[发明专利]基于视频分析适应密集场景人流实时监测方法

说明书

本发明提供的基于视频分析适应密集场景人流实时监测方法，获取待监测区域的背景图像，利用混合高斯模型对所述背景图像进行背景学习；获取待监测区域的前景原始图像，对所述背景图像和前景原始图像进行线性变化，确定变化系数；利用所述变化系数确定阈值提取前景原始图像中去除背景的前景图像；利用影视透视模型计算所述前景图像中，前景个体所占像素点的大小；结合遮挡因子，确定待监测区域的人流量。该方法基于机场现有的视频监控环境，在提升旅客出行体验的前提以及服务资源分配合理性的目标下，进一步提高旅客服务质量。

技术领域

本发明属于信息处理技术领域，具体涉及基于视频分析适应密集场景人流实时监测方法。

背景技术

目前机场实现人流监测，主要有以下几种：

(1)利用感知设备，例如蓝牙、wifi等感知设备实现航站楼整体人流分布以及安检区域旅客的排队情况。该方法的感知设备由于覆盖面不全面而导致数据的采集粒度较粗，并不能精细的获取人群的分布情况以及人群的排队情况。

(2)利用对人体头部特征的提取、学习、匹配，实现了对进出口、通道人数的计数。该方法采取了人体特征的识别，人体的头部特征，实现对进出口、通道人数的计数。该方案对摄像头的安装环境、条件有严格的要求，需要在一定高度范围内(通常3-5米)进行垂直安装或者45度角进行安装。对于机场的建筑特点，其只适合安装在进出口。如此以来，对于机场整体的人流分布状态、关键区域的实时人流情况并不能采集到。

(3)利用人体特征的追踪算法实现对运动、划定特定区域内人群密度以及人群计数。该方案利用现有的追踪算法对运动的行人个体进行检测、追踪。其要求摄像头的安装在5米左右，针对运动的行人，划定行人经过区域。如图1所示，机场关键区域旅客所呈现的特征为高密度、近乎静止、遮挡严重的场景，此方案并不能解决机场实际场景。

发明内容

针对现有技术中的缺陷，本发明提供一种基于视频分析适应密集场景人流实时监测方法，基于机场现有的视频监控环境，在提升旅客出行体验的前提以及服务资源分配合理性的目标下，进一步提高旅客服务质量。

一种基于视频分析适应密集场景人流实时监测方法，包括以下步骤：

获取待监测区域的背景图像，利用混合高斯模型对所述背景图像进行背景学习；

获取待监测区域的前景原始图像，对所述背景图像和前景原始图像进行线性变化，确定变化系数；

利用所述变化系数确定阈值，提取前景原始图像中去除背景的前景图像；

利用影视透视模型计算所述前景图像中，前景个体所占像素点的大小；

结合遮挡因子，确定待监测区域的人流量。

优选地，所述获取待监测区域的背景图像，利用混合高斯模型对所述背景图像进行背景学习具体包括：

设t时刻的背景图像中每个像素点的像素值I_t(x，y)由K个高斯模型来描述；则当前像素点的观测值的概率P(I_t(x，y))为：

其中，x，y是像素点的横坐标和纵坐标；i∈[1，2，...，K]；和分别是t时刻像素点(x，y)的第i个高斯模型的权值、均值和方差，N表示由t时刻像素值，第i个高斯模型的均值、方差组成的向量。

优选地，该方法在计算当前像素点的观测值的概率P(I_t(x，y))之后，还包括：

如果在t时刻，像素点(x，y)的特征为I_t(x，y)，则第i个高斯模型如下：

式中，γ为置信参数值，D(x，y)为更新高斯模型的阈值；