專利名稱：一種基于視頻的智能數(shù)人系統(tǒng)及其處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種智能處理系統(tǒng)及處理方法，尤其涉及的是一種基于視 頻的智能數(shù)人系統(tǒng)及其處理方法。
背景纟支術(shù)
自動的對進入特定區(qū)域的人數(shù)進行統(tǒng)計，具有重要、廣泛的應(yīng)用價值，
例如在一些特定的場所，通道或入口，每次只允許特定數(shù)目的人員進入，
司，小區(qū)，實驗室或一些非常重要的區(qū)域，必須經(jīng)過身份驗證后才能進入。 但有時，不法人員會利用前一合法人員經(jīng)過身份驗證后打開門的時機
進入指定區(qū)域?，F(xiàn)有技術(shù)中在這些區(qū)域安裝的攝像裝置，需要人工監(jiān)控，
會由于人工的監(jiān)控疏忽,導致安全性降低。
因此,現(xiàn)有技術(shù)存在缺陷,而有待于改進和發(fā)展。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于視頻的智能數(shù)人系統(tǒng)及其處理方法， 利用該系統(tǒng)可對指定區(qū)域的人員數(shù)目自動進行估計。 本發(fā)明的技術(shù)方案包括
一種基于視頻的智能數(shù)人系統(tǒng)，其包括一圖像獲取模塊，用于監(jiān)控一 指定區(qū)域，其中,還包括一人員數(shù)目估計模塊，其對從所述圖像獲取模塊 獲得的圖像進行處理，并包括背景估計、基于前景塊檢測的人員數(shù)目估計、 基于頭部檢測的人員數(shù)目估計和綜合檢測結(jié)果四個模塊，所述四個模塊設(shè)
置采用一通用計算才幾實現(xiàn)，用于實時采集指定區(qū)域的視頻圖像并根據(jù)每幀
圖像，結(jié)合基于前景塊檢測的人員數(shù)目估計和基于頭部檢測的人員數(shù)目估 計方式計算指定區(qū)^^的人員數(shù)目。
所述的智能數(shù)人系統(tǒng)，其中，所述圖像獲取模塊包括一攝像頭，垂直
于所述被監(jiān)控的指定區(qū)域固定設(shè)置；以及一視頻采集卡，連接控制所述攝 像頭，用于實時獲取所述攝像頭的監(jiān)控圖像并處理成數(shù)字視頻圖像。
本發(fā)明還提供一種基于視頻的智能數(shù)人的處理方法，其包括以下步驟
A、 圖像獲取模塊實時獲取數(shù)字視頻圖像，并輸入通用計算機；
B、 在獲得每幀數(shù)字視頻圖像后，采用人員數(shù)目估計模塊估計該幀圖 像中的人員數(shù)目，并具體包括
Bl、對數(shù)字視頻圖像中進行背景估計，確定實時監(jiān)控的數(shù)字視頻圖像 的前景和背景；
B2、基于前景塊;f企測進行人員數(shù)目估計； B3、基于頭部4全測進行人員數(shù)目估計；
B4、對步驟B2和步驟B3的檢測結(jié)果進行綜合，對連續(xù)三幀得到的人 員數(shù)目取均值得到當前幀的人員數(shù)目估計；
C、 對步驟B4所得結(jié)果與預先設(shè)置的人員數(shù)目閾值進行比對，確定是 否報警。
所述的方法，其中，所述步驟B2還包括
B21、把實時的數(shù)字視頻圖像的當前幀圖像和當前的背景圖像相減，同 時把當前幀圖像和前一幀的圖像相減；
B22、對相減得到的兩幅圖像進行與操作，得到當前的前景圖像； B23 、利用數(shù)學形態(tài)學方法對前景圖像進4亍去噪聲處理； B24、對前景圖像進行連通區(qū)域標注，得到前景塊檢測數(shù)目； B25、根據(jù)前景塊的面積估計前景塊檢測數(shù)目中含有的人員數(shù)目。 所述的方法，其中，所述步驟B3還包括
