本发明涉及视频客流统计领域，具体的说，涉及了一种视频客流统计系统及客流统计方法。
背景技术：
传统的客流统计通常采用人工统计的方法来取得客流量数据，虽然精度可以满足要求，但是消耗人力、财力，且不具备系统性和全面性。刷卡机、投币机等接触式设备，虽然脱离了人工，但是一般只能一次通过一人，且无法满足较高的精度和同时统计上、下车人数的要求。而现在应用最广泛的红外线检测系统，此类系统为非接触式，相比接触式设备，有了很大的提高。但在实际运行中，当多个乘客连续或同时通过红外装置时，就会出现遮挡，单个乘客在检测目标区域暂时的停留，或者躯体和携带物品的干扰，也会对统计的精准度产生影响。因此，红外系统只能作为低精度系统，提供粗略的人数统计数据。然而，公交车乘客人数是重要的公交车客流信息，准确的公交车乘客人数信息能够辅助制定更加科学的调度规划，是管理者决策的依据，是评价运营质量的标准。故而随着视频图像处理及识别技术的快速发展，视频图像处理及识别技术逐步被应用于人数统计领域。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
技术实现要素：
本发明的目的是针对现有技术的不足，从而提供一种视频客流统计系统，并提供了基于该系统的算法简单准确的客流统计方法。
为了实现上述目的，本发明所采用的技术方案是：一种视频客流统计系统，该系统包括：序列帧图像获取单元，连接摄像头，获取并解码摄像头视频流并转换为HSV 格式；运动目标检测单元，针对获取的HSV格式图像，应用VIBE 算法建立图像背景模型，并比较背景帧和当前帧进行背景/ 前景分类，同时采用背景更新策略更新背景模型，获得运动目标区域；目标提取单元，对运动目标区域进行分割，得到运动目标区域的矩形框，并设置矩形框的上、下边界，然后分别对各个矩形框的上、下边界进行追踪；计数判定单元，根据运动目标的上、下边界与计数线碰撞的先后顺序确定运动目标是上车或下车，分别对上下车人数进行统计。
一种视频客流统计系统的客流统计方法，该方法包括以下步骤：
1）通过摄像头获取并解码摄像头视频流并转换为HSV 格式的序列帧图像；
2）对第一帧图像根据像素点空间上的相关性和时间上的相关性，应用VIBE 算法建立图像背景模型，并比较背景帧和当前帧进行背景/ 前景分类，同时采用背景更新策略更新背景模型，获得运动目标区域；
3）对运动目标区域进行分割，得到运动目标区域的矩形框，并设置矩形框的上、下边界，然后分别对各个矩形框的上、下边界进行追踪；
4）根据运动目标的上、下边界与计数线碰撞的先后顺序确定运动目标是上车或下车，分别对上下车人数进行统计。
基于上述，所述步骤1）中，将摄像头垂直安装于公交车车门附近的车厢正上方，获取乘客上下公交车的视频图像。
基于上述，步骤2中运动目标和背景分割流程为:首先对图像进行高斯平滑预处理，然后提取三帧图像序列的SILTP 值并且分别求取相邻两帧之间的距离。对第一帧图像应用VIBE 背景建模，针对当前帧，对每一个像素点建立一个像素点集合空间，计算当前帧像素点与背景模型的欧几里德距离，用下面式子计算比较判断背景帧和当前帧；
SR(pt(x,y))＝{p|EuclidDis(p,pt(x,y)) ＜ R}
count ＝ #{SR(pt(x,y)) ∩ Bt0(x,y)}
。
基于上述，背景模型更新包括：背景初始化，采用前n帧图像的平均值，作为原始背景图像F；计算当前帧图像与初始背景图像的结构相似系数；根据结构相似性，进行背景更新。
基于上述，计算当前帧图像与初始背景图像的结构相似系数的具体操作步骤包括：
1）计算当前帧图像It与初始背景图像F 之间的亮度失真Sm(F,It) 和对比度失真Sv(F,It) ：
其中，μ1和μ2分别是F和It的区域均值，σ1和σ2分别是F和It的区域方差，σ1,2是F 和It之间的区域协方差，c1和c2为常数；
2）确定当前帧图像It与初始背景图像F 之间的结构相似图M(F,It) ：
M(F,It) ＝ Sm(F,It)×Sv(F,It) ；
3）根据步骤(2) 所得的结构相似图M(F,It)，计算当前帧图像It与初始背景图像F 之间的结构相似性mt：
mt＝ (M(F,I t))γ，其中，γ为常数；
基于结构相似图，进行背景更新的具体操作步骤包括：
a）根据获得的结构相似性系数mt，计算运动区域的反馈系数dt：dt＝ (1-α) dt-1+α(1-mt)，其中，dt-1为t-1 时刻运动区域反馈系数，α 为学习率；
b）计算当前t 时刻的反馈系数βt：
