专利名称：一种图像人数识别统计方法
一种图像人数识别统计方法技术领域
本发明属模式识别技术领域，具体涉及一种通过计算机或其他设备来统计某个区 域的静态图片或动态视频中人数，并进行统计的模型及其计算统计方法。
背景技术：
目前国内各公共场所中缺乏人数统计方面的解决方案，为人们的学习工作生活造 成诸多不便。并且，当发生紧急情况需要疏散人群时，没有人流信息的辅助，会造成人员逃 生的盲目性，甚至因为逃生不及时而造成重大的生命财产损失。发明内容
本发明的目的是克服了现有技术中的不足，提出了一种可扩展的，方便多接口信 息发布的，可较准确的计算图像中人数的识别模型及其计算方法。
本发明的技术方案是一种图像人数识别统计方法，它包括以下步骤(a)、建立级联分类器由计算机开源视觉库openCV搭建人工神经网络，从若干张样本 着手，训练出级联分类器；该级联分类器的训练步骤为将分类器分为若干级，每一级设定一种划分图像的方法，以黑白区域表示，计算黑白区 域像素值的积分差值，根据该积分差值计算该级分类器的分类参数，包括总阈值和左右两 个分支值，若干级的分类参数经过组合，形成级联分类器；采集若干张样本图片；将样本图片目的特征即头像或身体的几何中心重合，将处理后 的样本图像，划分成黑白两个区域，根据白色区域内的像素和黑色区域内的像素，计算出积 分差值，根据这个差值，计算出各级分类器的分类参数，包括总阈值和两个分支值，其中两 个分支值是总阈值的划分，每一级分类器对于黑白区域的划分细致程度不同；(b)、采用与训练样本同样大小的窗口划分整幅待识别图像，每当划分出一部分图像， 即按照样本的计算方法，分级计算出该图像的分类参数，将计算出的总阈值与分类器中对 应级的分类参数中的总阈值进行比较，从而选择左或者右分支值，(C)、进入下一级筛选；当计算出的分类参数不符合分类器中的参数时，表示该图像不 含有目的特征，此时停止计算，将划分窗口移动到下一个位置，重复步骤(b)_ (c)，当划分 窗口中的图像通过分类器所有级的时候，这个划分窗口中的图像含有目的特征。
本发明的统计过程中，如果有客户提出查询请求，则进行查询，将相应信息发给请 求方。
本发明的样本图片包括人体头部和全身图像，该图片经人工处理，截取下来，统一 尺寸，截取后各特征部分的几何中心重合，处理过后录入神经网络学习，处理后的图像尺寸 为头部图像25cmX25cm，全身图像30 cmX90cm。
本发明的有益效果本发明通过开发一套区域图像人数统计系统，力争识别准确，方便快捷，在保证成本 低廉的同时，利用网络、公示屏幕等方式向人们提供某一场所的人流信息，并提供监控摄像 头发来的图像，不仅方便对该场所进行管理，同时也能在紧急情况发生时，迅速检测发生地 点，并指引在场人员迅速逃生，最大程度地降低损失，解决公共安全、管理问题，应急性、实 用性极佳。
本发明的优势就在于提出了一种低成本的、可以多接口信息发布的图像人数识别 模型及其算法，不仅便于普及，方便用户自主设计软件界面，同时，可以扩展到识别其他事 物(如车辆、货物等)，实用性、扩展性极强。
本发明中通过替换其中的树形结构分类器，可以将人数识别扩展到对其他事物的 识别，扩展性和二次开发性都很好。并且用户可以自主设计软件，进行数量统计，适应多种 用户需求。并且识别后的结果可以进行汇总，以便多接口的信息发布，实用性强。
图1是本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
目前国际上公认较好的三种特征识别模式为SIFT/SURF、Haar特征、广义Hough 变换特征。
三种模式都是基于强度(灰度)信息，都是特征方法。
SIFT/SURF的特征是一种具有强烈方向性及亮度性的特征，这使得它适用于刚性 形变，稍有透视形变的场合；Haar特征识别方法带有一点人工智能的意味，对于像人脸这种有明显的、稳定结构的 Haar特征的物体最适用，只要结构相对固定即使发生扭曲等非线性形变依然可识别； 广义hough变换完全是精确的匹配，可得到物体的位置方向等参数信息。
本专利所设计的方法，使用了 Haar特征识别模式。对于人数识别来说，该模式更 适用，相对其他两种模式，识别模型的建立更方便。