B31、通過圖^f象獲取模塊采集多個垂直照射的頭部樣本，根據(jù)這些樣本
得到頭部的色調(diào)、飽和度模板即色調(diào)、飽和度直方B32、根據(jù)色調(diào)、飽和度直方圖得到當前幀的反投射(backprojection)圖
像；
B33、在反投射圖像被前景所限定的區(qū)域中標注連通區(qū)域，并用橢圓擬 合各個連通區(qū)域；
B34、統(tǒng)計符合一定長短軸比例的區(qū)域數(shù)目，作為檢測到的頭部數(shù)目， 即頭部檢測的人員數(shù)目估計。
所述的方法，其中，所迷步驟B1還包括
Bll、對指定區(qū)域的背景建立初始的高斯;漠型，即通過采集一段時間的 背景視頻圖像后，計算每個象素點灰度值的均值和方差得到每個象素點的 高斯模型；
B12、在系統(tǒng)運行過程中，根據(jù)當前采集到的數(shù)字視頻圖像對高斯模型 的均值進行更新，以適應(yīng)背景光照等因素引起的背景變化。 所述的方法，其中，所述步驟B12還包括
B121、當系統(tǒng)開始運行時，在視野內(nèi)更換背景和增加不活動的物體時， 當前幀與初始背景的灰度值差值超過高斯模型方差，同時相鄰幀的差值均 為0，當前幀與初始背景的灰度值差值不被判斷為前景；
B122、系統(tǒng)將當前幀累加到背景樣本視頻中，重新建立該點的高斯模型。
本發(fā)明所提供的一種基于視頻的智能數(shù)人系統(tǒng)及其處理方法，通過結(jié) 合采用攝像裝置和計算處理裝置，可以自動實現(xiàn)對預定區(qū)域內(nèi)人數(shù)的統(tǒng)計 和計算，防止了不法人員利用前一合法人員經(jīng)過身份驗證后打開門的時機 進入指定區(qū)域，并可對指定區(qū)域的人數(shù)進行監(jiān)控。


圖1為本發(fā)明基于視頻的智能數(shù)人系統(tǒng)的系統(tǒng)框圖2為本發(fā)明基于視頻的智能數(shù)人系統(tǒng)及其處理方法的圖像獲取模塊
框圖3為本發(fā)明基于視頻的智能數(shù)人系統(tǒng)及其處理方法的人員數(shù)目估計 模塊框圖4為本發(fā)明基于視頻的智能數(shù)人系統(tǒng)及其處理方法中基于前景塊檢 測的人員數(shù)目估計環(huán)節(jié)流程圖； ，
圖5為本發(fā)明基于視頻的智能數(shù)人系統(tǒng)及其處理方法中基于頭部檢測 的人員數(shù)目估計環(huán)節(jié)的流程圖。
其中， 1圖像荻取模塊 11攝像頭 12視頻采集卡 2人員數(shù)目估計模塊 21背景估計環(huán)節(jié)
22基于前景塊^r測的人員數(shù)目估計環(huán)節(jié) 221 相鄰兩幀相減估計運動前景圖傳_ 222根據(jù)背景模型估計前景圖像 223 與操作 224預處理 225連通前景塊標注
226根據(jù)前景塊的數(shù)目和面積估計人員數(shù)目 23基于頭部檢測的人員數(shù)目估計環(huán)節(jié) 231采集樣本 232建立色調(diào)、飽和度模板 233計算反投射圖像 234預處理235連通區(qū)i或標注 236統(tǒng)計符合要求的連通區(qū)域數(shù)目 24綜合檢測結(jié)果環(huán)節(jié)
具體實施例方式
下面結(jié)合附圖，將詳細描述本發(fā)明的各較佳實施例。
本發(fā)明基于視頻的智能數(shù)人系統(tǒng)中，如圖1所示的，包括一圖像獲取模 塊1和一人員數(shù)目估計模塊2,由所述圖像獲取模塊1對一預先設(shè)置的指定 區(qū)域進行監(jiān)控,并按照一定頻率獲取指定區(qū)域的數(shù)字視頻圖像,并傳輸給所 述人員數(shù)目估計模塊2進行人員數(shù)目的計數(shù)。
