一种快速人头检测方法及装置的制造方法
【专利摘要】本发明提供了一种快速人头检测方法，包括：根据标定线段计算分辨率图像和人头的最小半径图像和最大半径图像；计算图像的边缘点图像和边缘梯度向量图像；根据霍夫投票，获取霍夫空间图像；提取人头候选点；计算候选人头半径和置信度，并获取候选人头区域；对候选人头区域进行筛选；将剩余的候选人头区域作为人头检测区域并输出。本发明实现了人头的快速检测，可运用于行人计数中。
【专利说明】
一种快速人头检测方法及装置
技术领域
[0001]本发明涉及图像处理、视频监控，特别涉及人头检测的方法及装置。
【背景技术】
[0002]利用行人计数技术，可以通过分析行人流量的历史数据，对未来某时刻的行人流量进行预测，因此行人计数在商场、超市、公园、公交和地铁等场景中有着各种不同的重要应用。行人计数的基础技术是在人群中识别个体的人，在拥挤的环境中由于人与人之间相互遮挡，准确识别整个人体变得困难，但是只要相机安装角度合适，人头之间遮挡较少，因此人头检测技术在行人计数的研究中具有重大的实用价值。
[0003]公开号为CN105321187A的中国发明专利申请公开了一种基于人头检测的行人计数方法，该方法事先使用SVM分类器进行训练以得到若干人头分类器，并利用该人头分类器对运动行人区域进行检测，得到人头区域，最后通过Kalman最近邻匹配跟踪法对人头区域的中心点进行跟踪与计数。公开号为CN104299005A的中国发明专利申请公开了一种人头检测方法及系统，该方法采用基于方向梯度的LBP特征，使得人头的边缘和轮廓信息可通过方向梯度予以表征，而且在此基础上加入了 LBP特征来表征人头的局部纹理信息，进而可将视频图像中的人头检测出来。然而上述人头检测技术耗时较多。
[0004]综上所述，目前迫切需要提出一种快速人头检测方法及装置。
【发明内容】
[0005]有鉴于此，本发明的主要目的在于实现快速的人头检测。
[0006]为达到上述目的，按照本发明的第一个方面，提供了一种快速人头检测方法，该方法包括:
[0007]第一步骤，在图像内的人头的直径位置标定线段，根据标定线段计算分辨率图像，根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像；
[0008]第二步骤，计算图像的边缘点图像和边缘梯度向量图像；
[0009]第三步骤，根据霍夫投票，获取霍夫空间图像；
[0010]第四步骤，提取人头候选点；
[0011]第五步骤，计算候选人头半径和置信度，并获取候选人头区域；
[0012]第六步骤，对候选人头区域进行筛选;及
[0013]第七步骤，将剩余的候选人头区域作为人头检测区域并输出。
[0014]其中，所述第一步骤中根据标定线段计算分辨率图像步骤具体为:根据标定线段H)LS将空间坐标转化为图像坐标，即获得分辨率图像頂G_RES0，分辨率图像MG_RES0的像素值即为该像素点的分辨率，单位为pixel/cm，pixel即为像素。
[0015]所述第一步骤中的根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像的具体步骤如下:根据人头半径HEAD和人头半径容差HEAD_DEV计算人头的最小半径HEAD*( 1-HEAD_DEV)和最大半径HEAD*( 1+HEAD_DEV)，然后根据分辨率图像MG_RESO依据人头的最小半径HEAD*(1-HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)获取人头最小半径图像IMG_RADmin和最大半径图像IMG_RADmax，单位为像素。
[0016]所述第二步骤中计算图像的边缘点图像和边缘梯度向量图像的具体步骤如下:
[0017]对图像进行边缘检测处理，获得边缘图像和梯度向量图像；
[0018]计算相邻两帧图像之间的差分图像，获得前景二值图像；
[0019]以前景二值图像为蒙板，将边缘图像中的非前景的像素点清零，以获得图像的边缘点图像IMG_EDGE，将梯度向量图像中的非前景的像素点清零，以获得图像的边缘梯度向量图像IMG_GRADo
[0020]所述第三步骤进一步包括:
[0021]设置霍夫空间图像、“黑区域”霍夫图像和“白区域”霍夫图像初始值为全零；
[0022]对边缘点图像进行霍夫投票；
[0023]对“黑区域”霍夫图像和“白区域”霍夫图像做取较大值处理，从而获得霍夫空间图像。
[0024]所述第四步骤进一步包括:
[0025]根据阈值TH_H0UGH对霍夫空间图像頂G_H0UGH进行二值化处理，获得霍夫空间的二值化图像頂GJffiIN;
[0026]对霍夫空间的二值化图像頂GJfflIN进行区域连通处理，得到区域集合HREG1NS ={HRGNk，k = I，2，L}，HRGNk表示第k个连通区域；
