[发明专利]一种基于多特征的行人流量统计方法

摘要

本发明公开了一种基于多特征的行人统计方法；其特征是按如下步骤进行：1、采集多幅包含一个人头的正样本图片和不包含人头的负样本图片建立训练库；2、对训练库中的训练样本图片提取Haar特征，运用改进的Adaboost算法训练一个Haar特征人头分类器；对训练库中的训练样本图片提取Hog特征，运用SVM算法训练一个Hog特征人头分类器；3、在视频的预置带状区域中加载Haar特征人头分类器，进行行人检测，获得人头候选区域；4、对人头候选区域加载Hog特征分类器进行二级过滤，检测出人头，建立人头模型。5、运用时空相关分析算法对检测出的人头进行跟踪计数。本发明通过对行人头部Haar特征和Hog特征进行融合，从而保证行人统计的正确率和统计速度。

主权项

一种基于多特征的行人流量统计方法，其特征是按如下步骤进行：步骤1、利用摄像头拍摄一组行人监控样本视频和一组监控检测视频，采集所述行人样本监控视频中的人头图像，从而构成N幅正样本图像集P，以所述行人监控样本视频中除人头图像以外的背景图像作为负样本训练图像集C；步骤2、对所述N幅正样本图像集P和M负样本训练图像集C作归一化处理，并分别提取图像HOG特征，从而获得HOG特征向量集合F_g；步骤3、运用改进的Adaboost算法对所述N幅正样本图像集P和M负样本训练图像集C进行训练，获得Haar特征的头部分类器P_r；步骤4、运用SVM算法对所述HOG特征向量集合F_g进行训练，获得HOG特征的头部分类器P_g；步骤5、假设所述监控检测视频的总帧数为J；定义变量j，并初始化j＝1；步骤6、对所述监控检测视频中第j帧检测图像设置一带状检测区域R_j，利用所述Haar特征的头部分类器P_r对所述带状检测区域R_j进行一级人头检测，获得第j帧检测图像的头部候选区域ROI_j；步骤7、利用所述Hog特征的人头分类器Pg对所述第j帧检测图像的头部候选区域ROI_j进行二级人头检测，获得第j帧检测图像的头部模型集合，记为表示第j帧检测图像的第t_j个头部模型；并有：表示第j帧检测图像的第t个头部模型中心的横坐标；表示第j帧检测图像的第t个头部模型中心纵坐标；表示第j帧检测图像的第t个头部模型在垂直方向上的运动累计量；表示第j帧检测图像的第t个头部模型的灰度值；表示第j帧检测图像的第t个头部模型的头部圆形度；表示第j帧检测图像的第t个头部模型在所述带状检测区域中的匹配次数；步骤8、获得第j帧检测图像的标准头部模型集合Ped′_j；步骤9、将第j帧检测图像的标准头部模型集合Ped′_j存入行人队列模型Q中；步骤10、判断j+1＞J是否成立，若成立，则执行步骤13；否则，将j+1赋值给j，并执行步骤6至步骤8，从而获得第j+1帧检测图像的标准头部模型集合Ped′_j+1；步骤11、利用所述第j+1帧检测图像的标准头部模型集合Ped′_j+1对所述行人队列模型Q进行更新，从而获得更新后的行人队列模型Q′；步骤12、判断j+2＞J是否成立，若成立，则步骤13；否则，将j+2赋值给j+1，并返回步骤11执行；步骤13、遍历所述更新后的行人模型队列Q′中的头部模型，若头部模型中的匹配次数大于所设定的阈值，则保留相应的头部模型，否则，删除相应的头部模型，从而再次更新所述行人模型队列Q′；步骤13、遍历更新后的行人模型队列Q中的头部模型，并统计上行人数和下行人数，当运动累计量大于“0”时，则累加上行人数；否则，累加下行人数。