一种基于通量和遮挡系数的行人流估计方法
【专利摘要】本发明提供一种基于通量和遮挡系数的行人流估计方法，包括步骤：针对感兴趣区域，划定一块固定区域；根据前后两帧之间的运动提取光流，构建出运动矢量场；对图像中的行人进行运动估计，行人的运动被转换成速度矢量；对已划定的固定区域的通量进行计算；利用canny算子对图像进行边缘检测；对划定区域上的边缘点信息进行处理，从而得到遮挡系数；建立回归模型，结合将通量和遮挡系数，并对时间段进行积分处理得到行人流估计。本发明引入流体力学的概念，利用通量对行人流进行模拟；通过边缘信息对遮挡程度进行计算，从而提高了估计的鲁棒性将通量和遮挡系数与提出的回归模型相结合，有效地估计行人流。
【专利说明】一种基于通量和遮挡系数的行人流估计方法
【技术领域】
[0001] 本发明属于计算机视频处理【技术领域】，具体为一种基于通量和遮挡系数的行人流 估计方法。
【背景技术】
[0002] 随着社会的不断发展，人类的活动程度也在不断的扩大，呈现出人群数量多，密集 程度大的趋势，传统的监控系统难以满足日益增长的分析需求。目前，计算机视觉技术在行 人分析中发挥着越来越重要的作用。行人流的估计是行人分析中的一项重要任务。
[0003] 经对现有技术文献检索发现，基于行人检测跟踪和回归模型是两种重要的行 人流估计方法。但是行人检测跟踪方法在简单稀疏场景效果较好，或者对摄像头架 设位置有严格要求（参见：Zhao T, Nevatia R. Tracking multiple humans in crowded environment[C]//Computer Vision and Pattern Recognition,2004. CVPR2004. Proceedings of the2004IEEE Computer Society Conference on.IEEE,2004,2:11-406 -II-413V〇l. 2.)，使其面临如下两个问题：1)易受摄像头位置影响2)在遮挡严重的情 形下，容易产生较大误差。基于回归模型的方法（Chan A B, Liang Z S J, Vasconcelos N. Privacy preserving crowd monitoring:Counting people without people models or tracking[C]//Computer Vision and Pattern Recognition, 2008. CVPR2008.IEEE Conference on. IEEE, 2008:1-7.)虽然准确率较高，实时性也较好，但对于遮挡情况仍无法 很好解决。
【发明内容】
[0004] 本发明的目的在于克服上述现有技术的不足之处，提出了一种基于通量和遮挡系 数的行人流估计方法。
[0005] 本发明是通过以下技术方案实现的：本发明基于这样两个假设：1)把人流看做一 种流体，通过对通量的计算来对行人流进行估计；2)引入的遮挡系数可以补偿由遮挡而引 起的估计误差。首先利用光流法构建运动矢量场，这一矢量场包含了行人流的信息。同时， 划定一块固定区域并对其进行行人流估计。在一段时间内，对行人流量进行计算。其次，利 用canny算子对图像进行边缘检测，边缘点的分布信息反映了遮挡程度的大小，在此基础 上计算遮挡系数，使其在行人流的估计中发挥了更好的鲁棒性。
[0006] 所述方法包括以下步骤：
[0007] 第一步：针对感兴趣区域，划定一块固定区域，用于对该区域内的行人流估计。
[0008] 第二步：在视频序列中，根据前后两帧之间的运动提取光流，构建出运动矢量场。 具体是对图像中的行人进行运动估计，他们的运动被转换成速度矢量，包含了运动方向以 及运动速度两个方面。
[0009] 第三步：在获得的运动矢量场中，对已划定的固定区域的通量进行计算，其中包 括：1)行人流进入划定区域的通量Φ_ ;2)行人流走出划定区域的通量Φ +。
