[发明专利]客流识别跟踪方法及客流识别跟踪系统

说明书

本发明提供了一种客流识别跟踪方法，将所述图像均分为m份第一均分图像，进行前景提取以得相对应的倒角距离变换图像，选取任意一份所述第一均分图像作为模板树提取图像，将所述模板树提取图像均分为n份，分别建立模板树，将所述模板树提取图像所对应的倒角距离变换图像与所述模板树进行匹配，同时将剩余所述第一均分图像所对应倒角距离变换图像旋转到所述模板树提取图像所对应的倒角距离变换图像的位置，然后与所述模板树进行匹配，以确定是否存在行人，在确定存在行人后，跟踪行人位置，通过模板树的匹配，提高了识别的精度，进一步结合倒角距离变换图像减少了匹配模板的数量，提高了效率。本发明还提供了一种客流识别跟踪系统。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种客流识别跟踪方法及客流识别跟踪系统。

背景技术

现有的客流识别跟踪中常用的模板匹配算法包括三种方法，分别为基于特征的模板匹配、基于形状的模板匹配以及基于灰度的模板匹配。

其中，基于灰度的模板匹配方法是最早的算法，该算法对光照，强度等信息要求严格，不同场景下识别的效率很低。基于特征的模板匹配方法主要是利用图像的特征来进行识别，但速度非常慢，无法满足高速的需求。而基于形状的模板匹配方法，主要的思路就是提取图像的边缘信息，根据边缘信息利用距离算法得到匹配程度，此算法能够适应多尺度的变化，角度的变化以及旋转。但是基于形状的模板匹配算法耗时长，同时误检率高。

因此，有必要提供一种新型的客流识别跟踪方法及客流识别跟踪系统以解决现有技术中存在的上述问题。

发明内容

本发明的目的在于提供一种客流识别跟踪方法及客流识别跟踪系统，提高识别的效率和识别的准确性。

为实现上述目的，本发明的所述客流识别跟踪方法，应用于鱼眼摄像机，包括以下步骤：

S1：获取视频的一帧图像，将所述图像均分为m份第一均分图像，m为大于0的自然数；

S2：对m份所述第一均分图像分别进行前景提取，以得到前景运动感兴趣区域，然后根据所述前景运动感兴趣区域得到相对应的倒角距离变换图像；

S3：选取任意一份所述第一均分图像作为模板树提取图像，将所述模板树提取图像均分为n份，然后根据n份所述模板树提取图像分别建立模板树，n为大于0的自然数；

S4：将所述模板树提取图像所对应的倒角距离变换图像与所述模板树进行匹配，同时将剩余所述第一均分图像所对应倒角距离变换图像旋转到所述模板树提取图像所对应的倒角距离变换图像的位置，然后与所述模板树进行匹配，以确定是否存在行人；

S5：重复执行所述步骤S1至所述步骤S4，在确定存在行人后，跟踪行人位置。

所述客流识别跟踪方法的有益效果在于：将所述图像均分为m份第一均分图像，对m份所述第一均分图像分别进行前景提取，以得到前景运动感兴趣区域，然后根据所述前景运动感兴趣区域得到相对应的倒角距离变换图像，选取任意一份所述第一均分图像作为模板树提取图像，将所述模板树提取图像均分为n份，然后根据n份所述模板树提取图像分别建立模板树，将所述模板树提取图像所对应的倒角距离变换图像与所述模板树进行匹配，同时将剩余所述第一均分图像所对应倒角距离变换图像旋转到所述模板树提取图像所对应的倒角距离变换图像的位置，然后与所述模板树进行匹配，将不同位置运用不同的模板树进行匹配，减少了模板的数量，提高了识别的精度和效率。

优选地，所述对m份所述第一均分图像分别进行前景提取包括：

获取所述第一均分图像的前景运动感兴趣区域，对所述前景运动感兴趣区域进行扩充，并删除异常前景运动感兴趣区域，以得到前景运动感兴趣区域集合，其中，所述异常前景运动感兴趣区域为重复面积大于重复阈值、宽小于宽阈值或高小于高阈值中至少一种的所述前景运动感兴趣区域。其有益效果在于：减少了噪音的干扰。