低密度人群的統計方法及裝置的製作方法

2024-03-01 02:35:15

專利名稱：低密度人群的統計方法及裝置的製作方法
技術領域：
本發明涉及圖像處理、視頻監控，特別涉及低密度人群的統計方法及裝置。
背景技術：
低密度人數統計是智能監控的一個典型應用，在不同場合有不同作用。在百貨大 樓、超市等商業地區，通過統計具體人數，可側面了解該商業地區效益情況，為該地區的發 展規劃做出側面的參考；在飛機場、汽車站等公共運輸地區，可為交通設施的優化配置提供 重要依據，排除可能發生的安全事故；在其他如重要景點、軍事要地等需要限制人數的地點 提供預警幫助。因此，低密度人數統計有著廣泛的應用範圍和重要的應用價值。公開號為CN101325690A的中國專利申請介紹了一種監控視頻流中人流分析與人 群聚集過程的檢測方法和系統，該系統根據對多運動目標的跟蹤結果統計人群。但上述方 法對於存在人群遮擋的場景效果不甚理想。公開號為CN101188743A的中國專利申請公開了一種基於視頻的智能數人系統及 其處理方法，該系統和方法包括基於前景塊檢測的人員數目估計。但是該系統和方法還需 要依賴於基於頭部檢測的人員數目估計，較為複雜。綜上所述，目前迫切需要提出一種能克服人群遮擋問題並且簡單易行的低密度人 群的統計方法及裝置。

發明內容
有鑑於此，本發明的主要目的在於克服人群遮擋問題，簡單易行並準確地統計出 低密度人群的人數。為達到上述目的，按照本發明的第一個方面，提供了一種低密度人群的統計方法， 該方法包括更新背景圖像並提取當前圖像的前景點；對當前圖像中的每個前景點進行檢 測以獲取特徵點；獲取每個特徵點的運動軌跡；根據運動軌跡的運動位移和運動方向變化 率，提取出正常的運動軌跡；將連續多幀圖像內同一軌跡上的特徵點作為一個分類點，對所 有分類點進行聚類，以獲得初步的分類；和對初步的分類進行類分裂和類聚合處理，以獲得 聚類類別數，將該聚類類別數作為所統計人群的人數。優選地，所述更新背景圖像包括假設Ik表示第k幀圖像，k為整數，Bk表示第k 幀背景圖像，其中背景圖像的初始值為B。= I。，則按下式更新背景圖像
權利要求
一種低密度人群的統計方法，包括更新背景圖像並提取當前圖像的前景點；對當前圖像中的每個前景點進行檢測以獲取特徵點；獲取每個特徵點的運動軌跡；根據運動軌跡的運動位移和運動方向變化率，提取出正常的運動軌跡；將連續多幀圖像內同一軌跡上的特徵點作為一個分類點，對所有分類點進行聚類，以獲得初步的分類；和對初步的分類進行類分裂和類聚合處理，以獲得聚類類別數，將該聚類類別數作為所統計人群的人數。
2.如權利要求1所述的方法，其中所述更新背景圖像包括假設Ik表示第k幀圖像，k為整數，Bk表示第k幀背景圖像，其中背景圖像的初始值為 B0 = Itl,則按下式更新背景圖像Bk-i (X y)—ι, 4-10, y) > h O, y)Bk (X, y) = \ Bk^ (x, y) +1, Bk_x (χ, y) < Ik (χ, y) A-i (不力 h O, y)=h (X y)其中，χ、y分別表示像素點的橫坐標和縱坐標。
3.按照權利要求2所述的方法，其中所述提取當前圖像的前景點包括第k幀圖像的 前景圖像Fk為Fk(x，y) = Ik(χ, y)-Bk(χ, y)；對前景圖像進行閾值分割以提取前景點。
4.按照權利要求3所述的方法，其中所述對前景圖像進行閾值分割以提取前景點包括如果Fk(x，y)彡第一閾值Tl，則認為該點(X，y)是當前圖像的前景點，否則認為該改 點(x，y)是當前圖像的背景點。
