一種進(jìn)出口人流量統(tǒng)計(jì)的方法及系統(tǒng)的制作方法
【專(zhuān)利說(shuō)明】一種進(jìn)出口人流量統(tǒng)計(jì)的方法及系統(tǒng)
[0001] (一）技術(shù)領(lǐng)域 本發(fā)明屬于視頻監(jiān)控、視頻圖像處理與分析、機(jī)器視覺(jué)技術(shù)領(lǐng)域，特別涉及一種進(jìn)出口 人流量統(tǒng)計(jì)的方法及系統(tǒng)。
[0002] (二）【背景技術(shù)】 隨著科技和信息化管理的不斷發(fā)展，對(duì)超市、商場(chǎng)、車(chē)站、旅游景點(diǎn)、公交車(chē)、體育賽事、 娛樂(lè)場(chǎng)所、節(jié)慶活動(dòng)等不同的場(chǎng)合的人流量監(jiān)管更加信息化、智能化。通過(guò)對(duì)不同場(chǎng)合的人 數(shù)統(tǒng)計(jì)，可以實(shí)時(shí)估計(jì)人流量、分析人流分布、估計(jì)擁擠程度，為合理分配服務(wù)與管理資源、 科學(xué)調(diào)度、安全保障提供了可靠依據(jù)。
[0003] 現(xiàn)有的人流量統(tǒng)計(jì)主要包括：人工統(tǒng)計(jì)方式、紅外掃描計(jì)數(shù)和基于視頻分析的人 數(shù)統(tǒng)計(jì)。人工統(tǒng)計(jì)方式在短時(shí)間內(nèi)、人流量稀疏的情況下比較可靠，但是隨著時(shí)間的加長(zhǎng)和 人流量密度的增加，統(tǒng)計(jì)的準(zhǔn)確性將大幅度降低。紅外掃描計(jì)數(shù)對(duì)人群密集計(jì)數(shù)誤差大，因 為紅外掃描計(jì)數(shù)不能辨別單人還是多人，不能區(qū)分人的進(jìn)出方向?；谝曨l的人流量統(tǒng)計(jì) 可以實(shí)現(xiàn)高密度人流量的自動(dòng)統(tǒng)計(jì)，現(xiàn)有的基于視頻的人流量統(tǒng)計(jì)主要有以下幾種方法： 一是基于人體分割的方法，該方法首先通過(guò)運(yùn)動(dòng)分析提取出運(yùn)動(dòng)目標(biāo)，然后通過(guò)目標(biāo) 分割方法，如基于邊緣的圖像分割、基于坐標(biāo)映射的目標(biāo)分割、基于K-Means的目標(biāo)分割等 方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分割，得到單個(gè)人體目標(biāo)，從而實(shí)現(xiàn)人流量的統(tǒng)計(jì)。該方法的缺點(diǎn)是在 人流量密度大的場(chǎng)景中，人體的軀干很容易相互遮擋，目標(biāo)的分割很困難，從而影響人流量 的統(tǒng)計(jì)。
[0004] 二是基于人頭或頭肩的方法，該方法用識(shí)別人頭或頭肩的方法代替人體的識(shí)別， 可以有效的避免人體軀干的遮擋問(wèn)題，并且人頭更類(lèi)似于剛體目標(biāo)，使目標(biāo)檢測(cè)識(shí)別問(wèn)題 變得更加簡(jiǎn)單。目前有基于人頭檢測(cè)的人流量統(tǒng)計(jì)方法，方法一：用灰度信息提取頭發(fā)， 面積大小去掉部分非人頭區(qū)域，對(duì)得到的二值化圖像進(jìn)行邊緣檢測(cè)提取輪廓，對(duì)輪廓進(jìn)行 Hough變換識(shí)別人頭；方法二：用運(yùn)動(dòng)目標(biāo)檢測(cè)和Hough變換或者若干圓環(huán)模板的方法識(shí)別 人頭；方法三：用YCrCb顏色空間的彩色信息和三幀差運(yùn)動(dòng)目標(biāo)提取方法相結(jié)合，提取候選 人頭區(qū)域，然后用若干圓形模板進(jìn)行掃描和緊密度計(jì)算識(shí)別人頭。方法一最大的缺點(diǎn)是會(huì) 將靜止背景中灰度和頭發(fā)相近的物體識(shí)別成頭發(fā)，造成一定程度的誤檢，同時(shí)灰度信息沒(méi) 有彩色信息豐富，也會(huì)造成一定的影響。