所述圖像獲取模塊1中包括有攝像頭11和視頻釆集卡12，如圖2所示 的，首先采用攝像頭11采集視頻圖像；接著用視頻采集卡12得到數(shù)字化 的圖像，并輸入所述人員數(shù)目估計模塊2，可以是一通用計算機上運行的特 有處理程序；然后所述人員數(shù)目估計模塊2根據(jù)每幀圖像，采用基于前景 塊檢測的人員數(shù)目估計和基于頭部檢測的人員數(shù)目估計相結(jié)合的方法估計 指定區(qū)域的人員數(shù)目。
本發(fā)明的人員數(shù)目估計模塊至少包括背景估計21、基于前景塊檢測的 人員數(shù)目估計22、基于頭部檢測的人員數(shù)目估計23和綜合檢測結(jié)果24四 個環(huán)節(jié)，如圖3所示。其主要流程為
首先將攝像頭固定安裝在指定區(qū)域的正上方，攝像頭光軸垂直向下， 即攝像頭垂直向下捕捉指定區(qū)域的圖像；接著，采用視頻采集卡得到數(shù)字 視頻圖像并輸入通用計算機。在得到每幀數(shù)字視頻圖像后，釆用人員數(shù)目 估計模塊估計該幀圖像中的人員數(shù)目。
在基于前景塊檢測的人員數(shù)目估計數(shù)目環(huán)節(jié)，如圖4所示，本發(fā)明首 先在步驟221中把當前幀的圖像和當前的背景圖像相減，同時在步驟222 中把當前幀的圖像和前一幀的圖像相減；接著，對相減得到的兩幅圖像進 行步驟223的與操作，得到當前前景圖像；然后在步驟224利用數(shù)學形態(tài) 學方法對前景圖像進行去噪聲處理；最后，在步驟225中對前景圖像進行 連通區(qū)域標注，得到前景塊數(shù)目，然后在步驟226根據(jù)前景塊的面積估計 前景塊中含有的人員數(shù)目。由于攝像頭固定安裝在待監(jiān)控的指定區(qū)域內(nèi)， 其捕捉到的人員圖像即前景塊的面積是有預定范圍的，因此，通過前景塊 的面積和數(shù)量可以沖全測估計人員數(shù)目。
在基于頭部檢測的人員數(shù)目估計環(huán)節(jié)，如圖5所述的，本發(fā)明首先在 步驟231采集'多個垂直照射的頭部樣本，根據(jù)這些樣本在步驟232得到頭 部的色調(diào)、飽和度模板(色調(diào)、飽和度直方圖)；接著，根據(jù)色調(diào)、飽和度 直方圖在步驟233得到當前幀的反投射(backprojection)圖像;然后，在步驟 234在反投射圖像被前景所限定的區(qū)域中標注連通區(qū)域，并在步驟235用橢 圓擬合各個連通區(qū)域；最后，在步驟236統(tǒng)計符合一定長短軸比例的區(qū)域 數(shù)目，作為檢測到的頭部數(shù)目。
在綜合檢測結(jié)果環(huán)節(jié)中，本發(fā)明處理方法將基于前景塊檢測的人員數(shù) 目估計和基于頭部檢測的人員數(shù)目估計兩個環(huán)節(jié)中得到的人員數(shù)目綜合起 來，并對連續(xù)三幀得到的人員數(shù)目取均值得到當前幀的人員數(shù)目。然后根 據(jù)檢測結(jié)果與預先設(shè)置的人員數(shù)目閾值進行比對，如果超過預定的人員數(shù) 目，則進行報警提示，這樣就能夠?qū)崿F(xiàn)對指定區(qū)域的監(jiān)控。
本發(fā)明基于視頻的智能數(shù)人系統(tǒng)及其處理方法中，所述圖像獲取模塊1 建立的目的是獲取指定監(jiān)控區(qū)域的數(shù)字視頻圖像，為后續(xù)的人員數(shù)目估計 模塊2提供需要處理的數(shù)據(jù),該圖像獲取模塊中的攝像頭11采用彩色監(jiān)控攝 像頭。當彩色監(jiān)控攝像頭輸出的信號為模擬信號時，視頻采集卡12將把模 擬信號轉(zhuǎn)換為數(shù)字信號(很多視頻采集卡可實時的對圖像信號進行壓縮)，