[0010] 具体步骤为：
[0011] 1.对划定区域边界上的像素点的光流V进行计算，假定光流与边界点法线方向夹 角为β，则p = Iv| cos ^为该点对通量的贡献值。
[0012] 2.对v进行方向判定。当β >90°时，该点行人流可以判断为进入区域，因此流 进分量上
【权利要求】
1. 一种基于通量和遮挡系数的行人流估计方法，其特征在于，包括以下步骤： 第一步：针对感兴趣区域，划定一块固定区域，用于对该区域内的行人流估计； 第二步：在视频序列中，根据前后两帧之间的运动提取光流，构建出运动矢量场；对图 像中的行人进行运动估计，行人的运动被转换成速度矢量，包含了运动方向以及运动速度 两个方面； 第三步：在获得的运动矢量场中，对已划定的固定区域的通量进行计算，其中包括：1) 行人流进入划定区域的通量φ_ ;2)行人流走出划定区域的通量Φ+; 第四步：利用canny算子对图像进行边缘检测，更多地标识出图像中行人的实际边缘； 第五步：利用第四步中获得的边缘图像，对划定区域上的边缘点信息进行处理，从而得 到遮挡系数Y = l+α，其中α为初步遮挡系数； 第六步：建立回归模型，将通量〇_和Φ+，遮挡系数Υ代入公式，并对时间段进行积分 处理得到行人流估计，具体是：
其中：φ+α)表示t时刻行人流走出划定区域的通量，Φ^α)表示t时刻行人流进入 划定区域的通量，Φα)为Φ+α)与Φ^α)的和，γ α)表示t时刻的遮挡系数，a为常量， l为开始时刻，t2结束时刻。
2. 根据权利要求1所述的一种基于通量和遮挡系数的行人流估计方法，其特征在于： 第三步中，具体实现步骤为： a)对划定区域边界上的像素点的光流V进行计算，假定光流与边界点法线方向夹角 为β，则
为该点对通量的贡献值； (2) 对V进行方向判定：当β >90°时，该点行人流判断为进入区域，因此流进分量上
;当β <90°时，该点行人流判断为走出区域，因此流出分量上
(3) 对边界上的点重复以上两个步骤（1)、（2)，得出最终的通量
以及
〇
3. 根据权利要求1或2所述的一种基于通量和遮挡系数的行人流估计方法，其特征在 于：第五步中具体实现步骤为： (1) 对边界线上的每个像素点按顺时针方向进行编号； (2) 记录边界上的边缘点，并对相邻的边缘点进行距离计算，距离为对应点的编号差； (3) 对计算得到的所有距离值进行直方图统计，距离值的数量为s，假定按照距离为 1?k, k+Ι?2*k，......（n-l)*k?n*k的分组情况进行统计，形成描述子h，根据场景选择 不同的k，k为正整数，η表示描述子h的维数，并用h[i]表示特征第i维的值； (4) 对h进行归一化，得到新特征h';使用高斯核对新特征进一步处理得到h"; (5) 根据距离值数量s的大小，与阈值T进行比较，再对特征进行权重处理，并对每一维 特征值进行求和得到初步遮挡系数； (6) 将初步遮挡系数α加1得到最终的遮挡系数Y，具体是， Υ = l+α。
4. 根据权利要求3所述的一种基于通量和遮挡系数的行人流估计方法，其特征在于： 所述对h进行归一化，得到新特征h';使用高斯核对新特征进一步处理得到h"，具体为， h' [i] = h[i]/s h" [i] =h' [i]Xexp(-i2/2〇2) 其中，h' [i]和h" [i]分别表示特征第i维的值，exp(k)表示自然指数e的k次方， 〇表示高斯函数的宽度参数，s为距离值的数量。
5. 根据权利要求3所述的一种基于通量和遮挡系数的行人流估计方法，其特征在于： 所述根据距离值数量s的大小，与阈值T进行比较，阈值T的选取根据场景以及划定区域的 边缘所含像素相关，再对特征进行权重处理，并对每一维特征值进行求和得到初步遮挡系 数α，具体是：
【文档编号】G06T7/20GK104063879SQ201410243312
【公开日】2014年9月24日 申请日期:2014年6月3日 优先权日:2014年6月3日
【发明者】杨华, 卢晓威 申请人:上海交通大学