一种基于fast的计算机辅助cad人数统计方法
【专利摘要】一种基于FAST的人数统计方法，属于计算机视觉人数统计需求领域，其特征在于，在对人群监控视频图像进行滤波预处理后，利用角点检测算法得到当前图像的角点特征向量FAST,再按照当前人群图像特征点与像素点总数之比分为低、高密度的人群图像，提取出两者的前景图像后，对于低密度人群前景图像把腐蚀算法得到的连通域面积T作为FAST特征点，对于高密度人群的前景图像，利用OPTiCS算法为各像素点中的核心点建立邻居域，再以每个邻居域核心点到各个像素点的最小可达距离作为每个邻居域内的最小可达距离并以此构建高密度人群的FAST特征点向量X，再以T、X和摄像机离人群距离D构筑人群评估模型，再以设定的训练样本作测试向量进行SVM支持向量机训练，提高了统计速度和准确率。
【专利说明】—种基于FAST的计算机辅助CAD人数统计方法
【技术领域】
[0001]本发明涉及计算机视觉领域的人数统计。
【背景技术】
[0002]当前人数计数方法可以划分为三大类:
[0003]第I类方法采用一种统计的方法来估计某个区域的人数。该类方法通常是将运动区域的像素或者其他特征和该区域具体人数关联起来，然后训练一个函数来估计运动区域的人数。如Kim等人和Lee等人利用底层特征——前景像素累计和与运动向量来进行人数统计，像素累计和与人数关联，运动向量用于区分两个方向，使用了较简单的特征来统计得到核函数。而Chan等人则进一步使用多种特征来训练回归函数。使用的特征可以分为两大类:区域相关特征和区域内部边缘相关特征。区域相关特征，如区域面积、周长、区域外沿方向直方图、周长面积比等。区域内部边缘相关特征，包括区域内部边沿像素和值，内部边缘直方图和纹理信息等，得到了较满意的计数效果。但是核函数的方法和具体场景关联性太大。
[0004]第2类方法采用检测加跟踪相结合的方法。该类方法通常都有一个预处理过程，在预处理过程中，提取出运动区域，然后在运动区域上检测行人。常用的检测方法有基于投影直方图的分割方法。基于模板匹配的方法和基于统计分类(训练一个分类器)的方法。基于投影直方图的方法，如Zhang等人首先采用高斯背景建模提取出前景区域，进一步阈值化得到前景二值图像，然后对此图像进行竖直方向投影，得到一个关于图像宽度和像素累积值的直方图，然后根据直方图的极值点来分割行人。Ma等人进一步地对图像在两个方向上均进行投影，解决同一竖直方向多人重合的情况。这种分割方法的优点是简单快速，但缺点也很明显，在人群较为密集的情况下，得到的结果可信度不高；基于模板匹配的方法，如由Gavrila等人基于轮廓的分层匹配算法，为了解决行人姿态问题，构造了接近2500个轮廓模板对行人进行匹配，采用由粗到细的匹配策略来提高速度；基于统计分类的方法通过对训练数据的学习，得到一个分类器，检测就转化为一个分类问题。当前的行人检测热门方法几乎都属于此类。
[0005]第3类方法采用特征点跟踪，得到点的路径信息，然后对特征点路径信息进行聚类分析实现人数计数，这种处理方法是针对密集人群下的实时计数需求提出的。Vincent等人采用KLT(Kanade-Lucas-Tomasi)跟踪器获取特征点的轨迹信息。然后对这些轨迹信息使用一些基本规则，如轨迹之间运动相似度，轨迹之间距离等，将点归属于不同的目标，后采用RANSAC算法合并得到最终目标数目。Sugimura在使用特征点聚类的基础之上，增加了单个个体的步态信息和局部时域一致性特征来更好地将不同的行人之间的特征点划分开。这类方法是当前一种较为新颖的方法，其优点是能够在人群拥挤的情况下实现计数。
【发明内容】
[0006]本发明的目的在于提供一种在统计速度和准确率上均提高于现有技术的基于FAST的CAD人数统计方法。
[0007]本发明的特点在于，是在计算机中依次按以下步骤实现的:
[0008]步骤(1)，把输入的监控视频图像数据转制为图片数据，得到离散的数字图像序列，用{z}表不；
[0009]步骤(2)，对步骤(1)得到的数字图像序列{Z}按以下步骤进行图像增强预处理:
[0010]步骤(2.1)，对每帧数字图像z，z = 1，2，…z，…Z，按下式计算灰度为i的像素的出现概率Px (i); [0011]Px (i) = rii/N，i ^ I,是灰度值为i的直方图，横轴是像素值i，纵轴是出现概率，其中，
[0012]Iii是灰度值为i的像素点数，
[0013]N为该帧图像的像素点总数，
[0014]步骤(2.2)，按下述拉普拉斯高斯函数滤波，使所述直方图Px (i)均衡化，保证每个灰度级的概率密度相等:
【权利要求】
1.一种基于FAST的计算机辅助CAD人数统计方法，其特征在于，是在计算机中依次按以下步骤实现的: 步骤(1)，把输入的监控视频图像数据转制为图片数据，得到离散的数字图像序列，用{Z}表示； 步骤(2)，对步骤(1)得到的数字图像序列{Z}按以下步骤进行图像增强预处理: 步骤(2.1)，对每帧数字图像z，z=l，2，…z，…Z，按下式计算灰度为i的像素的出现概率 ρχα)； Px⑴=IVU O≤i ( I,是灰度值为i的直方图，横轴是像素值i，纵轴是出现概率，其中， Iii是灰度值为i的像素点数， N为该帧图像的像素点总数， 步骤(2.2)，按下述拉普拉斯高斯函数滤波，使所述直方图匕(1)均衡化，保证每个灰度级的概率密度相等:
【文档编号】G06K9/66GK103577875SQ201310589429
【公开日】2014年2月12日 申请日期:2013年11月20日 优先权日:2013年11月20日
【发明者】鲍泓, 徐成, 刘宏哲, 张璐璐 申请人:北京联合大学