专利名称：一种基于视频分析的人群密度估计方法与人流量统计方法
技术领域：
本发明涉及人群密度及人流量处理的技术领域，特别涉及一种基于视频分析的人群密度估计方法与人流量统计方法。
背景技术：
随着城市人口密度急剧增大，许多公共基础设施经常会迎来短期的人流高峰，人群的高度拥挤容易引起各种突发事件。因此对公共基础设施等场合进行人群密度估计，进而进行后续的管理、协调是十分必要的。此外，实时可靠的人流量统计信息在交通控制、商业分析、节假日出行人数统计等许多领域同样具有非常重要的意义。而采用人工监控的传统统计方法，不仅费时费力，且无法保证统计精度。因此，实现智能化的人群密度估计和人流量统计系统具有重要的现实意义。目前常见的人群密度估计和人流量统计方法可分为基于传统传感器和基于视频图像处理两大类。然而基于超声波、红外、感应圈等的传统方法具有一些缺点，例如:成本高、需要专门安装、移动困难、适应性差等，更重要的是精度较低且仅适用于稀疏、几乎无遮挡的人群，且作用的范围小。而基于视频图像处理的方法具有成本低、安装灵活、精度高、应用前景广阔等优点，因而成为当前的研究开发热点。在平安城市建设的推动下，目前很多地方和关键场所都已安装视频摄像头，大多数情况下只需在后台安装相应的软件系统，利用现有摄像头就可实现人群密度估计并进行人流量计数。现有基于视频图像处理的方法主要可以分为基于个体跟踪统计与基于群体分析两种。基于个体跟踪方法的基本思想是在图像中把人作为个体进行检测跟踪。这种方法的缺陷是要求检测跟踪精度高，计算量较大，很难达到实时性要求。而且当人群密度较大时，存在遮挡情况，难 以对个体进行检测跟踪。基于群体分析的方法是以一个区域作为整体进行分析，避免了个体检测跟踪的困难。但现有的方法基本上仅以累加前景像素结合人流速度作为统计特征估计过线人数，对遮挡问题考虑不足，不适用于人群高度密集、遮挡严重的情况。此外，现有方法一般没有考虑光照，摄像头远近、角度等问题，鲁棒性较差，且将人群密度估计与人流量统计分别实现，增加了视频分析的计算量。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于视频分析的人群密度估计方法。本发明的另一目的在于，提供一种基于上述人群密度估计方法的人流量统计方法。为了达到上述第一目的，本发明采用以下技术方案:本发明基于视频分析的人群密度估计方法，包括下述两个阶段:
(I)人群密度估计的离线训练，人工统计人群密度数据并提取图像的前景、边缘、纹理等特征，通过回归函数训练生成模型参数；(2)人群密度估计的在线处理，提取与离线训练阶段相同的特征，并利用训练好的模型参数进行回归预测。优选的，所述人群密度的离线训练具体包括下述步骤:(1-1)通过人工统计的方法对视频图像选定的一些区域进行人数统计，获取一定数量的区域人群密度数据；(1-2)利用基于低通滤波和Retinex理论的光照补偿去除光照变化的影响，获取亮度稳定的灰度图；(1-3)对去除光照变化影响的灰度图进行基于混合高斯背景建模的背景检测获取背景图和前景图，并对前景图进行阴影检测去除，采用Canny算子获取边缘图；(1-4)把图像分割成若干小区域，通过灰度图与高斯核的卷积去除噪声；(1-5)使用前景图对边缘图与灰度图进行掩模处理，并对处理后的前景图、边缘图、灰度图提取特征；(1-6)使用所提取的特征与人工统计的人群密度通过支持向量机进行回归训练，生成模型参数。优选的，步骤(1-2)中，去除光照变化影响的方法为:将一幅给定的图像S(X，y)分解成两幅不同的图像:反射物体图像R(x，y)和入射光图像L(x, y),即S(x, y) =R(x, y)L(x, y),其中L(x, y)通常对应图像的低频部分。两边取对数可得log(S) =1g(R)+log(L),可通过低通滤波获取1g(L),去除1g(L)部分并取指数即可得到不受光照变化影响的图像R(x，y)。优选的，对去除光照变化影响的图像R(x，y)，采用基于归一化互相关函数与亮度比值的阴影检测去除前景图中的阴影，具体算法如下:像素点(X，y)处归一化的互相关函数为:
权利要求
1.一种基于视频分析的人群密度估计方法，其特征在于，包括下述两个阶段: (1)人群密度估计的离线训练，人工统计人群密度数据并提取图像的前景、边缘、纹理特征，通过回归函数训练生成模型参数； (2)人群密度估计的在线处理，提取与离线训练阶段相同的特征，并利用训练好的模型参数进行回归预测。
