基于聚类法的人数计数方法
【专利摘要】本发明属于计算机视觉【技术领域】，并公开了一种基于聚类法的人数计数方法，其将全局光流法与高斯背景建模相结合，作用于输入图像，得到运动行人区域；利用聚类法对运动行人区域的行人运动方向进行分割，得到行人运动区域内各行人的运动方向信息；利用线性回归分析方法统计各方向运动行人的人数。通过本发明，能够有效地避免对视频流图像中的每一帧图形中的像素点进行特征点提取等操作，从而有效地提高了对公共区域内对行人进行人数统计的效率与准确度，并降低了计算机的系统开销。
【专利说明】
【技术领域】
[0001] 本发明属于计算机视觉【技术领域】，特别涉及一种基于聚类法的人数计数方法。 基于聚类法的人数计数方法
【背景技术】
[0002] 聚类是将数据分类到不同的簇的过程，同一簇中的对象有很大的相似性，而不同 的簇间的对象则具有很大的相异性。因此，基于聚类的聚类分析（Cluster Analysis)就是 通过数据建模以简化数据的一种方法。聚类分析是指将物理或抽象对象的集合分组成为由 类似的对象组成的多个类的分析过程，并可以用于衡量不同数据源间的相似性，以及把数 据源分类到不同的簇中。
[0003] 在计算机视觉【技术领域】，对行人人数的统计是其中的热点研究方向之一。对公共 区域中的行人人数进行有效统计，可以对商业、安保等多个领域提供重要的参考依据。现有 技术中，一般是通过摄像机或照相机获取公共区域中的包含行人的视频流图像，并对视频 流图像中的帧进行处理，以统计出行人人数。由于视频流文件通常非常庞大，因此导致现有 技术中对公共区域中行人人数的统计过程中的计算机运算过程比较复杂，造成计算机对视 频流文件中的单帧图像进行逐帧处理时的系统开销比较大。
【发明内容】
[0004] 本发明的目的在于提供一种基于聚类法的行人计数方法，用以提高对公共区域内 对行人进行人数统计的效率与准确度，并有效降低计算机的系统开销。
[0005] 为实现上述发明目的，本发明提供了一种基于聚类法的人数计数方法，包括：
[0006] S1 :对输入图像进行全局光流法、中值滤波及阈值分割处理，以得到输入图像光流 场的二值图像Mx，y);
[0007] S2 :对输入图像进行高斯背景建模、尺度滤波，以得到输入图像中运动区域的二值 图像 Rgauss(x，y);
[0008] S3 :对步骤S1和S2中分别得到的二值图像L(X，y)及Rgauss(x，y)做与运算，并 通过形态学处理方法，以获得行人运动区域二值化图像R(x，y);
[0009] S4 :将步骤S3中得到的行人运动区域二值化图像R(x，y)与步骤S1中得到的输 入图像光流场的二值图像y)做与运算，得到运动行人区域的光流场角度信息θρ 1 < i < Ν以组成聚类样本空间，然后通过聚类法对行人运动区域中的行人运动方向进行分 害I]，以得到行人运动区域中各行人的运动方向信息；其中，N是行人运动区域的像素点的总 个数，
【权利要求】
1. 基于聚类法的人数计数方法，其特征在于，包括： S1:对输入图像进行全局光流法、中值滤波及阈值分割处理，以得到输入图像光流场的 二值图像Rrf(X，y); 52 :对输入图像进行高斯背景建模、尺度滤波，以得到输入图像中运动区域的二值图像 Rgauss(x，y); 53 :对步骤S1和S2中分别得到的二值图像R#(X，y)及Rgauss(x，y)做与运算，并通过 形态学处理方法，以获得行人运动区域二值化图像R(x，y); 54 :将步骤S3中得到的行人运动区域二值化图像R(x，y)与步骤S1中得到的输入图像 光流场的二值图像Ι^( Χ，7)做与运算，得到运动行人区域的光流场角度信息Θ pi < i 以组成聚类样本空间，然后通过聚类法对行人运动区域中的行人运动方向进行分割，以得 到行人运动区域中各行人的运动方向信息；其中，N是行人运动区域的像素点的总个数， Θ i e [〇。，360。）； 55 :利用线性回归分析方法统计各方向运动行人的数量。
2. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S1中中值滤波与阈值 分割之间还包括：利用窗口大小为5*5的滤波器对输入图像进行平滑处理。
3. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S2中的尺度滤波具体 为：利用窗口大小为8*8的尺度滤波器对输入图像进行尺度滤波。
4. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S2中的"高斯背景建 模"具体为：利用混合高斯模型进行背景建模。
5. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S3中的"形态学处理 方法"具体为：先进行膨胀处理，后进行腐蚀处理；其中，所述膨胀处理的膨胀参数为7,腐 蚀处理中的腐蚀参数为3。
6. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S4中的"行人运动区 域"包括由步骤S3中所获得的行人运动区域二值化图像R(x，y)中所包含的行人位置信息， 以及由步骤S4所获得的运动行人区域的光流场角度信息θ ρ
7. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S4中的"聚类法"为K 均值聚类。
8. 根据权利要求1所述的人数计数方法，其特征在于，所述步骤S4具体为： 511 :初始化聚类； 512 :更新聚类中心； 513 :合并相似类别； 514 :更新类内阈值； 515 :根据新的参数重新聚类，然后顺序重复执行步骤S12、步骤S13、步骤S14 ; 516 :循环更新聚类结果，直至循环次数达到10次。
【文档编号】G06M11/00GK104091351SQ201410308684
【公开日】2014年10月8日 申请日期:2014年6月27日 优先权日:2014年6月27日
【发明者】吕楠, 杨京雨, 瞿研 申请人:无锡慧眼电子科技有限公司