方法二的缺點(diǎn)是Hough變換會(huì)將顏色不同于發(fā)色 但是具有類(lèi)圓形特征的部分運(yùn)動(dòng)目標(biāo)識(shí)別成人頭，例如人的肩膀，或者某種運(yùn)動(dòng)目標(biāo)的姿 勢(shì)。若干圓環(huán)模板不僅會(huì)將顏色不同于發(fā)色但是具有類(lèi)圓形特征的部分運(yùn)動(dòng)目標(biāo)識(shí)別成人 頭，而且會(huì)丟失人頭輪廓均勻分布的信息，造成圓環(huán)中分段輪廓點(diǎn)聚集的輪廓識(shí)別成人頭。 方法三比方法一和方法二都有提高，但是方法三使用的模板較簡(jiǎn)單，若干圓形模板只是對(duì) 搜索的區(qū)域進(jìn)行限定，判定是否是人頭只是用緊密度這個(gè)標(biāo)準(zhǔn)。用若干圓形模板對(duì)區(qū)域進(jìn) 行掃描，而且會(huì)先選擇滿足條件的較大區(qū)域?yàn)槿祟^，不再進(jìn)一步精確判別，會(huì)使識(shí)別的誤檢 率升高，同時(shí)若干圓形模板在搜索匹配的過(guò)程中具有盲目性，如果只用緊密度計(jì)算進(jìn)行人 頭識(shí)別，會(huì)造成識(shí)別人頭的不完整，從而影響識(shí)別的準(zhǔn)確性。
[0005](三）
【發(fā)明內(nèi)容】
本發(fā)明為了彌補(bǔ)現(xiàn)有技術(shù)的不足，提供了一種進(jìn)出口人流量統(tǒng)計(jì)的方法及系統(tǒng)，解決 了目前人頭檢測(cè)算法只是利用人頭的灰度信息和形狀信息易將背景中具有人頭灰度和形 狀特征的物體判斷為人頭區(qū)域的問(wèn)題，減少了復(fù)雜場(chǎng)景下具有人頭特征的背景對(duì)人頭的誤 檢，減小了人頭檢測(cè)的漏檢率，提高了進(jìn)出口人流量統(tǒng)計(jì)的準(zhǔn)確性。
[0006] 本發(fā)明是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的： 一種進(jìn)出口人流量統(tǒng)計(jì)的方法，其特征是：包括以下步驟： (1 )、根據(jù)攝像頭獲取圖像，利用運(yùn)動(dòng)特征提取出運(yùn)動(dòng)目標(biāo)； (2) 、利用彩色空間的色彩模型，提取圖像中具有黑色和淺色頭發(fā)特征的區(qū)域； (3) 、將運(yùn)動(dòng)特征和發(fā)色特征進(jìn)行融合，得到候選人頭的彩色圖像； (4) 、對(duì)候選人頭的彩色圖像進(jìn)行邊緣提取，得到候選人頭的輪廓特征； (5) 、根據(jù)人頭的輪廓特征對(duì)候選人頭的彩色圖像進(jìn)行細(xì)篩選，識(shí)別出人頭； (6 )、對(duì)識(shí)別出的人頭進(jìn)行跟蹤計(jì)數(shù)。
[0007] 優(yōu)選的，在步驟（1)中，通過(guò)在序列圖像中檢測(cè)變化區(qū)域，將運(yùn)動(dòng)目標(biāo)從圖像中提 取出來(lái)，同時(shí)還需要實(shí)時(shí)對(duì)背景模型進(jìn)行更新。
[0008] 優(yōu)選的，在步驟（2)中，根據(jù)黑色和淺色頭發(fā)在不同光照下顏色分布規(guī)律，選取合 適的顏色空間，在顏色空間中建立描述黑色頭發(fā)和淺色頭發(fā)的顏色分布規(guī)律的模型。
[0009] 優(yōu)選的，在步驟（4)中，將候選人頭的彩色圖像轉(zhuǎn)換為灰度圖像，然后對(duì)灰度圖像 各個(gè)像素點(diǎn)進(jìn)行檢測(cè)，找出灰度值變化較大的點(diǎn)，并對(duì)這些點(diǎn)進(jìn)行處理，使這些點(diǎn)能夠連接 起來(lái)構(gòu)成若干線條，得到候選人頭的輪廓特征。
[0010] 優(yōu)選的，在步驟（5)中，獲得的人頭區(qū)域是一個(gè)類(lèi)圓形的目標(biāo)，通過(guò)對(duì)類(lèi)圓形目標(biāo) 的識(shí)別，實(shí)現(xiàn)對(duì)候選人頭的彩色圖像進(jìn)行細(xì)篩選，識(shí)別出人頭。