[0027]计算每一个区域HRGNk的质心HCPOSk，并将其作为该区域的人头候选点，获得人头候选点集合HCANDS = {HCPOSk，k = I，2，L}。
[0028]所述第五步骤进一步包括:
[0029]将圆周以3为间隔等分为120等分，得到每个间隔点的法向量；
[0030]对每个人头候选点HCPOSk，在半径为Rki的圆的置信度即为圆周上的梯度向量与圆周法向量的归一化内积，记为HCDNFki ；
[0031]对范围RADmin < Rki < RADmax内的所有半径的圆计算置信度HCDNFki，取置信度最大的半径Rki记为候选人头半径Rk，其置信度为HCDNFk，以人头候选点HCPOSk为中心候选人头半径Rk内的区域为候选人头区域HCPOSk。
[0032]所述第六步骤具体为:设置阈值TH_HC0NF，过滤掉所有置信度HCDNFk小于TH_HCONF的候选人头区域HCPOSk。
[0033]所述第六步骤还可以进一步包括:计算圆周内和圆周外区域灰度的相似性GSMk，设置阈值TH_GS頂，过滤掉所有相似性GS頂k大于TH_GS頂的候选人头区域HCPOSk。
[0034]按照本发明的另一个方面，提供了一种快速人头检测装置，该装置包括:
[0035]人头的最小半径图像和最大半径图像获取模块，用于在图像内的人头的直径位置标定线段，根据标定线段计算分辨率图像，根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像；
[0036]图像的边缘点图像和边缘梯度向量图像获取模块，用于计算图像的边缘点图像和边缘梯度向量图像；
[0037]霍夫投票获取霍夫空间图像模块，用于获取霍夫空间图像；
[0038]人头候选点提取模块，用于提取人头候选点；
[0039]候选人头区域获取模块，用于计算候选人头半径和置信度，并获取候选人头区域；
[0040]候选人头区域筛选模块，用于对候选人头区域进行筛选;及
[0041]人头检测区域输出模块，用于将剩余的候选人头区域作为人头检测区域并输出。
[0042]其中，所述人头的最小半径图像和最大半径图像获取模块中在图像内的人头的直径位置标定线段可以在同一幅图像中位于不同位置的人头的直径位置标定线段，也可以对视频序列中的不同图像内的人头的直径位置标定线段。
[0043]所述人头的最小半径图像和最大半径图像获取模块中根据标定线段计算分辨率图像步骤具体为:根据标定线段H)LS将空间坐标转化为图像坐标，即获得分辨率图像MG_RESO，分辨率图像IMG_RES0的像素值即为该像素点的分辨率，单位为p ixe I /cm，p i xe I即为像素。
[0044]所述人头的最小半径图像和最大半径图像获取模块中的根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像的具体步骤如下:根据人头半径HEAD和人头半径容差HEAD_DEV计算人头的最小半径HEAD* (I _HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)，然后根据分辨率图像MG_RES0依据人头的最小半径HEAD*(1-HEAD_DE V)和最大半径HE AD* (I +HE AD_DE V)获取人头最小半径图像I MG_RADmin和最大半径图像IMG_RADmax，单位为像素。
[0045]所述图像的边缘点图像和边缘梯度向量图像获取模块中计算图像的边缘点图像和边缘梯度向量图像的具体步骤如下:
[0046]边缘处理模块，用于对图像进行边缘检测处理，获得边缘图像和梯度向量图像；
[0047]前景二值图像获取模块，用于计算相邻两帧图像之间的差分图像，获得前景二值图像；
[0048]边缘点图像和边缘梯度图像获取模块，用于以前景二值图像为蒙板，将边缘图像中的非前景的像素点清零，以获得图像的边缘点图像IMG_EDGE，将梯度向量图像中的非前景的像素点清零，以获得图像的边缘梯度向量图像IMG_GRAD。
[0049]所述霍夫空间图像获取模块进一步包括:
[0050]霍夫图像初始化模块，用于设置霍夫空间图像、“黑区域”霍夫图像和“白区域”霍夫图像初始值为全零；
[0051]霍夫投票模块，用于对边缘点图像进行霍夫投票；
[0052]霍夫空间图像获取，用于对“黑区域”霍夫图像和“白区域”霍夫图像做取较大值处理，从而获得霍夫空间图像。
[0053]所述人头候选点提取模块包括:
[0054]二值化处理模块，用于根据阈值TH_H0UGH对霍夫空间图像頂G_H0UGH进行二值化处理，获得霍夫空间的二值化图像MGJffiIN;
[0055]连通区域处理模块，用于对霍夫空间的二值化图像頂GJfflIN进行区域连通处理，得到区域集合HREG1NS= {HRGNk，k=l，2，L}，HRGNk表示第k个连通区域；
