一種教室人數統計方法
2023-06-20 01:41:06
一種教室人數統計方法
【專利摘要】本發明涉及一種教室人數統計方法，包括：在教室無人狀態下建立背景模型，並建立人體上半身邊緣二值模型；對二值前景圖像進行膨脹運算，得到可能的人體活動區域；搜索所述二值前景圖像中的二值峰值點，加入頭頂檢測集合；將人體上半身邊緣二值模型與每一次滑動後的窗口中的邊緣圖像進行相似度比較，將大於閾值的人體上半身區域加入人體檢測集合；結合頭頂檢測集合和人體檢測集合，採用聚類分析的方式進行人數統計，即實現對當前幀的人數統計。本發明運算量小，且所得的人數統計準確度高，能夠對教室中無論是靜坐的人還是走動的人都有統計效果，有利於教室資源的合理分配，電氣設備的智能化管理，具有廣闊的應用前景。
【專利說明】一種教室人數統計方法
【技術領域】
[0001] 本發明涉及圖像處理和模式識別領域，具體地指一種通過教室攝像頭採集教室圖 像進行處理的教室人數統計方法和系統。
【背景技術】
[0002] 在高校教室或者自習室，一般都存在有攝像頭監控系統，藉助攝像頭採集到的教 室的畫面對教室裡的人數進行統計，有利於學生對教室狀態的了解，方便了學生選擇自習 室，提高了效率；有利於對教室教學電氣設備的集中控制，減少資源的浪費。
[0003] 中國專利申請CN 102184241公開了教室狀態查詢系統及其統計方法，該系統使 用到的人數統計方法主要利用動態識別方法統計運動的人體，採用教室模板對比的方法統 計坐下的人體，系統包括帶雲臺的攝像頭、雲臺控制器、主控計算機、交換機和伺服器等。該 系統的不足之處在於：
[0004] 第一，沒有涉及教室模板更新方法，會影響後續人數統計的過程；
[0005] 第二，攝像頭拍攝畫面隨雲臺運動，會對動態識別方法統計運動的人體的過程產 生影響；
[0006] 第三，人數統計方法比較複雜，因為要同時處理多個教室的圖像信息，複雜的方法 會影響實時性。
【發明內容】
[0007] 為了解決上述問題，本發明的目的在於設計一種教室人數統計方法，能夠實時並 準確地統計教室中的人數。
[0008] 解決上述技術問題所採用的技術方案是提供一種教室人數統計方法，該方法包括 以下步驟：
[0009] S1、初始化背景模型，在教室無人狀態下建立背景模型，並建立人體上半身邊緣二 值模型；
[0010] S2、採用背景差技術得到教室裡的二值前景圖像，對二值前景圖像進行膨脹運算， 得到可能的人體活動區域；
[0011] S3、搜索所述二值前景圖像中的二值峰值點，加入頭頂檢測集合；
[0012] S4、提取當前幀中人體活動區域的邊緣信息，採用滑動窗口匹配的方法，將步驟S1 中建立的人體上半身邊緣二值模型與每一次滑動後的窗口中的邊緣圖像進行相似度比較， 設定相似度閾值，將大於閾值的人體上半身區域加入人體檢測集合；
[0013] S5、結合頭頂檢測集合和人體檢測集合，採用聚類分析的方式進行人數統計，即實 現對當前巾貞的人數統計；
[0014] S6、在上述人數統計的過程中在線地對非人體區域進行區域背景更新，或者人數 統計為〇時更新全局背景模型。
[0015] 在上述技術方案中，步驟S1中所述的人體上半身邊緣二值模型是採用大量歸一 化以後的實際上半身圖片進行累加得到的概率分布模型，使用教室中的多個人體上半身二 值輪廓進行像素點累積統計，最後除以總像素數後得到的概率分布圖像。
[0016] 在上述技術方案中，步驟S2中二值前景圖像通過以下步驟獲得：對當前幀和背景 模型進行灰度化和高斯模糊，然後對應像素點做差取絕對值，分別將絕對值大於和小於閾 值的像素點設定為前景點和背景點。
[0017] 在上述技術方案中，步驟S3中所述的二值峰值點是每一個前景二值團塊的峰值 點，定義為height值最小並且處於中間的點，即可能的人體頭頂點。