即得到數(shù)字視頻圖像，供人員數(shù)目估計模塊2處理。
本發(fā)明所述人員數(shù)目估計模塊2通過基于前景塊檢測的人員數(shù)目估計 數(shù)目22和基于頭部檢測的人員數(shù)目估計23對輸入的數(shù)字視頻中的人員數(shù)
目進行估計，然后綜合步驟22、 23的檢測結(jié)果24得到最后的人員估計數(shù) 目。其中背景估計21首先對指定區(qū)域的背景建立初始的高斯模型，即通過 采集一段時間的背景視頻圖像后，計算每個象素點灰度值的均值和方差得 到每個象素點的高斯模型。然后，在系統(tǒng)運行過程中，背景估計21將根據(jù) 當前采集到的數(shù)字^f見頻圖像對高斯模型的均值進行更新，以適應(yīng)背景光照 等因素引起的背景變化。
本發(fā)明中的背景是以在攝像機所監(jiān)控拍攝的區(qū)域內(nèi)，無任何活動物體 及正常照明的狀態(tài)。以此為背景，當有活動物體時，則可通過當前幀與背 景的差別提取物體的輪廓作進一步判斷。本發(fā)明所述背景并非一幅固定的 背景圖像，而是通過對預定時間內(nèi)的正常背景圖像進行統(tǒng)計，根據(jù)高斯概 率模型建立的背景中每個像素點的概率模型。此模型用來判斷像素的何種 狀態(tài)是屬于背景的正常狀態(tài)，何為異常。
相應(yīng)的，本發(fā)明中所采集到的當前幀的圖像是背景與前景混合在一起 的圖像，而將其與背景圖像相減則可得到差值圖；當前幀的圖像和前一幀 的圖像相減得到另一差值圖；對這兩幅差值圖像進行象素之間的"與操作"， 則得到最終的當前前景圖像；制作前景圖像是為了發(fā)現(xiàn)并提取出攝像范圍 內(nèi)的活動物體的外形輪廓，結(jié)合后面的人頭發(fā)顏色模型檢測功能23，即可 識別活動物體中是否有人的頭部特征，否則可判斷此活動物體并非人體。
其中對指定區(qū)域的背景建立初始的高斯模型過程是現(xiàn)有技術(shù)圖像處理 中已經(jīng)存在的技術(shù),一般包括步驟
首先，采集一段時間內(nèi)光照穩(wěn)定無干擾的背景區(qū)域樣本視頻。
其次，設(shè)此樣本視頻為100幀，并計算所有幀對應(yīng)的像素點的灰度值 的分布情況。其中對所有像素求和平均得到該像素點的平均值，以灰度值 在均值周圍的分布則可得到方差，由均值和方差則可建立起每個像素點的 灰度高斯模型。
最后，當有物體出現(xiàn)在某個像素點，若此物體在該點的灰度值與模型
的均值之差如超過模型方差，則認為，該點灰度值的變化屬于外來活動物 體。
建立高斯模型的優(yōu)點在于可以抵抗才聶像頭自身的壓縮過程、編解碼過 程、傳輸過程中的系統(tǒng)噪聲，以及外界環(huán)境里的干擾，使系統(tǒng)具有一定的
魯棒性(robustness:控制系統(tǒng)在其特性或參數(shù)發(fā)生攝動時仍可使品質(zhì)指標 保持不變的性能，對干擾不敏感性)，不至于對干擾過于敏感。
本發(fā)明的背景^t型的自適應(yīng)升級更新過程是為防止背景中圖像被改變 后，監(jiān)控計算進行誤報的情況，其包括以下步驟
在系統(tǒng)啟動后的700幀約30秒內(nèi)，有一個連續(xù)累加的過程，主要用于 系統(tǒng)啟動之初的新背景更新。在正常運行過程中，當無前景塊出現(xiàn)時，則 系統(tǒng)自動進行累加建模，其目的在于使系統(tǒng)適應(yīng)環(huán)境光線的緩慢變化。當 系統(tǒng)開始運行時，若視野內(nèi)有不活動的物體，或更換了背景。則此時當前 幀與初始背景的灰度值差值是超過高斯模型方差的，但由于背景不活動， 所以相鄰幀的差值為均O,因此，當前幀與初始背景的灰度值差值不被判斷 為前景。
