專利名稱：基于頭部識(shí)別的人群計(jì)數(shù)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理、視頻監(jiān)控，特別涉及人群計(jì)數(shù)方法及裝置。
背景技術(shù)：
人群計(jì)數(shù)是智能監(jiān)控的一個(gè)重要應(yīng)用，在各種場景有著各種不同的重要應(yīng)用。在 地鐵、火車站等人群集中地點(diǎn)，及時(shí)的統(tǒng)計(jì)旅客的數(shù)量以及分布的數(shù)據(jù)，提高分配服務(wù)與管 理資源的效率，進(jìn)而實(shí)現(xiàn)科學(xué)而有效的調(diào)度，為其提供有效的安全保障；在商場、超市等商 業(yè)地區(qū)，通過人群數(shù)量統(tǒng)計(jì)，可間接了解顧客行為，檢測商場的服務(wù)設(shè)施，優(yōu)化人力資源配 置，甚至對(duì)人群擁擠等安全隱患進(jìn)行預(yù)警。該技術(shù)是以圖像處理為基礎(chǔ)，無需外界干預(yù)，有 操作簡單、獨(dú)立性強(qiáng)等優(yōu)點(diǎn)。因此，人數(shù)統(tǒng)計(jì)有著廣泛的應(yīng)用范圍和重要的應(yīng)用價(jià)值。公開號(hào)為CN1687955A的中國專利申請(qǐng)公開了一種出入口人數(shù)計(jì)數(shù)的方法，該方 法通過傳統(tǒng)的目標(biāo)檢測跟蹤算法實(shí)現(xiàn)人群計(jì)數(shù)。公開號(hào)為CN101325690A的中國專利申請(qǐng) 公開了一種監(jiān)控視頻流中人流分析與人群聚集過程的檢測方法和系統(tǒng)，該系統(tǒng)根據(jù)對(duì)多運(yùn) 動(dòng)目標(biāo)的跟蹤結(jié)果統(tǒng)計(jì)人群。公開號(hào)為US2007/0003141A1的美國專利申請(qǐng)公開了一種自 動(dòng)人群計(jì)數(shù)的方法及系統(tǒng)，該系統(tǒng)基于腳-頭的幾何結(jié)構(gòu)特征實(shí)現(xiàn)人群的計(jì)數(shù)。公開號(hào)為 CN101872414A的中國專利申請(qǐng)公開了一種基于人頭檢測的人流量統(tǒng)計(jì)方法及系統(tǒng)，通過分 類器檢測人頭、跟蹤人頭目標(biāo)運(yùn)動(dòng)軌跡，并對(duì)人頭目標(biāo)運(yùn)動(dòng)軌跡進(jìn)行平滑度分析以濾除虛 假目標(biāo)，獲取準(zhǔn)確的人流量。綜上所述，目前迫切需要提出一種準(zhǔn)確地人群計(jì)數(shù)方法及裝置。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于實(shí)現(xiàn)人群的準(zhǔn)確計(jì)數(shù)。為達(dá)到上述目的，按照本發(fā)明的第一個(gè)方面，提供了一種基于頭部識(shí)別的人群計(jì) 數(shù)方法，該方法包括
第一步驟，根據(jù)視頻幀圖像建立、更新背景圖像； 第二步驟，從視頻幀圖像中提取頭部檢測區(qū)域； 第三步驟，跟蹤頭部檢測區(qū)域，獲取頭部檢測區(qū)域的運(yùn)動(dòng)軌跡； 第四步驟，優(yōu)化頭部檢測區(qū)域的運(yùn)動(dòng)軌跡；及 第五步驟，根據(jù)優(yōu)化的運(yùn)動(dòng)軌跡獲取人數(shù)。所述第一步驟假設(shè)h
表示第k (k為整數(shù))幀圖像，Bk表示第k幀背景圖像(其中背景圖像的初始值為馬=I0), 背景圖像的更新公式如下
權(quán)利要求