[0011] 優(yōu)選的，在步驟（6)中，對(duì)識(shí)別出的人頭進(jìn)行跟蹤，通過(guò)跟蹤結(jié)果判斷目標(biāo)的進(jìn)出 方向，并在不同方向上進(jìn)行人數(shù)統(tǒng)計(jì)。
[0012] -種進(jìn)出口人流量統(tǒng)計(jì)的系統(tǒng)，其特征是：包括特征融合模塊系統(tǒng)，所述特征融 合模塊系統(tǒng)分別連接有運(yùn)動(dòng)目標(biāo)提取模塊系統(tǒng)、發(fā)色特征提取模塊系統(tǒng)和邊緣檢測(cè)模塊系 統(tǒng)，邊緣檢測(cè)模塊系統(tǒng)連接有人頭篩選模塊系統(tǒng)，人頭篩選模塊系統(tǒng)連接有跟蹤計(jì)數(shù)模塊 系統(tǒng)。
[0013] 本發(fā)明的有益效果是：首先，通過(guò)運(yùn)動(dòng)特征，提取出運(yùn)動(dòng)目標(biāo)，減少了復(fù)雜場(chǎng)景下 具有人頭特征的靜止背景對(duì)人頭檢測(cè)的影響。其次，用彩色顏色空間對(duì)圖像進(jìn)行黑色和淺 色頭發(fā)的提取，彩色顏色模型色域?qū)掗?，人的肉眼能感知的色彩，都能通過(guò)彩色顏色模型表 現(xiàn)出來(lái)；彩色顏色模型與灰度相比，更能細(xì)致的描述頭發(fā)的顏色特征，對(duì)于黑色頭發(fā)和淺色 頭發(fā)都能提取出來(lái)，使人頭的識(shí)別效果更好。再次，對(duì)具有發(fā)色特征和運(yùn)動(dòng)特征的彩色圖 像進(jìn)行類(lèi)圓物體的識(shí)別，對(duì)彩色圖像提取的邊緣信息比對(duì)二值圖像提取的邊緣信息更加豐 富，檢測(cè)到的人頭會(huì)更多，從而提尚人頭檢測(cè)的準(zhǔn)確率。
[0014] (四）【附圖說(shuō)明】 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。
[0015] 附圖1為本發(fā)明的流程示意圖； 附圖2為本發(fā)明的結(jié)構(gòu)示意圖； 附圖3為本發(fā)明的實(shí)施例中人數(shù)統(tǒng)計(jì)的具體實(shí)施方法的流程示意圖； 附圖4為附圖3中邊緣檢測(cè)的具體流程圖； 附圖5為附圖3中人頭識(shí)別的具體流程圖。
[0016](五）【具體實(shí)施方式】 附圖為本發(fā)明的一種具體實(shí)施例。該實(shí)施例包括以下步驟：（1)、根據(jù)攝像頭獲取圖 像，利用運(yùn)動(dòng)特征提取出運(yùn)動(dòng)目標(biāo)；（2)、利用彩色空間的色彩模型，提取圖像中具有黑色 和淺色頭發(fā)特征的區(qū)域；（3)、將運(yùn)動(dòng)特征和發(fā)色特征進(jìn)行融合，得到候選人頭的彩色圖 像；（4)、對(duì)候選人頭的彩色圖像進(jìn)行邊緣提取，得到候選人頭的輪廓特征；（5)、根據(jù)人頭 的輪廓特征對(duì)候選人頭的彩色圖像進(jìn)行細(xì)篩選，識(shí)別出人頭；（6)、對(duì)識(shí)別出的人頭進(jìn)行跟 蹤計(jì)數(shù)。在步驟（1)中，通過(guò)在序列圖像中檢測(cè)變化區(qū)域，將運(yùn)動(dòng)目標(biāo)從圖像中提取出來(lái)，同 時(shí)還需要實(shí)時(shí)對(duì)背景模型進(jìn)行更新。在步驟（2)中，根據(jù)黑色和淺色頭發(fā)在不同光照下顏色 分布規(guī)律，選取合適的顏色空間，在顏色空間中建立描述黑色頭發(fā)和淺色頭發(fā)的顏色分布 規(guī)律的模型。在步驟（4)中，將候選人頭的彩色圖像轉(zhuǎn)換為灰度圖像，然后對(duì)灰度圖像各個(gè) 像素點(diǎn)進(jìn)行檢測(cè)，找出灰度值變化較大的點(diǎn)，并對(duì)這些點(diǎn)進(jìn)行處理，使這些點(diǎn)能夠連接起來(lái) 構(gòu)成若干線條，得到候選人頭的輪廓特征。