[0056]人头候选点集合获取模块，用于计算每一个区域HRGNk的质心HCPOSk，并将其作为该区域的人头候选点，获得人头候选点集合HCANDS={HCP0Sk，k=l，2，L}。
[0057]所述候选人头区域获取模块包括:
[0058]圆周法向量获取模块，用于将圆周以3为间隔等分为120等分，得到每个间隔点的法向量；
[0059]置信度计算模块，对每个人头候选点HCP0Sk，在半径为Rkl的圆的置信度即为圆周上的梯度向量与圆周法向量的归一化内积，记为HCDNFki ；
[0060]根据置信度获取候选人头区域模块，对范围RADmin< Rki < RADmax内的所有半径的圆计算置信度HCDNFki，取置信度最大的半径Rki记为候选人头半径Rk，其置信度为HCDNFk，以人头候选点HCPOSk为中心候选人头半径Rk内的区域为候选人头区域HCPOSk。
[0061]所述候选人头区域筛选模块包括:初步筛选模块，用于设置阈值TH_HC0NF，过滤掉所有置信度HCDNFk小于TH_HC0NF的候选人头区域HCPOSk。
[0062]所述候选人头区域筛选模块还可以进一步包括:二次筛选模块，用于计算圆周内和圆周外区域灰度的相似性GSMk，设置阈值TH_GS頂，过滤掉所有相似性GSMk大于TH_GS頂的候选人头区域HCPOSk。
[0063]与现有的技术相比，本发明的快速人头检测方法及装置，其基于霍夫变换的圆检测，具有快速可靠、使用简单和环境适应性强等特点，能快速地实现人群的计数。
[0064]附图
[0065]此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，但其说明仅用于解释本发明，并不构成对本发明的不当限定。
[0066]图1示出了按照本发明的快速人头检测方法的流程图。
[0067]图2示出了按照本发明的第三步骤的流程图。
[0068]图3示出了按照本发明的快速人头检测装置的框架图。
[0069]图4示出了按照本发明的霍夫投票获取霍夫空间图像模块的框架图。
【具体实施方式】
[0070]为使贵审查员能进一步了解本发明的结构、特征及其他目的，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本发明的技术方案，并非限定本发明。
[0071]图1表示按照本发明的快速检测人头方法的流程图。如图1所示，按照本发明的快速人头检测方法包括:
[0072]第一步骤SI，在图像内的人头的直径位置标定线段，根据标定线段计算分辨率图像，根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像；
[0073]第二步骤S2，计算图像的边缘点图像和边缘梯度向量图像；
[0074]第三步骤S3，根据霍夫投票，获取霍夫空间图像；
[0075]第四步骤S4，提取人头候选点；
[0076]第五步骤S5，计算候选人头半径和置信度，并获取候选人头区域；
[0077]第六步骤S6，对候选人头区域进行筛选;及
[0078]第七步骤S7，将剩余的候选人头区域作为人头检测区域并输出。
[0079]其中，所述第一步骤SI中在图像内的人头的直径位置标定线段可以在同一幅图像中位于不同位置的人头的直径位置标定线段，也可以对视频序列中的不同图像内的人头的直径位置标定线段。所述标定线段FDLS= {fdli，i = l，2，3，L，M} ,M> 30
[0080]所述第一步骤SI中根据标定线段计算分辨率图像步骤具体为:根据标定线段roLS将空间坐标转化为图像坐标，即获得分辨率图像MG_RES0，分辨率图像頂G_RES0的像素值即为该像素点的分辨率，单位为pixel/cm，pixel即为像素。
[0081]所述第一步骤SI中的根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像的具体步骤如下:根据人头半径HEAD和人头半径容差HEAD_DEV计算人头的最小半径HEAD*( 1-HEAD_DEV)和最大半径HEAD*( 1+HEAD_DEV)，然后根据分辨率图像頂G_RES0依据人头的最小半径HEAD*(1-HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)获取人头最小半径图像IMG_RADmin和最大半径图像IMG_RADmax，单位为像素。
[0082]所述人头半径HEAD的取值范围为9cm?11cm。优选地，人头半径HEAD设置为10cm。
[0083]所述人头半径容差HEAD_DEV的取值范围为0.1?0.5。优选地，人头半径容差!^八0_DEV设置为0.3。
[0084]所述第二步骤S2中计算图像的边缘点图像和边缘梯度向量图像的具体步骤如下:
[0085]步骤S21，对图像进行边缘检测处理，获得边缘图像和梯度向量图像；
