[发明专利]一种基于HOG+SVM的视频人数统计方法

说明书

本发明公开了一种基于HOG+SVM的视频人数统计方法，其特征是，包括如下步骤：S10采集样本；S20 监督学习；S30设置摄像头；S40实时头部检测；S50光流法跟踪；S60设置和处理ROI；S70人数统计。这种方法成本低、统计精确度高。

技术领域

本发明涉及图像采集分析技术，具体是一种基于HOG+SVM的视频人数统计方法。

背景技术

随着电子信息产业制造技术的提高、硬件成本的降低，以及如今传统机器学习的日渐成熟，视频图像分析技术得以用到各个行业领域，因而视频图像分析技术得以成为一项热门研究。人流量是一项重要指标，直接体现当前位置的人员流动情况和人们的热度。通过商圈中人流量指标可以合理地进行店面布局；通过商圈中某段时间的人流量统计可以科学地运营店面。

传统的商圈人流量统计有：通过人工统计的方法；通过机器设备的统计的方法。人工统计的方法可以满足实时人数，并能够进行人群的年龄、性别分类，但人工统计的方法并不能满足24小时统计，消耗大量人力物力。通过机器设备的统计方法则可以有红外线发生装置、重力感应器等，能够方便有效不花人力地进行人流量统计，但这类方法在判断拥挤人群，在判断人员年龄、性别和人员行进方向时往往发挥不好。本发明是一种基于视频分析技术的实时人流量统计方法，利用从行人顶部进行视频监控的方式，有效地解决了人流拥挤时统计会影响人流量的准确度的问题。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于HOG+SVM的视频人数统计方法。这种方法成本低、统计精确度高。

实现本发明目的的技术方案是：

一种基于HOG+SVM的视频人数统计方法，与现有技术不同的是，包括如下步骤：

S10采集样本：在人流量大的地方进行视频录制，对视频进行人头图像的采集工作，对人头图像与非人头图像进行标记分类，人头图像为正样本，非人头图像为负样本，并将正样本训练集和负样本训练集中的图像归一化处理，使得图像成为32*32像素的图像；

S20 监督学习：对人头图像与非人头图像进行分类和监督学习，此过程为离线学习，先分别提取训练输入图像和监控区域图像帧的梯度方向直方图特征即HOG，然后进行SVM分类器训练：即使用同一样本集训练第一SVM分类器和第二SVM分类器，对训练输入图像的梯度方向直方图特征进行SVM头部分类器的离线训练，把6463个经过HOG提取处理后的正样本训练图像集和负样本训练图像集作为支持向量机模型进行训练的输入第一分类器，把第一分类器检测大于0的检测的分区域记录下来，将第一SVM分类器分出检测结果大于0的区域送到第二SVM分类器进行检测，线性加权组合第一SVM分类器和第二SVM分类器检测得分，若大于预设的值，则更新分类器的训练数据，以得到最优特征值和支持向量，支持向量机SVM是一种努力寻求结构风险最小化的一种机器学习方法；

S30设置摄像头：连接摄像头进行实时监控，使用OpenCV接口打开摄像头，将视频图像进行缩放，以达到滑动窗口处理图像时行人头部能够在32*32像素图像中；

S40实时头部检测：对视频帧经过步骤S20进行处理，在视频图像中设置行人监控区域，使用训练好的SVM分类器在视频图像中检测行人头部，并在视频中标记出人头部位置；

S50光流法跟踪：采用光流法对检测到的行人头部图像进行跟踪，并记录行人运动轨迹；

S60设置和处理ROI：采用OpenCV库里面的ROI设置来实现感兴趣区域，只对感兴趣区域进行识别处理；

S70人数统计：根据头部的运动轨迹，对比预先设定的需要统计人数的区域范围通过坐标值的比较可判断行人进出方向，当运动物体先碰到进口标记然后继续运动碰到出口标记为进门行为，当运动物体先碰到出口标记然后继续运动碰到进口标记为出门行为，最后，根据进出口标志和头部运动轨迹判断进出行为，以实现人数的计数统计。