[发明专利]一种实时多向行人计数、跟踪方法

说明书

技术领域

本发明属于计算机视觉领域，特别涉及一种实时多向行人计数、跟踪方法。

背景技术

在智能视频监控技术领域中，对于行人计数的研究一直是本领域技术人员关注的核心。这是因为，通过对场景中的行人计数，出现突发事件时，可以有效地根据场景中人数的分布而合适地分散、疏散人流，最大程度地降低突发事件所带来的危害。

目前，行人计数的方法主要有以下两种：

1)OpenCV中提供的运动团块跟踪；

该方法主要由四个模块组成：前景检测、团块检测、团块跟踪和轨迹处理。通过使用运动目标检测得到运动团块，并提供了不同的跟踪方法对这些运动图块进行跟踪及优化，最后生成团块的运动轨迹。

该方法依赖于团块检测，后面的轨迹处理只是对出现检测失误的情况下的一种弥补措施。这种运动检测的实时性较好，适用于行人计数等实时系统。但是这种方法有其致命的缺点：a、对背景模型的建立及前景目标的提取依赖性比较强，当场景中的背景变化较快时，无法表现出很好的性能；b、若运动目标在背景中停留时间相对较长，则该运动目标就会被纳入到背景模型中去；c、特别是当选用检测精度比较高的算法时，该方法的实时性无法符合要求，更无法实现跟踪和计数了。

2)仅使用光流的方法

其基本的原理是：给图像中的每一个像素点赋予一个速度矢量，这就形成了一个图像运动场，在运动的一个特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可由投影关系得到，根据各个像素点的速度矢量特征，可以对图像进行动态分析。

光流的方法对运动物体整体不敏感，可实现对不明物体的跟踪。但是，实际应用中，仅使用光流的方法无法克服遮挡性、多光源、透明性和噪声等不利条件的影响，因此光流场基本方程的灰度守恒假设条件无法得到满足，无法求出正确的光流场，而且光流的计算方法非常复杂，大量的计算根本不能满足实时性的要求，无法实现实时的多向行人计数方法。

所以，获得一种准确、快速、实时的多向行人计数方法成为了本领域技术人员一直追求的目标。

发明内容

单独使用OpenCV中提供的运动团块跟踪或者仅使用光流的方法都无法很好地实现实时多向行人计数、跟踪的问题，本发明提供了一种新的实时多向行人计数、跟踪方法，将上述两种方法有效地结合使用，弥补了现有技术的不足，达到了对实时多向行人计数、跟踪的目的。

为实现上述目的，本发明提供了如下的技术方案：

一种实时多向行人计数、跟踪方法，其特征在于：该方法包括如下步骤：

S1：使用深度摄像机获取深度图像和彩色图像；

S2：从深度图像中提取运动团块；

S3：从彩色图像上提取Harris角点；

S4：通过前后的两帧图像中的相互匹配的Harris角点计算光流向量组；

S5：将光流向量组聚类成一个行人位置点。

S6：计算行人位置点光流向量。

通过在运动团块基础上进行计算Harris角点，这样就避免了背景区域的计算，而在很多情况下，背景的区域在整幅图中占据相当大的部分，所以极大地减少了计算量。特别当图像的分辨率比较高时，Harris角点的计算量将非常的大，常规方法根本无法满足实时性的要求，在团块的区域上获得Harris角点的方式避免了这个问题。

对于S4步骤，前后的两帧图像之间相互间隔一帧图像。通过相互间隔一帧图像的两帧图像计算光流向量组，行人位置点为中间帧行人位置点，其准确度更高。

进一步地，对于S2步骤，提取运动团块时，根据人的头部与地板的深度值相差较大的特点对场景进行建模，分辨出地板和行人，获得行人的运动团块。

通过深度摄像机获取的深度图像中很容易获得图像内某个部分的深度值，容易区分出地板和行人，这种方式简单、实用、执行效率高。

进一步地，对于S2步骤，提取运动团块时，通过置地板的像素为0的方式获得所有的行人区域，然后对行人区域分割，获得所有的单人的运动团块。

这种方式能够一步到位地将地板的区域从图像中划分出去，并且采用分割的方式获取行人团块个数的准确性较高。

进一步地，对于S3步骤，提取Harris角点的个数为20个。

20个Harris角点能够完整地描述行人团块，其带来的计算量也是在可接受的范围之内的，是经过多次实验获得的参数。

进一步地，提取Harris角点之后，人为添加一个固定的点，该点选取为团块的中心点。

增加一个固定点，能够增加描述运动团块的准确性。