此時，系統(tǒng)將當前幀累加到背景樣本^L頻中，如原樣本浮見頻為IOO幀， 則此時增加為101幀，只要背景不活動，則均需要累加。
背景自適應(yīng)升級模塊在累加一幀后開始工作，即，計算此101幀圖像 的每個像素點的均值和方差，重新建立該點的高斯模型。也就是說，每累 加一幀均要重新建立模型，對于無前景塊出現(xiàn)時的每一幀都要用于高斯背 景模型的建立。
因此，在有一個不活動物體出現(xiàn)時，如果在系統(tǒng)啟動之前便存在于視 野之內(nèi)，則系統(tǒng)啟動之后將此物體作為新背景的一部分，并逐步更新背景， 在背景圖像中該物體是逐漸出現(xiàn)，而非突然出現(xiàn)，這種方式也使系統(tǒng)具備 一定的魯棒性。
基于前景塊檢測的人員數(shù)目估計22在當前背景的基礎(chǔ)上，提取出前景
圖像，然后根據(jù)前景圖像中連通區(qū)域的數(shù)目和面積估計當前圖像中的人員
數(shù)目。該環(huán)節(jié)包括以下步驟
(1 )運用相鄰兩幀相減估計運動前景圖像221,即把當前幀圖像每個 象素點的灰度值和前一 幀圖像每個象素點的灰度值相減并取絕對值，當該 絕對值大于預設(shè)閥〗直時，就記為前景點。
(2) 根據(jù)背景模型估計前景圖像222。在步驟21中本發(fā)明估計了背景 的高斯模型，即建立了背景圖像每一象素點的高斯分布，根據(jù)這一高斯分 布的均值和方差，可以計算得到當前幀圖像每一 象素點屬于背景的概率， 當該概率、于預設(shè)概率閥值時即象素點的當前值與均值的差別超過設(shè)定的 要求，就i己為前景點。
(3) 與操作。該步驟對步驟221得到的前景圖像和步驟222得到的前 景圖像進行與操作，得到綜合后的前景圖像。對每個象素點而言，如果屬 于兩個前景圖像中的任何一個將其標記為前景點，則該象素點就被標記為 前景點。
(4) 預處理。由于前一步驟得到的前景圖像存在大量的噪聲，獨立的 前景區(qū)域中也存在^f艮多空洞。因此本發(fā)明需要對前景圖像進行預處理。首 先，用數(shù)學形態(tài)學方法對前景圖像進行腐蝕操作，這樣可以去掉很多噪聲 點；接著，用數(shù)學形態(tài)學方法對前景圖像進行膨脹操作，這樣可以填充獨 立的前景區(qū)域中存在的部分空洞。然后，估計各個前景區(qū)域的外輪廓，并 對外輪廓的內(nèi)部區(qū)域進行填充，這樣可以進一步去除獨立前景區(qū)域中的空 洞得到較好的前景連通塊。
其中的腐蝕操作、膨脹操作也是數(shù)字視頻圖像處理技術(shù)中二值圖像形 態(tài)學處理方面的已有技術(shù)，用于降噪和空洞填充，其具體處理過程在此不 再贅述。
(5) 連通前景塊標注。這一步驟根據(jù)前一步驟得到的預處理后的前景 圖像進行連通塊(區(qū)域)標注，并根據(jù)連通區(qū)域的面積去掉面積小于一定
閥值的前景塊(區(qū)域)。
(6 )根據(jù)前景塊的數(shù)目和面積估計人員數(shù)目。對前一步驟得到的每一 前景塊，將前景塊的面積除以預設(shè)的單個人可能占據(jù)的前景面積，即可得 到每個前景塊中可能存在的人員數(shù)目。對每個前景塊的人員數(shù)目估計后累 加即可得到當前區(qū)域的人員數(shù)目。
本發(fā)明基于頭部檢測的人員數(shù)目估計23通過尋找和頭發(fā)顏色相似并且
符合一定橢圓長短軸比例的區(qū)域來估計當前場景中頭部的數(shù)目。該環(huán)節(jié)由
以下幾個步驟組成
(1 )采集樣本231。通過圖像獲取模塊1采集多個頭部圖像的樣本， 并手工將頭部區(qū)域剪切出來作為建立頭部顏色模板的訓練樣本。
