[发明专利]一种自适应人群计数方法

摘要

本发明涉及一种自适应人群计数方法。首先使用累计积分特征行人检测器进行行人检测，来获得大量的检测候选框，然后对获得的候选框进行预处理，接下来本文提取各个预处理后的候选框的空间，时间以及颜色特征；基于这些特征，本发明用狄迪克雷混合模型和吉布斯采样理论来对候选框进行聚类；通过这种方式，来获得人群团块的区域；接下来，本文使用基于角点的人群计数方法来对每个人群团块区域进行人群初步计数；通过计数结果与特征点的关系，本发明判断人群密度，针对不同密度，本文选取不同的数据融合方法，来提高计数结果的准确性。本发明方法提高了人群计数检测的稳定性和精确性。

主权项

1.一种自适应人群计数方法，其特征在于：包括如下步骤，S1、采用行人检测器对输入的视频帧序列的视频帧进行行人检测，获得检测候选框；S2、对获得的检测候选框进行预处理，获得特征点，并提取各个预处理后的检测候选框的空间、时间以及颜色特征；S3、根据检测候选框的空间、时间以及颜色特征，对检测候选框进行聚类，获得人群团块区域；S4、采用基于角点的人群计数方法来对每个人群团块区域进行人群初步计数；S5、通过计数结果与特征点数量的关系进行密度估计；S6、针对不同密度，选取不同的数据融合方法，完成人群计数；所述步骤S3中采用狄迪克雷混合模型和吉布斯采样理论对检测候选框进行聚类，具体实现过程如下：在狄迪克雷混合模型参数θ_k下，检测候选框X_n是由类k产生的可能性由公式(1)给出：而后，通过吉布斯采样理论进行数据采样，如下公式(2)：其中，N是获得的所有检测候选框数目，N_k是被分配到类k的检测候选框数目，其中a控制着采样的概率，其值的大小与模型生成的类的多少成正相关；由上述过程，完成检测候选框的聚类，即获得人群团块区域；所述步骤S4，具体实现过程如下：根据步骤S3获得的人群团块区域，通过公式(3)来计算分配到类k的检测候选框数目：其中，p_k是在类k内总的特征点数，而是组成类k的检测候选框的平均特征点数，即可进行人群初步计数；所述步骤S5，具体实现过程如下：将特征点数量进行最大最小归一化，公式如下X^*是正则化后的数据，X指的是输入的数据，即特征点数量，max和min表示输入数据的最大值和最小值；而后计算相邻视频帧的梯度，其中，表示第n帧特征点数的梯度，F_n+s和F_n分别是第(n+s)帧和第n帧的特征点数；表示第n帧的初始计数结果的梯度，C_n+s和C_n分别是第(n+s)帧和第n帧的计数结果；P表示总帧数；利用特征点数和计数结果的梯度对照，找到高密度的帧区间；其中，L_s表示高密度帧区间开始的时候的帧，L_e表示高密度帧区间结束的时候的帧；如果L_s不存在或者L_s和L_e直接距离小于s，则意味着该视频帧序列里无高密度帧。