图像处理装置、图像处理方法以及监控设备的制造方法
【技术领域】
[0001] 本申请一般涉及图像处理，更具体地，涉及能够估计图像中包含的目标对象的数 量的图像处理装置、图像处理方法以及包含该图像处理装置的监控设备。
【背景技术】
[0002] 作为目标对象数量估计的一个示例，人群密度估计能够用于学校、车站、机场、银 行等多种区域。以机场环境为例，通过机场环境下的人流密度统计，管理人员可以合理调度 人力和物力，实现资源的合理配置。这种技术可以应用于机场的人流量统计、机场出入口及 大厅的人员异常聚集报警和商家客流统计等方面。目前人群密度估计除了人工清点方式之 外，常见的自动人流统计方法主要有三种：（1)机械脚踏传感器方式：这种方式在人流分布 不均匀时，精度较低；（2)红外线感应方式：这种方式在人流遮挡及人流密度较大时，会有 较大的漏检概率；（3)视频图像方式：这种方式通过摄像头获取的监控场景实时的对人群 密度进行统计，是目前使用的较为广泛的人流统计方法。
[0003] 当前基于视频图像的人群密度估计的主流算法主要有基于像素的统计方法和基 于纹理分析的方法。基于像素的统计的方法主要通过提取前景人群占据的空间大小及提取 人群对象的边缘长度这两类特征对人群密度进行估计，这种方法计算量下，适用于低密度 人群情况，当人群密度较高存在较严重遮挡时，精度较差。基于纹理分析的方法通过将不同 密度的人群分成不同的纹理模式，高密度的为细模式纹理，低密度的为粗模式纹理。这种方 法由于特征量较多，因此计算量较大，并且对于中低密度人群估计得误差也较大。
[0004] 此外，可以采用根据特征点数目确定目标对象数量的方法，这种方法能够适用于 不同密度等级的目标对象。
【发明内容】
[0005] 在实际环境下，例如由于光照(灯光或者阳光）和人群的流动，地面上会形成不断 变化的光影交替区域，这些区域会影响特征点提取的准确度。因此，在根据特征点数目确定 目标对象数量的情况下，希望消除这些区域所造成的影响。然而，由于光照区域位置和大小 不固定，因此难以用传统的背景去除的方法来消除这种影响。
[0006] 在下文中给出了关于本发明实施例的简要概述，以便提供关于本发明的某些方面 的基本理解。应当理解，以下概述并不是关于本发明的穷举性概述。它并不是意图确定本 发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出 某些概念，以此作为稍后论述的更详细描述的前序。
[0007] 根据本申请的一个方面，提供一种图像处理装置，包括：特征点识别部分，被配置 为识别图像中的预定类型的特征点；特征点分类部分，被配置为通过识别特征点中的非目 标对象特征点来将所识别出的特征点分类为目标对象特征点和非目标对象特征点；以及 数量估计部分，被配置为按照目标对象特征点的数量与目标对象的数量之间的预定对应关 系，根据所确定的目标对象特征点的数量来估计图像中包含的目标对象的数量。
[0008] 根据本申请的另一个方面，提供一种图像处理方法，包括以下步骤：识别图像中的 预定类型的特征点；通过识别特征点中的非目标对象特征点，来将所识别出的特征点分类 为目标对象特征点和非目标对象特征点；以及按照目标对象特征点数量与目标对象的数量 之间的预定对应关系，根据所确定的目标对象特征点的数量来估计图像中包含的目标对象 的数量。
[0009] 本申请的实施方式还包括包监控设备，其包括上述图像处理装置。
[0010] 本申请的方案通过从识别出的特征点中确定非目标对象特征点，来减小例如图像 中的光影交替区域对特征点提取的影响，从而能够改进目标对象数量估计的准确度。
【附图说明】
[0011] 本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所 有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的 详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本 发明的优选实施例和解释本发明的原理和优点。在附图中：
[0012] 图1是示出根据本申请一个实施例的图像处理装置的配置示例的框图；
[0013] 图2是示出本申请的一个示例实施例的图像处理装置的配置示例的框图；
[0014] 图3是用于说明本申请一个示例实施例的图像处理装置所进行的图像处理的示 例图像；
[0015] 图4是用于说明本申请一个示例实施例的图像处理装置所进行的特征点分类的 示例图像；
[0016] 图5是示出本申请另一示例实施例的图像处理装置的配置示例的框图；
[0017] 图6是示出本申请又一示例实施例的图像处理装置的配置示例的框图；
[0018] 图7是示出本申请另一示例实施例的图像处理装置的配置示例的框图；
[0019] 图8是示出根据本申请一个实施例的图像处理方法的过程示例的流程图；
[0020] 图9是示出本申请一个示例实施例的图像处理方法的特征点分类过程的示例的 流程图；
[0021] 图10是示出本申请一个示例实施例的图像处理方法的特征点分类过程的另一示 例的流程图；
[0022] 图11是示出本申请另一示例的图像处理方法的过程示例的流程图；
[0023] 图12是示出本申请又一示例的图像处理方法的过程示例的流程图；
[0024] 图13是示出根据本申请一个实施例的监控设备的配置示例的框图；以及
[0025] 图14是示出实现本申请的方法和设备的计算机的示例性结构的框图。
【具体实施方式】
[0026] 下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中 描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。 应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已 知的部件和处理的表示和描述。
[0027] 如图1所示，根据本申请实施例的图像处理装置100包括特征点识别部分110、特 征点分类部分120和数量估计部分130。
[0028] 特征点识别部分110被配置为识别图像中的预定类型的特征点。其中，预定类型 的特征点例如可以包括：角点、局部二值模式（LBP)特征点或尺度不变特征转换（SIFT)特 征点。特征点识别算法可以为常用的特征点提取算法，并且可以根据实际的场景和处理对 象来选择适当的特征点。特征点的识别方法以及根据需要选择适当类型特征点的方法是本 领域已知的，在此不再赘述。
[0029] 特征点分类部分120被配置为通过识别特征点中的非目标对象特征点来将所识 别出的特征点分类为目标对象特征点和非目标对象特征点。其中，目标对象是指所要处理 的图像中可能包含的要确定其数量的对象。例如，目标对象可以是监控图像中的人。然而 本申请不限于此，例如，根据具体应用，目标对象也可以是动物如牲畜或家禽等，或其他物 体如流水线上的产品等。相应地，目标对象特征点是指图像中的目标对象的特征点，非目标 对象特征点是指不属于目标对象的特征点。此外，可以采用不同的方法来进行特征点分类， 例如，如后文中结合具体实施例更详细说明的，可以采用基于