[发明专利]一种基于背景减除和纹理特征的人群密度估计方法及系统

权利要求书

1.一种基于背景减除和纹理特征的人群密度估计方法，用于对人群密度进行估计，其特征在于，对输入图像采用带有背景减除的方式进行前景提取，获取前景图像；使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计。

2.根据权利要求1所述的基于背景减除和纹理特征的人群密度估计方法，其特征在于，所述前景提取包括背景减除和中值滤波，具体包括以下步骤：

S11.输入背景图像执行背景减除；

S12.将步骤S11得到的前景图使用中值滤波，获得二值前景掩码；

S13.应用二值前景掩码得到提取的前景图像。

3.根据权利要求1所述的基于背景减除和纹理特征的人群密度估计方法，其特征在于，所述使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计的包括：小波变换、特征提取和图像理解，其中：

小波变换：采用一组9/7小波滤波器，对图像作三级小波变换，经过三级小波变换后，每张输入图像变成由一张低通近似图像和九张细节子图像表示；

特征提取：用于密度估计的特征向量仅从九张细节子图像中提取，对每张细节图像分别提取两组特征：统计特征和基于灰度共生矩阵的纹理特征；

选择归一化能量作为细节图像的统计特征；

选用逆差距和对比度2个统计量作为人群图像的纹理特征，对每张细节图像分别提取出灰度共生矩阵，再由灰度共生矩阵提取出每张细节图像的逆差距和对比度作为纹理特征；

图像理解：选用了支持向量机来训练、建立人群密度的分类模型，所有的人群密度图像被分为四类：低密度、中低密度、中高密度、高密度。

4.根据权利要求3所述的基于背景减除和纹理特征的人群密度估计方法，其特征在于，所述人群密度图像分类具体步骤：

第一步，将从人群图像中提取的特征向量全部输入到用于粗分类的支持向量机中进行训练、分类，把人群图像粗略分成两类：一类是低密度/中低密度的人群图像，一类是高密度/中高密度的人群图像；

第二步，把第一步中两类人群图像分别进行细分类，分为两种情况：

i.对于低密度/中低密度的人群图像，把图像的特征向量输入到第二个用于细分类的支持向量机中，把人群图像分成低密度和中低密度两类；

ii.对于高密度/中高密度的人群图像，把图像的特征向量输入到第三个用于细分类的支持向量机中，把人群图像分成高密度和中高密度两类。

5.一种基于背景减除和纹理特征的人群密度估计系统，用于对人群密度进行估计，其特征在于，包括：

前景提取模块，采用带有背景减除的方式对输入图像进行前景提取，获取前景图像；

人群密度估计模块，使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计。