[0086]步骤S22，计算相邻两帧图像之间的差分图像，获得前景二值图像；
[0087]步骤S23，以前景二值图像为蒙板，将边缘图像中的非前景的像素点清零，以获得图像的边缘点图像IMG_EDGE，将梯度向量图像中的非前景的像素点清零，以获得图像的边缘梯度向量图像IMG_GRAD。
[0088]其中，步骤S21中所述边缘检测处理的可以通过现有的边缘检测方法，例如边缘检测算子方法。边缘检测算子可以为Roberts Cross算子、Prewitt算子、Sobel算子、Kirsch算子、罗盘算子、Marr-Hildreth、在梯度方向的二阶导数过零点、Canny算子、Laplacian算子等。优选地，使用Canny算子边缘检测方法。
[0089]图2给出了按照本发明的第三步骤的流程图。如图2所示，按照本发明的第三步骤S3进一步包括:
[0090]步骤S31，设置霍夫空间图像、“黑区域”霍夫图像和“白区域”霍夫图像初始值为全零；
[0091]步骤S32，对边缘点图像进行霍夫投票；
[0092]步骤S33，对“黑区域”霍夫图像和“白区域”霍夫图像做取较大值处理，从而获得霍夫空间图像。
[0093]其中，步骤S32具体步骤如下:
[0094]步骤S321，根据边缘梯度向量图像IMG_GRAD计算每一个像素点的梯度方向IMG_GDIRj和梯度幅度IMG_GMAGj，j表示第j个像素点；
[0095]步骤S322，从人头的最小半径图像IMG_RADmin和最大半径图像IMG_RADmax，获得该像素点的最小人头半径RADmin和最大人头半径RADmax ；
[0096]步骤S323，沿着第j个像素点的梯度方向MG_GDIRj从距离RADmirJljRADmax之间，逐个对上述之间的像素点进行“黑区域”霍夫图像IMG_H0UGH_B投票，如果遇到梯度幅度比MG_GMAGj大的边缘点，则停止投票；
[0097]步骤S324，沿着第j个像素点的负梯度方向-頂G_GDIRj从距离RADmirJljRADmax之间，逐个对上述之间的像素点进行“黑区域”霍夫图像頂G_H0UGH_W投票，如果遇到梯度幅度比MG_GMAGj大的边缘点，则停止投票。
[0098]所述步骤33具体为:对“黑区域”霍夫图像頂G_H0UGH_B和“白区域”霍夫图像頂G_
取较大值处理，从而获得霍夫空间图像頂G_H0UGH = ma X (I MG_H0UGH_B，I MG_HOUGH_ff)。
[0099 ]所述第四步骤S4进一步包括:
[0100]步骤S41，根据阈值TH_H0UGH对霍夫空间图像頂G_H0UGH进行二值化处理，获得霍夫空间的二值化图像MGJffiIN;
[0101]步骤S42，对霍夫空间的二值化图像IMGJfflIN进行区域连通处理，得到区域集合HREG1NS = {HRGNk，k = I，2，L}，HRGNk表示第k个连通区域；
[0102]步骤S43，计算每一个区域HRGNk的质心HCPOSk，并将其作为该区域的人头候选点，获得人头候选点集合HCANDS= {HCP0Sk,k=l,2,L}。
[0103]其中，所述步骤S41中的阈值TH_H0UGH的取值范围为20?30。优选地，TH_H0UGH设置为25。
[0104]所述第五步骤S5进一步包括:
[0105]步骤S51，将圆周以3为间隔等分为120等分，得到每个间隔点的法向量；
[0106]步骤S52，对每个人头候选点HCPOSk，在半径为Rki的圆的置信度即为圆周上的梯度向量与圆周法向量的归一化内积，记为HCDNFki ；
[0107]步骤S53，对范围RADmin ^ Rki ^ RADmax内的所有半径的圆计算置信度HCDNFki，取置信度最大的半径Rki记为候选人头半径Rk，其置信度为HCDNFk，以人头候选点HCPOSk为中心候选人头半径Rk内的区域为候选人头区域HCPOSk。
[0108]所述第六步骤S6具体为:设置阈值TH_HC0NF，过滤掉所有置信度HCDNFk小于TH_HCONF的候选人头区域HCPOSk。其中，TH_HC0NF的取值范围为0.2?0.4。优选地，TH_HC0NF设置为0.3。
[0109]所述第六步骤S6还可以进一步包括:计算圆周内和圆周外区域灰度的相似性GS頂k，设置阈值TH_GS頂，过滤掉所有相似性GS頂k大于TH_GS頂的候选人头区域HCPOSk。
[0110]其中，TH_GSIM的取值范围为0.4?0.6。优选地，TH_GSIM设置为0.5。
[0111]图3示出了按照本发明的快速人头检测装置的框架图。如图3所示，快速人头检测装置包括:
[0112]人头的最小半径图像和最大半径图像获取模块I，用于在图像内的人头的直径位置标定线段，根据标定线段计算分辨率图像，根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像；