2.根据权利要求1所述的基于视频分析的人群密度估计方法，其特征在于，所述人群密度估计的离线训练具体包括下述步骤: (1-1)通过人工统计的方法对视频图像选定的一些区域进行人数统计，获取一定数量的区域人群密度数据； (1-2)利用基于低通滤波和Retinex理论的光照补偿去除光照变化的影响，获取亮度稳定的灰度图； (1-3)对去除光照影响的灰度图进行基于混合高斯背景建模的背景检测获取背景图和前景图，并对前景图进行阴影检测去除，采用Canny算子获取边缘图； (1-4)把图像分割成若干小区域，通过灰度图与高斯核的卷积去除噪声； (1-5)使用前景图对边缘图与灰度图进行掩模处理，并对处理后的前景图、边缘图、灰度图提取特征； (1-6)使用所提取的特征与人工统计的人群密度数据通过支持向量机进行回归训练，生成模型参数。
3.根据权利要求2所述的基于视频分析的人群密度估计方法，其特征在于，步骤(1-2)中，去除光照变化影响的方法为: 将一幅给定的图像S(x，y)分解成两幅不同的图像:反射物体图像R(x，y)和入射光图像L(x, y),即S(x, y) =R(x, y)L(x, y),其中L(x, y)对应图像的低频部分,两边取对数可得log (S) =1g (R) +log (L)，通过低通滤波获取log (L)，去除log (L)部分并取指数即可得到不受光照变化影响的图像R(x，y)。
4.根据权利要求2所述的基于视频分析的人群密度估计方法，其特征在于，步骤(1-3)中，对去除光照影响的图像RU，y)，采用基于归一化互相关函数与亮度比值的阴影检测去除前景图中的阴影，具体算法如下: 像素点(X，y)处归一化的互相关函数为:
5.根据权利要求4所述的基于视频分析的人群密度估计方法，其特征在于，W设置为3，Tncc 为 0.923，Ts 为 0.52 和 Th 为 0.95。
6.根据权利要求2所述的基于视频分析的人群密度估计方法，其特征在于，步骤(1-5)中，提取的特征包括经过高斯平滑的灰度图的灰度共生矩阵特征、前景图的像素点数目、前景图团块大小直方图、边缘图的像素点数目、以及边缘图的闵可夫斯基维数特征。
7.根据权利要求1所述的基于视频分析的人群密度估计方法，其特征在于，人群密度估计的在线处理具体包括下述步骤: (2-1)对图像中少量代表性人体大小进行人工标注，与训练阶段的标准库进行对比，得到尺度因子； (2-2)采用训练阶段的步骤(1-2)至(1-5)提取特征值，并采用尺度因子对特征向量进行规范化处理； (2-3)利用支持向量机回归算法与离线训练阶段得到的模型参数对所提取的特征进行回归预测，获取区域的人群密度估计，再对前后相邻几帧的估计结果进行平滑滤波，得到最终的区域人群密度估计值。
8.基于权利要求2所述的人群密度估计方法的人流量统计方法，其特征在于，包括下述步骤: (3-1)在图像上需要计算人群通过流量的位置画出虚拟线，并将虚拟线两侧邻域划分为若干区域，根据人群密度估计方法得到各区域i的人群估计密度； (3-2)各区域i的估计人数Cli除以该区域内的前景点数量fi;得到该区域内每前景像素对应的平均人数P i ； (3-3)把每个区域又划分成垂直于虚拟线的若干个子区域，并利用Lucas-Kanade光流算法计算出在一个小的时间段At内每个子区域垂直于虚拟线的人流速度； (3-4)利用步骤(3-3)获得的人流速度，计算该时间段At内每个子区域j穿过虚拟线的人群长度，并统计每个子区域j在该长度内的前景点像素个数gp计算P igj即可得到该子区域过虚拟线人数； (3-5)对一个区域中的每个子区域分别按步骤(3-4)的方法统计人数再累加，得到该区域的过线人数。
9.根据权利要求8所述的人流量统计方法，其特征在于，步骤(3-5)中，进一步包括:将每个区域的过线人数累加得到过虚拟线的总人数，At内人流量S,t计算公式如下:
全文摘要
本发明公开了一种基于视频分析的人群密度估计方法与人流量统计方法。人群密度估计方法包括下述步骤(1)离线训练人工统计人群密度数据并提取特征进行训练；(2)在线估计提取特征并利用训练后的模型参数进行回归预测。人流量统计的方法是通过结合人群密度与小区域人流速度建立过线前景点与过线人数的鲁棒关系。本发明基于区域整体提取前景、边缘、灰度共生矩阵等特征进行人群密度估计，融合这些特征能较好地解决人群密集和遮挡等问题，实现了实时的人群密度估计；另外，在区域人群密度估计的基础上结合基于光流的人流速度进行人流量统计，避免了对复杂环境下大量个体的检测跟踪，实现了密集人群下精确鲁棒的双向人流量计数。
文档编号G06T5/00GK103218816SQ20131013657
公开日2013年7月24日 申请日期2013年4月18日 优先权日2013年4月18日
发明者郑慧诚, 吴泽瑜 申请人:中山大学