本发明涉及高密度人流状况和统计方法，具体涉及一种用于人流行为识别和人数统计的统计系统以及方法，属于计算机视觉、图像处理，人工智能视频分析技术领域，增强了复杂背景下目标探测的能力，适用于区域安保系统，特别适用于对人流中入侵、徘徊等行为识别，对关注人物的行为进行探测、跟踪和制止。
背景技术：
高密度情况下的人流统计和人流状况分析(人群计数以及人群状态分析)有其重要的社会意义和应用价值。利用区域内的人流统计和人流状况信息：管理人员可以合理调度人力和物力，优化资源的配置；对一系列社会治安问题能起到很好的预警作用。鉴于人群人数统计在智能视频监控和人群行为分析领域的重要意义，该问题引起国、内外众多方面的研究，提出多种方法。近年来，计算机视觉领域的著名期刊都有大量有关高密度人群计数以及以此为基础的人群行为智能分析相关的文章和讨论。特别是国际高级视频和录像监控论坛avss每年都会有专门针对人群分析的专题会议。在我国，对基于计算机视觉的人群分析相关专题也多有讨论。取得较好的效果，并在重要区域安保系统中得到应用。但由于复杂背景和目标的分离问题很难解决，算法较复杂，误报率较高，人流计数和统计项目的应用场景基本局限在区域的进出口。
技术实现要素：
针对现有技术中的缺陷，本发明的目的是提供一种用于人流行为识别和人数统计的统计系统以及方法。
本发明是根据以下技术方案实现的：
一种用于人流行为识别和人数统计的统计系统，该系统是基于人体头部特征和红外特征的，其特征在于，包括数据采集装置、信息处理器以及信息显示交互装置，所述数据采集装置通过探测单元采集实时监控图像信息并通过图像预处理单元完成图像的预处理，向上层为信息处理器提供预处理后的图像，所述信息处理器采用模块封装的形式实现人群的分割、特征提取、聚类、人数统计模型的自适应训练以及最后的实时评估，向上为显示交互装置提供实时的场景人数统计信息，所述显示交互装置通过显示控制台显示场景信息以及实时的人数统计信息，同时根据用户事先设置好的报警提示阈值做相应动作，并在运行过程中向用户提供对系统参数进行调整的交互接口。
上述技术方案中，所述探测单元包括视频监测设备和红外光电监测设备，所述红外光电监测设备采用敏感波长为8-14μm的红外探测器，所述视频监测设备选用具有弱光高清探测的设备，与所述与红外光电监测器配合进行日夜探测。
上述技术方案中，所述信息处理器包括人群特征处理模块、自适应聚类模块、实时预测模块。
一种用于人流行为识别和人数统计的统计方法，利用权利要求1-3任一项所述的统计系统实现的，其特征在于，包括如下步骤：
步骤s1：基于人体红外特征的红外、可见光视频图像中的人体目标检测，采用高亮像素检测、边缘检测以及视差三者结合的方法获取目标区域；
步骤s2：利用红外热量成像，通过对红外灰度图像的灰度分布进行分析；
步骤s3：将图像中灰度值有阶跃变化或状变化的像素提取出来，然后将细化的连续边缘像素点组装成为一个轮廓，进行目标边缘提取；
步骤s4：根据头部的特征建立人头的参数模板，并采用该模板对目标进行匹配；
步骤s5：根据目标的轮廓和视差信息建立多特征人头模型。
与现有技术相比，本发明具有如下的有益效果：
本发明具有较高的实时性、鲁棒性及准确性，方法增强了复杂背景下目标探测的能力，适用于区域安保系统，特别适用于对人流中入侵、徘徊等行为识别，对关注人物的行为进行探测、跟踪和制止。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的系统架构图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1为本发明的系统架构图，如图1所示，一种用于人流行为识别和人数统计的统计系统，该系统是基于人体头部特征和红外特征的，其特征在于，包括数据采集装置、信息处理器以及信息显示交互装置，所述数据采集装置通过探测单元采集实时监控图像信息并通过图像预处理单元完成图像的预处理，向上层为信息处理器提供预处理后的图像，所述信息处理器采用模块封装的形式实现人群的分割、特征提取、聚类、人数统计模型的自适应训练以及最后的实时评估，向上为显示交互装置提供实时的场景人数统计信息，所述显示交互装置通过显示控制台显示场景信息以及实时的人数统计信息，同时根据用户事先设置好的报警提示阈值做相应动作，并在运行过程中向用户提供对系统参数进行调整的交互接口。
在本发明的具体实施例中，所述探测单元包括视频监测设备和红外光电监测设备，所述红外光电监测设备采用敏感波长为8-14μm的红外探测器，所述视频监测设备选用具有弱光高清探测的设备，与所述与红外光电监测器配合进行日夜探测。
所述信息处理器包括人群特征处理模块、自适应聚类模块、实时预测模块。而这些模块是本领域所公知的，在此就不做详细描述。
本发明提出的一种基于人体头部特征和红外特征的高密度人流状况的统计方法，利用上述的统计系统实现，包括如下步骤：
一种用于人流行为识别和人数统计的统计方法，利用权利要求1-3任一项所述的统计系统实现的，其特征在于，包括如下步骤：
步骤s1：基于人体红外特征的红外、可见光视频图像中的人体目标检测，采用高亮像素检测、边缘检测以及视差三者结合的方法获取目标区域；
步骤s2：利用红外热量成像，通过对红外灰度图像的灰度分布进行分析；
步骤s3：将图像中灰度值有阶跃变化或状变化的像素提取出来，然后将细化的连续边缘像素点组装成为一个轮廓，进行目标边缘提取；