1.基于頭部識(shí)別的人群計(jì)數(shù)方法，其特征在于，該方法包括 第一步驟，根據(jù)視頻幀圖像建立、更新背景圖像；第二步驟，從視頻幀圖像中提取頭部檢測區(qū)域； 第三步驟，跟蹤頭部檢測區(qū)域，獲取頭部檢測區(qū)域的運(yùn)動(dòng)軌跡； 第四步驟，優(yōu)化頭部檢測區(qū)域的運(yùn)動(dòng)軌跡；及 第五步驟，根據(jù)優(yōu)化的運(yùn)動(dòng)軌跡獲取人數(shù)。
2.如權(quán)利要求1所述的方法，其特征在于，所述第一步驟假設(shè) ^表示第k (k為整數(shù))幀圖像，Bk表示第k幀背景圖像(其中背景圖像的初始值為B0 = I0 )，背景圖像的更新公式如下其中，X、y分別表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。
3.如權(quán)利要求1所述的方法，其特征在于，所述第二步驟包括以下步驟 步驟1021，將當(dāng)前幀圖像與背景圖像做差獲取前景圖像；步驟1022，對(duì)前景圖像進(jìn)行邊緣檢測獲取邊緣點(diǎn)；步驟1023，對(duì)每個(gè)邊緣點(diǎn)進(jìn)行hough投票獲取投票矩陣；步驟1024，獲取投票矩陣中大于第一閾值Tl的點(diǎn)，并生成該點(diǎn)的三元數(shù)；步驟1025，計(jì)算三元數(shù)的梯度內(nèi)積和；步驟10 ,根據(jù)梯度內(nèi)積和獲取局部極大值點(diǎn)，該局部極大值點(diǎn)即為頭部檢測點(diǎn)； 步驟1027，根據(jù)頭部檢測點(diǎn)獲取頭部檢測區(qū)域。
4.如權(quán)利要求3所述的方法，所述步驟1023對(duì)每個(gè)邊緣點(diǎn)(Α,Λ)的周圍進(jìn)行hough 投票，公式如下
5.如權(quán)利要求3所述的方法，所述步驟IOM獲取投票矩陣大于第一閾值Tl的點(diǎn)(HZi),并生成該點(diǎn)的三元數(shù)(XisJiA),其中
6.如權(quán)利要求3所述的方法，所述步驟1025首先以點(diǎn)
7.如權(quán)利要求1所述的方法，其特征在于，所述第四步驟包括步驟1041，刪除跟蹤到非前景檢測區(qū)域的運(yùn)動(dòng)軌跡即如果當(dāng)前幀圖像中跟蹤的運(yùn)動(dòng) 軌跡點(diǎn)屬于非前景檢測區(qū)域，則刪除該條運(yùn)動(dòng)軌跡；步驟1042，刪除明顯靜止的運(yùn)動(dòng)軌跡即計(jì)算運(yùn)動(dòng)軌跡上當(dāng)前幀圖像與前N幀圖像的 平均位移，如果該平均位移<第三閾值T3，則刪除該條運(yùn)動(dòng)軌跡，其中，N和T3可根據(jù)實(shí)際 應(yīng)用需求進(jìn)行設(shè)置；步驟1043，刪除不滿足運(yùn)動(dòng)一致性的運(yùn)動(dòng)軌跡； 步驟1044，合并重合或相交的運(yùn)動(dòng)軌跡。
8.如權(quán)利要求7所述的方法，其特征在于，所述步驟1043操作如下計(jì)算運(yùn)動(dòng)軌跡的速度
9.如權(quán)利要求7所述的方法，其特征在于，所述步驟1044計(jì)算兩條運(yùn)動(dòng)軌跡的跟蹤點(diǎn) 的歐式距離；如果歐式距離<第四閾值T4 (T4 e [5，15]且為整數(shù))，則分別計(jì)算這兩條運(yùn)動(dòng)誦漏·其、表示第一條軌跡在當(dāng)前幀圖像內(nèi)頭部檢測區(qū)域的灰度值，4表示第二條軌跡在當(dāng)前幀圖像內(nèi)頭部檢測區(qū)域的灰度值，』表示當(dāng)前幀更新的頭部檢測區(qū)域特征
