[发明专利]一种面向监控视频的人群聚集检测方法

摘要

本发明涉及一种面向监控视频的人群聚集检测方法。首先通过像素点灰度统计和边缘一致性测算实现前景区域的可靠提取，然后使用基于区域归一化的改进Haar人体检测方法提取包含人体的前景区域，最后通过统计包含人体的前景区域的Fast特征点的分布特性实现人群聚集检测。基于像素点灰度统计和边缘一致性的前景提取方法，初始训练时间短，虚警率低。区域归一化的人体检测方法，不同尺寸的待检测区域归一化后的外扩范围相同，兼顾了检测精度和效率。基于Fast特征点的区域特征提取与人群聚集检测，使用区域面积作为加权依据，实际系统中可操作性强；使用特征点加权值表征人体可有效克服遮挡，适应性强。

主权项

一种面向监控视频的人群聚集检测方法，针对人群聚集检测，其特征在于，首先通过像素点灰度统计和边缘一致性测算实现前景区域的可靠提取，然后使用基于区域归一化的改进Haar人体检测方法提取包含人体的前景区域，最后通过统计包含人体的前景区域的Fast特征点的分布特性实现人群聚集检测，具体如下：(1)、基于像素点灰度统计和边缘一致性测算的可靠前景提取，视频中前景和背景的灰度分布区间存在差异，利用这种差异提取出前景区域，当提取结果正确时，提取到的区域边缘和实际前景的边缘较为相似，据此消除前景提取中的虚假目标；(2)、基于区域归一化的改进Haar人体检测基于Haar分类器的人体检测是常用的人体检测方法，为消除目标远近对检测结果的差异，将提取到的前景区域缩放到同一尺度下，但是由于区域提取算法存在提取不全的问题，需要对图像区域进行对应的扩充；(3)、基于前景区域Fast特征点分布特性的人群聚集检测在视频图像中，人群越密集，对应区域的纹理就越复杂，局部极值点就越多，通过局部极值点来表征人群密集程度，可有效解决多人遮挡问题，考虑到目标距摄像机距离不同时对可用的特征点数量存在差异，依据目标位置对特征点权重进行补偿；所述基于像素点灰度统计和边缘一致性测算的可靠前景提取具体流程为：Step1：利用第一帧I1(x,y)的随机采样结果生成初始背景序列IB(n)(x,y)IB(n)(x,y)＝I1(x+Random(n),y+Random(n))其中(x,y)为像素坐标，n为背景序列中的序号，Random(n)为随机函数，取值范围为{‑1,0,1}；Step2：对于新输入的视频帧Ii(x,y)，计算每一个像素点灰度和背景序列对应像素点灰度差异，如果差异超过给定阈值Th1的次数超过两次，则该点被判定为前景点，否则为背景点；Step3：对得到前景提取结果以3×3的模板进行一次开运算和闭运算，得到滤波后的前景；Step4：使用Sobel算子提取当前帧的边缘和滤波后的前景边缘，对于每一个滤波后的前景边缘点，计算其3×3邻域内的当前帧边缘点数量，如果数量大于4，则该点为有效边缘点；Step5：对于每一个滤波后的前景区域，统计其有效边缘点总数和所有边缘点总数之比，如果比值超过60％，则该滤波后的前景区域为有效区域，反之为虚假区域；Step6：利用当前背景区域像素点的灰度值随机更新背景序列中对应像素点的一个采样值；所述基于区域归一化的改进Haar人体检测具体处理流程如下：Step2.1：预先训练好用于人体检测的Haar分类器，确定人体图像的最大宽度Width_Max和最大高度Height_Max；Step2.2：依据待检测前景区域的宽度Width_FG和高度Height_FG，确定缩放尺度Scale；Scale=min{Width_FGWidth_Max,Height_FGHeight_Max}]]>Step2.3：使用Scale对整个输入图像进行缩放，将缩放后的前景区域对应位置上、下、左、右各扩充20个像素的区域作为待检测的目标区域；Step2.4：使用训练好的Haar分类器对待检测区域进行检测，确定人体区域；所述基于前景区域Fast特征点分布特性的人群聚集检测具体实施步骤为：Step3.1：单个测试人员在场景中从最近点运动到最远点，将最近点的权值设为1，将其余点的权值设为最近点目标区域面积与当前点目标区域面积的比值；Step3.2：提取前景人体区域的FAST特征点；Step3.3：将所有特征点乘以其权值，求取所有加权和；Step3.4：当输入视频帧的加权和连续50次超过预设阈值Th2，则判断发生聚集。