专利名称：基于图像预处理和背景差分的人头跟踪及计数方法
技术领域：
本发明属于视频图像处理技术领域，具体指的是基于图像预处理和背景差分的人头跟踪及计数方法。
背景技术：
当今的商业讯息万变，需要管理者能够在短时间内对市场的变化做出快速、准确的反应，并且要最大限度的节约运作成本。对于零售业、文化娱乐等公共场所业，客流信息的精准统计分析，是必不可少的，它可以帮助实现如通过统计各出入口的客流及客流进出的方向，判断各出入口设置的合理性；通过统计一天内各个时段的客流、一年内不同时期的客流，更加合理有效的对物业管理、维护安保、科学促销等进行调整；针对客流过多的时段，尤其注重安全维护，防止不必要的意外发生等。当前市场上，已经有各种各样的客流统计系统，以满足不同使用群体的需求，主要包括红外传感器扫描计数，压力踏板式自动计数，这两种客流统计方式在各自的应用环境能够基本满足客流统计分析的要求，但也各自存在着一定的缺点，共同的缺点是不能辨别行人的行进方向，且在客流大时的计数准确度不高。目前基于视频分析的人头检测及计数方法是客流统计领域的研究热点，其基本原理是，在单目俯视图像中，利用人头的圆形特征、发色统计模型等，进行人头检测。已有的基于多源信息融合和在线学习的人头计数方法，主要运用的是机器学习方法，通过大量的训练，才能在应用时进行识别。该方法对训练样本的要求高、量大且需要包含各种可能出现的情况，同时这也导致计算量、需求的存储空间大。此外，也没有发现该方法能解决行人行进方向的辨别问题。
发明内容
为了解决上述问题，提供了基于图像预处理和背景差分的人头跟踪及计数方法，所述方法能够解决行人行进方向的辨别问题。为达到上述目的，本发明采用的技术方案是基于图像预处理和背景差分的人头跟踪及计数方法，其特征在于，所述方法以数字摄像机作为视频采集的工具，并用视频转换平台将视频转换成连续帧图像，对图像进行分析，从而完成人头跟踪及计数；所述方法包括以下步骤步骤A，利用所述数字摄像机垂直向下连续拍摄一定区域，采集该区域内行人的数字视频；步骤B，所述数字视频通过视频转换，转化成连续帧图像；步骤C，对所述连续帧图像设定感兴趣区域；步骤D，应用均值漂移分割方法和形态学方法对所述感兴趣区域图像进行预处理；所述形态学方法包括礼帽变换和黑帽变换；步骤E，运用背景差分方法处理所述预处理过的图像开始的图像帧用于建立背景图像，用后续的帧图像减去背景图像，提取出人前景，同时实现背景更新；
步骤F，运用霍夫变换，对所述人前景进行人头识别，并将识别出的人头作为最终的人体对象；步骤G，对所述人头进行跟踪和计数，判断该人头是否为新进场人头，若是，则与已存在的人头不匹配，计数加I;若不是，则与已存在的人头相匹配，计数不加I;并将统计的数量作为最后的结果；本发明的有益效果是基于图像预处理和背景差分的人头跟踪及计数方法，所述方法首先需要进行视频采集，采集得到的视频依次经过图像预处理、背景差分、霍夫变换和跟踪，最终得到计数结果。所述方法结合了颜色和形状特征，通过图像预处理和背景差分的方法将人头与人身及其他目标分割开来，再通过霍夫变换圈定人头；为了不重复计数，并标记行人的前进方向，需要对圈定的人头目标进行跟踪；同时，为了适应环境中光线等条件的变幻，进行了背景的实时更新，提高了环境适应能力。
图1是本发明基于图像预处理和背景差分的人头跟踪及计数方法的算法原理框图。
具体实施例方式为了更加详细的描述本发明提出的基于图像预处理和背景差分的人头跟踪及计数方法，结合附图，举例说明如下本发明的基于图像预处理和背景差分的人头跟踪及计数方法，是在数字摄像机作为视频采集工具的支持下实现的，人头检测的原理主要用到了物体颜色特征和人头的形状特征等特性进行的分析。以下结合附图1所示的算法原理图，详细说明本方法的具体实施方式
。步骤A，首先用数字摄像机对定点区域内的图像进行采集，形成实时的视频流。数字摄像机可以采用海康或者大华的现成产品。摄像机垂直安装在待检测的定点区域的正上方，根据区域范围的大小，可调整安装的高度，室内一般为2. 5米飞米之间；步骤B，将步骤A中采集到的实时视频流通过专用的视频转换平台，转换成连续帧的数字图像；步骤C，对步骤B中数字帧图像进行图像预处理，使得人头与人身及其他目标分割开来，图像预处理包括均值漂移分割和礼帽变换、黑帽变换；均值漂移分割是一种基于颜色的均值漂移聚类的相似算法。均值漂移MeanShift能够沿时间轴找出颜色空间的峰值分布，所以均值漂移分割能够找到在空间上颜色分布的峰值。通过给出一组多维数据点，其维数是(X，y，蓝，绿，红)，均值漂移可以用一个窗口扫描空间来找到数据密度最高的聚块，需要注意的是，由于空间变量(x，y)的变化范围与颜色变化范围有极大的不同，所以，均值漂移对不同的维数要用不同的窗口半径。在这种情况下，我们要根据空间变量设定一个空间半径，根据颜色变量设定一个颜色半径。当均值漂移窗口移动时，经过窗口变换后收敛到数据峰值的所有点都会连通起来，并且属于该峰值。这种所属关系，是从密集的尖峰辐射，形成了图像的分割。
