一种对男女客流的统计方法与流程

技术特征：

1.一种对男女客流的统计方法，其特征在于，该统计方法包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像；

S2、用分类器对输入图像进行人脸检测，得到候选人脸区域，并规划出头顶矩形区域；

S3、根据头顶矩形区域中暗像素点个数S_dark与总像素点个数S_all的比例，剔除非人脸区域，以得到包含人脸区域的行人区域；

S4、至少对相邻帧输入图像中包含人脸区域的行人区域所对应的胸部矩形区域的颜色直方图度量进行关联代价，以对步骤S3中的人脸区域的中心进行跟踪；

S5、对人脸区域进行大小归一化，得到固定大小的人脸图像，使用性别分类器进行男女识别，并记录男女客流人数。

2.根据权利要求1所述的统计方法，其特征在于，所述步骤S1具体为：通过若干倾斜拍摄的摄像机获取监控区域的视频流图像作为输入图像；所述监控区域位于若干倾斜拍摄的摄像机的斜下方。

3.根据权利要求1所述的统计方法，其特征在于，所述步骤S2中“规划出头顶矩形区域”具体为：在候选人脸区域中选取中心坐标为高度为像素，宽度为w像素的矩形区域作为头顶矩形区域，所述头顶矩形区域的数学表达式为：其中，(x，y)为候选人脸区域的中心，h为候选人脸区域的高度。

4.根据权利要求3所述的统计方法，其特征在于，所述步骤S3具体包括以下子步骤：

子步骤S31、计算候选人脸区域的平均灰度值T_avg，所述平均灰度值T_avg的计算公式为：

$T_{avg}=\frac{1}{w*h}*\underset{\left(i,j\right)\∈R\left(x,y,w,h\right)}{\mathrm{\Σ}}val\left(i,j\right);$

其中，R(x，y，w，h)为候选人脸区域，w为候选人脸区域的宽度；val(i，j)为候选人脸区域在像素点(i，j)处的灰度值；

子步骤S32、统计头顶矩形区域中大于候选人脸区域的平均灰度值T_avg的暗像素点个数S_dark，并与头顶矩形区域的总像素个数S_all作比较；

若S_dark＞S_all/2，则将候选人脸区域判定为人脸图像；

若S_dark≤S_all/2，则不将候选人脸区域判定为人脸图像，以剔除非人脸区域：

所述头顶矩形区域的总像素个数S_all的计算公式为：所述暗像素点个数S_dark的计算公式为：其中，

$d(i,j)=\left\{\begin{array}{cc}1& val\left(i,j\right)\<T_{avg}\\ 0& other\end{array}\right..$

5.根据权利要求1所述的统计方法，其特征在于，所述步骤S4中还包括：对相邻帧输入图像中的人脸区域的中心在监控区域中的欧几里得距离差异、相邻帧的输入图像中的人脸区域在监控区域中的行进方向差异以及相邻帧输入图像中包含人脸区域的行人区域所对应的胸部矩形区域的颜色直方图度量分别进行跟踪关联代价，并根据三次跟踪关联代价的结果对人脸区域的中心进行总跟踪关联代价，以对步骤S3中的人脸区域的中心进行跟踪。

6.根据权利要求5所述的统计方法，其特征在于，所述对相邻帧的输入图像中人脸区域的中心在监控区域中的欧几里得距离差异进行跟踪关联代价的计算公式为：

其中，p_tⁱ＝(x_tⁱ，y_tⁱ)是步骤S3获取的第t帧中第i个人脸区域的中心的坐标，γ₁是同一人脸区域在相邻帧图像中的最小欧几里得距离差异阈值，γ₁＝50像素；

所述对相邻帧的输入图像中人脸区域在监控区域中的行进方向差异进行跟踪关联代价的计算公式为：

$\mathrm{\Θ}(i,j)=\left\{\begin{array}{cc}\frac{|{{\mathrm{\θ}}_t}^j-{{\mathrm{\θ}}_{t-1}}^i|}{{\mathrm{\γ}}_2},& |{{\mathrm{\θ}}_t}^j-{{\mathrm{\θ}}_{t-1}}^i|\≤{\mathrm{\γ}}_2\\ 1,& |{{\mathrm{\θ}}_t}^j-{{\mathrm{\θ}}_{t-1}}^i|\>{\mathrm{\γ}}_2\end{array}\right.;$

其中，θ_tⁱ表示第t帧中第i个人脸区域在监控区域中行进方向偏离角度；γ₂是同一人脸区域在相邻帧图像中的最小行进方向差异的阈值，γ₂＝80°；

所述对相邻帧的输入图像中的胸部矩形区域在监控区域中的颜色直方图度量进行跟踪关联代价的计算公式为：

$S\left(i,j\right)=S\left(r_t^i,r_{t-1}^j\right)=1-\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\min \left(c_{t,i}^k,c_{t-1,j}^k\right);$

其中，r_tⁱ表示第t帧中第i个人脸区域对应的胸部矩形区域；表示胸部矩形区域r_tⁱ对应的颜色直方图中第k个区间的值；

然后，根据三次跟踪关联代价的结果对人脸区域的中心进行总跟踪关联代价，以对步骤S3中的人脸区域的中心进行跟踪。

7.根据权利要求6所述的统计方法，其特征在于，所述总跟踪关联代价的计算公式为：C(i，j)＝a₁D(i，j)+a₂Θ(i，j)+a₃S(i，j)；

其中，权值a₁与权值a₂设为0.3，权值a₃设为0.4。

8.根据权利要求1所述的统计方法，其特征在于，所述步骤S5具体包括以下子步骤：

子步骤S51：计算8个方向、5个尺度的Gabor小波幅值，并分别与固定大小的人脸图像作乘积，得到Gabor小波特征图像；所述Gabor小波幅值计算公式为：

$g_{m,n}\left(\mathrm{\θ}\right)=\frac{\left|\right|v_{m,n}|{|}^2}{{\mathrm{\σ}}^2}{e}^{\frac{-\left|\right|v_{m,n}\left|{|}^2\right|\left|\mathrm{\θ}\right|{|}^2}{2{\mathrm{\σ}}^2}}\left(e^{{\mathrm{iv}}_{m,n}\mathrm{\θ}}-e^{\frac{-{\mathrm{\σ}}^2}{2}}\right);$

其中，m和n表示Gabor小波的方向和尺度的取值；θ＝(c，r)，c、r表示位置信息；||·||表示范数运算；向量其中，v_n＝v_max/λⁿ及w_m＝πm/8，该v_max为λ是频率域中各核函数之间的空间因素；σ为高斯窗口的尺度因子，该σ为2π；

子步骤S52：对每个Gabor小波幅值，利用局部二值模式计算得到纹理图像，并采用LBP算子等价模式进行降维；

子步骤S53：获取人脸图像的特征值；

子步骤S54：将人脸图像的特征值与训练样本集中的男女特征值比较，以识别出男女客流；

子步骤S55：根据步骤S4中对人脸区域的中心的跟踪结果记录男女客流人数。

9.根据权利要求1所述的统计方法，其特征在于，所述步骤S5中大小归一化处理所得到固定大小的人脸图像的规格为50×50。

10.根据权利要求8所述的统计方法，其特征在于，所述子步骤S53具体为：将人脸图像划分为10×10个不重叠的子区域，提取出每个子区域的直方图，将所有子区域的直方图顺序组合成一个直方图序列，将其作为人脸图像的特征值。