[发明专利]基于视频图像的密集客流密度自动检测方法及系统

说明书

技术领域

本发明涉及计算机视觉领域，具体是基于视频图像的密集客流密度自动检测方法及装置，可广泛应用于机场、广场、地铁、火(客)车站、商场等客流量较大的公共管理领域。

背景技术

随着经济的飞速发展，人口的城市化程度越来越高，城市的人口密度越来越大，在某些公共场所的人群管理问题日益突出。人群密度是表征特定场所即时拥挤程度的一个重要参考指标，是对公共场所进行有效管理的重要依据，随着国内经济和大规模客流运输的快速发展，目前在某些特定场所对人群密度的估计需求已经变得越来越紧迫。对人群密度估计的传统方法是人工估计，但这种方法比较主观，不能做定量判断。近来人群密度估计的自动方法也逐渐发展起来。但这些方法各有不足，在人群密度较高时，由于人群重叠现象，测量值与人群人数之间的线性关系消失，导致误差很大，且这些方法要求提供场景的背景图像。虽然可以解决高密度人群的估计问题，但计算量较大，处理时间较长，而且该方法没有考虑摄像机透视效应造成误差较大问题。

避免遮挡问题的方法之一，是通过调整摄像机的拍摄角度，采用从人的头顶部向下拍摄的办法。这种拍摄的方式无疑降低了处理的难度，但是需要重新安装检测的摄像机，增大了系统的投入，此外，有时候监控系统需要取得人脸的信息。更加实用的方式是，将客流密度自动检测作为安全监控系统(闭路电视CCTV)的增强功能，通过视频图像的处理技术，得到客流密度。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于视频图像的密集客流密度自动检测方法。在实际密集客流量检测中，该方法根本解决了以往检测方法中存在的误差较大、处理时间较长、对摄像机透射效应考虑不足等问题。从视频图像的采集、编辑到数据的处理分析及结果输出，具有计算简便、实时性、可靠性好、易于移植、便于扩展和维护等优点。

一种基于视频图像的密集客流密度自动检测方法，步骤如下；

(a)采集客流出入的监控视频图像，得到人群图像；

(b)背景处理，将采集得到的人群图像经模板屏蔽，除去不包含人群对象的复杂背景，保留包含人群对象的目标区，然后进行中值滤波去噪；

(c)采用计算机视觉算法对采集到的视频图像进行分类处理，最终得到人群密度等级，

(i)当人群密度较低时，采用计算量较小但较准确的像素数统计，并应用时间轴的信息进行背景生成，

(ii)当人群密度较高时，采用纹理分析方法计算人群密度。

如上述的方法其中，所述对视频图像中人群密度分类处理的步骤(c-ii)包括：首先人群图像进行小波包分解，然后提取各子带图像的计盒维数作为特征分类，采用分类器得到人群密度等级结果。

如上述的方法其中，特征在于，所述对视频图像中人群密度分类的步骤(c-i)包括：

1)采用阈值法来得到人群前景的二值图像，二值图像是判断像素是否为人群前景的阈值，该阈值由具体实验测定，会伴随背景处理中基础数据的变化而调整；

2)对人群前景的透视效应进行校正，把感兴趣区域ROI分成面积相等的远、中、近三个区域，分别计算每个区域的人群密度，然后取三个区域的人群密度均值作为最终估计的人群密度。

如上述的方法其中，特征在于，对于步骤(b)中对人群图片处理需要对判断人群前景进行多尺度分析，对摄像机透视效应进行处理步骤如下：

(a)对图像进行正交小波分解得到不同尺度方向上的子带图像；

(b)应用小波包分解对步骤(a)得到的子带图像进行多尺度分析；

(c)应用所有不同方向不同尺度的子带进行纹理分析，计算几盒维数；

(d)利用人群图像的纹理模式有明显的自相似性和分形特征，应用分形维数来表征纹理模式得到反映尺度特性的特征矢量，分别对各级尺度提取特征参数。

如上述的方法其中，步骤(d)中为了得到能够反映尺度特性的特征矢量，需要分别对各级尺度提取特征参数；根据人群图像的纹理模式有明显的自相似性和分形特征，采用分形维数来表征该纹理模式，采用计盒法来计算分形维数，维数作为特征矢量。

如上述的方法其中在步骤(c-ii)对人群密度分类中分类器具体是支撑向量机，在多类划分中，需要用支撑向量机组分类器组组成树状结构来划分。

实现权利要求上述方法的系统，特征在于包括：

(a)视频图像采集设备，包括置于客流通道的出入口顶端的摄像机，闭路电视系统CCTV；