[发明专利]一种人群跟踪及人流量统计方法及装置

说明书

技术领域

本发明属于计算机视觉与模式识别技术领域，尤其涉及一种人群跟踪及人流量统计的方法及装置。

背景技术

准确、稳定的人群跟踪及流量统计技术，一直是公共安全和智能监控等领域中急需的一项技术。例如在校园、博物馆、地铁站、火车站等等人群密集场景下，对人群的有效跟踪和计数会极大地方便日常管理及保障人们的安全；而在超市、商场等环境对不同货架区域进行不同方向的人群计数，也能更好的调整营销策略，带来更高的经济效益。除了人工清点方式外，目前常见的自动人流统计方法主要有以下几种：

接触式传感器方式：这种方式在地面安装感应踩踏的传感器，当行走在其上时，传感器将信号传递到处理器端进行分析统计获得人流信息。CN201410298577.5、CN201210396201.9等均采用这种类似方法，但是这种方法受人流密度及步伐影响。

感应式传感器方式：这种方式一般在通道两侧安装红外等传感器，通过检测行人通过时接近或遮挡情况分析统计行人数量。CN200910153676.3、CN201420115932.6、CN201310275878.1等均采用这种类似方法，但这种方法只是用于人流稀疏情况，对于并行或密集通过等情况时会出现较大误差。

视觉图像传感器方式：这种方式一般是采用摄像头获取场景实时图像，通过计算机视觉技术对图像画面的行人进行跟踪或计数。CN201210208666.7、CN201110407262.6、CN201010607822.8等均采用此方法，这种方法能够有效解决人群并行等遮挡不严重情况，但在场景密集、附近复杂情况下准确性受具体跟踪计数算法限制。

发明内容

有鉴于此，本发明提供了一种人群跟踪及人流量统计方法及装置，其能够有效解决现有方法在人群密集的复杂场景中的不足，对密集场景下人群的跟踪与计数具有很高的准确性与稳定性。

本发明提供的人群跟踪及人流量统计方法，包括：

获取场景实时彩色图与深度图；

对所述彩色图与深度图进行图像预处理；

对所述经过图像预处理后的深度图进行背景差分以获得运动前景深度图；

对所述运动前景深度图进行检测并分割出行人头部区域；

对所述行人头部区域进行判定，去除非人头区域；

根据联合匹配概率函数进行人头匹配跟踪；以及

构建人头状态空间转换关系图进行人头计数。

优选地，所述彩色图为普通RGB三通道图像，所述深度图中每个像素点的值为所述像素点所表示的物体距离所述场景中地面的高度。

优选地，对所述彩色图与深度图进行图像预处理具体包括：

对所述彩色图仿射变换矫正，使得矫正后的彩色图与所述深度图中相对应的每个像素点所代表的画面中的具体位置能够完全匹配；以及对所述深度图进行修补和中值滤波。

优选地，对所述经过图像预处理后的深度图进行背景差分以获得运动前景深度图具体包括：

根据所述预处理后的深度图学习背景模型，其中，获取N帧无运动目标时的场景纯背景深度图像序列B_n(n＝1,2…N)，根据公式(其中i，j分别表示图像矩阵的行和列)，计算这N帧图像中每个像素点像素值的平均值，所述平均值即为背景图像B对应像素点的像素值；

根据公式D_t(i，j)＝|I_t(i，j)-B(i，j)|，对当前帧深度图与所述背景深度图进行背景差分，得差分深度图D_t(i，j)；以及

对所述差分深度图去噪获得运动前景深度图；其中，对所述差分深度图D_t(i，j)依次进行中值滤波、形态学处理，去除所述差分深度图中的细小独立噪点和空洞，获得所述运动前景深度图。

优选地，对所述运动前景深度图进行检测并分割出行人头部区域具体包括：

搜索局部区域极大值点检测人头位置；其中，人头是每个人的最高部分，表现在所述运动前景深度图中即每个人深度值最大点在人头上，因此，通过搜索所述运动前景深度图中所有的局部区域最大值点来检测所有人头的位置；所述局部区域半径的选取范围根据场景中所述行人头部区域变化范围确定，所述局部区域半径为所述行人头部区域半径的1/2～2倍；

计算所述人头位置的邻域深度直方图；其中，计算上述检测得到的所有局部区域极大值点的邻域深度直方图，邻域半径选取范围根据场景中所述行人头部区域变化范围确定，所述邻域半径为所述行人头部区域半径的1.1～4倍；以及