礼帽变换和黑帽变换是形态学方法，用于分离比邻近的点亮或者暗的一些斑块。经过均值漂移分割的图像仍是彩色图像，将其转换为灰度图像src后，再用礼帽变换和黑帽变换组合起来进行处理，就能将人头与人身及其他目标物体很好的分割开来。常见的形态学方法是开运算和闭运算，在此不对两者进行赘述，而礼帽变换TopHat (src)和黑帽变换 BlackHat (src)就是建立在开 open (src)、闭运算 close (src)基础上的；相互之间的关系为TopHat (src) =src - open (src),突出明亮区域；BlackHat (src) =close (src)-src,突出黑暗区域；最后进行如下运算src+TopHat (src) -BlackHat (src),就完成了图像预处理。步骤D，经过步骤C处理的图像，包括人前景和背景，用背景差分的方法提取出人前景。背景差分方法，需要先建立背景，故而视频流转换成的连续帧图像中的前面几十帧用于建立背景，具体过程是建立一个与灰度图像src—样大的背景掩膜，初始化为I ;连续两帧图像相减得一差分图，遍历该差分图的每个像素值，如果大于设定的阈值Tl则背景掩膜中对应位置的值保持为1，小于设定的阈值Tl则背景掩膜中对应位置的值设为O ;统计掩膜中O的个数，如果O的个数大于设定的阈值T2，则背景建立完成，如若小于T2，则更新差分图，循环前面步骤。背景建立完成后，只需将预处理后的当前帧减去背景图，就会得到人前景。同时，需要用当前帧去更新背景，以适应光线等环境的变换。步骤E，对步骤D中得到的经过分割的人前景，运用霍夫变换，就能很轻松的得到人头。步骤F，对步骤E中得到的人头对象进行跟踪，完成人头的计数和人行进方向的统计。人头对象跟踪的具体过程是用矩形框外接圈定的人头，然后对前后两帧中人头外接矩形框进行匹配，匹配的基准是前后两帧相近矩形框的重叠面积是否超过设定的阈值T3，如果大于T3，则认为这是同一个人头在前后两帧中移动的效果，此时计数不变，但记录其轨迹。如果小于T3，则认为是新出场的人头目标，此时计数加I。同时，要对人头目标进行出场情况判定，当一个人头目标接近测定区域的边缘时，判断该目标出场，此时，根据目标的轨迹信息，判断行人的行进方向。到此，一个人头计数器已经实现。本方法融合了包括颜色、亮度和人头圆形等信息，采用了图像预处理，背景差分，霍夫变换和跟踪的操作，达到了计数和记录行人行进方向的目的，并通过背景更新，提高环境适应能力。以上实施例仅为本发明其中的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
权利要求
1.基于图像预处理和背景差分的人头跟踪及计数方法，其特征在于，所述方法以数字摄像机作为视频采集的工具，并用视频转换平台将视频转换成连续帧图像，对图像进行分析，从而完成人头跟踪及计数；所述方法包括以下步骤 步骤A，利用所述数字摄像机垂直向下连续拍摄一定区域，采集该区域内行人的数字视频； 步骤B，所述数字视频通过视频转换，转化成连续帧图像； 步骤C，对所述连续帧图像设定感兴趣区域； 步骤D，应用均值漂移分割方法和形态学方法对所述感兴趣区域图像进行预处理； 步骤E，运用背景差分方法处理所述预处理过的图像开始的图像帧用于建立背景图像，用后续的帧图像减去背景图像，提取出人前景，同时实现背景更新； 步骤F，运用霍夫变换，对所述人前景进行人头识别，并将识别出的人头作为最终的人体对象； 步骤G，对所述人头进行跟踪和计数，判断该人头是否为新进场人头，若是，则与已存在的人头不匹配，计数加I ;若不是，则与已存在的人头相匹配，计数不加I ;并将统计的数量作为最后的结果。
2.根据权利要求1所述基于图像预处理和背景差分的人头跟踪及计数方法，其特征在于，所述的形态学方法包括礼帽变换和黑帽变换。
全文摘要
本发明提出的基于图像预处理和背景差分的人头跟踪及计数方法，所述方法首先需要进行视频采集，采集得到的视频依次经过图像预处理、背景差分、霍夫变换和跟踪，最终得到计数结果。所述方法结合了颜色和形状特征，通过图像预处理和背景差分的方法将人头与人身及其他目标分割开来，再通过霍夫变换圈定人头；为了不重复计数，并标记行人的前进方向，需要对圈定的人头目标进行跟踪；同时，为了适应环境中光线等条件的变幻，进行了背景的实时更新,提高了环境适应能力。
文档编号G06K9/46GK103065123SQ20121056291
公开日2013年4月24日 申请日期2012年12月21日 优先权日2012年12月21日
发明者韩光, 李晓飞, 杨召君, 王鹏, 费凡, 王美芹 申请人:南京邮电大学