10.如權(quán)利要求1所述的方法，其特征在于，所述第五步驟包括以下任何一個(gè)或者兩個(gè) 步驟步驟1051，根據(jù)優(yōu)化后的運(yùn)動(dòng)軌跡統(tǒng)計(jì)指定橫截面的人數(shù)即當(dāng)運(yùn)動(dòng)軌跡與指定的橫 截面相交時(shí)，通過統(tǒng)計(jì)相交的運(yùn)動(dòng)軌跡的個(gè)數(shù)，該個(gè)數(shù)即為統(tǒng)計(jì)的人數(shù)；步驟1052，根據(jù)優(yōu)化后的運(yùn)動(dòng)軌跡統(tǒng)計(jì)指定區(qū)域內(nèi)的人 數(shù)即統(tǒng)計(jì)指定區(qū)域內(nèi)軌跡長度 > 第五閾值Τ5的運(yùn)動(dòng)軌跡的個(gè)數(shù)
11.低密度人群的統(tǒng)計(jì)裝置，其特征在于，該裝置包括 背景建立更新單元，根據(jù)視頻幀圖像建立、更新背景圖像； 頭部檢測區(qū)域提取單元，從視頻幀圖像中提取頭部檢測區(qū)域；運(yùn)動(dòng)軌跡獲取單元，跟蹤頭部檢測區(qū)域，獲取頭部檢測區(qū)域的運(yùn)動(dòng)軌跡； 運(yùn)動(dòng)軌跡優(yōu)化單元，優(yōu)化頭部檢測區(qū)域的運(yùn)動(dòng)軌跡；及 人數(shù)統(tǒng)計(jì)單元，根據(jù)優(yōu)化的運(yùn)動(dòng)軌跡獲取人數(shù)。
12.如權(quán)利要求11所述的裝置，其特征在于，所述頭部檢測區(qū)域提取單元包括 前景圖像獲取模塊，將當(dāng)前幀圖像與背景圖像做差獲取前景圖像；邊緣點(diǎn)獲取模塊，對(duì)前景圖像進(jìn)行邊緣檢測獲取邊緣點(diǎn)； 投票矩陣獲取模塊，對(duì)每個(gè)邊緣點(diǎn)進(jìn)行hough投票獲取投票矩陣； 三元數(shù)獲取模塊，獲取投票矩陣中大于第一閾值Tl的點(diǎn)，并生成該點(diǎn)的三元數(shù)； 梯度內(nèi)積和計(jì)算模塊，計(jì)算三元數(shù)的梯度內(nèi)積和；頭部檢測點(diǎn)獲取模塊，根據(jù)梯度內(nèi)積和獲取局部極大值點(diǎn)，該局部極大值點(diǎn)即為頭部 檢測點(diǎn)；頭部檢測區(qū)域獲取模塊，根據(jù)頭部檢測點(diǎn)獲取頭部檢測區(qū)域。
13.如權(quán)利要求11所述的裝置，其特征在于，所述運(yùn)動(dòng)軌跡優(yōu)化單元包括 非前景檢測區(qū)域軌跡濾除模塊，刪除跟蹤到非前景檢測區(qū)域的運(yùn)動(dòng)軌跡； 明顯靜止軌跡濾除模塊，刪除明顯靜止的運(yùn)動(dòng)軌跡；非運(yùn)動(dòng)一致性軌跡濾除模塊，刪除不滿足運(yùn)動(dòng)一致性的運(yùn)動(dòng)軌跡； 重合或相交軌跡合并模塊，合并重合或相交的運(yùn)動(dòng)軌跡。
全文摘要
本發(fā)明提供了一種基于頭部識(shí)別的人群計(jì)數(shù)方法及裝置。首先根據(jù)視頻幀圖像建立、更新背景圖像；從視頻幀圖像中提取頭部檢測區(qū)域；跟蹤頭部檢測區(qū)域，獲取頭部檢測區(qū)域的運(yùn)動(dòng)軌跡；優(yōu)化頭部檢測區(qū)域的運(yùn)動(dòng)軌跡；最后根據(jù)優(yōu)化的運(yùn)動(dòng)軌跡獲取人數(shù)。本發(fā)明能準(zhǔn)確地實(shí)現(xiàn)人群的計(jì)數(shù)。
文檔編號(hào)G06T7/20GK102063613SQ20101060782
公開日2011年5月18日 申請(qǐng)日期2010年12月28日 優(yōu)先權(quán)日2010年12月28日
發(fā)明者游磊 申請(qǐng)人:北京智安邦科技有限公司