一种公共区域人体行为监控方法与流程

技术特征：

1.一种公共区域人体行为监控方法，其特征在于，包括以下步骤：

1)通过激光扫描仪获取公共区域人体目标表面点云集合S＝{q₁,q₁,....,q_n},i＝1,2,...,n，每个点由m个属性表示，即q_i＝{x₁,x₂,...,x_m},j＝1,2,...,m，得到散乱点云数据，点集S是以n×m的矩阵A出现的，其中x_m为点云集合S中各个点云的属性；

2)对点云集合S去噪，得到去噪后的点云集合S'＝{p_i|i＝1,....,n}；

3)利用所述去噪后的点云集合S'＝{p_i|i＝1,....,n}重建出人体三维轮廓，从而得到人体凸包；

4)通过数据聚类，检测出所述人体凸包的数量，即得到激光扫描面的客流个数；数据具备在时间轴上的长度即为行人通过垂直激光扫描面的时间，即客流的通行速度；数据聚类的横向间隔代表行人间的距离，即客流密度。

2.根据权利要求1所述的公共区域人体行为监控方法，其特征在于，对点云集合S去噪的具体实现过程为：

1)固定三维坐标中的Z轴，即矩阵A的第三列，基于矩阵A的第三列对点云数据进行升序排序；

2)设定分层阈值P；

3)基于Z轴，将空间内的散乱点云分为K层，得到每一层的中心以及簇内点的个数，分层数目和分层中心分别作为k-means算法的聚类数搜索范围的上限k_max和初始聚类中心。

3.根据权利要求2所述的公共区域人体行为监控方法，其特征在于，分层阈值P取值为0.07。

4.根据权利要求2所述的公共区域人体行为监控方法，其特征在于，利用所述去噪后的点云集合S'＝{p_i|i＝1,....,n}重建出人体三维轮廓的具体实现过程为：

1)对任一插入点p，以p为中心，以边长g形成一个四边形；p点为点云集合S'中的数据点；

2)利用所述四边形限定所述首三角形的搜索范围，选取重心离p距离最近的三角形T作为搜索判断的首三角形；其中首个三角形的边长由随意选定第一个点，然后计算出距离该点最短距离的临近二个点，最后将这三个点连接起来，即为首个三角形；

3)T的重心和p连接生成搜索方向线，若搜索方向线和首三角形不相交，则p位于T中，算法结束；若搜索方向线和T中某条边e相交，则计算搜索方向线和边e邻接三角形T₀的交点个数，若个数为1，则p在T₀中；若交点个数为2，相交边分别为e、e1，则继续判断搜索方向线和e1的邻接三角形的交点个数，直至最后一条边被找到，则结束；若搜索方向线和首三角形相交但交点为首三角形的顶点p₀，则按逆时针方向搜索p₀的对边h，判断h和搜索方向线是否相交，若h和搜索方向线不相交，则对p₀的下一个对边判断，若相交且交点不是顶点，则直接对该对边的邻接三角形进行判断，若相交但交点仍是首三角形的顶点，则按上述方法完成插入点目标三角形定位；

4)从平面点集中选择未处理的点R，利用上述平面点集S'，对已经定位好的三角形，将这些三角形根据构建出来的顺序，建立一个三角形链表，从三角形链表中选择包含点R的目标三角形，连接R和包含点R的目标三角形的三个顶点，并根据Delaunay优化准则进行局部优化，即对包含点R的目标三角形进行优化，即在含点R的目标三角形中，如果有未连的点R，则在含点R的目标三角形内再次细分连接三角形，也就是将含点R的目标三角形细分为三个三角形；

5)生成二维Delaunay三角网格，即重建出人体三维轮廓，从而得到人体凸包。