基于人头检测的视频静态人数统计方法、装置及介质与流程

本发明涉及视频分析技术领域，尤其涉及一种基于人头检测的视频静态人数统计方法、装置及介质。

背景技术：

视频人数统计是视频分析领域中一类重要的技术，大多数应用场景是大型展览馆、博物馆、地铁和公交车站等人流量大的地点，功能是用视频监控得到的视频数据进行人数统计，来对这些场所的人流量进行分析。视频人数统计相比其他传统的人数统计方式(比如红外线感知，人工统计等)，具有实施方便，成本低廉，自动化程度高的优点，在未来的智慧城市、智慧校园等发展战略中具有举足轻重的地位。

目前的视频人数统计技术主要应用于实时的动态人数统计场景，场景中人物属于运动状态。然而在教室、会议室、礼堂等室内场景中，人物大多数情况下属于静止状态的，而且人物大部分被桌子、讲台等建筑物遮挡，这时候传统的视频人数统计方法并不适用，所以存在着静态人数统计的需求。

现有的静态人数统计方法一般是用人头检测方法来进行人数统计。人头检测方法主要有两类，一类是利用人头的轮廓信息，将与人头形状相似的原状物体及人头阴影识别为人头区域，从而统计人数。该方法实现简单，但误判率较高，鲁棒性低。另一类方法是利用机器学习训练大量的人头样本数据，再根据训练结果进行人头检测。这类方法鲁棒性较高，但由于人头的特征不明显，所以漏检、误检的可能性也较大。

技术实现要素：

本发明针对背景技术的问题提供一种基于人头检测的视频静态人数统计方法、装置及介质，可以对教室、会议室等人物遮挡明显的静态场景进行人数统计，检测准确率高。

为了实现上述目的，本发明提出一种基于人头检测的视频静态人数统计方法，包括如下步骤：

s10、构建一个包含人头区域及对应得分的候选人数容器；

s20、对视频采样帧图像进行人头检测，获得该帧图像的人头检测集合；

s30、利用该帧图像的人头检测集合更新候选人数容器中的元素及对应得分；

s40、根据候选人数容器中各元素的得分值，筛选统计该帧图像中人数；

s50、循环执行步骤s20至s40实时统计视频静态人数。

优选地，步骤s20所述的对视频采样帧图像进行人头检测，具体为：

采用adaboost级联分类器，且选用lbp或haar特征作为训练特征，对样本图像进行训练分类。

优选地，步骤s30所述的利用该帧图像的人头检测集合更新候选人数容器中的元素及对应得分，具体为：通过分别计算该帧图像的人头检测集合中各元素与候选人数容器中各元素之间的欧氏距离，增减元素并调整选人数容器中的得分。

优选地，所述的通过分别计算该帧图像的人头检测集合中各元素与候选人数容器中各元素之间的欧氏距离，删减元素并调整选人数容器中的得分；具体包括：

s301、分别计算该帧图像的人头检测集合中各元素与候选人数容器中各元素之间的欧氏距离；

s302、将所获欧氏距离与设定阈值进行比较，若欧氏距离小于设定阈值，则将对应元素从人头检测集合中移除，并增加候选人数容器中对应元素的得分；若欧氏距离大于或等于设定阈值，则减少候选人数容器中对应元素的得分；

s303、对人头检测集合中剩余元素添加对应初始候选得分，并插入至候选人数容器中以进行更新。

优选地，所述的减少候选人数容器中对应元素的得分，当得分小于或等于0时，将对应元素及得分从候选人数容器中移除。

优选地，所述的增加候选人数容器中对应元素的得分或减少候选人数容器中对应元素的得分，具体为：按照固定幅度进行增加或减少。

优选地，步骤s40所述的根据候选人数容器中各元素的得分值，筛选统计该帧图像中人数，具体为：

遍历候选人数容器中各元素的得分值，将得分值与设定阈值进行比较，获取得分值大于阈值的个数，即获得该帧图像中人头个数。

本发明还提出一种基于人头检测的视频静态人数统计装置，包括：

处理器；

存储器，耦合至所述的处理器并存储有指令，所述的指令在由所述处理器执行实现所述的基于人头检测的视频静态人数统计方法的步骤。

本发明还提出一种计算机可读取存储介质，所述计算机可读取存储介质存储有基于人头检测的视频静态人数统计方法的应用程序，所述应用程序实现如所述的基于人头检测的视频静态人数统计方法的步骤。

本发明提出一种基于人头检测的视频静态人数统计方法、装置及介质，可以对教室、会议室等人物遮挡明显的静态场景进行人数统计；在人头检测的基础上，增加了一个候选人数容器的更新和筛选算法，提高了对静态人数检测的准确率，并降低了误检和漏检的概率；还可以提高检测结果的鲁棒性，降低环境噪声造成的干扰；在面对复杂的检测环境和较多的干扰噪声的情况下，可以表现出很好的检测效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明第一优选实施例中基于人头检测的视频静态人数统计方法流程图；