[0113]图像的边缘点图像和边缘梯度向量图像获取模块2，用于计算图像的边缘点图像和边缘梯度向量图像；
[0114]霍夫投票获取霍夫空间图像模块3，用于获取霍夫空间图像；
[0115]人头候选点提取模块4，用于提取人头候选点；
[0116]候选人头区域获取模块5，用于计算候选人头半径和置信度，并获取候选人头区域；
[0117]候选人头区域筛选模块6，用于对候选人头区域进行筛选;及
[0118]人头检测区域输出模块7，用于将剩余的候选人头区域作为人头检测区域并输出。
[0119]其中，所述人头的最小半径图像和最大半径图像获取模块I中在图像内的人头的直径位置标定线段可以在同一幅图像中位于不同位置的人头的直径位置标定线段，也可以对视频序列中的不同图像内的人头的直径位置标定线段。所述标定线段FDLS=Udl1J =1，2，3，L，M}，M> 3ο
[0120]所述人头的最小半径图像和最大半径图像获取模块I中根据标定线段计算分辨率图像步骤具体为:根据标定线段roLS将空间坐标转化为图像坐标，即获得分辨率图像MG_RESO，分辨率图像IMG_RES0的像素值即为该像素点的分辨率，单位为p ixe I /cm，p i xe I即为像素。
[0121]所述人头的最小半径图像和最大半径图像获取模块I中的根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像的具体步骤如下:根据人头半径HEAD和人头半径容差HEAD_DEV计算人头的最小半径HEAD*(1-HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)，然后根据分辨率图像MG_RES0依据人头的最小半径HEAD*(1-HEAD_DE V)和最大半径HE AD* (I +HE AD_DE V)获取人头最小半径图像I MG_RADmin和最大半径图像IMG_RADmax，单位为像素。
[0122]所述人头半径HEAD的取值范围为9cm?11cm。优选地，人头半径HEAD设置为10cm。
[0123]所述人头半径容差HEAD_DEV的取值范围为0.1?0.5。优选地，人头半径容差!^八0_DEV设置为0.3。
[0124]所述图像的边缘点图像和边缘梯度向量图像获取模块2中计算图像的边缘点图像和边缘梯度向量图像的具体步骤如下:
[0125]边缘处理模块21，用于对图像进行边缘检测处理，获得边缘图像和梯度向量图像；
[0126]前景二值图像获取模块22，用于计算相邻两帧图像之间的差分图像，获得前景二值图像；
[0127]边缘点图像和边缘梯度图像获取模块23，用于以前景二值图像为蒙板，将边缘图像中的非前景的像素点清零，以获得图像的边缘点图像MG_EDGE，将梯度向量图像中的非前景的像素点清零，以获得图像的边缘梯度向量图像IMG_GRAD。
[0128]其中，边缘处理模块21中所述边缘检测处理的可以通过现有的边缘检测方法，例如边缘检测算子方法。边缘检测算子可以为Roberts Cross算子、Prewitt算子、Sobel算子、Kirsch算子、罗盘算子、Marr-Hildreth、在梯度方向的二阶导数过零点、Canny算子、Laplacian算子等。优选地，使用Canny算子边缘检测方法。
[0129]图4示出了按照本发明的霍夫投票获取霍夫空间图像模块3的框架图。如图4所示，霍夫空间图像获取模块3包括:
[0130]霍夫图像初始化模块31，用于设置霍夫空间图像、“黑区域”霍夫图像和“白区域”霍夫图像初始值为全零；
[0131]霍夫投票模块32，用于对边缘点图像进行霍夫投票；
[0132]霍夫空间图像获取33，用于对“黑区域”霍夫图像和“白区域”霍夫图像做取较大值处理，从而获得霍夫空间图像。
[0133]其中，所述霍夫投票模块32包括:
[0134]梯度方向和幅度计算模块321，用于根据边缘梯度向量图像MG_GRAD计算每一个像素点的梯度方向IMG_GDIRj和梯度幅度IMG_GMAGj，j表示第j个像素点；
[0135]最小人头半径和最大人头半径获取模块322，用于从人头的最小半径图像IMG_RADmin和最大半径图像頂G_RADmax，获得该像素点的最小人头半径RADmin和最大人头半径
RADmax ；
[0136]“黑区域”霍夫图像投票模块323，用于沿着第j个像素点的梯度方向IMG_GDIRj从距离RADmirJljRADmax之间，逐个对上述之间的像素点进行“黑区域”霍夫图像頂票，如果遇到梯度幅度比MG_GMAG」大的边缘点，则停止投票；
[0137]“白区域”霍夫图像投票模块324，用于沿着第j个像素点的负梯度方向_IMG_GDIRj从距离RADmin到RADmax之间，逐个对上述之间的像素点进行“黑区域”霍夫图像頂G_H0UGH_W投票，如果遇到梯度幅度比MG_GMAG」大的边缘点，则停止投票。