步骤s4：根据头部的特征建立人头的参数模板，并采用该模板对目标进行匹配，达到快速实时；
步骤s5：根据目标的轮廓和视差信息建立多特征人头模型，降低了采用单一特征模型导致的匹配误差，具有较高的实时性、鲁棒性及准确性。
实施例1
基于人体红外特征的红外、可见光视频图像中的人体目标检测方法。
可见光图像的方法很难解决复杂背景和目标的分离问题，红外视频图像利用热量成像，相比可见光视频图像，不易受到光线的影响，因此，红外视频图像中的背景比较简单。
红外辐射与热能的传递有关，人体作为一个辐射源，和其他物体一样遵守红外辐射定律。但是，人体作为一个有生命的高等恒温生物体具有生命活动的基本特征。人体红外辐射与机体的能量代谢、体热平衡、体温调节及组织结构有着密切的内在联系，有其特定的生理机制和结构基础，正常人体的辐射本领与绝对温度310ok的黑体相似。不论肤色，比辐射率约为0.99，说明人体具有很高的辐射本领。黑体的峰值辐射波长与黑体绝对温度成反比，即λmt＝c(λm表示黑体的峰值波长，t是黑体的绝对温度，c是一个常数，等于2897.8μm.k)。也就是说，物体的热辐射是波长和温度的函数，温度越高，辐射能量越大，峰值波长则向短波方向移动。根据这一定律，只要知道物体的绝对温度，就能计算出它的峰值辐射波长，正常人体为37℃，也就是310ok(k表示绝对温标，它和摄氏差273.15度)，按公式计算，人体峰值辐射波长λm＝9.348μm。
由于人眼只能对0.4～0.7μm的可见光波段敏感，而各种不同材料的红外探测器(热敏型，光子型)，可以探测0.7—14μm的红外波段。本发明根据人体峰值辐射波长，限于现有红外探测器成品，选用敏感波长为8-14μm的红外探测器探测人体红外辐射。经过一系列的信号处理，把热辐射信号转化为可视性的和可定量的红外热图像，与视频监测设备的可见光视频图像融合。
实施例2
基于头部特征的高密度人流状况和统计方法；
由于人体的姿态变化较大，采用形状匹配的人流状况和统计方法需要建立大量的形状模板，还要考虑如何抽取目标的完整轮廓。但通过分析人体外部特征可以看出：人体头部特征较明显，采用头部与肩部结合的特征，且人头顶部形状和特征相对固定，建立一个人体头部特征模型，利用该模型在获取的图像中定位目标，因此采用头部特征识别，可达到快速实时。
实施例3
将红外图像中的潜在目标区域分割出来，准确定位。
圈定这个区域分割是将红外图像中的潜在目标区域分割出来，以便于后面的目标检测操作。roi分割步骤包括高亮像素检测、数学形态学处理、标记连通区域以及区域合并4个子步骤。其中标记连通区域以及区域合并均由综合处理单元相关算法完成。
本发明主要包括高亮像素检测和数学形态学处理：
1.高亮像素检测
为了有效地对圈定这个区域roi进行分割，首先对红外灰度图像的灰度分布进行研究。一般来说，由于红外图像对光线不敏感，只对热量敏感，而一个场景的环境温度是比较均匀的，所以相比可见光图像，其灰度分布的规律较为明显。
2.数学形态学处理
目标边缘提取，图像的边缘是图像中灰度变化剧烈的部分，是分析图像形状特征的基础。边缘提取就是通过一定数学方法，将图像中灰度值有阶跃变化或状变化的像素提取出来。理想的图像边缘检测结果是细化的连续边缘像素点，然后将这些连续的像素点组装成为一个轮廓，即轮廓提取。图像边缘检测的效果直接影响后续的轮廓分析。本发明边缘检测算法利用高斯滤波器的导数计算，并改进了随机霍夫变换来确定轮廓参数。
完成圈定这个区域r01分割后，下一步就是目标检测。形状匹配是最直接的方法，根据头部的特征建立人头的参数模板，并采用该模板对目标进行匹配；
采用高亮像素检测、边缘检测以及视差三者结合的方法获取目标区域，然后通过头部匹配进行目标检测；采用基于投影的目标分割方法，然后综合采用直方图、目标相似性以及边缘特征相结合的分类方法对目标进行检测等方法。
利用人头目标进行行人计数面临的问题主要存在于算法的实时性、鲁棒性及准确性3个方面，单一的检测手段难以满足实际要求，需要融合多种方法以提高系统的性能.针对模板匹配方法中检测准确率易受外界环境影响的不足，通过对人头参数模型的建立和目标跟踪算法2个方面的研究，本发明建立了一种行人和静止人群计数系统，针对本系统提出的算法继承了模板匹配方法实时性好的优点，平均准确率达95％以上.在目标识别方面，本发明根据目标的轮廓和视差信息建立多特征人头模型，降低了采用单一特征模型导致的匹配误差。
实施例4
采用检测、跟踪相结合的方法达到实时人数计数和人群状态分析、高密度人群计数以及行人跟踪等相关信息。采用行人跟踪轨迹的方法达到场景内人群滞留、徘徊等行为分析。
以人头检测得到的目标区域对跟踪算法进行初始化，在对跟踪区域进行预处理后，采用改进后的meanshift(均值漂移向量)跟踪算法对目标进行跟踪。出现行人在场景内滞留、徘徊等情况时，系统可以有效地予以判断，从而消除重复计数的误差，提高统计的准确率。并根据要求对滞留、徘徊等情况作出分析。
本发明具有较高的实时性、鲁棒性及准确性，方法增强了复杂背景下目标探测的能力，适用于区域安保系统，特别适用于对人流中入侵、徘徊等行为识别，对关注人物的行为进行探测、跟踪和制止。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。