一种基于视频分析的人流量统计方法与流程

文档序号：11729793阅读：1946来源：国知局

本发明涉及一种图像采集分析技术，尤其涉及一种基于视频分析的人流量统计方法。

背景技术：

在商场、机场、博物馆等公共场所的管理和决策中，人流量是不可缺少的数据，以商场为例，人流量是非常基础和重要的指标，和商场的销售密切相关，由人流量，可以为销售、服务和物流提供可靠的参考信息。在一些区域，人流量作为控制区域人口密度的参数，又是其安全性的一个重要考虑因素。所以，通过对人流量的统计，可以实时有效的监控、组织公共场所的运营工作，为人们提供安全的环境和更优质的服务。

目前，获得行人流量统计的方法主要可以分为三大类：1、人工统计或接触式设备；2、利用传感器进行行人流量统计；3、基于计算机视觉的人流量统计。利用人工对行人流量进行统计，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；旋转门、旋转把手等接触式设备，虽然脱离了人工，但是给行人以强迫感，带来了不便，且一次一般只能通过一个人，不适用于公共领域的人流统计；而采用传感器来检测人体进行统计的方法，目前应用最广泛的是红外线检测系统，也主要用于通道，此类系统为非接触式，相比接触式设备有了很大的提高。但在实际运行中也存在着不可忽视的问题，比如要么采用单人通道限制了大流量人流的通过方便性，而当采用宽通道时，多个行人连续或同时通过红外装置时，就会出现遮挡，人数统计的准确度就会大大降低，此外，单个行人在检测区的暂时停留，或者躯体和携带物品的干扰，也会对统计的精确度带来很大的影响。

技术实现要素：

本发明旨在至少解决现有技术或相关技术中存在的技术问题。

近年来，伴随着计算机视觉、模式识别和人工智能等相关技术的发展，应用的领域也在逐渐扩大，视频监控系统被越来越广泛的应用于人们生活的方方面面。在对视频序列中的行人提取、识别和跟踪的基础上，进一步进行精确的人数统计为本发明的一种思想。

为此，本发明提供了一种基于视频分析的人流量统计方法，所述视频包括利用摄像头从顶部区域拍摄的至少一组行人监控样本视频和一组行人监控检测视频，所述人数统计方法包括以下步骤：

s20：分别提取训练输入图像和监控区域图像帧的梯度方向直方图特征（hog）；梯度方向直方图特征（hog）主要是对局部区域的梯度方向进行计算，然后用直方图来描述，即其实一种图像局部重叠区域的特征描述符；

s30：对训练输入图像的梯度方向直方图特征进行svm头部分类器的离线训练，把大量经过步骤s20处理后的正样本训练图像集和所述负样本训练图像集的输入到支持向量机模型中进行训练，得到针对这些训练样本下的最优分类器；支持向量机（svm）是一种努力寻求结构风险最小化的一种机器学习方法；

s40：实时头部检测，将经过步骤s20处理后的检测视频序列的监控区域图像帧输入到训练好的分类器中，通过设定检测窗移动步长以及缩放抽取图像窗口的尺寸比例，让检测窗口在不同的位置上进行扫描，根据分类器的决策结果判别这些窗口是头部区域还是非头部区域，最后在视频序列中标记出头部的位置；

s50：采用光流法进行目标跟踪，实现对视频图像帧中的头部运动进行持续的检测、匹配和位置更新信息的跟踪；

s60：设置roi，利用opencv里面的roi的设置来实现感兴趣区域，支队感兴趣区域进行处理；可以根据实际要求随意设置感兴趣区域，从而提高了系统得实用性；

s70：统计人数，根据头部的运动轨迹，对比进出口标志可判断进出方向，当运动物体先碰到进口标记然后继续运动碰到出口标记为进门行为，当运动物体先碰到出口标记然后继续运动碰到进口标记为出门行为，最后，根据进出口标志和头部运动轨迹判断进出行为，以实现人数的计数统计。

发明与现有技术相比具有以下优点和有益效果：

序列和图像处理技术的人数统计方法，建立于广泛应用的视频监控设备上，成本低、应用面广、统计精确度高。

进一步的，还包括步骤s80:远程查询，把检测完的图片保存为img.jpg格式文件，保存的同时向pathon程序发一个通知，将图片文件保存到服务器，再向远程控制终端发送通知，控制终端解析推送通知，通过协议请求服务器中的图片以获得人数统计结果。

