定了运动目标的头部。
[0086]3)对所有梯度下降的迭代处理完成的像素信息进行聚类，聚类的结果即类的数量和类中心位置为运动目标数量和位置。请参阅图10和图11所示，是依据本发明系统的检测结果图。左侧是彩色图像中确定的运动目标，右侧是深度图像中确定的运动目标。
[0087]聚类处理是对经过梯度下降的迭代处理之后的像素位置进行聚类，对相距在一定距离范围之内的像素，都认为是一类。聚类之后的结果(类的数量，类中心的位置)即反映了运动块代表的运动目标(即人头)的数量和位置。
[0088]梯度下降聚类处理的优点在于充分利用了三维立体摄像机获取的深度图像信息，通过梯度下降处理得到的结果可以区分大于一个的运动目标，并且在目标之间高度差相差很大的情况下也能准确确定运动目标的位置。
[0089]上述的运动目标状态确定步骤S4，接收运动目标和位置确定步骤S3产生的连续帧深度图像运动目标的数量和位置，对运动目标的位置进行跟踪处理得到运动目标的运动轨迹；对所述运动轨迹进行判断处理，得到运动目标的运动状态。
[0090]本实施例中跟踪处理采用Mean shift算法，即利用mean shift算法实现连续中贞中的对应运动目标的关联，关联的目的在于获得运动目标的运动参数(轨迹、方向以及速度)，此处跟踪处理液可以采用模板匹配方法。
[0091]本实施例中判断处理中，请参阅图9所示，通过对运动目标在室内、出入口、室外这三个区域中的运动参数判断得到运动目标的运动状态为出或入或徘徊。判断分为四种情况:情况一:如果运动目标的轨迹是由室内到出入口再到室外，则判断运动目标为出；情况二:如果运动目标的轨迹是由室外到出入口再到室内，则判断运动目标为入；情况三:如果运动目标的轨迹是由室内到出入口再到室内，则判断运动目标为徘徊；情况四:如果运动目标的轨迹是由室外到出入口再到室外，则判断运动目标为徘徊。
[0092]上述的数据记录步骤S5，接收上述步骤的数据并记录。
[0093]上述的数据统计步骤S6，优选但不限于统计以下几种内容:
[0094]Nin_廳=Nin_old+Nin_now............式 2
[0095]式2中Nin_nOT表示系统运行至当前帧时运动目标为入的总数，Nil^ld表示系统运行至上一帧时运动目标为入的总数，Nin_now表示当前帧判断得出运动目标为入的总数。
[0096]Nout_new = Nout_old+Nout_now............式 3
[0097]式3中Nwt_nOT表示系统运行至当前帧时运动目标为出的总数，Nout_old表示系统运行至上一帧时运动目标为出的总数，Nout_now表示当前帧判断得出运动目标为出的总数。
[0098]Nlotal_new — NTotal_old+NIn-N0ut............式 4
[0099]式4中NT()tal_n?表示该系统时间室内运动目标总数表示上一系统时间室内运动目标总数；Nin表示上一系统时间与该系统时间间隔内进入的运动目标数量；Ν_表不上一系统时间与该系统时间间隔内走出的运动目标数量。
[0100]虽然本发明已以较佳实施例揭露如上，然并非用以限定本发明实施的范围，依据本发明的权利要求书及说明内容所作的简单的等效变化与修饰，仍属于本发明技术方案的范围内。
【主权项】
1.一种基于深度测距的运动目标检测方法，其特征在于包括以下步骤: 视频摄取，通过位于拍摄区域上方的摄像设备获取包含彩色图像和深度图像的视频信息； 运动目标确定，分别对所述视频信息中的彩色图像和深度图像进行前景提取得到包含与运动目标相应运动块的二值图像，对所述二值图像进行融合处理，得到融合后的二值图像； 运动目标数量和位置确定，对所述深度图像中在融合后的二值图像判定为运动块区域内的像素信息进行梯度下降聚类处理，得到运动目标的数量和位置，所述像素信息包含像素的像素值与像素位置。
