[发明专利]运动人群计数方法

说明书

本发明公开了一种运动人群计数方法，包括：获取图像中当前帧图像的前景图像，并以前景图像为掩膜检测当前帧图像中的所有特征点并提取有效特征点；分别对图像中的每个有效特征点进行追踪，获取每个有效特征点的轨迹；将所有有效特征点进行空间聚类形成有效特征点的多个类；计算每个类中所有有效特征点轨迹之间的相似度，剔除每个类中所有孤立的有效特征点之后形成新类；基于所有新类中任意两个新类之间的相似度和融合可靠性将两个新类融合成一个类对；将融合完成后的每个类对以及无法融合的每个新类分别构造成一棵最小生成树，基于最小生成树中包含的有效特征点的数量判断该最小生成树是否属于一个运动人体。实现提高运动人群计数的准确性。

技术领域

本发明涉及计算机视觉技术领域，更具体地，涉及一种运动人群计数方法。

背景技术

目前计算机视觉技术飞速发展，各国的研究者也提出了许多人群计数的方法，但由于人类行为复杂，环境多变，人与人、人与物之间容易互相遮挡等原因，一直以来也未能取得比较满意的效果。有些方法，在检测少量目标时，准确度还比较高，而一旦人群密集，检测效果急剧下降。目前，人群计数的方法主要分为基于人体表观模型的方法和基于人体运动模型的方法。在某些特定环境下，二者均有各自的优势，而二者结合的方法，效果更好，但计算较费时间，而且成本高以及分析复杂。同时这些方法，在检测少量目标时，准确度较高，一旦人群密集，检测效果极剧下降，而且由于人体行为的复杂以及容易互相遮挡，一直未取得满意的效果。

因此需要提出一种准确性更高的运动人群计数方法，能够应用于人口密度较大的监控场景。

发明内容

本发明的目的是提出一种运动人群计数方法，实现在人口密度较大的监控场景中提高运动人群计数的准确性。

为实现上述目的，本发明提出了一种运动人群计数方法，包括：

步骤1：获取图像中当前帧图像的前景图像，并以所述前景图像为掩膜检测所述当前帧图像中的所有特征点并提取有效特征点；

步骤2：分别针对每个有效特征点在当前帧图像之前和之后的连续多帧图像中进行追踪，并记录每个有效特征点在每帧图像中的位置，以获取每个所述有效特征点的轨迹；

步骤3：求取每两个轨迹之间的空间距离，基于所述空间距离将所有有效特征点进行空间聚类形成有效特征点的多个类，每个类包括多个有效特征点；

步骤4：计算每个类中所有有效特征点轨迹之间的相似度，根据所述相似度剔除每个所述类中所有孤立的有效特征点之后形成新类；

步骤5：计算所有新类中任意两个新类之间的相似度和融合可靠性，基于所述相似度和所述融合可靠性将两个新类融合成一个类对；

步骤6：将融合完成后的每个所述类对以及无法融合的每个所述新类分别构造成一棵最小生成树，基于所述最小生成树中包含的有效特征点的数量判断该最小生成树是否属于一个运动人体，根据属于运动人体的最小生成树的数量得到所述图像中运动人群的人体数量。

可选地，所述有效特征点为检测得到的特征点在后续的图像中匹配误差不超过一个像素且满足以下判别式的特征点：

W(Df，2)＝W(Df+1，1)＝Df+2；

其中，函数W(Df，n)表示对当前帧图像Df中得到的特征点进行追踪，返回在第n帧图像的位置，Df为当前帧图像，Df+1为后一帧图像，Df+2为后2帧图像。

可选地，所述步骤2包括：

分别对当前帧图像之前的连续多帧图像和之后的连续多帧图像中的每个所述有效特征点采用分层光流法进行追踪，记录每个所述有效特征点在每帧图像中的位置，获取所有所述有效特征点的轨迹{X1，X2，...，Xm}，其中m为有效特征点的个数。

可选地，所述步骤3还包括：