5.按照權利要求1所述的方法，其中所述對當前圖像中的每個前景點進行檢測以獲取 特徵點是利用角點檢測算法來進行的。
6.按照權利要求1所述的方法，其中所述獲取每個特徵點的運動軌跡是採用KLT特徵 點跟蹤算法來進行的。
7.按照權利要求1所述的方法，其中所述根據運動軌跡的運動位移和運動方向變化 率，提取出正常的運動軌跡包括分別計算每條運動軌跡在連續多幀圖像內的運動位移、運 動方向變化率；將同時滿足運動位移>第四閾值T4和運動方向變化率<第五閾值T5的運 動軌跡作為正常的軌跡並輸出該正常的軌跡。
8.按照權利要求1所述的方法，其中所述聚類包括(1)將所有分類點看作為一個初始類C1，此時當前的類別數Max= 1 ；(2)在所有類中選出直徑最大且滿足直徑>第六閾值T6的類Cm，其中m表示第m類， 且1彡m彡Max, Max表示當前的類別數；(3)在直徑最大的類Cm中找出一個與其他分類點相異度最大的分類點，執行Max= Max+Ι並將該分類點看作一個新的類CMax ；(4)分別計算直徑最大的類Cm中分類點P；"與新的類CMax中分類點的最大距離 outerDist，其中表示直徑最大的類Cm中第ρ個分類點，並計算直徑最大的類Cm中分類點^"與該類中其他分類點的最小距離interDist，如果outerDist < interDist則將該分 類點^Γ放入新的類CMax中；(5)如果直徑最大的類Cm中沒有分類點放入新的類CMax中，則執行下一步驟，否則返回 到步驟⑵；(6)如果所有類的直徑<第六閾值T6，則結束，否則返回到步驟(2)。
9.按照權利要求1所述的方法，其中所述類分裂包括在每一個類中，計算每條軌跡在 當前幀圖像之後的多幀圖像內的位移的平均方向，根據計算的平均方向所屬的八個方向類 別，將每個類分裂成更小的類，其中八個方向分別為-22. 5° 22. 5°、22.5° 67. 5°、 67.5° 112. 5° ,112. 5° 157. 5° ,157. 5° 202. 5° ,202. 5° 247. 5° ,247. 5° 292. 5° ,292. 5° 337. 5°。
10.按照權利要求9所述的方法，其中所述類聚合包括計算每個類的中心位置，如果 兩個類滿足以下兩個條件①兩個類的中心位置<第八閾值T8 ；②兩個類同屬於八個方向 中的同一方向類中，則將兩個類聚合成一個類，直到沒有兩個類滿足條件為止。
11.一種低密度人群的統計裝置，其特徵在於，該裝置包括背景建立及前景點提取單元，用於更新背景圖像並提取當前圖像的前景點； 特徵點檢測單元，用於從當前圖像的前景點中檢測出特徵點； 特徵點運動軌跡獲取單元，用於獲取特徵點運動軌跡；正常運動軌跡提取單元，用於根據運動軌跡的運動位移和運動方向變化率，提取出正 常的運動軌跡；運動軌跡初步分類單元，用於將連續多幀圖像內同一軌跡上的特徵點作為一個分類 點，對所有分類點進行聚類，以獲得初步的分類；和人數獲取單元，用於對初步的分類進行類分裂和類聚合處理，以獲得聚類類別數，將該 聚類類別數作為所統計人群的人數。
12.按照權利要求11所述的裝置，其中所述背景建立及前景點提取單元執行以下操作假設Ik表示第k幀圖像，k為整數，Bk表示第k幀背景圖像，其中背景圖像的初始值為 B0 = Itl,則按下式更新背景圖像
13.按照權利要求11所述的裝置，其中背景建立及前景點提取單元此外還執行以下操作第k幀圖像的前景圖像Fk為Fk(x，y) = Ik(χ, y)-Bk(χ, y)；對前景圖像進行閾值分 割以提取前景點。