(2 )建立色調(diào)、飽和度模板232。該步驟將根據(jù)231得到的訓練樣本 建立頭部顏色模板。首先，將各個訓練樣本從RGB顏色空間轉(zhuǎn)換到HSV 空間，提取H(色調(diào))分量和S (飽和度)分量，將色調(diào)和飽和度的取值范圍 均分為多個區(qū)間，然后統(tǒng)計落在各個區(qū)間的像素點的數(shù)目得到色調(diào)、飽和 度直方圖。
(3)計算反向才史射(back projection)圖像233。
首先，把當前幀圖 像轉(zhuǎn)換到HSV空間；接著，提取出當前圖^f象的色調(diào)和飽和度分量；然后， 根據(jù)每個像素點的色調(diào)和飽和度檢索其在色調(diào)、飽和度直方圖中的數(shù)值， 經(jīng)過比例變換后得到該像素點在當前像素點在反投射圖像中的值。
其中反向投影BackProject是根據(jù)像素的色調(diào)、飽和度直方圖對圖像中 的物體進行定位的一種技術(shù)，是現(xiàn)有技術(shù)常見的處理方式，其一般包括步 驟
.首先，根據(jù)物體樣本，如本例中的人頭發(fā)，建立色調(diào)、飽和度的直方 圖，這將表示頭發(fā)顏色的一個概率分布狀態(tài)；此直方圖的數(shù)據(jù)與樣本的采 集選取有關(guān)，可根據(jù)情況自行定制。
其次，對圖像的色調(diào)、飽和度通道中每個像素的值，確定其在直方圖
中對應(yīng)的值。直方圖中的值為歸一化的值(O，l之間)，假設(shè)圖像包含該物 體，則直方圖有可能有極值，經(jīng)過比例變換后，反投射到原圖上。
最后，設(shè)定閾值經(jīng)過二值化處理即可得到圖像中指定物體所在的像素， 進行預處理和連通區(qū)域標注等處理后則得到一個物體的輪廓區(qū)域。
(4) 預處理234。首先，用數(shù)學形態(tài)學方法對反投射圖像進行腐蝕操 作，這樣可以去掉很多噪聲點；接著，用數(shù)學形態(tài)學方法對反投射圖像進 行膨脹操作。然后，提取反投射圖像的外輪廓，并對外輪廓的內(nèi)部區(qū)域進 行填充。最后，對反投射圖像進行二值化處理。即大于一定閥值的像素點 的灰度值設(shè)為255，小于一定閥值的像素點的灰度值設(shè)為0。
(5) 連通區(qū)域標注。這一步驟根據(jù)前一步驟得到的二值化圖像進行連 通塊(區(qū)域)標注，并去掉面積小于一定閥值的連通塊(區(qū)域)。
(6) 統(tǒng)計符合要求的連通區(qū)域數(shù)目。因為垂直拍攝到的頭部圖像的形 狀大多為橢圓，而且橢圓的長短軸比例在一定范圍內(nèi)。該步驟中本發(fā)明用 橢圓來擬合前一步驟得到的連通區(qū)域。然后，統(tǒng)計長短軸比例在一定范圍 內(nèi)的連通區(qū)域數(shù)目，作為最終4全測到的頭部數(shù)目。
在本發(fā)明的綜合檢測結(jié)果環(huán)節(jié)24，把基于前景塊檢測的人員數(shù)目估計 22和基于頭部檢測的人員數(shù)目估計23得到的人員數(shù)目估計結(jié)果，以及最近 連續(xù)三幀人員數(shù)目估計結(jié)果取均值得到當前的人員數(shù)目估計結(jié)果。
本發(fā)明的上述處理過程中，前景圖像需步驟221與步驟222得到的圖 像進行"與操作"，目的是為了區(qū)分判斷鏡頭內(nèi)的物體是否活動，如一直不活 動，則將其判斷為背景，并通過自適應(yīng)的背景升級功能將其逐步作為背景 的一部分。僅用步驟221或步驟222則不會具備此功能，從而會導致誤判。
單獨使用相鄰兩幀相減的方法即步驟221估計的前景圖像得到的是當 前運動物體的輪廓；單獨使用背景模型估計的前景圖像即步驟222得到的 是與背景相差較大的物體圖像。將兩者得到的前景圖像結(jié)合起來可提高前 景圖像的檢測準確性。
