[发明专利]面向校车安全的人数快速统计方法

摘要

本发明涉及一种面向校车安全的人数快速统计方法。首先结合帧差法和背景差法粗定位车上已就位的目标；然后通过霍夫圆检测方法进行细定位，滤除部分噪声干扰；接着通过颜色、尺度、面积和形状特征进一步约束，过滤虚假人头目标；最后统计剩余的目标，得到最终的上车人数，如果上车人数大于阈值，则认为超载，否则认为不超载。该方法通过多特征融合降低人数统计误差，通过分层检测和滤波提高人数统计效率，可以实现快速可靠的超载检测，解决校车超载安全隐患。

主权项

面向校车安全的人数快速统计方法，其特征在于，首先结合帧差法和背景差法粗定位车上已就位的目标；然后通过霍夫圆检测方法进行细定位，滤除部分噪声干扰；接着通过颜色、尺度、面积和形状特征进一步约束，过滤虚假人头目标；最后统计剩余的目标，得到最终的上车人数，流程如下：(1)、融合帧差法和背景差法的人体目标粗定位方法融合帧差法和背景差法的人体目标粗定位方法，过程是：在车门开启后设备自行启动，此时采用帧差法检测有没有人员上车，如果没有则采用高斯模型对背景图像进行建模，否则，继续采用帧差法检测运动目标，当运动目标很小时，认为人员都已就位，此时采用背景差法进行人体目标粗定位；(1.1)运动侦测首先采用帧差法检测运动目标,采用5帧差法，具体步骤为：Step1.1取相邻五帧图像Ik‑2、Ik‑1、Ik、Ik+1、Ik+2，计算帧差数据Erro,Erro=|Ik-α(Ik-1+Ik-22)-(1-α)(Ik+1+Ik+22)|]]>其中，α为权值，初值设为0.5，Step1.2确定自适应阈值T，计算帧差数据均值，并将其乘以一个加权系数，以之作为自适应阈值，m=1M×NΣi=1MΣj=1NErro(i,j)]]>T＝β×m其中，M×N为图像尺寸，β为加权系数，取β＝10；Step1.3更新α，提取运动区域Mk，α＝e‑2/mStep1.4计算Mk中值为1的像素点数量，将其除以(M×N)，得到运动目标点占全图的比例r，如果r<0.02，则认为还没有人上车，此时采用高斯模型更新背景；否则，认为已经有人上车，关闭背景更新，同时，继续采用帧差法检测运动目标，直到r<0.02，此时关闭运动侦测，启动背景差法进行人体目标粗定位；(1.2)背景建模背景建模采用常用的高斯模型，得到的背景图像记为IB；(1.3)人体目标粗定位首先计算当前帧图像IC与背景图像IB的差分图像ICB＝|IC(i,j)‑IB(i,j)|；然后采用OTSU方法即类间方差最大标准方法，计算差分图像的最优分割阈值，依据该阈值对图像进行分割，像素灰度值大于分割阈值的像素点判定为人体目标，否则判定为背景，据此初步定位人体目标的位置；(2)、于霍夫圆检测边缘图像的人体目标细定位方法首先对目标粗定位阶段的二值图像进行边缘提取，采用经典的Canny算子；然后考虑到人头部分一般为椭圆，采用霍夫圆检测方法检测边缘图像中的类似圆，排除目标粗定位阶段的噪声干扰，提高人数统计的精确度；(3)、融合颜色、面积、形状和尺度多约束的人体目标滤波方法为了进一步滤除噪声干扰，在霍夫圆细定位的基础上，还加入颜色、面积、形状和尺度约束，具体步骤为：Step3.1：扫描并记录每一个霍夫圆的外接矩形框；Step3.2：在当前帧彩色图像中，取每一个霍夫圆的外接矩形框区域的彩色图像块；同时，在目标粗定位阶段的二值图像上，取每一个霍夫圆的外接矩形框区域的二值图像块；Step3.3：对每一个二值图像块，统计图像块中目标像素点数量N、外接矩形区域的长宽比S和宽度W；如果N<T1或S<T2或S>T3或W<T4或W<T5，则认为该图像块不是人头区域，将其删除；其中输入视频尺寸为720×576，本发明中所有阈值取经验值，为T1＝100,T2＝0.5,T3＝2,T4＝5,T5＝50，Step3.4：对保留的每一个彩色图像块，统计每个像素点的颜色向量(ri,gi,bi)与黑色向量(0,0,0)的欧氏距离的平均值C_Val，其中，ri、gi、bi分别表示第i个像素点的红色、绿色和蓝色颜色值，如果C_Val>T6，本发明的T6取经验值80，则认为该图像块不是人头区域，将其删除；(4)、人数统计与报警统计剩余的霍夫圆数据，也即车上的人数P，将校车上的实际座位数M以及允许的超载容差n的和作为阈值，如果P>M+n，则认为发生超载情况，启动声光、图像报警方式，提示相关管理人员核查，保证校车安全运行。