)數(shù)；

在人與人高度重疊的情況時(shí)，無(wú)法精確地檢測(cè)人數(shù)，采用面積估算法來(lái)估算人流量。

以上實(shí)施僅為本發(fā)明其中的一種實(shí)施方式，其描述較為具體，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。對(duì)于本領(lǐng)域的技術(shù)人員，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(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。