基於深度信息聚類的複雜場景人數統計算法的製作方法

2023-06-11 10:06:41 1

專利名稱：基於深度信息聚類的複雜場景人數統計算法的製作方法
技術領域：
本發明涉及一種人數統計，安全生產。
背景技術：
目前人數統計方法主要有基於紅外感應器，基於單目相機和基於雙目相機三種不同的硬體。基於紅外感應器的人數統計方法主要是利用有人體經過時，會阻斷紅外信號的接受，從而實現計數功能，但由於紅外信號阻斷時，無法準確統計經過的人數，所以如果多人統計經過感應器，則會產生漏檢，此方法的整體統計精度在80%左右，基於單目的人數統計算法主要依靠常見的圖像處理算法以及模式識別方法，對經過場景的人頭進行檢測跟蹤， 從而達到人數統計的目的，這種方法由於計算機視覺算法的成熟度原因，無法很好的處理光照，陰影等幹擾，統計精度一般只能達到90%左右，如果遇到多人擁擠通過的情況，性能會更低。而基於雙目的人數統計算法，利用立體視覺的特性，可將拍攝場景中的深度信息計算出來，從而能對人頭位置有更好的估計和檢測，但由於現有深度信息的精度較低，因此對其如何利用就成為影響統計精度的關鍵，目前一般是以簡單的閾值來區分人頭和頭肩位置，從而檢測人頭的個數，但這種方法在人數十分擁擠，或者人體互相遮擋嚴重時，性能下降會比較厲害，一般統計精度能在95%左右。

發明內容
為了克服上述缺陷，本發明的目的是提供一種基於深度信息聚類的複雜場景人數統計算法，本算法是以雙目相機為硬體，在深度信息的基礎上，採用了深度信息聚類分割的方法，將複雜場景下的人群進行很好的獨立分割，即使在多人擁擠的情況下，也能較好的區分每個人體的位置，然後對每個人體進行跟蹤，從而達到很高的人數統計精度。為了實現上述目的，本發明採用如下技術方案
基於深度信息聚類的複雜場景人數統計算法，其是在深度信息的基礎上，利用以下算法人群的深度信息進行了分割 1 深度圖背景建模 2:深度圖閾值化
3利用DENCLUE聚類算法進行深度圖粗分割
4利用MCMC分割算法對聚類進行細分割其中，最主要的算法是DENCLUE聚類算法
已知空間fie為中包含n個對象的數據集, DENCLUE算法的基本思想可以形式化描述為全局密度函數的核估計空間任一點χ的概率密度可估計為
權利要求
1.基於深度信息聚類的複雜場景人數統計算法，其在深度信息的基礎上，其特徵在於 利用以下算法人群的深度信息進行了分割1深度圖背景建模，2深度圖閾值化，3利用DENCLUE聚類算法進行深度圖粗分割，4利用MCMC分割算法對聚類進行細分割， 其中，最主要的算法是DENCLUE聚類算法已知空間OeAli中包含n個對象的數據集, DENCLUE算法的基本思想可以形式化描述為全局密度函數的核估計空間任一點χ 的概率密度可估計為/^(4=--11(^ ，其中，K(X)為核函數；密度吸引子和密度吸引已知全局密度函數的局部極大值點7，對任意的jcefi，如果存在點，使得4= = 且巧位於的梯度方向上，則稱χ被f密度吸弓丨，而itx"力χ的密度吸引；如果核函數K(x)在空間中的每一點都連續、可微，密度吸引子可以採用梯度方向指引的爬山法來搜索；基於中心的聚類已知密度吸引子Z，如果存在自己Ceii使得WreC , χ都被f密度吸引且為預設的密度門限值)，則稱C為以/為中心的聚類。
全文摘要
本發明涉及基於深度信息聚類的複雜場景人數統計算法，其在深度信息的基礎上，其特徵在於利用以下算法人群的深度信息進行了分割1深度圖背景建模，2深度圖閾值化，3利用DENCLUE聚類算法進行深度圖粗分割，4利用MCMC分割算法對聚類進行細分割。本發明算法的優點主要體現在對深度圖的處理上，現有技術一般採用簡單的深度圖閾值化來實現對人頭的檢測，這樣做雖然簡單，計算速度快，但沒有完全利用好深度信息，導致人體過於擁擠時性能會下降。
文檔編號G06M11/00GK102521646SQ20111035631
公開日2012年6月27日 申請日期2011年11月11日 優先權日2011年11月11日
發明者劉嘉, 尚凌輝, 王百超, 陳石平, 高勇 申請人:浙江捷尚視覺科技有限公司