[0138]所述霍夫空间图像获取33具体用于对“黑区域”霍夫图像頂G_H0UGH_B和“白区域”霍夫图像1取较大值处理，从而获得霍夫空间图像IMG_H0UGH = maX (IMG_H0UGH_B，IMG_H0UGH_ff)。
[0139]所述人头候选点提取模块4包括:
[0140]二值化处理模块41，用于根据阈值TH_H0UGH对霍夫空间图像頂G_H0UGH进行二值化处理，获得霍夫空间的二值化图像MGJffiIN;
[0141]连通区域处理模块42，用于对霍夫空间的二值化图像IMGJfflIN进行区域连通处理，得到区域集合HREG1NS = {HRGNk，k = I，2，L}，HRGNk表示第k个连通区域；
[0142]人头候选点集合获取模块43，用于计算每一个区域HRGNk的质心HCPOSk，并将其作为该区域的人头候选点，获得人头候选点集合HCANDS= {HCP0Sk，k= I，2，L}。
[0143]其中，所述二值化处理模块41中的阈值TH_H0UGH的取值范围为20?30。优选地，TH_H0UGH 设置为 25。
[0144]所述候选人头区域获取模块5包括:
[0145]圆周法向量获取模块51，用于将圆周以3为间隔等分为120等分，得到每个间隔点的法向量；
[0146]置信度计算模块52，对每个人头候选点HCPOSk，在半径为Rki的圆的置信度即为圆周上的梯度向量与圆周法向量的归一化内积，记为HCDNFki;
[0147]根据置信度获取候选人头区域模块53，对范围RADmin< Rki < RADmax内的所有半径的圆计算置信度HCDNFki，取置信度最大的半径Rki记为候选人头半径Rk，其置信度为HCDNFkM人头候选点HCPOSk为中心候选人头半径Rk内的区域为候选人头区域HCPOSk。
[0148]所述候选人头区域筛选模块6进一步包括:初步筛选模块61，用于设置阈值TH_HCONF，过滤掉所有置信度HCDNFk小于TH_HC0NF的候选人头区域HCPOSk。
[0149]其中，TH_HC0NF的取值范围为0.2?0.4。优选地，TH_HC0NF设置为0.3。
[0150]所述候选人头区域筛选模块6还可以进一步包括:二次筛选模块62，用于计算圆周内和圆周外区域灰度的相似性GSIMk，设置阈值TH_GSIM，过滤掉所有相似性GSIMk大于TH_GS頂的候选人头区域HCPOSk。
[0151]其中，TH_GSIM的取值范围为0.4?0.6。优选地，TH_GSIM设置为0.5。
[0152]与现有的技术相比，本发明的快速人头检测方法及装置，其基于霍夫变换的圆检测，具有快速可靠、使用简单和环境适应性强等特点，能快速地实现人群的计数。
[0153]需要声明的是，上述
【发明内容】
及【具体实施方式】意在证明本发明所提供技术方案的实际应用，不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理内，当可作各种修改、等同替换、或改进。本发明的保护范围以所附权利要求书为准。
【主权项】
1.一种快速人头检测方法，其特征在于，该方法包括: 第一步骤，在图像内的人头的直径位置标定线段，根据标定线段计算分辨率图像，根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像； 第二步骤，计算图像的边缘点图像和边缘梯度向量图像； 第三步骤，根据霍夫投票，获取霍夫空间图像； 第四步骤，提取人头候选点； 第五步骤，计算候选人头半径和置信度，并获取候选人头区域； 第六步骤，对候选人头区域进行筛选;及 第七步骤，将剩余的候选人头区域作为人头检测区域并输出。2.如权利要求1所述的方法，所述第一步骤中根据标定线段计算分辨率图像步骤具体为:根据标定线段FDLS将空间坐标转化为图像坐标，即获得分辨率图像MG_RESO，分辨率图像IMG_RESO的像素值即为该像素点的分辨率，单位为pixel/cm，pixel即为像素； 第一步骤中的根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像的具体步骤如下:根据人头半径HEAD和人头半径容差HEAD_DEV计算人头的最小半径HEAD*( 1-HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)，然后根据分辨率图像mG_RESO依据人头的最小半径HEAD*(1-HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)获取人头最小半径图像IMG_RADmin和最大半径图像IMG_RADmax，单位为像素； 其中，人头半径HEAD的取值范围为9cm?11 cm，人头半径容差HEAD_DEV的取值范围为0.1?0.5。3.