如图1所示，一种图像人数识别统计方法，它包括以下步骤(a)、建立级联分类器由计算机开源视觉库openCV搭建人工神经网络，从若干张样本 着手，训练出级联分类器；该级联分类器的训练步骤为将分类器分为若干级，每一级设定一种划分图像的方法，以黑白区域表示，计算黑白区 域像素值的积分差值，根据该积分差值计算该级分类器的分类参数即总阈值，若干级的分 类参数经过组合，形成级联分类器；采集若干张样本图片；将样本图片中的特征部分(如人头部分、全身像部分)截取下来， 统一尺寸，并尽可能保证截取后各特征部分的几何中心重合。将处理后的样本图像，划分成 黑白两个区域，根据白色区域内的像素和黑色区域内的像素，计算出积分差值，根据这个差值，可计算出各级分类器的分类参数(包括总阈值和两个分支值，其中两个分支值是总阈值 的划分)，每一级分类器对于黑白区域的划分细致程度不同。；(b)、采用与训练样本同样大小的窗口划分整幅待识别图像。；每当划分出一部分图像， 即按照样本的计算方法，分级计算出该图像的分类参数，与分类器中对应级的分类参数(总 阈值)比较，从而选择左或者右分支值，并进入下一级筛选。当计算出的分类参数不符合分 类器中的参数时，表示该图像不含有目的特征，此时停止计算。将划分窗口移动到下一个位 置，重复上述过程。当划分窗口中的图像通过分类器所有级的时候，说明这个部分以较大的 概率被识别，即这个划分窗口中的图像含有目的特征(如人头、全身像)。
统计过程中，如果有客户提出查询请求，则进行查询，将相应信息发给请求方。
样本图片包括人体头部和全身图像，该图片经人工处理过后录入神经网络学习， 处理后的图像尺寸为头部图像25cmX25cm，全身图像30 cmX90cm。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
权利要求
1.一种图像人数识别统计方法，其特征是它包括以下步骤(a)、建立级联分类器由计算机开源视觉库openCV搭建人工神经网络，从若干张样本 着手，训练出级联分类器；该级联分类器的训练步骤为将分类器分为若干级，每一级设定一种划分图像的方法，以黑白区域表示，计算黑白区 域像素值的积分差值，根据该积分差值计算该级分类器的分类参数，包括总阈值和左右两 个分支值，若干级的分类参数经过组合，形成级联分类器；采集若干张样本图片；将样本图片目的特征即头像或身体的几何中心重合，将处理后 的样本图像，划分成黑白两个区域，根据白色区域内的像素和黑色区域内的像素，计算出积 分差值，根据这个差值，计算出各级分类器的分类参数，包括总阈值和两个分支值，其中两 个分支值是总阈值的划分，每一级分类器对于黑白区域的划分细致程度不同；(b)、采用与训练样本同样大小的窗口划分整幅待识别图像，每当划分出一部分图像， 即按照样本的计算方法，分级计算出该图像的分类参数，将计算出的总阈值与分类器中对 应级的分类参数中的总阈值进行比较，从而选择左或者右分支值，(C)、进入下一级筛选；当计算出的分类参数不符合分类器中的参数时，表示该图像不 含有目的特征，此时停止计算，将划分窗口移动到下一个位置，重复步骤(b)_ (c)，当划分 窗口中的图像通过分类器所有级的时候，这个划分窗口中的图像含有目的特征。
2.根据权利要求1所述的图像人数识别统计方法，其特征是所述的统计过程中，如果 有客户提出查询请求，则进行查询，将相应信息发给请求方。
3.根据权利要求1所述的图像人数识别统计方法，其特征是所述的样本图片包括人体 头部和全身图像，该图片经人工处理，截取下来，统一尺寸，截取后各特征部分的几何中心 重合，处理过后录入神经网络学习，处理后的图像尺寸为头部图像25cmX25cm，全身图像 30 cmX90cm。
全文摘要
一种图像人数识别统计方法，它采用了计算机开源视觉库openCV作为模型基础，树形特征分类器作为识别依据，将设备采集到的某个区域的图像数据中的人数计算出来，并进行信息汇总，生成XML文件，并利用这个涵盖全部地点人数信息的XML文件将信息多接口地发布出去。本发明提出的图像人数识别模型，在各种环境下对人的识别率都相对较高，并且使用openCV模式识别解决方案，运行速度较快，达到实际应用的水平。
文档编号G06K9/62GK102043963SQ20101057497
公开日2011年5月4日 申请日期2010年12月6日 优先权日2010年12月6日
发明者刘子源, 唐浩然, 朱华庆 申请人:河海大学