专利名称：一种群体密度检测方法
技术领域：
本发明属于群体密度检测方法，尤其是基于视频分析的群体密度检测方法。
背景技术：
群体(车辆/人群)密度预警，包括车辆拥堵预警和人群聚集预警等，在公共交通 畅通和公共安全防范领域有非常重要的意义。依靠人工估计的方法无法支持规模化应用， 应用视频分析实现群体密度的在线智能检测成为当前的研究热点。目前基于视频智能分析 检测群体密度的方法，主要包括目标特征分析法和群体密度估计法。目标特征分析法基于个体的精确检测基础上进行统计。首先检测、跟踪视频序列 图像中的目标特征，识别出存在的目标，然后进行统计。这类方法对目标较稀疏的场景检测 效果较好，但是对于如道路交叉口或者地铁站点等车流密集或人群密集的场景，由于遮挡 等问题难以精确分析出目标，因此无法对目标进行统计。群体密度估计法并不对个体进行识别统计，而是对整体进行分析，着眼群体的密 集程度，而不精确统计群体的个体具体数量。目前基于视频分析的群体密度估计方法有基 于“前景像素总数/密度”回归关系、“灰度共生矩阵/密度”回归关系、以及加入一些辅助 手段进行扩展分析的技术，包括小波变换技术等。基于像素进行分析，由于角度等问题，像 素个数与目标并不存在线性关系，近景目标像素统计数较多，远景目标像素统计数较少，因 此分析结果往往由于角度不同或者群体密度不同而导致了较大误差。并且，光照不稳定对 基于像素级别的密度分析影响也较大。综上所述，现有基于视频分析的密度检测方法存在的问题是抵抗角度差异、群体 密集程度以及光照变化等方面能力较差。
发明内容
本发明提供了一种解决上述问题的方案，提供一种基于视频分析的群体密度检测 方法。本发明的技术方案是提供一种群体密度检测方法，该方法是在数字摄像机作为传 感器以及数字信号处理芯片的支持下实现的，其特征在于该方法包括以下步骤1)采用数字摄像机作为传感器，连续采集定点区域形成数字视频；2)提取1)中所述数字视频图像帧的角点特征；3)提取1)中所述数字视频图像帧的纹理特征；4)应用2)中所得到的所述角点特征及3)中所得到的所述纹理特征的特征组合与 群体密度之间的回归关系估算1)所述定点区域的群体密度。优选的，其中步骤2、中基于梯度方法提取所述数字视频图像帧的角点特征。优选的，其中步骤幻中基于缩放不变局部三元特征SILTP提取所述数字视频图像 帧的纹理特征。。优选的，所述回归关系是通过支持向量回归算法SVR学习大量样本得到的。
优选的，步骤4)中估算所述定点区域的群体密度时，依据所述数字视频的距离的 远近采用不同的回归关系响应函数。本发明的群体密度检测方法有效地解决了现有基于视频分析的密度检测方法存 在由于角度差异、群体过密以及光照变化等带来的密度估计误差的问题。具有精度高、鲁棒 性强等优点。
图1是本发明的算法原理框图。
具体实施例方式下面对本发明的具体实施方式
作进一步详细的描述。如图1所示，本发明的群体密度检测方法首先进行视频采集，采集到的视频信息 依次经过角点特征提取、边缘纹理特征提取、支持向量回归SVR算法估算，最终得出检测结^ ο本发明所采用的方案是在数字摄像机作为传感器的支持下实现的，依据纹理粗糙 度和群体(车辆/人群)密度之间的回归关系进行估算。以下结合附图1所示的算法原理 图，详细说明本方法的具体实施方式
。①采用数字摄像机作为传感器连续采集各种群体聚集场景形成数字视频流作为 信号源，数字摄像机采用CCD或者CMOS等A/D芯片；②人工选取步骤①所述各种群体聚集场景数字视频中具有典型意义的视频图像 帧作为训练样本并相应标记该样本的群体密度值参数；③首先是基于梯度方法提取样本的角点特征。角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。角点在保 留图像图形重要特征的同时，可以有效地减少信息的数据量，使其信息的含量很高，有效地 提高了计算的速度，在三维场景重建、运动估计、目标跟踪、目标识别、图像配准与匹配等计 算机视觉领域起着非常重要的作用。基于梯度的方法是通过计算边缘的曲率来判断角点的 存在性，角点计算数值的大小不仅与边缘强度有关，而且与边缘方向的变化率有关。步骤如 下(1)计算图像像素点在水平和垂直方向上的梯度，以及两者的乘积，得到M中4个 元素的值；
权利要求
1.一种群体密度检测方法，该方法是在数字摄像机作为传感器以及数字信号处理芯片 的支持下实现的，其特征在于该方法包括以下步骤1)采用数字摄像机作为传感器，连续采集定点区域形成数字视频；2)提取1)中所述数字视频图像帧的角点特征；3)提取1)中所述数字视频图像帧的纹理特征；4)应用2)中所得到的所述角点特征及3)中所得到的所述纹理特征的特征组合与群体 密度之间的回归关系估算1)所述定点区域的群体密度。
2.根据权利要求1所述的群体密度检测方法，其特征在于其中步骤2)中基于梯度方 法提取所述数字视频图像帧的角点特征。
3.根据权利要求1所述的群体密度检测方法，其特征在于其中步骤3)中基于缩放不 变局部三元特征SILTP提取所述数字视频图像帧的纹理特征。
4.根据权利要求1所述的群体密度检测方法，其特征在于所述回归关系是通过支持 向量回归算法SVR学习大量样本得出的。
5.根据权利要求1所述的群体密度检测方法，其特征在于步骤4)中估算所述定点区 域的群体密度时，依据所述数字视频的距离的远近采用不同的回归关系响应函数。
全文摘要
本发明公开了一种群体密度检测方法，该方法是在数字摄像机作为传感器以及数字信号处理芯片的支持下实现的，其特征在于该方法包括以下步骤1)采用数字摄像机作为传感器，连续采集定点区域形成数字视频；2)基于梯度方法提取1)中所述数字视频的角点特征；3)基于缩放不变局部三元特征SILTP提取1)中所述数字视频的纹理特征；4)应用2)中所得到的所述角点特征及3)中所得到的所述纹理特征的特征组合与群体密度之间的回归关系估算1)所述定点区域的群体密度。本发明的群体密度检测方法有效地解决了现有基于视频分析的密度检测方法存在由于角度差异、群体过密以及光照变化等带来的密度估计误差的问题。具有精度高、鲁棒性强等优点。
文档编号G06K9/46GK102136060SQ20111005122
公开日2011年7月27日 申请日期2011年3月3日 优先权日2011年3月3日
发明者赵春水 申请人:苏州市慧视通讯科技有限公司