如权利要求2所述的方法，所述标定线段FDLS={fdli,i = l,2,3,L,M},M>3o4.如权利要求1所述的方法，所述第二步骤包括: 对图像进行边缘检测处理，获得边缘图像和梯度向量图像； 计算相邻两帧图像之间的差分图像，获得前景二值图像； 以前景二值图像为蒙板，将边缘图像中的非前景的像素点清零，以获得图像的边缘点图像IMG_EDGE，将梯度向量图像中的非前景的像素点清零，以获得图像的边缘梯度向量图像頂G_GRAD05.如权利要求1所述的方法，其特征在于，所述第三步骤包括: 步骤a，设置霍夫空间图像、“黑区域”霍夫图像和“白区域”霍夫图像初始值为全零； 步骤b，对边缘点图像进行霍夫投票； 步骤C，对“黑区域”霍夫图像和“白区域”霍夫图像做取较大值处理，从而获得霍夫空间图像。6.如权利要求5所述的方法，其特征在于，所述步骤b包括: 根据边缘梯度向量图像頂G_GRAD计算每一个像素点的梯度方向頂G_GDIRj和梯度幅度IMG_GMAGj，j表示第j个像素点； 从人头的最小半径图像IMG_RADmin和最大半径图像IMG_RADmax，获得该像素点的最小人头半径RADmin和最大人头半径RADmax ； 沿着第j个像素点的梯度方向MG_GDIRj从距离RADmin到RADmax之间，逐个对上述之间的像素点进行“黑区域”霍夫图像頂G_HOUGH_B投票，如果遇到梯度幅度比頂G_GMAG汰的边缘点，则停止投票； 沿着第j个像素点的负梯度方向_MG_GDIRj从距离RADmin到RADmax之间，逐个对上述之间的像素点进行“黑区域”霍夫图像IMG_HOUGH_W投票，如果遇到梯度幅度比MG_GMAG」大的边缘点，则停止投票。7.如权利要求1所述的方法，所述第四步骤进一步包括: 根据阈值TH_HOUGH对霍夫空间图像頂G_HOUGH进行二值化处理，获得霍夫空间的二值化图像頂GJffiIN; 对霍夫空间的二值化图像IMG_HBIN进行区域连通处理，得到区域集合HREG1NS ={HRGNk，k = I，2，L}，HRGNk表示第k个连通区域； 计算每一个区域HRGNk的质心HCPOSk，并将其作为该区域的人头候选点，获得人头候选点集合HCANDS ={HCP0Sk，k= I，2，L}； 其中，TH_H0UGH的取值范围为20?30。8.如权利要求1所述的方法，其特征在于，所述第五步骤进一步包括: 将圆周以3为间隔等分为120等分，得到每个间隔点的法向量； 对每个人头候选点HCPOSk,在半径为Rkl的圆的置信度即为圆周上的梯度向量与圆周法向量的归一化内积，记为HCDNFki ； 对范围RADmin < Rki < RADmaxR的所有半径的圆计算置信度HCDNFki，取置信度最大的半径Rki记为候选人头半径Rk，其置信度为H⑶NFk，以人头候选点HCPOSk为中心候选人头半径Rk内的区域为候选人头区域HCPOSk。9.如权利要求1所述的方法，其特征在于，所述第六步骤S6具体为:设置阈值TH_HC0NF，过滤掉所有置信度HCDNFk小于TH_HC0NF的候选人头区域HCPOSk; 其中，TH_HC0NF的取值范围为0.2?0.4。10.如权利要求9所述的方法，其特征在于，所述第六步骤进一步包括:计算圆周内和圆周外区域灰度的相似性GS頂k，设置阈值TH_GS頂，过滤掉所有相似性GS頂k大于TH_GS頂的候选人头区域HCPOSk; 其中，TH_GS頂的取值范围为0.4?0.6。11.一种快速人头检测装置，其特征在于，该装置包括: 人头的最小半径图像和最大半径图像获取模块，用于在图像内的人头的直径位置标定线段，根据标定线段计算分辨率图像，根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像； 图像的边缘点图像和边缘梯度向量图像获取模块，用于计算图像的边缘点图像和边缘梯度向量图像； 霍夫投票获取霍夫空间图像模块，用于获取霍夫空间图像； 人头候选点提取模块，用于提取人头候选点； 候选人头区域获取模块，用于计算候选人头半径和置信度，并获取候选人头区域； 候选人头区域筛选模块，用于对候选人头区域进行筛选;及 人头检测区域输出模块，用于将剩余的候选人头区域作为人头检测区域并输出。12.如权利要求11所述的装置，所述人头的最小半径图像和最大半径图像获取模块中根据标定线段计算分辨率图像步骤具体为:根据标定线段FDLS将空间坐标转化为图像坐标，即获得分辨率图像IMG_RES0，分辨率图像IMG_RES0的像素值即为该像素点的分辨率，单位为pixel/cm，pixel即为像素； 所述人头的最小半径图像和最大半径图像获取模块中的根据分辨率图像、人头半径、人头半径容差计算人头的最小半径图像和最大半径图像的具体步骤如下:根据人头半径HEAD和人头半径容差HEAD_DEV计算人头的最小半径HEAD*(1-HEAD_DEV)和最大半径HEAD*(1+HEAD_DEV)，然后根据分辨率图像頂G_RESO依据人头的最小半径HEAD*(1_HEAD_DEV)和最大半径HE AD* (I +HE AD_DE V)获取人头最小半径图像I MG_RADmin和最大半径图像I MG_RADmax，单位为像素； 其中，人头半径HEAD的取值范围为9cm?11 cm，人头半径容差HEAD_DEV的取值范围为0.I?0.5o13.