专利名称:低密度人群的统计方法及装置的制作方法
技术领域:
本发明涉及图像处理、视频监控,特别涉及低密度人群的统计方法及装置。
背景技术:
低密度人数统计是智能监控的一个典型应用,在不同场合有不同作用。在百货大 楼、超市等商业地区,通过统计具体人数,可侧面了解该商业地区效益情况,为该地区的发 展规划做出侧面的参考;在飞机场、汽车站等公共交通地区,可为交通设施的优化配置提供 重要依据,排除可能发生的安全事故;在其他如重要景点、军事要地等需要限制人数的地点 提供预警帮助。因此,低密度人数统计有着广泛的应用范围和重要的应用价值。公开号为CN101325690A的中国专利申请介绍了一种监控视频流中人流分析与人 群聚集过程的检测方法和系统,该系统根据对多运动目标的跟踪结果统计人群。但上述方 法对于存在人群遮挡的场景效果不甚理想。公开号为CN101188743A的中国专利申请公开了一种基于视频的智能数人系统及 其处理方法,该系统和方法包括基于前景块检测的人员数目估计。但是该系统和方法还需 要依赖于基于头部检测的人员数目估计,较为复杂。综上所述,目前迫切需要提出一种能克服人群遮挡问题并且简单易行的低密度人 群的统计方法及装置。
发明内容
有鉴于此,本发明的主要目的在于克服人群遮挡问题,简单易行并准确地统计出 低密度人群的人数。为达到上述目的,按照本发明的第一个方面,提供了一种低密度人群的统计方法, 该方法包括更新背景图像并提取当前图像的前景点;对当前图像中的每个前景点进行检 测以获取特征点;获取每个特征点的运动轨迹;根据运动轨迹的运动位移和运动方向变化 率,提取出正常的运动轨迹;将连续多帧图像内同一轨迹上的特征点作为一个分类点,对所 有分类点进行聚类,以获得初步的分类;和对初步的分类进行类分裂和类聚合处理,以获得 聚类类别数,将该聚类类别数作为所统计人群的人数。优选地,所述更新背景图像包括假设Ik表示第k帧图像,k为整数,Bk表示第k 帧背景图像,其中背景图像的初始值为B。= I。,则按下式更新背景图像
权利要求
一种低密度人群的统计方法,包括更新背景图像并提取当前图像的前景点;对当前图像中的每个前景点进行检测以获取特征点;获取每个特征点的运动轨迹;根据运动轨迹的运动位移和运动方向变化率,提取出正常的运动轨迹;将连续多帧图像内同一轨迹上的特征点作为一个分类点,对所有分类点进行聚类,以获得初步的分类;和对初步的分类进行类分裂和类聚合处理,以获得聚类类别数,将该聚类类别数作为所统计人群的人数。
2.如权利要求1所述的方法,其中所述更新背景图像包括假设Ik表示第k帧图像,k为整数,Bk表示第k帧背景图像,其中背景图像的初始值为 B0 = Itl,则按下式更新背景图像Bk-i (X y)—ι, 4-10, y) > h O, y)Bk (X, y) = \ Bk^ (x, y) +1, Bk_x (χ, y) < Ik (χ, y) A-i (不力 h O, y)=h (X y)其中,χ、y分别表示像素点的横坐标和纵坐标。
3.按照权利要求2所述的方法,其中所述提取当前图像的前景点包括第k帧图像的 前景图像Fk为Fk(x,y) = Ik(χ, y)-Bk(χ, y);对前景图像进行阈值分割以提取前景点。
4.按照权利要求3所述的方法,其中所述对前景图像进行阈值分割以提取前景点包括如果Fk(x,y)彡第一阈值Tl,则认为该点(X,y)是当前图像的前景点,否则认为该改 点(x,y)是当前图像的背景点。
5.按照权利要求1所述的方法,其中所述对当前图像中的每个前景点进行检测以获取 特征点是利用角点检测算法来进行的。
6.按照权利要求1所述的方法,其中所述获取每个特征点的运动轨迹是采用KLT特征 点跟踪算法来进行的。
7.按照权利要求1所述的方法,其中所述根据运动轨迹的运动位移和运动方向变化 率,提取出正常的运动轨迹包括分别计算每条运动轨迹在连续多帧图像内的运动位移、运 动方向变化率;将同时满足运动位移>第四阈值T4和运动方向变化率<第五阈值T5的运 动轨迹作为正常的轨迹并输出该正常的轨迹。
8.按照权利要求1所述的方法,其中所述聚类包括(1)将所有分类点看作为一个初始类C1,此时当前的类别数Max= 1 ;(2)在所有类中选出直径最大且满足直径>第六阈值T6的类Cm,其中m表示第m类, 且1彡m彡Max, Max表示当前的类别数;(3)在直径最大的类Cm中找出一个与其他分类点相异度最大的分类点,执行Max= Max+Ι并将该分类点看作一个新的类CMax ;(4)分别计算直径最大的类Cm中分类点P;"与新的类CMax中分类点的最大距离 outerDist,其中表示直径最大的类Cm中第ρ个分类点,并计算直径最大的类Cm中分类点^"与该类中其他分类点的最小距离interDist,如果outerDist < interDist则将该分 类点^Γ放入新的类CMax中;(5)如果直径最大的类Cm中没有分类点放入新的类CMax中,则执行下一步骤,否则返回 到步骤⑵;(6)如果所有类的直径<第六阈值T6,则结束,否则返回到步骤(2)。