領(lǐng)域中的常見技術(shù)，例如顏色直方圖和反向投射技術(shù)被廣泛的應(yīng)用于基 于顏色的視覺跟蹤中。在這里本發(fā)明將這六個環(huán)節(jié)的現(xiàn)有技術(shù)組合起來實 現(xiàn)了基于頭部估計人員數(shù)目的新功能，并且其檢測準確性非常高，因此可 用于安全性要求較高的檢測攝影區(qū)域監(jiān)控。
本發(fā)聽數(shù)人系統(tǒng)可設(shè)置在一些有特殊安全要求的區(qū)域，先安裝攝像裝 置，利用數(shù)人系統(tǒng)自動的對進入該區(qū)域的人數(shù)進行統(tǒng)計，當進入?yún)^(qū)域的人 數(shù)超過預設(shè)人數(shù)時發(fā)出警報，引起保安人員的注意，就可以減少非法人員 進入指定區(qū)域的情況發(fā)生。
該功能可給公司、實驗室、存放重要物品的倉庫等區(qū)域的門禁系統(tǒng)提 供輔助監(jiān)測的功能,當有人利用前一打卡人打開門的時機，緊隨其后進入公 司時，基于視頻的數(shù)人系統(tǒng)檢測到的人數(shù)會比打卡機記錄到的人數(shù)要多， 這時就有可能發(fā)生有未經(jīng)許可的人員進入該區(qū)域的情況。
另外，該功能還可用于對指定區(qū)域的人口密集度進行大致的估計，如 果指定區(qū)域的人口密集度大于一定的閥值，系統(tǒng)就發(fā)出報警信號，引起管 理人員的注意，從而采取相應(yīng)措施防止因過度擁擠而引起的踩踏等惡性事 件的發(fā)生。
應(yīng)當理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以 改進或變換，而所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護 范圍。
權(quán)利要求
1、一種基于視頻的智能數(shù)人系統(tǒng)，其包括一圖像獲取模塊，用于監(jiān)控一指定區(qū)域，其特征在于，還包括一人員數(shù)目估計模塊，其對從所述圖像獲取模塊獲得的圖像進行處理，并包括背景估計、基于前景塊檢測的人員數(shù)目估計、基于頭部檢測的人員數(shù)目估計和綜合檢測結(jié)果四個模塊，所述四個模塊設(shè)置采用一通用計算機實現(xiàn)，用于實時采集指定區(qū)域的視頻圖像并根據(jù)每幀圖像，結(jié)合基于前景塊檢測的人員數(shù)目估計和基于頭部檢測的人員數(shù)目估計方式計算指定區(qū)域的人員數(shù)目。
2、 根據(jù)權(quán)利要求1所述的智能數(shù)人系統(tǒng)，其特征在于，所述圖像獲 取模塊包括一攝像頭，垂直于所述被監(jiān)控的指定區(qū)域固定設(shè)置；以及一視 頻采集卡，連接控制所述攝像頭，用于實時獲取所述攝像頭的監(jiān)控圖像并 處理成數(shù)字視頻圖像。
3、 一種如權(quán)利要求1所述系統(tǒng)的處理方法，其包括以下步驟 A.圖像獲取模塊實時獲取數(shù)字視頻圖像，并輸入通用計算機；'B.在獲得每幀數(shù)字視頻圖像后，采用人員數(shù)目估計模塊估計該幀圖 像中的人員數(shù)目，并具體包括 Bl、對數(shù)字視頻圖像中進行背景估計，確定實時監(jiān)控的數(shù)字視頻 圖像的前景和背景； .B2、基于前景塊檢測進行人員數(shù)目估計； B3、基于頭部檢測進行人員數(shù)目估計；B4、對步驟B2和步驟B3的檢測結(jié)果進行綜合，對連續(xù)三幀得到 的人員數(shù)目取均值得到當前幀的人員數(shù)目估計； ,C、對步驟B4所得結(jié)果與預先設(shè)置的人員數(shù)目閾值進行比對，確定 是否報警。
