本发明属于计算机视觉领域，尤其涉及其中的机器学习和模式识别。
2.
背景技术：
人流量检测是计算机视觉领域最热门也是最具挑战性的研究方向之一，有着广泛的应用前景，如安防、交通、娱乐等领域。现有的人流量检测系统，通常是通过摄像头采集图像，传递到后台进行处理，处理过程较为复杂，检测速度较慢，而且精度不高，通常不能有效的解决人流量检测的问题。
近年来公共场所安全问题受到越来越多的重视，监控系统广泛应用在各个公共场所。在计算机视觉领域，人体检测是保证人流量检测精度的根本，那么如何解决在视频中实现较高可靠性的人体检测成为研究热点。人体检测中最重要的两个环节是特征提取和分类器的设计。本发明提出自己的研究思路，以期提供一种新的方法以提高人流量检测的精度，尤其是根据SVM来训练人体模型建立人体特征分类器，利用DPM方法把人体分成各个部分，进行特征识别，减少误识别率。本方法可以减少对干扰物的错误识别，提高识别的精度。
3.
技术实现要素：
本发明是根据上述思路设计的一种基于SVM的公共场合人流量检测方法。
本发明的技术方案是提供一种基于SVM的公共场合人流量检测方法，其特征包括以下步骤：
(1)将视频图像存储于原始视频数据库，视频图像包括视频文件和文件属性；
(2)利用背景差分法和帧间差分法对图像中的运动目标进行提取；
(3)利用DPM方法提取运动目标特征；
(4)将运动目标特征与利用SVM建立的人体特征模型库进行对比，根据对比结果判断运动目标是否为人体，人流量计数器是否加减；
(5)在人体遮挡面积过大时，则采用面积分割法估算人流量。
在所述步骤(1)之前还包括以下步骤：
(a)收集人体标准特征的图像并存储于标准模型库；
(b)根据标准模型库，根据DPM方法识别的人体特征，利用SVM方法对人体各个部分特征值进行学习训练模型，形成人体特征模型库。
所述步骤(2)包括以下步骤：
(2.1)图像分帧，对要处理的视频图像进行分帧处理；
(2.2)图像预处理，对要处理的视频图像进行二值化、缩放、滤波等处理。
本发明提出了基于SVM的公共场合人流量检测方法，主要包括以下内容：
(1)人体特征提取
本方法利用DPM方法，对图像中运动目标所在区域进行局部特征分析及提取，采取从部件到整体的途径，将人体分为头、四肢、躯干等部件，然后分别训练各个部件样本，根据部件之间的几何约束来检测整个人体。通过对运动目标提取后再利用DPM进行特征提取，并与提前训练好的特征模型库内人体特征进行对比，提高人流量检测的精度。
(2)人体特征模型库建立
人体特征模型库即分类器的建立，在根据传统SVM训练模型方法的基础上，通过DPM特征提取方法，把整个人体分为几个部分，例如头部、四肢以及身体，分别建立其特征库，进而形成SVM分类器，构造一个人体检测器。SVM分类器具有对样本多变性的良好容错能力及较强的学习能力，针对不同的样本具有较好的识别率和较低的误识率，并且计算速度快，可以快速进行大量的视频图像检测，可用于人口密集的公共场合人流量检测系统。
4.附图说明
图1是应用本发明的系统的结构框图。
5.具体实施方式
下面对本发明的具体实施方式作进一步详细的描述。
如图1所示，本发明提出一种基于SVM的人流量检测方法，对应的系统包括：图像预处理，运动目标提取，DPM特征提取，人体特模型库建立，面积估算人流量。
图像预处理包括对视频图像进行分帧处理，对单帧图片进行二值化、除躁等处理；
运动目标提取是利用帧间差分法把运动目标所在区域提取出来，然后再利用背景差分法把运动目标检测出来；
DPM特征提取是利用DPM方法提取运动目标的特征；
人体特征模型库建立是利用SVM方法训练人体各个部分模型并形成特征库，在SVM训练学习的基础上添加通过DPM方法，把整个人体分为几个部分，如头部、四肢以及身体，分别建立特征库，进而形成SVM人体特征分类器，建立人体特征模型库；
通过检测到的运动目标特征与人体特征模型库的对比，判定检测到的运动目标是否为人体，从而使人流量计数器计数；
在人与人高度重叠的情况时，无法精确地检测人数，采用面积估算法来估算人流量。
以上实施仅为本发明其中的一种实施方式，其描述较为具体，但并不能因此而理解为对本发明专利范围的限制。对于本领域的技术人员，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。因此，本发明专利的保护范围应以所附权利要求为准。