如权利要求12所述的装置，所述标定线段FDLS={fdli, i = I，2，3，L，M}，M 2 3。14.如权利要求11所述的装置，所述图像的边缘点图像和边缘梯度向量图像获取模块中计算图像的边缘点图像和边缘梯度向量图像的具体步骤如下: 边缘处理模块，用于对图像进行边缘检测处理，获得边缘图像和梯度向量图像;前景二值图像获取模块，用于计算相邻两帧图像之间的差分图像，获得前景二值图像； 边缘点图像和边缘梯度图像获取模块，用于以前景二值图像为蒙板，将边缘图像中的非前景的像素点清零，以获得图像的边缘点图像IMG_EDGE，将梯度向量图像中的非前景的像素点清零，以获得图像的边缘梯度向量图像IMG_GRAD。15.如权利要求11所述的装置，其特征在于，所述霍夫投票获取霍夫空间图像模块包括: 所述霍夫图像初始化模块，用于设置霍夫空间图像、“黑区域”霍夫图像和“白区域”霍夫图像初始值为全零； 霍夫投票模块，用于对边缘点图像进行霍夫投票； 霍夫空间图像获取，用于对“黑区域”霍夫图像和“白区域”霍夫图像做取较大值处理，从而获得霍夫空间图像。16.如权利要求15所述的装置，其特征在于，所述霍夫投票模块包括: 梯度方向和幅度计算模块，用于根据边缘梯度向量图像IMG_GRAD计算每一个像素点的梯度方向IMG_GDIRj和梯度幅度IMG_GMAGj，j表示第j个像素点； 最小人头半径和最大人头半径获取模块，用于从人头的最小半径图像IMG_RADmin和最大半径图像IMG_RADmax，获得该像素点的最小人头半径RADmin和最大人头半径RADmax ； “黑区域”霍夫图像投票模块，用于沿着第j个像素点的梯度方向MG_GDI&从距离RADmin至IjRAD■之间，逐个对上述之间的像素点进行“黑区域”霍夫图像頂G_HOUGH_B投票，如果遇到梯度幅度比MG_GMAGj大的边缘点，则停止投票； “白区域”霍夫图像投票模块，用于沿着第j个像素点的负梯度方向-MG_GDIRj从距离RADmin到RADmax之间，逐个对上述之间的像素点进行“黑区±或”霍夫图像頂G_HOUGH_W投票，如果遇到梯度幅度比MG_GMAGj大的边缘点，则停止投票。17.如权利要求11所述的装置，所述人头候选点提取模块包括: 二值化处理模块，用于根据阈值TH_HOUGH对霍夫空间图像頂G_HOUGH进行二值化处理，获得霍夫空间的二值化图像MGJffiIN; 连通区域处理模块，用于对霍夫空间的二值化图像IMGJfflIN进行区域连通处理，得到区域集合HREG1NS= {HRGNk，k=l，2，L}，HRGNk表示第k个连通区域； 人头候选点集合获取模块，用于计算每一个区域HRGNk的质心HCPOSk，并将其作为该区域的人头候选点，获得人头候选点集合HCANDS= {HCP0Sk，k= I，2，L}; 其中，TH_H0UGH的取值范围为20?30。18.如权利要求11所述的装置，所述候选人头区域获取模块包括: 圆周法向量获取模块，用于将圆周以3为间隔等分为120等分，得到每个间隔点的法向量； 置信度计算模块，对每个人头候选点HCPOSk,在半径为Rkl的圆的置信度即为圆周上的梯度向量与圆周法向量的归一化内积，记为HCDNFki ； 根据置信度获取候选人头区域模块，对范围RADmin < Rki < RADmax内的所有半径的圆计算置信度HCDNFki，取置信度最大的半径Rki记为候选人头半径Rk，其置信度为HCDNFk，以人头候选点HCPOSk为中心候选人头半径Rk内的区域为候选人头区域HCPOSk。19.如权利要求11所述的装置，所述候选人头区域筛选模块包括:初步筛选模块，用于设置阈值TH_HC0NF，过滤掉所有置信度HCDNFk小于TH_HC0NF的候选人头区域HCPOSk ； 其中，TH_HC0NF的取值范围为0.2?0.4。20.如权利要求19所述的装置，所述候选人头区域筛选模块进一步包括:二次筛选模块，用于计算圆周内和圆周外区域灰度的相似性GSMk，设置阈值TH_GS頂，过滤掉所有相似性GS頂k大于TH_GSIM的候选人头区域HCPOSk; 其中，TH_GS頂的取值范围为0.4?0.6。
【文档编号】G06K9/46GK105868697SQ201610176753
【公开日】2016年8月17日
【申请日】2016年3月25日
【发明人】曾建平
【申请人】北京智芯原动科技有限公司