4、 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟B2還包括 B21 、把實時的數(shù)字視頻圖像的當前幀圖像和當前的背景圖像相減，同時把當前幀圖像和前 一 幀的圖像相減； B22、對相減得到的兩幅圖像進行與操作，得到當前的前景圖像； B23 、利用數(shù)學形態(tài)學方法對前景圖像進行去噪聲處理； B24、對前景圖像進行連通區(qū)域標注，得到前景塊檢測數(shù)目； B25、根據(jù)前景塊的面積估計前景塊檢測數(shù)目中含有的人員數(shù)目。
5、 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟B3還包括 B31、通過圖像獲取模塊采集多個垂直照射的頭部樣本，根據(jù)這些樣本得到頭部的色調(diào)、飽和度沖莫板即色調(diào)、飽和度直方圖； B32、根據(jù)色調(diào)、飽和度直方圖得到當前幀的反投射(back projection) 圖像；B33、在反投射圖像被前景所限定的區(qū)域中標注連通區(qū)域，并用橢圓擬合各個連通區(qū)域； B34、統(tǒng)計符合一定長短軸比例的區(qū)域數(shù)目，作為檢測到的頭部數(shù)目，即頭部片企測的人員數(shù)目估計。
6、 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟B1還包括 Bll、對指定區(qū)域的背景建立初始的高斯模型，即通過采集一段時間的背景視頻圖像后，計算每個象素點灰度值的均值和方差得到每 個象素點的高斯模型； B12、在系統(tǒng)運行過程中，根據(jù)當前采集到的數(shù)字視頻圖像對高斯模 型的均值進行更新，以適應(yīng)背景光照等因素引起的背景變化。
7、 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟B12還包括 B121 、當系統(tǒng)開始運行時，在視野內(nèi)更換背景和增加不活動的物體時，當前幀與初始背景的灰度值差值超過高斯模型方差，同時相鄰幀的差值均為0,當前幀與初始背景的灰度值差值不被判斷為前景； Bl22、系統(tǒng)將當前幀累加到背景樣本視頻中，重新建立該點的高斯模 型。
全文摘要
本發(fā)明公開了一種基于視頻的智能數(shù)人系統(tǒng)及其處理方法，其包括一圖像獲取模塊，用于監(jiān)控一指定區(qū)域；一人員數(shù)目估計模塊，其對從所述圖像獲取模塊獲得的圖像進行處理，并包括背景估計、基于前景塊檢測的人員數(shù)目估計、基于頭部檢測的人員數(shù)目估計和綜合檢測結(jié)果四個模塊，所述四個模塊設(shè)置采用一通用計算機實現(xiàn)，用于實時采集指定區(qū)域的視頻圖像并根據(jù)每幀圖像，結(jié)合基于前景塊檢測的人員數(shù)目估計和基于頭部檢測的人員數(shù)目估計方式計算指定區(qū)域的人員數(shù)目。本發(fā)明系統(tǒng)及其處理方法通過結(jié)合采用攝像裝置和計算處理裝置，可以自動實現(xiàn)對預定區(qū)域內(nèi)人數(shù)的統(tǒng)計和計算，對指定區(qū)域的人數(shù)進行監(jiān)控。
文檔編號H04N7/18GK101188743SQ20071007718
公開日2008年5月28日 申請日期2007年9月17日 優(yōu)先權(quán)日2007年9月17日
發(fā)明者寧 丁, 吳新宇, 徐揚生, 覃劍釗 申請人:深圳先進技術(shù)研究院