[发明专利]图像处理装置、图像处理方法以及监控设备

说明书

本公开涉及图像处理装置、图像处理方法以及监控设备。该图像处理装置包括：特征点识别部分，被配置为识别图像中的预定类型的特征点；特征点分类部分，被配置为通过识别特征点中的非目标对象特征点来将所识别出的特征点分类为目标对象特征点和非目标对象特征点；以及数量估计部分，被配置为按照目标对象特征点的数量与目标对象的数量之间的预定对应关系，根据所确定的目标对象特征点的数量来估计图像中包含的目标对象的数量。特征点分类部分包括识别图像中的边缘的边缘识别部分和在与所识别的边缘相对应的线段中选择长度和角度符合预定标准的线段的线段选择部分。特征点分类部分将距离所选择的线段预定范围内的特征点确定为非目标对象特征点。

技术领域

本申请一般涉及图像处理，更具体地，涉及能够估计图像中包含的目标对象的数量的图像处理装置、图像处理方法以及包含该图像处理装置的监控设备。

背景技术

作为目标对象数量估计的一个示例，人群密度估计能够用于学校、车站、机场、银行等多种区域。以机场环境为例，通过机场环境下的人流密度统计，管理人员可以合理调度人力和物力，实现资源的合理配置。这种技术可以应用于机场的人流量统计、机场出入口及大厅的人员异常聚集报警和商家客流统计等方面。目前人群密度估计除了人工清点方式之外，常见的自动人流统计方法主要有三种：(1)机械脚踏传感器方式：这种方式在人流分布不均匀时，精度较低；(2)红外线感应方式：这种方式在人流遮挡及人流密度较大时，会有较大的漏检概率；(3)视频图像方式：这种方式通过摄像头获取的监控场景实时的对人群密度进行统计，是目前使用的较为广泛的人流统计方法。

当前基于视频图像的人群密度估计的主流算法主要有基于像素的统计方法和基于纹理分析的方法。基于像素的统计的方法主要通过提取前景人群占据的空间大小及提取人群对象的边缘长度这两类特征对人群密度进行估计，这种方法计算量下，适用于低密度人群情况，当人群密度较高存在较严重遮挡时，精度较差。基于纹理分析的方法通过将不同密度的人群分成不同的纹理模式，高密度的为细模式纹理，低密度的为粗模式纹理。这种方法由于特征量较多，因此计算量较大，并且对于中低密度人群估计得误差也较大。

此外，可以采用根据特征点数目确定目标对象数量的方法，这种方法能够适用于不同密度等级的目标对象。

发明内容

在实际环境下，例如由于光照(灯光或者阳光)和人群的流动，地面上会形成不断变化的光影交替区域，这些区域会影响特征点提取的准确度。因此，在根据特征点数目确定目标对象数量的情况下，希望消除这些区域所造成的影响。然而，由于光照区域位置和大小不固定，因此难以用传统的背景去除的方法来消除这种影响。

在下文中给出了关于本发明实施例的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，以下概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

根据本申请的一个方面，提供一种图像处理装置，包括：特征点识别部分，被配置为识别图像中的预定类型的特征点；特征点分类部分，被配置为通过识别特征点中的非目标对象特征点来将所识别出的特征点分类为目标对象特征点和非目标对象特征点；以及数量估计部分，被配置为按照目标对象特征点的数量与目标对象的数量之间的预定对应关系，根据所确定的目标对象特征点的数量来估计图像中包含的目标对象的数量。特征点分类部分包括识别图像中的边缘的边缘识别部分和在与所识别的边缘相对应的线段中选择长度和角度符合预定标准的线段的线段选择部分。特征点分类部分将距离所选择的线段预定范围内的特征点确定为非目标对象特征点。