14.按照權利要求13所述的裝置，其中所述對前景圖像進行閾值分割以提取前景點包括如果Fk(x，y)≥第一閾值Tl，則認為該點(x, y)是當前圖像的前景點，否則認為該點(x，y)是當前圖像的背景點。
15.按照權利要求Ii所述的裝置，其中所述特徵點檢測單元利用角點檢測算法來進行 檢測。
16.按照權利要求11所述的裝置，其中所述特徵點運動軌跡獲取單元採用KLT特徵點 跟蹤算法來獲取運動軌跡。
17.按照權利要求11所述的裝置，其中所述正常運動軌跡提取單元執行以下操作分 別計算每條運動軌跡在連續多幀圖像內的運動位移、運動方向變化率；將同時滿足運動位 移>第四閾值T4和運動方向變化率<第五閾值T5的運動軌跡作為正常的軌跡並輸出該正 常的軌跡。
18.按照權利要求11所述的裝置，其中所述運動軌跡初步分類單元執行以下操作將所有分類點看作為一個初始類C1，此時當前的類別數Max = 1 ；在所有類中選出直徑最大且滿足直徑>第六閾值T6的類Cm，其中m表示第m類，且 l^m^ Max, Max表示當前的類別數，在直徑最大的類Cm中找出一個與其他分類點相異度 最大的分類點，執行Max = Max+1並將該分類點看作一個新的類CMax，分別計算直徑最大的 類Cm中分類點與新的類CMax中分類點的最大距離outerDist，其中P；"表示直徑最大的類 Cffl中第ρ個分類點，並計算直徑最大的類Cm中分類點與該類中其他分類點的最小距離 interDist，如果outerDist < interDist則將該分類點戶；"放入新的類CMax中，直到直徑最 大的類Cm中沒有分類點放入新的類CMax中並且所有類的直徑<第六閾值T6。
19.按照權利要求11所述的裝置，其中所述人數獲取單元執行的類分裂包括在每一 個類中，計算每條軌跡在當前幀圖像之後的多幀圖像內的位移的平均方向，根據計算的平 均方向所屬的八個方向類別，將每個類分裂成更小的類，其中八個方向分別為_22.5° 22.5°、22. 5° 67. 5°、67. 5° 112.5°、112. 5° 157. 5 °、157. 5° 202. 5 °、 202.5° 247. 5° ,247. 5° 292. 5° ,292. 5° 337. 5°。
20.按照權利要求19所述的裝置，其中所述人數獲取單元執行的類聚合處理包括 計算每個類的中心位置，如果兩個類滿足以下兩個條件①兩個類的中心位置<第八閾值 T8 ；②兩個類同屬於八個方向中的同一方向類中，則將兩個類聚合成一個類，直到沒有兩個 類滿足條件為止。
全文摘要
本發明提供了一種低密度人群的統計方法及裝置。所述方法包括更新背景圖像並提取當前圖像的前景點；對當前圖像中的每個前景點進行檢測以獲取特徵點；獲取每個特徵點的運動軌跡；根據運動軌跡的運動位移和運動方向變化率，提取出正常的運動軌跡；將連續多幀圖像內同一軌跡上的特徵點作為一個分類點，對所有分類點進行聚類，以獲得初步的分類；和對初步的分類進行類分裂和類聚合處理，以獲得聚類類別數，將該聚類類別數作為所統計人群的人數。本發明能夠有效地克服由於遮掩等使得跟蹤丟失或者錯誤的問題，簡單易行並且提高了準確度；此外，可擴展性強，不僅僅適用於人群檢測，稍加調整，可應用於車流量等類似其他目標數量統計。
文檔編號G06K9/62GK101976353SQ201010529670
公開日2011年2月16日 申請日期2010年10月28日 優先權日2010年10月28日
發明者遊磊 申請人:北京智安邦科技有限公司