进一步的，在步骤s40中，包括以下过程：

s41:按帧图区视频；

s42:互动窗口遍历并分割每一帧；

s43：分割完成的图像输入训练完成的识别机进行判定；

s44：使用矩形框标准人头区域；

s45：重复矩形框合并。

进一步的，在步骤s60中，包括以下过程：

s61:视频采集；

s62:零点设置；

s63：设置roi区；

s64：标记roi区；

s65：对roi区域处理；

s66：取消roi。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了根据本发明方法的流程图；

图2本发明方法的实时头部检测过程的子流程图；

图3是本发明方法的设置roi区域的流程图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

下面结合图1，对本发明的一种基于视频分析的人数统计方法的一个具体实施例进行具体说明。

本发明提供了一种基于视频分析的人数统计方法，所述视频包括利用摄像头拍摄的至少一组行人监控样本视频和一组行人监控检测视频，如图1所示，所述人数统计方法包括以下步骤：

s10：采集所述行人监控样本视频中的人头图像，从而构成正样本训练图像集，以所述行人监控样本视频中除人头图像以外的那些不是行人头部但又疑似行人头部的图像作为负样本训练图像集，并将所述正样本训练图像集和所述负样本训练图像集进行归一化处理成同样大小的尺寸的训练输入图像；采集所述行人监控检测视频中的需要统计人数的监控区域图像帧。由于手动截取的头部样本尺寸不统一，不宜作为训练的输入图像，我们必须将截取的图片缩放到同样大小的尺寸，进行归一化处理为32（像素）×32（像素）。

s20：分别提取训练输入图像和监控区域图像帧的梯度方向直方图特征（hog）；梯度方向直方图特征（hog）主要是对局部区域的梯度方向进行计算，然后用直方图来描述，即其实一种图像局部重叠区域的特征描述符。

s30：对训练输入图像的梯度方向直方图特征进行svm头部分类器的离线训练，把大量经过步骤s20处理后的正样本训练图像集和所述负样本训练图像集的输入到支持向量机模型中进行训练，得到针对这些训练样本下的最优分类器。支持向量机（svm）是一种努力寻求结构风险最小化的一种机器学习方法；

s40：实时头部检测，将经过步骤s20处理后的检测视频序列的监控区域图像帧输入到训练好的分类器中，通过设定检测窗移动步长以及缩放抽取图像窗口的尺寸比例，让检测窗口在不同的位置上进行扫描，根据分类器的决策结果判别这些窗口是头部区域还是非头部区域，最后在视频序列中标记出头部的位置。

s50：采用光流法进行目标跟踪，实现对视频图像帧中的头部运动进行持续的检测、匹配和位置更新信息的跟踪。光流法用于目标跟踪的原理：1）对一个连续的视频帧序列进行处理2）针对每一个视频序列，利用一定的目标检测方法，检测可能出现的前景目标3）如果某一帧出现了前景目标，找到其具有代表性的关键点。

s60：设置roi，利用opencv里面的roi的设置来实现感兴趣区域，支队感兴趣区域进行处理；可以根据实际要求随意设置感兴趣区域，从而提高了系统得实用性。为了进出人口的统计，采用垂直摄像头的方式来检测人头，并在离线状态下将获得的图片经过训练好的分类器，然后设计并实现人数统计系统。

s80:远程查询，把检测完的图片保存为img.jpg格式文件，保存的同时向pathon程序发一个通知，将图片文件保存到服务器，再向远程控制终端发送通知，控制终端解析推送通知，通过协议请求服务器中的图片以获得人数统计结果。具体地，是将图片保存在中国移动服务器（onenet），再向手机端发送通知，手机端解析推送通知，通过http协议，请求onenet的图片。

本方法利用计算机视觉技术对特定区域的人流量进行统计，并可以在手机端查看不同时刻的图片。相对于人体检测的方法而言，能够大幅度的避免检测目标互相遮挡的问题。行人头部检测采用的是基于梯度方向直方图（hog）特征提取，线性支持向量机（svm）作为分类器的检测方法，使用光流法对行人进行跟踪。建立于广泛应用的视频监控设备上，成本低、应用面广、统计精确度高。

进一步的，如图2所示，在步骤s40中，包括以下过程：