在步驟（5)中，獲得的人頭區(qū)域是一個(gè)類(lèi)圓形的 目標(biāo)，通過(guò)對(duì)類(lèi)圓形目標(biāo)的識(shí)別，實(shí)現(xiàn)對(duì)候選人頭的彩色圖像進(jìn)行細(xì)篩選，識(shí)別出人頭。在 步驟（6)中，對(duì)識(shí)別出的人頭進(jìn)行跟蹤，通過(guò)跟蹤結(jié)果判斷目標(biāo)的進(jìn)出方向，并在不同方向 上進(jìn)行人數(shù)統(tǒng)計(jì)。
[0017] 采用本發(fā)明的一種進(jìn)出口人流量統(tǒng)計(jì)的方法，其具體步驟如下： 步驟101，根據(jù)攝像頭獲取的圖像，利用運(yùn)動(dòng)特征提取出運(yùn)動(dòng)目標(biāo)。
[0018] 步驟102,利用彩色空間的色彩模型，提取圖像中具有黑色和淺色頭發(fā)特征的區(qū) 域。
[0019] 步驟103,將運(yùn)動(dòng)特征和發(fā)色特征進(jìn)行融合，得到候選人頭的彩色圖像。
[0020] 步驟104,對(duì)候選人頭的彩色圖像進(jìn)行邊緣提取，得到候選人頭的輪廓特征。
[0021] 步驟105,根據(jù)人頭的輪廓特征對(duì)候選人頭的彩色圖像進(jìn)行細(xì)篩選，識(shí)別出人頭。
[0022] 步驟106,對(duì)識(shí)別出的人頭進(jìn)行跟蹤計(jì)數(shù)。
[0023] 步驟101中采用下列方法獲得運(yùn)動(dòng)目標(biāo)： 攝像頭固定的情況下，背景在連續(xù)幀之間是不會(huì)發(fā)生變化的，只有運(yùn)動(dòng)的物體才會(huì)使 圖像發(fā)生變化，根據(jù)圖像中每個(gè)像素的顏色值進(jìn)行建模，將當(dāng)前的圖像與背景模型進(jìn)行某 種比較，如果當(dāng)前圖像坐標(biāo)上的像素顏色值與背景模型中相應(yīng)坐標(biāo)上的像素顏色值有較大 差異時(shí)，當(dāng)前像素被認(rèn)為是前景，否則為背景，根據(jù)比較的結(jié)果確定前景目標(biāo)。同時(shí)，按照一 定的學(xué)習(xí)率對(duì)背景進(jìn)行更新，以滿足實(shí)時(shí)的需求。
[0024] 步驟102中，以Lab顏色空間為例提取具有黑色和淺色頭發(fā)特征的區(qū)域： 顏色特征具有旋轉(zhuǎn)不變性、方向不敏感，提取相對(duì)簡(jiǎn)單快速。光照對(duì)顏色的影響可以通 過(guò)采集大量在不同光照下具有黑色和淺色頭發(fā)的樣本來(lái)彌補(bǔ)，采集大量不同光照條件下具 有人頭的圖像，對(duì)圖像發(fā)色像素點(diǎn)進(jìn)行采樣，并統(tǒng)計(jì)其在Lab顏色空間的分布情況，建立發(fā) 色模型。將當(dāng)前的圖像中的每個(gè)像素顏色值與發(fā)色模型進(jìn)行比較，如果當(dāng)前圖像的像素顏 色值滿足發(fā)色模型的條件，則認(rèn)為是發(fā)色，否則為非發(fā)色，根據(jù)比較的結(jié)果得到具有黑色和 淺色頭發(fā)特征的區(qū)域。
[0025] 步驟103中，運(yùn)動(dòng)特征和發(fā)色特征的融合是像素級(jí)上的融合。將具有運(yùn)動(dòng)特征的 二值化圖像和具有發(fā)色特征的二值化圖像進(jìn)行運(yùn)算，得到同時(shí)具有兩種特征的二值化圖 像。計(jì)算方法如下： T(Xfy)=Fis3y)a 其中，F(xiàn)(x，y)為具有運(yùn)動(dòng)特征的二值化圖像在（x，y)點(diǎn)處的像素值，H(x，y)為具有發(fā) 色特征的二值化圖像在（x，y)點(diǎn)處的像素值，T(x，y)為同時(shí)具有兩種特征的二值化圖像在 (x，y)處的像素值。
[0026] 通過(guò)上面