图2为本发明第二优选实施例中基于人头检测的视频静态人数统计方法流程图；

图3为本发明第三优选实施例中基于人头检测的视频静态人数统计方法流程图；

图4为本发明第四优选实施例中基于人头检测的视频静态人数统计装置结构示意图；

图5为本发明第四优选实施例中计算机可读取存储介质结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明提出一种基于人头检测的视频静态人数统计方法；

本发明第一优选实施例中，以统计一个教室内学生人数的例子，来对本发明作具体说明；如图1所示，包括如下步骤：

s10、构建一个包含人头区域及对应得分的候选人数容器；

本发明实施例中，构建一个候选人数容器h＝{(rp1,v1),(rp2,v2)…(rpm,vm)}＝{(rpj,vj)}(j＝1～m)，其中，rpj表示第j个元素的人头区域，vj表示第j个元素的候选得分，m表示人头区域的总个数；角标p为previous的头个字母，表示以前的；初始状态时，人头区域为空，得分为1；

s20、对教室内视频的采样帧图像进行学生人头检测，获得该帧图像的学生人头检测集合r＝{rc1,rc2,rc3…rcn}＝{rci}(i＝1～n)，rci表示第i个人头区域，其中存在着一些误检的结果；n表示检测获得学生人头总个数；角标c表示current的头个字母，表示现在的；

s30、利用该帧图像的学生人头检测集合r更新候选人数容器h中的元素及对应得分；

s40、根据候选人数容器h中各元素的得分值，筛选统计该帧图像中学生人数；

本发明实施例中，对h进行筛选，首先设定候选得分阈值sth，本发明实施例中候选得分阈值sth可以设置为大于1的整数，数值越小检测结果越灵敏，数值越大检测结果越迟钝(滞后)，要根据实际检测效果进行调整；设置后再遍历h中所有的元素，统计候选人数容器h中得分vj大于sth的成员个数，该个数即为学生人数统计的结果；

s50、循环执行步骤s20至s40实时统计视频静态人数。

本发明第二优选实施例中，在第一优选实施例的基础上进一步限定，如图2所示，包括如下步骤：

s10、构建一个包含人头区域及对应得分的候选人数容器；

本发明实施例中，构建一个候选人数容器h＝{(rp1,v1),(rp2,v2)…(rpm,vm)}＝{(rpj,vj)}(j＝1～m)，其中，rpj表示第j个元素的人头区域，vj表示第j个元素的候选得分，m表示人头区域的总个数；

s20、采用adaboost级联分类器对教室内视频的采样帧图像进行学生人头检测，获得该帧图像的学生人头检测集合r＝{rc1,rc2,rc3…rcn}＝{rci}(i＝1～n)，rci表示第i个人头区域，其中存在着一些误检的结果；n表示检测获得学生人头总个数；

本发明实施例中，人头检测的方法采用adaboost级联分类器，选用lbp或haar特征作为训练特征，具体的检测方法如下：

s201、采集10000张正样本图片(人头图片)；20000张负样本图片(非人头图片)，并将其分辨率归一化为20*20；

s202、用adaboost级联分类器对10000张正样本图片和20000张负样本图片进行训练，训练的特征选用lbp或haar；训练过程根据样本的数量和实际的训练效果调整参数，直到达到最优的训练效果，训练完成后会得到一个分类器；

s203、根据训练完成的分类器，对视频帧图像进行检测，得到多个人头检测结果；

s30、利用该帧图像的学生人头检测集合r更新候选人数容器h中的元素及对应得分；

s40、根据候选人数容器h中各元素的得分值，筛选统计该帧图像中学生人数；

本发明实施例中，对h进行筛选，首先设定候选得分阈值sth，再遍历h中所有的元素，统计候选人数容器h中得分vj大于sth的成员个数，该个数即为学生人数统计的结果；

s50、循环执行步骤s20至s40实时统计视频静态人数。

本发明第三优选实施例中，在第二优选实施例的基础上进一步限定，如图3所示，包括如下步骤：

s10、构建一个包含人头区域及对应得分的候选人数容器；

本发明实施例中，构建一个候选人数容器h＝{(rp1,v1),(rp2,v2)…(rpm,vm)}＝{(rpj,vj)}(j＝1～m)，其中，rpj表示第j个元素的人头区域，vj表示第j个元素的候选得分，m表示人头区域的总个数；

s20、采用adaboost级联分类器对教室内视频的采样帧图像进行学生人头检测，获得该帧图像的学生人头检测集合r＝{rc1,rc2,rc3…rcn}＝{rci}(i＝1～n)，rci表示第i个人头区域，其中存在着一些误检的结果；n表示检测获得学生人头总个数；