9.按照权利要求1所述的方法,其中所述类分裂包括在每一个类中,计算每条轨迹在 当前帧图像之后的多帧图像内的位移的平均方向,根据计算的平均方向所属的八个方向类 别,将每个类分裂成更小的类,其中八个方向分别为-22. 5° 22. 5°、22.5° 67. 5°、 67.5° 112. 5° ,112. 5° 157. 5° ,157. 5° 202. 5° ,202. 5° 247. 5° ,247. 5° 292. 5° ,292. 5° 337. 5°。
10.按照权利要求9所述的方法,其中所述类聚合包括计算每个类的中心位置,如果 两个类满足以下两个条件①两个类的中心位置<第八阈值T8 ;②两个类同属于八个方向 中的同一方向类中,则将两个类聚合成一个类,直到没有两个类满足条件为止。
11.一种低密度人群的统计装置,其特征在于,该装置包括背景建立及前景点提取单元,用于更新背景图像并提取当前图像的前景点; 特征点检测单元,用于从当前图像的前景点中检测出特征点; 特征点运动轨迹获取单元,用于获取特征点运动轨迹;正常运动轨迹提取单元,用于根据运动轨迹的运动位移和运动方向变化率,提取出正 常的运动轨迹;运动轨迹初步分类单元,用于将连续多帧图像内同一轨迹上的特征点作为一个分类 点,对所有分类点进行聚类,以获得初步的分类;和人数获取单元,用于对初步的分类进行类分裂和类聚合处理,以获得聚类类别数,将该 聚类类别数作为所统计人群的人数。
12.按照权利要求11所述的装置,其中所述背景建立及前景点提取单元执行以下操作假设Ik表示第k帧图像,k为整数,Bk表示第k帧背景图像,其中背景图像的初始值为 B0 = Itl,则按下式更新背景图像
13.按照权利要求11所述的装置,其中背景建立及前景点提取单元此外还执行以下操作第k帧图像的前景图像Fk为Fk(x,y) = Ik(χ, y)-Bk(χ, y);对前景图像进行阈值分 割以提取前景点。
14.按照权利要求13所述的装置,其中所述对前景图像进行阈值分割以提取前景点包括如果Fk(x,y)≥第一阈值Tl,则认为该点(x, y)是当前图像的前景点,否则认为该点(x,y)是当前图像的背景点。
15.按照权利要求Ii所述的装置,其中所述特征点检测单元利用角点检测算法来进行 检测。
16.按照权利要求11所述的装置,其中所述特征点运动轨迹获取单元采用KLT特征点 跟踪算法来获取运动轨迹。
17.按照权利要求11所述的装置,其中所述正常运动轨迹提取单元执行以下操作分 别计算每条运动轨迹在连续多帧图像内的运动位移、运动方向变化率;将同时满足运动位 移>第四阈值T4和运动方向变化率<第五阈值T5的运动轨迹作为正常的轨迹并输出该正 常的轨迹。
18.按照权利要求11所述的装置,其中所述运动轨迹初步分类单元执行以下操作将所有分类点看作为一个初始类C1,此时当前的类别数Max = 1 ;在所有类中选出直径最大且满足直径>第六阈值T6的类Cm,其中m表示第m类,且 l^m^ Max, Max表示当前的类别数,在直径最大的类Cm中找出一个与其他分类点相异度 最大的分类点,执行Max = Max+1并将该分类点看作一个新的类CMax,分别计算直径最大的 类Cm中分类点与新的类CMax中分类点的最大距离outerDist,其中P;"表示直径最大的类 Cffl中第ρ个分类点,并计算直径最大的类Cm中分类点与该类中其他分类点的最小距离 interDist,如果outerDist < interDist则将该分类点户;"放入新的类CMax中,直到直径最 大的类Cm中没有分类点放入新的类CMax中并且所有类的直径<第六阈值T6。
19.按照权利要求11所述的装置,其中所述人数获取单元执行的类分裂包括在每一 个类中,计算每条轨迹在当前帧图像之后的多帧图像内的位移的平均方向,根据计算的平 均方向所属的八个方向类别,将每个类分裂成更小的类,其中八个方向分别为_22.5° 22.5°、22. 5° 67. 5°、67. 5° 112.5°、112. 5° 157. 5 °、157. 5° 202. 5 °、 202.5° 247. 5° ,247. 5° 292. 5° ,292. 5° 337. 5°。
20.按照权利要求19所述的装置,其中所述人数获取单元执行的类聚合处理包括 计算每个类的中心位置,如果两个类满足以下两个条件①两个类的中心位置<第八阈值 T8 ;②两个类同属于八个方向中的同一方向类中,则将两个类聚合成一个类,直到没有两个 类满足条件为止。
全文摘要
本发明提供了一种低密度人群的统计方法及装置。所述方法包括更新背景图像并提取当前图像的前景点;对当前图像中的每个前景点进行检测以获取特征点;获取每个特征点的运动轨迹;根据运动轨迹的运动位移和运动方向变化率,提取出正常的运动轨迹;将连续多帧图像内同一轨迹上的特征点作为一个分类点,对所有分类点进行聚类,以获得初步的分类;和对初步的分类进行类分裂和类聚合处理,以获得聚类类别数,将该聚类类别数作为所统计人群的人数。本发明能够有效地克服由于遮掩等使得跟踪丢失或者错误的问题,简单易行并且提高了准确度;此外,可扩展性强,不仅仅适用于人群检测,稍加调整,可应用于车流量等类似其他目标数量统计。
文档编号G06K9/62GK101976353SQ201010529670
公开日2011年2月16日 申请日期2010年10月28日 优先权日2010年10月28日
发明者游磊 申请人:北京智安邦科技有限公司