2.如权利要求1所述的基于深度测距的运动目标检测方法，其特征在于还包括以下步骤: 运动目标运动状态确定，对所述运动目标的位置进行跟踪处理得到运动目标的运动轨迹；对所述运动轨迹进行判断，得到运动目标的运动状态。
3.如权利要求1所述的基于深度测距的运动目标检测方法，其特征在于还包括以下步骤: 数据记录，记录上述步骤的数据。
4.如权利要求2所述的基于深度测距的运动目标检测方法，其特征在于还包括以下步骤: 数据统计，统计上述步骤的数据。
5.如权利要求1至4任一项所述的基于深度测距的运动目标检测方法，其特征在于所述融合处理为像素级的逻辑“与”处理，对所述二值图像进行像素级的逻辑“与”处理得到融合后的二值图像。
6.如权利要求5所述的基于深度测距的运动目标检测方法，其特征在于对所述深度图像中在融合后的二值图像判定为运动块区域内的像素信息进行梯度下降聚类通过以下方式完成: 根据融合后的二值图像中判定为运动块的区域，确定深度图像运动块区域，在所述深度图像运动块区域内选取一定数量的像素信息，所述像素信息包含像素的像素值与像素位置，对选取的像素信息进行梯度下降的迭代处理，所述梯度下降的迭代处理至该区域内深度最小值位置时停止；对所有梯度下降的迭代处理完成的像素信息进行聚类，聚类的结果即类的数量和类中心位置为运动目标数量和位置。
7.如权利要求1至4任一项所述的基于深度测距的运动目标检测方法，其特征在于所述运动目标为人、车或物品。
8.一种基于深度测距的运动目标检测系统，其特征在于其包括以下模块: 视频摄取模块，通过位于拍摄区域上方的摄像设备获取包含彩色图像和深度图像的视频信息，所述摄像设备与后续模块通信连接； 运动目标确定模块，接收视频摄取模块产生的的视频信息，分别对所述视频信息中的彩色图像和深度图像进行前景提取得到包含与运动目标相应运动块的二值图像，对所述二值图像进行融合处理，得到融合后的二值图像； 运动目标数量和位置确定模块，接收视频摄取模块产生的深度图像和运动目标确定模块产生的融合后的二值图像，对所述深度图像中在融合后的二值图像判定为运动块区域内的像素信息进行梯度下降聚类处理，得到运动目标的数量和位置，所述像素信息包含像素的像素值与像素位置； 运动目标运动状态确定模块，接收运动目标数量和位置确定模块产生的运动目标的数量和位置，对所述运动目标的位置进行跟踪处理得到运动目标的运动轨迹；对所述运动轨迹进行判断处理，得到运动目标的运动状态； 数据记录统计模块，记录并统计上述步骤的数据。
9.如权利要求8所述的基于深度测距的运动目标检测系统，其特征在于所述视频摄取模块还包括设置在拍摄区域水平方向的第二摄像设备，所述第二摄像设备与后续模块通信连接。
10.如权利要求9所述的基于深度测距的运动目标检测系统，其特征在于所述摄像设备和/或第二摄像设备为能同时获取彩色图像和深度图像的摄像设备。
【专利摘要】本发明是有关一种基于深度测距的运动目标检测方法及系统，其包括如下步骤：视频摄取，通过位于拍摄区域上方的摄像设备获取包含彩色图像和深度图像的视频信息；运动目标确定，分别对所述视频信息中的彩色图像和深度图像进行前景提取得到包含与运动目标相应运动块的二值图像，对所述二值图像进行融合处理，得到融合后的二值图像；运动目标数量和位置确定，对所述深度图像中在融合后的二值图像判定为运动块区域内的像素信息进行梯度下降聚类处理，得到运动目标的数量和位置，所述像素信息包含像素的像素值与像素位置。本发明实现了运动目标的实时检测、确定，在此基础上分析运动目标的轨迹实现更加精确的运动目标的检测和统计。
【IPC分类】G06T7-00, G06T7-20
【公开号】CN104778676
【申请号】CN201410010381
【发明人】黄志蓓, 吴健康, 吕东岳, 刘东岩
【申请人】中国科学院大学
【公开日】2015年7月15日
【申请日】2014年1月9日