[0018] 在上述技術方案中，步驟S5中採用聚類分析方法進行人數統計包括以下步驟：以 人體上半身模型的體寬為最大聚類直徑，頭頂檢測集合中的點為聚類中心，對人體檢測集 合中得到的匹配點進行聚類，當匹配點達到一定的數量認定人數加一，超出直徑範圍的點 重新建立新的聚類中心。
[0019] 本發明提供的教室人數統計方法能夠通過採集教室內的圖像信息得到教室內的 人數，本發明方法運算量小，且所得的人數統計準確度高，既可以滿足PC機對多個教室監 控視頻進行實時處理的速度要求，也滿足ARM，DSP等對單個教室監控視頻的實時處理的速 度要求。本方法對教室中無論是靜坐的人還是走動的人都有統計效果。對教室這種間歇性 開放的公共場所的人數統計方法和系統有利於教室資源的合理分配，電氣設備的智能化管 理，具有廣闊的應用前景。
【專利附圖】
【附圖說明】
[0020] 圖1為本發明實施例中教室人數統計方法的流程圖。
[0021] 圖2為本發明實施例中人體上半身二值模型訓練示意圖。
[0022] 圖3為本發明實施例中聚類過程示意圖。
【具體實施方式】
[0023] 下面結合附圖和具體實施例對本發明提供的教室人數統計方法作進一步的詳細 說明。
[0024] 如圖1所示，本發明實施例中教室人數統計方法包括以下步驟：
[0025] S1、本實施例教室人數統計方法在教室開放前，接收視頻監控圖像中的前幾幀圖 像，進行高斯平滑處理後，建立教室的背景模型，與此同時，建立人體上半身二值模型。人體 上半身二值模型的建立是採用大量歸一化以後的實際上半身圖片進行累加得到的概率分 布模型，具體是採用大量歸一化以後的實際上半身圖片進行累加得到的概率分布模型，使 用教室中的多個人體上半身二值輪廓進行像素點累積統計，最後除以總像素數後得到的概 率分布圖像。
[0026] 圖2為本實施例人體上半身二值模型訓練示意圖，人體上半身模型的訓練過程包 括：1、採集教室用的人體上半身樣本，對樣本進行邊緣提取；2、將樣本邊緣二值圖像進行 尺度歸一化，本實施實例中統一歸一化到32X32的大小；3、分區域統計樣本中邊緣點的分 布，當其中某一區域的累積概率分布超過閾值時，將其在人體上半身概率分布模型中標記 為邊緣點，最終經過一定數量的樣本累積得到人體上半身二值模型。
[0027] S2、當教室開放後，依次接收每一幀圖像作為當前幀並執行如下步驟：採用現有的 背景差技術得到教室裡的二值前景圖像，具體實施步驟為：對當前幀和背景模型進行灰度 化和高斯模糊，然後對應像素點做差取絕對值，分別將絕對值大於和小於閾值的像素點設 定為前景點（灰度值為255)和背景點（灰度值為0)對二值前景圖像進行膨脹運算，得到 可能的人體活動區域；
[0028] 本實施例在建立背景模型和做差前，考慮算法的效果和實時性，採用高斯平滑對 當前幀進行預處理，減小噪聲的幹擾，對做差後閾值處理的二值前景圖像，進行先腐蝕後膨 脹的形態學去噪處理，另外，在形態學去噪以後，對該二值圖像再進行適當地膨脹，使其盡 可能地覆蓋人體的邊緣區域。
[0029] 步驟S3,搜索人體活動區域二值前景圖像中的二值峰值點，加入頭頂檢測集合。
[0030] 在本步驟中，二值峰值點認定為二值團塊的幾何頂點，這裡可以通過提取人體活 動區域二值圖像的輪廓圖，將不同團塊的輪廓存入不同的列表，然後搜索height值最小並 且處於中間的點，將它們加入頭頂檢測集合，並存儲起來。
[0031] 步驟S4、提取當前幀中人體活動區域的邊緣信息，採用滑動窗口匹配的方法，將步 驟S1中建立的人體上半身邊緣二值模型與每一次滑動後的窗口中的邊緣圖像進行相似度 比較，設定相似度閾值，相似度閾值來自於大量實驗的經驗值，將大於閾值的人體上半身區 域加入人體檢測集合；
[0032] 在步驟S4中需要說明的是，在窗口滑動的過程中採用固定大小的窗口，但是用來 匹配的人體上半身二值模型根據教室場景的遠近，由遠即近依次增大。
[0033] 步驟S5,結合頭頂檢測集合和人體檢測集合，採用聚類分析的方式進行人數統計。