本发明实施例中，人头检测的方法采用adaboost级联分类器，选用lbp或haar特征作为训练特征，具体的检测方法如下：

s201、采集10000张正样本图片(人头图片)；20000张负样本图片(非人头图片)，并将其分辨率归一化为20*20；

s202、用adaboost级联分类器对10000张正样本图片和20000张负样本图片进行训练，训练的特征选用lbp或haar；训练过程根据样本的数量和实际的训练效果调整参数，直到达到最优的训练效果，训练完成后会得到一个分类器；

s203、根据训练完成的分类器，对视频帧图像进行检测，得到多个人头检测结果；

s30、利用该帧图像的学生人头检测集合r更新候选人数容器h中的元素及对应得分；

s301、分别计算该帧图像的人头检测集合r中各元素与候选人数容器h中各元素之间的欧氏距离；

本发明实施例中，对于候选人数容器h中的每一个元素的人头区域rpj(j＝1～m)，计算其与人头检测集合r中各个元素rci(i＝1～n)的距离dij；dij的定义是rci的中心与rpj的中心的欧氏距离；

本发明实施例中，设rpj的中心点为(xpj,ypj)，rci的中心点为(xci,yci)，则：

s302、将所获欧氏距离dij与设定阈值dth进行比较，若欧氏距离dij小于设定阈值dth，则将对应元素rci从人头检测集合r中移除，并将候选人数容器h中对应元素rpj的得分vpj加一；若欧氏距离dij大于或等于设定阈值dth，则将候选人数容器h中对应元素rpj的得分减一；

本发明实施例中，设定一个距离阈值dth，距离阈值的设定需要根据视频帧的分辨率和实际检测效果进行调整；如果存在dij<dth，则从r中移除元素rci，并将h中rpj的候选得分vpj的值加一；对于h中不存在dij<dth的元素rpj，将其候选得分vpj的值减一，此时如果vpj小于或等于0，则将rpj和vpj从h中移除；

s303、对人头检测集合r中剩余元素rci添加对应初始候选得分vi＝1，并插入至候选人数容器h中以进行更新；

s40、根据候选人数容器h中各元素的得分值，筛选统计该帧图像中学生人数；

本发明实施例中，对h进行筛选，首先设定候选得分阈值sth，再遍历h中所有的元素，统计候选人数容器h中得分vj大于sth的成员个数，该个数即为学生人数统计的结果；

s50、循环执行步骤s20至s40实时统计视频静态人数。

本发明还提出一种基于人头检测的视频静态人数统计装置；

本发明第四优选实施例中，如图4所示，包括：

处理器；

存储器，耦合至所述的处理器并存储有指令，所述的指令在由所述处理器执行实现所述的基于人头检测的视频静态人数统计方法的步骤；例如：

s10、构建一个包含人头区域及对应得分的候选人数容器；

s20、对视频采样帧图像进行人头检测，获得该帧图像的人头检测集合；

s30、利用该帧图像的人头检测集合更新候选人数容器中的元素及对应得分；

s40、根据候选人数容器中各元素的得分值，筛选统计该帧图像中人数；

s50、循环执行步骤s20至s40实时统计视频静态人数。

本发明实施例中，具体的实施细节在上文中已经阐述，此处不再复述；

本发明实施例中，所述的基于人头检测的视频静态人数统计装置内置处理器，可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器利用各种接口和线路连接取各个部件，通过运行或执行存储在存储器内的程序或者单元，以及调用存储在存储器内的数据，以执行基于人头检测的视频静态人数统计的各种功能和处理数据；

存储器用于存储程序代码和各种数据，安装在基于人头检测的视频静态人数统计装置中，并在运行过程中实现高速、自动地完成程序或数据的存取。所述存储器包括只读存储器(read-onlymemory，rom)、随机存储器(randomaccessmemory，ram)、可编程只读存储器(programmableread-onlymemory，prom)、可擦除可编程只读存储器(erasableprogrammableread-onlymemory，eprom)、一次可编程只读存储器(one-timeprogrammableread-onlymemory，otprom)、电子擦除式可复写只读存储器(electrically-erasableprogrammableread-onlymemory，eeprom)、只读光盘(compactdiscread-onlymemory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

本发明还提出一种计算机可读取存储介质；

本发明第五优选实施例中，如图5所示，包括：

所述计算机可读取存储介质存储有基于人头检测的视频静态人数统计方法的应用程序，所述应用程序实现如所述的基于人头检测的视频静态人数统计方法的步骤；例如：

s10、构建一个包含人头区域及对应得分的候选人数容器；

s20、对视频采样帧图像进行人头检测，获得该帧图像的人头检测集合；

s30、利用该帧图像的人头检测集合更新候选人数容器中的元素及对应得分；

s40、根据候选人数容器中各元素的得分值，筛选统计该帧图像中人数；

s50、循环执行步骤s20至s40实时统计视频静态人数。

本发明实施例中，具体的实施细节在上文中已经阐述，此处不再复述；

在本发明的实施方式的描述中，需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读取介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读取介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。