c）更新背景，确定当前t 时刻的背景Bt：Bt＝ (1-βt×α) Bt-1+βt×α×It，其中，Bt-1为t-1 时刻的背景。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明具有较高的检测识别率，且计算复杂度低，具有广阔的应用场景。与现有计数相比，通过对目标区域的检测，进行客流统计，与现有算法相比，理论依据充分，数学模型清晰，实现简单，正确率高。
根据视频场景中的物体结构对光照变化的强鲁棒性，利用当前帧和背景模型的结构相似系数，抑制前景对背景模型的影响，解决现有背景建模方法存在的更新背景模型过程中易引入前景特征的难题。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
实施例1
一种视频客流统计系统，该系统包括：
序列帧图像获取单元，连接摄像头，获取并解码摄像头视频流并转换为HSV 格式，具体的，将摄像头垂直安装于公交车车门附近的车厢正上方，获取乘客上下公交车的视频图像；运动目标检测单元，针对获取的HSV格式图像，应用VIBE 算法建立图像背景模型，并比较背景帧和当前帧进行背景/ 前景分类，同时采用背景更新策略更新背景模型，获得运动目标区域；目标提取单元，对运动目标区域进行分割，得到运动目标区域的矩形框，并设置矩形框的上、下边界，然后分别对各个矩形框的上、下边界进行追踪；计数判定单元，根据运动目标的上、下边界与计数线碰撞的先后顺序确定运动目标是上车或下车，分别对上下车人数进行统计。
所述视频客流统计系统的客流统计方法包括以下步骤：
1）通过摄像头获取并解码摄像头视频流并转换为HSV 格式的序列帧图像；
2）对第一帧图像根据像素点空间上的相关性和时间上的相关性，应用VIBE 算法建立图像背景模型，并比较背景帧和当前帧进行背景/ 前景分类，同时采用背景更新策略更新背景模型，获得运动目标区域；
3）对运动目标区域进行分割，得到运动目标区域的矩形框，并设置矩形框的上、下边界，然后分别对各个矩形框的上、下边界进行追踪；
4）根据运动目标的上、下边界与计数线碰撞的先后顺序确定运动目标是上车或下车，分别对上下车人数进行统计。
实施例2
系统在运行过程中，首先根据输入的当前的图像数据生成背景；在关闭车门时仅进行背景的更新，在开启车门时才进行客流计数；在具体图像处理的过程中，需要对运动目标和背景进行分割，流程为:首先对图像进行高斯平滑预处理，然后提取三帧图像序列的SILTP 值并且分别求取相邻两帧之间的距离。对第一帧图像应用VIBE 背景建模，针对当前帧，对每一个像素点建立一个像素点集合空间，计算当前帧像素点与背景模型的欧几里德距离，用下面式子计算比较判断背景帧和当前帧。
SR(pt(x,y))＝{p|EuclidDis(p,pt(x,y)) ＜ R}
count ＝ #{SR(pt(x,y)) ∩ Bt0(x,y)}
。
实施例3
本实施例与上述实施例的区别在于：在建立图像背景模型后，需要采用行之有效的背景更新策略更新背景模型，获得运动目标区域，在背景模型更新包括：背景初始化，采用前n帧图像的平均值，作为原始背景图像F；计算当前帧图像与初始背景图像的结构相似系数；根据结构相似性，进行背景更新。
计算当前帧图像与初始背景图像的结构相似系数的具体操作步骤包括：
1）计算当前帧图像It与初始背景图像F 之间的亮度失真Sm(F,It) 和对比度失真Sv(F,It) ：
其中，μ1和μ2分别是F和It的区域均值，σ1和σ2分别是F和It的区域方差，σ1,2是F 和It之间的区域协方差，c1和c2为常数；
2）确定当前帧图像It与初始背景图像F 之间的结构相似图M(F,It) ：
M(F,It) ＝ Sm(F,It)×Sv(F,It) ；
3）根据步骤(2) 所得的结构相似图M(F,It)，计算当前帧图像It与初始背景图像F 之间的结构相似性mt：
mt＝ (M(F,I t))γ，其中，γ为常数；
基于结构相似图，进行背景更新的具体操作步骤包括：
a）根据获得的结构相似性系数mt，计算运动区域的反馈系数dt：dt＝ (1-α) dt-1+α(1-mt)，其中，dt-1为t-1 时刻运动区域反馈系数，α 为学习率；
b）计算当前t 时刻的反馈系数βt：
c）更新背景，确定当前t 时刻的背景Bt：Bt＝ (1-βt×α) Bt-1+βt×α×It，其中，Bt-1为t-1 时刻的背景。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。