[0034] 本步驟所用聚類方法採用改進後的K均值聚類方法，具體表述為：以人體上半身 模型的體寬為最大聚類直徑，頭頂檢測集合中的點為聚類中心，對人體檢測集合中得到的 匹配點進行聚類，當匹配點達到一定的數量認定人數加一，超出直徑範圍的點重新建立新 的聚類中心。
[0035] 圖3為本實施例聚類過程示意圖，在初始聚類過程中，首先對頭頂檢測集合中的 點進行K均值聚類，將此時的聚類中心存儲下來，此時大部分頭頂都能被尋找到，表現為聚 類中心。如圖3所示，當出現遮擋時，人體區域連成一片，左邊部分的人體輪廓不能被找到。 然後以人體上半身模型的width值為最大聚類直徑，頭頂檢測集合中的點為聚類中心，對 人體檢測集合中得到的匹配點進行聚類，當匹配點達到一定的數量認定人數加一，超出直 徑範圍的點重新建立新的聚類中心，從而找到漏檢的人體，並加入人數統計。
[0036] 步驟S6,對非人體區域進行區域背景更新，當人數統計為0時，更新全局背景模 型。
[0037] 在本步驟中，當滑動窗口中的輪廓信息與人體上半身二值模型相似度低於閾值 時，該滑動窗口所包含的區域將被更新進背景模型，即將背景模型的對應區域替換為當前 區域，得到下一幀做差的新背景模型。當人數統計模塊輸出為〇時，將整個當前幀更新進背 景模型。
[0038] 本發明方法操作流程結束。
【權利要求】
1. 一種教室人數統計方法，其特徵在於，包括： 51、 初始化背景模型，在教室無人狀態下建立背景模型，並建立人體上半身邊緣二值模 型； 52、 採用背景差技術得到教室裡的二值前景圖像，對二值前景圖像進行膨脹運算，得到 可能的人體活動區域； 53、 搜索所述二值前景圖像中的二值峰值點，加入頭頂檢測集合； 54、 提取當前幀中人體活動區域的邊緣信息，採用滑動窗口匹配的方法，將步驟S1中 建立的人體上半身邊緣二值模型與每一次滑動後的窗口中的邊緣圖像進行相似度比較，設 定相似度閾值，將大於閾值的人體上半身區域加入人體檢測集合； 55、 結合頭頂檢測集合和人體檢測集合，採用聚類分析的方式進行人數統計，即實現對 當前幀的人數統計； 56、 在上述人數統計的過程中在線地對非人體區域進行區域背景更新，或者人數統計 為0時更新全局背景模型。
2. 根據權利要求1所述的教室人數統計方法，其特徵在於：步驟S1中所述的人體上半 身邊緣二值模型是採用大量歸一化以後的實際上半身圖片進行累加得到的概率分布模型， 使用教室中的多個人體上半身二值輪廓進行像素點累積統計，最後除以總像素數後得到的 概率分布圖像。
3. 根據權利要求1所述的教室人數統計方法，其特徵在於步驟S2中二值前景圖像通過 以下步驟獲得： 對當前幀和背景模型進行灰度化和高斯模糊，然後對應像素點做差取絕對值，分別將 絕對值大於和小於閾值的像素點設定為前景點和背景點。
4. 根據權利要求1所述的教室人數統計方法，其特徵在於：步驟S3中所述的二值峰值 點是每一個前景二值團塊的峰值點，定義為height值最小並且處於中間的點，即可能的人 體頭頂點。
5. 根據權利要求1所述的教室人數統計方法，其特徵在於步驟S5中採用聚類分析方法 進行人數統計包括以下步驟： 以人體上半身模型的體寬為最大聚類直徑，頭頂檢測集合中的點為聚類中心，對人體 檢測集合中得到的匹配點進行聚類，當匹配點達到一定的數量認定人數加一，超出直徑範 圍的點重新建立新的聚類中心。
6. 根據權利要求1所述的教室人數統計方法和系統，其特徵在於：步驟S6中所述對非 人體區域進行區域背景更新為將非人體活動區域和匹配認定為非人體的區域更新進背景 模型。
【文檔編號】G06T7/00GK104156729SQ201410347427
【公開日】2014年11月19日 申請日期:2014年7月21日 優先權日:2014年7月21日
【發明者】徐華中, 羅俊, 楊忍, 李志強, 李鮑, 張帆, 向雲, 孟雪平, 梁紅 申請人:武漢理工大學